비전 시스템 숨은 활용법과 현장 꿀팁 가이드

• 목록
• 답변
• 글쓰기
• 옵션
  • 수정
  • 삭제

검출률은 알고리즘보다 조명 각도에서 먼저 갈립니다

같은 카메라도 빛의 방향을 바꾸면 다른 장비처럼 보입니다

산업용 비전 시스템에서 가장 자주 놓치는 꿀팁은 카메라 스펙이 아니라 조명 입사각입니다. 불량을 더 잘 잡고 싶어서 해상도 높은 카메라나 최신 AI 모델부터 찾는 경우가 많지만, 실제 현장에서는 빛이 표면에 어떻게 닿는지에 따라 검출률이 먼저 달라집니다.

특히 금속, 필름, 유리, 플라스틱 사출물처럼 반사가 강한 대상은 정면 조명만 쓰면 정상 영역과 불량 영역이 비슷하게 보일 수 있습니다. 이때 낮은 각도의 다크필드 조명이나 편광 필터를 조합하면 스크래치, 미세 찍힘, 오염이 훨씬 뚜렷하게 드러납니다.

• 스크래치 검사: 낮은 각도에서 빛을 비추면 표면 흠집이 밝은 선으로 떠오릅니다.
• 인쇄 문자 검사: 확산 조명을 쓰면 잉크 번짐과 배경 반사가 줄어 OCR 안정성이 좋아집니다.
• 투명 소재 검사: 백라이트와 편광 필터를 함께 쓰면 외곽선과 내부 결함을 분리하기 쉽습니다.
• 곡면 부품 검사: 돔 조명을 사용하면 핫스팟이 줄고 전체 표면이 균일하게 보입니다.

현장에서 카메라를 바꾸기 전, 조명을 15도씩만 이동해 테스트해 보세요. 예상보다 많은 오검출이 렌즈나 알고리즘 문제가 아니라 반사 문제였다는 사실을 확인하게 됩니다.

기본 용어를 다시 확인하고 싶다면 vision의 개념 설명을 참고하면 좋습니다. 단, 용어 이해보다 중요한 것은 실제 검사 대상의 재질, 표면 거칠기, 이동 속도에 맞춰 빛을 설계하는 일입니다.

렌즈 선택의 숨은 기준은 화소보다 작업거리입니다

초점거리 계산을 대충 하면 검사 영역이 흔들립니다

optical technology를 다루는 현장에서 렌즈는 종종 카메라에 딸려오는 부품처럼 취급됩니다. 하지만 비전 검사 품질은 렌즈의 초점거리, 왜곡률, 조리개, 작업거리의 조합으로 결정됩니다. 같은 500만 화소 카메라라도 렌즈 선택이 잘못되면 가장자리 치수 측정값이 흔들리고, 작은 결함이 배경 노이즈에 묻힙니다.

숨겨진 팁은 단순합니다. 먼저 검사 대상의 실제 크기와 필요한 최소 결함 크기를 정한 뒤, 카메라 센서 크기와 작업거리를 거꾸로 계산해야 합니다. 예를 들어 0.2mm 스크래치를 안정적으로 보려면 결함 하나가 최소 3~5픽셀 이상 차지하도록 시야각을 잡는 것이 유리합니다.

1. 검사 대상 크기를 mm 단위로 측정합니다.
2. 잡아야 할 최소 결함을 정의합니다. 예: 0.1mm 찍힘, 0.3mm 이물, 1도 기울어짐.
3. 필요 픽셀 수를 계산합니다. 결함당 3픽셀 미만이면 판정이 불안정해질 수 있습니다.
4. 작업거리를 고정한 뒤 렌즈 초점거리를 선택합니다.
5. 왜곡 보정이 필요한 치수 측정 공정인지 확인합니다.

조리개를 조이면 선명해지지만 밝기는 줄어듭니다

조리개를 무조건 조이면 선명도가 올라간다고 생각하기 쉽습니다. 하지만 조리개를 과하게 조이면 빛의 양이 줄어 노출 시간이 길어지고, 이로 인해 컨베이어 이동 중 모션 블러가 생길 수 있습니다. 빠르게 지나가는 제품을 검사한다면 조리개, 조명 밝기, 셔터 속도를 함께 맞춰야 합니다.

