2026 머신비전 기초 입문: 해상도·시야각 계산하는 법

• 목록
• 답변
• 글쓰기
• 옵션
  • 수정
  • 삭제

검사 대상은 분명히 카메라 화면에 보이는데 작은 흠집만 계속 놓친다면, 카메라 성능보다 먼저 시야각과 해상도 계산을 확인해야 합니다. 머신비전은 단순히 고화소 카메라를 설치하는 작업이 아니라, 검사할 영역과 찾아야 할 최소 결함을 픽셀 단위로 연결하는 설계 과정입니다.

이 글은 산업용 카메라를 처음 접하는 분도 따라갈 수 있도록 FOV, 작업 거리, 공간 해상도, 렌즈 초점거리의 관계를 단계별로 설명합니다. 광학의 기본 의미가 궁금하다면 네이버 지식백과의 광학 설명도 함께 참고하면 용어를 이해하는 데 도움이 됩니다.

머신비전 시스템의 기본 구조부터 이해하기

사람의 눈과 산업용 비전은 무엇이 다를까요?

사람은 대상의 위치나 밝기가 조금 달라져도 경험을 바탕으로 물체를 알아봅니다. 반면 머신비전 시스템은 카메라가 얻은 영상을 수치로 바꾸고, 설정된 규칙에 따라 치수·색상·형상·표면 결함을 판단합니다. 따라서 같은 제품을 반복 검사하려면 조명, 렌즈, 촬영 거리와 노출 조건을 일정하게 유지해야 합니다.

일반적인 시스템은 조명, 렌즈, 이미지 센서, 인터페이스, 처리 장치와 검사 소프트웨어로 구성됩니다. 어느 한 요소만 비싸다고 검사 성능이 자동으로 높아지지는 않습니다. 예를 들어 2,000만 화소 카메라를 사용하더라도 렌즈의 해상력이 부족하거나 조명이 흔들리면 미세 결함의 경계가 흐려집니다.

영상이 만들어지는 순서

조명에서 나온 빛은 검사 대상에 닿은 뒤 반사되거나 투과되고, 렌즈를 지나 이미지 센서에 맺힙니다. 센서는 빛의 세기를 전기 신호와 픽셀 값으로 변환합니다. 빛 자체의 기초 개념은 광에 관한 지식백과 설명에서 보충할 수 있습니다.

• 조명: 찾으려는 특징과 배경 사이의 대비를 만듭니다.
• 렌즈: 검사 영역을 센서 크기에 맞게 투영합니다.
• 카메라: 광학 영상을 디지털 데이터로 변환합니다.
• 소프트웨어: 영상에서 위치, 치수, 색상 또는 결함을 판정합니다.
• 트리거와 제어기: 촬영 시점과 설비 동작을 동기화합니다.

초보자가 기억할 핵심은 하나입니다. 카메라는 보이지 않는 결함을 만들어내지 못합니다. 광학적으로 분리된 특징만 안정적으로 검사할 수 있습니다.

FOV와 작업 거리, 센서 크기 구분하기

FOV는 카메라가 한 번에 보는 실제 범위입니다

FOV(Field of View)는 촬영 화면에 포함되는 실제 가로·세로 영역입니다. 가로 120mm, 세로 80mm 크기의 부품 전체를 한 장에 담아야 한다면 여유 공간을 포함해 약 130mm × 90mm의 FOV를 잡는 식입니다. 제품 위치 오차를 무시하고 치수와 똑같이 설정하면 가장자리가 잘리거나 검사 영역이 화면 밖으로 벗어날 수 있습니다.

작업 거리인 WD(Working Distance)는 보통 렌즈 앞쪽 또는 기준면에서 검사 대상까지의 거리입니다. 같은 센서와 렌즈를 사용한다면 작업 거리가 길어질수록 더 넓은 영역이 보이고, 대상은 작게 표현됩니다. 반대로 카메라를 가까이 옮기면 좁은 영역이 크게 보이지만 초점 범위, 설비 간섭과 조명 배치가 어려워질 수 있습니다.

센서 크기와 픽셀 수는 같은 말이 아닙니다

센서 크기는 이미지 센서의 물리적인 가로와 세로 치수이며, 해상도는 가로 픽셀 수와 세로 픽셀 수를 뜻합니다. 동일한 500만 화소라도 센서 크기와 픽셀 피치가 다를 수 있습니다. 렌즈를 고를 때는 화소 수뿐 아니라 센서 포맷, 마운트, 이미지 서클이 서로 맞는지 확인해야 합니다.

• 검사 대상의 최대 크기와 위치 편차를 측정합니다.
• 좌우·상하에 필요한 여유 영역을 더해 목표 FOV를 정합니다.
• 설비 구조상 확보 가능한 최소·최대 작업 거리를 확인합니다.
• 카메라의 센서 치수와 유효 해상도를 데이터시트에서 찾습니다.
• 계산된 초점거리와 설치 가능한 렌즈 규격을 대조합니다.