현장에서는 렌즈 가격도 중요한 판단 요소입니다. 일반 고정초점 렌즈는 비교적 저렴하지만, 치수 측정이나 정밀 정렬에는 저왜곡 렌즈 또는 텔레센트릭 렌즈가 필요할 수 있습니다. 텔레센트릭 렌즈는 비용이 높지만 높낮이 변화에 따른 크기 오차가 적어 배터리, 반도체, 정밀 부품 검사에 강합니다.

• 저예산 검사: 일반 C마운트 렌즈와 링 조명 조합으로 시작합니다.
• 중간 난이도 검사: 저왜곡 렌즈와 보정 패턴을 함께 사용합니다.
• 정밀 치수 검사: 텔레센트릭 렌즈와 백라이트 조합을 검토합니다.

비전 관련 사고방식을 넓히려면 VISION 관련 서적처럼 목표 설정과 관찰 관점을 다루는 자료도 도움이 됩니다. 산업용 이미징에서도 결국 중요한 것은 무엇을 볼 것인지 먼저 정하는 태도입니다.

오검출을 줄이는 데이터 관리 꿀팁은 파일명에 있습니다

NG 이미지를 많이 모으는 것보다 잘 나누는 것이 먼저입니다

AI 기반 imaging solution을 도입한 뒤에도 오검출이 줄지 않는다면 데이터 폴더 구조부터 확인해 보세요. 현장에서는 정상, 불량 이미지를 많이 모으는 데 집중하지만, 실제로는 날짜, 라인, 조명 조건, 제품 모델, 작업자 교대 시간까지 함께 남겨야 원인을 찾을 수 있습니다.

예를 들어 같은 불량 이미지라도 오전에는 잘 잡히고 야간에는 놓친다면 알고리즘보다 조명 노후, 외부광 유입, 작업자 세팅 차이가 문제일 수 있습니다. 파일명에 조건을 남기면 나중에 모델 학습이나 룰 튜닝을 할 때 훨씬 빠르게 비교할 수 있습니다.

• 권장 파일명: 20260715_LINE2_MODEL-A_LIGHT70_OK_001.png
• NG 세분화: scratch, stain, crack, missing, misalign처럼 불량 유형을 분리합니다.
• 환경 기록: 조명 밝기, 셔터 속도, 렌즈 조리개, 검사 거리 변경 이력을 남깁니다.
• 샘플 균형: 정상 이미지만 많고 실제 불량 샘플이 적으면 모델이 현장 변동에 약해집니다.

판정 로그는 이미지와 같은 시간축으로 묶어야 합니다

검사 장비에서 나온 결과값만 엑셀로 따로 저장하고 이미지는 다른 폴더에 두면, 문제가 생겼을 때 추적 시간이 급격히 늘어납니다. 이미지 파일, 판정 결과, PLC 신호, 생산 lot 정보를 같은 시간축으로 묶으면 불량률이 튄 구간을 빠르게 좁힐 수 있습니다.

특히 2026년 기준으로는 엣지 AI 카메라와 산업용 PC가 함께 쓰이는 구성이 많아졌습니다. 이때 장비별 시간이 몇 초만 어긋나도 특정 제품의 이미지와 판정값이 맞지 않을 수 있으니, NTP 동기화나 장비 시간 기준 통일을 반드시 확인해야 합니다.

이미지 데이터는 많이 쌓는 것보다 다시 찾을 수 있게 쌓는 것이 더 중요합니다. 3개월 뒤에도 원인을 찾을 수 있는 이름과 구조가 좋은 데이터셋입니다.

비전 시스템 유지보수는 청소 주기보다 기준 이미지가 핵심입니다

기준 이미지를 매주 남기면 성능 저하를 빨리 발견합니다

많은 현장에서 vision system 유지보수는 렌즈 닦기, 조명 교체, 케이블 확인 정도로 끝납니다. 물론 기본 관리도 중요하지만, 더 실용적인 꿀팁은 기준 이미지 골든 샘플을 주기적으로 저장하는 것입니다. 같은 정상 제품을 같은 조건에서 촬영해두면 장비 상태가 서서히 변하는지 쉽게 알 수 있습니다.

조명은 시간이 지나면 밝기가 줄고, 렌즈는 미세 진동으로 초점이 틀어질 수 있으며, 카메라 브래킷은 설비 충격으로 아주 조금 움직일 수 있습니다. 사람 눈으로는 큰 차이를 못 느껴도 알고리즘은 밝기와 위치 변화에 민감하게 반응합니다.

• 매주 1회: 기준 샘플 5~10장을 같은 조건으로 촬영합니다.
• 월 1회: 밝기 히스토그램과 주요 ROI 위치를 비교합니다.
• 분기 1회: 렌즈 고정 나사, 조명 브래킷, 케이블 스트레스를 점검합니다.
• 제품 변경 시: 기준 이미지를 새로 만들고 이전 기준과 섞지 않습니다.

청소는 닦는 순서가 중요합니다

렌즈를 닦을 때 생산 라인의 먼지가 묻은 천을 그대로 사용하면 코팅 손상이 생길 수 있습니다. 먼저 에어 블로어로 큰 입자를 제거하고, 렌즈 전용 티슈와 세정액을 사용해야 합니다. 조명 커버도 손자국이나 오일 미스트가 묻으면 검사 밝기가 불균일해집니다.

카메라 위치 표시를 작은 스티커나 마킹펜으로 남겨두는 것도 유용합니다. 유지보수 후 다시 조립했을 때 마킹 위치가 달라졌다면, 검사 영역과 초점이 바뀌었을 가능성이 있습니다. 단순한 표시 하나가 불필요한 재튜닝 시간을 줄여줍니다.

시각 정보가 시스템에서 어떻게 해석되는지 배경 지식을 알고 싶다면 시각에 대한 지식백과 설명도 참고할 만합니다. 사람의 시각과 기계의 이미징은 다르지만, 대비와 패턴을 인식한다는 큰 흐름은 검사 설계에 힌트를 줍니다.

현장 자동화와 연결할 때 놓치기 쉬운 작은 설정들

트리거 타이밍 10ms 차이가 불량률을 바꿀 수 있습니다

비전 시스템을 단독으로 테스트할 때는 잘 되는데 실제 생산 라인에 붙이면 결과가 흔들리는 경우가 있습니다. 이때는 알고리즘보다 트리거 신호, 조명 점등 타이밍, 제품 위치 편차를 먼저 봐야 합니다. 컨베이어 속도가 빠른 라인에서는 10ms 차이도 촬영 위치를 바꿉니다.

숨은 활용법은 트리거를 한 번만 믿지 않는 것입니다. 엔코더 기반 위치 보정, 포토센서 감도 조정, 지연 시간 로그 기록을 함께 쓰면 검사 위치가 일정해집니다. 특히 원형 부품이나 회전 방향이 있는 부품은 촬영 순간의 각도까지 관리해야 합니다.

1. 센서 감지 위치와 실제 촬영 위치 사이의 거리를 측정합니다.
2. 컨베이어 속도에 따라 지연 시간을 계산합니다.
3. 조명 점등 시간을 셔터 시간보다 충분히 앞서 설정합니다.
4. 검사 결과 출력이 배출 장치 타이밍과 맞는지 확인합니다.
5. 속도 변경 조건에서도 같은 테스트를 반복합니다.

PLC와 통신할 때는 실패 신호를 따로 설계하세요

OK와 NG만 주고받는 구성은 단순하지만, 카메라 통신 끊김이나 이미지 저장 실패 같은 예외 상황을 놓치기 쉽습니다. 실무에서는 OK, NG, BUSY, ERROR, HEARTBEAT 신호를 분리하는 편이 안정적입니다. 장비가 멈추지 않았지만 검사가 실제로 수행되지 않는 상태를 잡아내야 하기 때문입니다.

또한 검사 결과를 즉시 버리지 말고 최근 100개 또는 1,000개 정도의 판정 이력을 로컬에 남겨두면 좋습니다. 생산 중 문제가 생겼을 때 네트워크 저장소에 접근하지 못해도 장비 화면에서 최근 패턴을 확인할 수 있습니다. 작은 로그 기능이 야간 대응 시간을 크게 줄여줍니다.

• HEARTBEAT: 비전 장비가 살아 있는지 PLC가 주기적으로 확인합니다.
• BUSY: 촬영과 판정 중인 상태를 표시해 중복 트리거를 막습니다.
• ERROR: 통신, 저장, 조명, 카메라 오류를 생산 신호와 분리합니다.
• RESULT ID: 이미지 번호와 PLC 판정 번호를 연결해 추적성을 높입니다.

자주 묻는 질문과 바로 써먹는 체크리스트

비싼 장비 없이도 개선할 수 있는 부분이 많습니다

비전 검사가 흔들릴 때 가장 먼저 예산부터 걱정할 필요는 없습니다. 현장에서 바로 적용할 수 있는 개선은 생각보다 많습니다. 조명 위치 재조정, 기준 이미지 저장, 파일명 규칙 통일, 렌즈 청소 순서 개선, 트리거 지연값 재측정만으로도 오검출률이 눈에 띄게 줄어드는 경우가 있습니다.

장비 교체가 필요한 상황도 분명 있습니다. 최소 결함 크기가 현재 카메라 해상도로 감당되지 않거나, 제품 속도가 빨라 셔터와 조명 출력이 한계에 도달했거나, 렌즈 왜곡 때문에 치수 오차를 보정하기 어렵다면 업그레이드를 검토해야 합니다. 다만 그 전에는 현재 세팅의 한계를 숫자로 확인하는 것이 우선입니다.

• Q. AI 비전이면 조명 세팅이 덜 중요한가요? 아닙니다. AI도 입력 이미지 품질이 낮으면 학습과 판정이 불안정해집니다.
• Q. 카메라 화소를 올리면 무조건 좋아지나요? 아닙니다. 렌즈 해상력, 조명 밝기, 처리 속도가 함께 따라와야 합니다.
• Q. 불량 샘플이 적으면 어떻게 하나요? 실제 NG를 유형별로 모으고, 정상 변동 샘플도 함께 확보해야 과검출을 줄일 수 있습니다.
• Q. 유지보수 주기는 어느 정도가 적당한가요? 먼지와 진동이 많은 라인은 주 1회 기준 이미지 확인, 월 1회 광학계 점검을 권장합니다.

현장 적용 전 10분 점검표

아래 체크리스트는 새 장비 도입 전뿐 아니라 기존 Eye-Sys 기반 광학 검사 환경을 개선할 때도 그대로 활용할 수 있습니다. 한 번에 모든 항목을 완벽히 바꾸려 하기보다, 오검출이 많이 발생하는 공정부터 적용해 보세요. 작은 항목을 꾸준히 기록하면 다음 설비 투자 판단도 훨씬 명확해집니다.

1. 검사 대상의 최소 결함 크기를 mm 단위로 적었는가?
2. 결함이 이미지에서 최소 3~5픽셀 이상으로 보이는가?
3. 조명 각도별 샘플 이미지를 비교해 보았는가?
4. 렌즈 초점과 조리개 값을 기록했는가?
5. OK, NG, ERROR 이미지를 같은 규칙으로 저장하는가?
6. 카메라, PC, PLC 시간이 동기화되어 있는가?
7. 기준 이미지 골든 샘플을 주기적으로 남기는가?
8. 트리거 지연 시간이 생산 속도 변경에도 맞는가?
9. 최근 판정 로그와 원본 이미지를 함께 추적할 수 있는가?
10. 장비 교체 전 현재 세팅의 한계를 수치로 확인했는가?

이 체크리스트를 통과한 뒤에도 문제가 남는다면 그때는 카메라 해상도, 렌즈 등급, 조명 출력, AI 모델 구조를 순서대로 검토하는 편이 좋습니다. 핵심은 장비를 더하는 것이 아니라, 보이는 조건을 안정적으로 만드는 것입니다.