화면 전체를 넓히면 한 번에 많은 제품을 볼 수 있지만 제품 하나에 배정되는 픽셀은 줄어듭니다. 생산량 때문에 FOV를 무작정 넓히고 있지는 않은지 점검해 보세요. 여러 개를 동시에 촬영하는 방식이 유리할 때도 있지만, 작은 문자를 판독하거나 미세 스크래치를 찾는 검사에는 개별 촬영이 더 안정적일 수 있습니다.

필요한 카메라 해상도를 계산하는 법

공간 해상도부터 구하면 계산이 쉬워집니다

공간 해상도는 실제 길이 1픽셀이 담당하는 범위로, 흔히 mm/pixel 또는 μm/pixel로 표시합니다. 계산식은 간단합니다. 가로 공간 해상도 = 가로 FOV ÷ 카메라 가로 픽셀 수입니다. 가로 FOV가 120mm이고 카메라가 2,400픽셀이라면 공간 해상도는 0.05mm/pixel, 즉 50μm/pixel입니다.

하지만 50μm 크기의 결함을 50μm/pixel 조건에서 안정적으로 찾을 수 있다는 뜻은 아닙니다. 결함 하나가 겨우 1픽셀에 걸리면 초점, 노이즈, 대상 위치와 밝기 변화에 따라 값이 쉽게 사라집니다. 단순 존재 검사는 최소 3~5픽셀, 치수 측정이나 경계 분석은 보통 5~10픽셀 이상을 특징 폭에 배정하는 보수적인 설계가 유리합니다.

0.1mm 흠집 검출 예제로 따라 해보기

가로 200mm 영역에서 폭 0.1mm의 흠집을 찾고, 흠집 폭에 최소 5픽셀을 배정한다고 가정해 보겠습니다. 목표 공간 해상도는 0.1mm ÷ 5 = 0.02mm/pixel입니다. 따라서 필요한 가로 해상도는 200mm ÷ 0.02mm/pixel = 10,000픽셀입니다. 세로 FOV가 120mm라면 세로 방향에는 최소 6,000픽셀이 필요합니다.

이 계산에서는 약 6,000만 픽셀이 필요하지만, 이것만 보고 즉시 초고화소 카메라를 구매해서는 안 됩니다. 흠집의 방향이 일정하다면 필요한 축의 해상도가 더 중요할 수 있고, 카메라를 나누거나 대상 이송과 라인스캔 방식을 검토할 수도 있습니다. 반대로 결함 대비가 매우 높고 존재 여부만 확인한다면 시험 촬영을 통해 요구 픽셀 수를 조정할 여지도 있습니다.

1. 찾아야 할 최소 특징 크기를 mm 단위로 정의합니다.
2. 특징 하나에 필요한 픽셀 수를 검사 난도에 맞게 정합니다.
3. 최소 특징 크기를 픽셀 수로 나누어 목표 mm/pixel을 구합니다.
4. FOV를 목표 mm/pixel로 나누어 축별 최소 해상도를 계산합니다.
5. 여유율 10~20%와 제품 위치 편차를 반영해 카메라 후보를 좁힙니다.

카탈로그의 화소 수는 출발점일 뿐입니다. 실제 샘플로 촬영한 뒤 가장 흐린 조건과 가장 빠른 생산 속도에서도 검사가 유지되는지 확인해야 합니다.

렌즈 초점거리와 조명을 함께 선택하는 순서

초점거리는 FOV와 작업 거리로 결정합니다

일반 렌즈의 근사 계산에서는 센서 가로 길이, 작업 거리와 가로 FOV를 이용해 초점거리를 추정할 수 있습니다. 개념적으로는 초점거리 ≈ 센서 가로 길이 × 작업 거리 ÷ 가로 FOV로 접근합니다. 다만 가까운 거리에서는 렌즈의 주점, 배율과 왜곡의 영향이 커지므로 계산값은 후보를 찾는 용도로 사용하고 제조사 렌즈 계산기나 실물 테스트로 검증해야 합니다.

예를 들어 센서 가로 길이가 11mm이고 작업 거리가 500mm, 가로 FOV가 220mm라면 근사 초점거리는 25mm입니다. 시중의 25mm 렌즈가 첫 후보가 될 수 있지만, 초점 조절 범위와 실제 WD 정의에 따라 화면 범위가 달라질 수 있습니다. 렌즈의 이미지 서클이 센서를 충분히 덮지 못하면 모서리가 어두워지는 비네팅도 발생합니다.

선명도는 조리개 하나로 해결되지 않습니다

조리개를 조이면 피사계 심도가 늘어나 높이가 다른 부품도 비교적 선명하게 보입니다. 그러나 센서로 들어오는 빛이 줄어 노출 시간을 늘려야 하고, 지나치게 조이면 회절 때문에 미세 무늬가 흐려질 수 있습니다. 빠르게 움직이는 제품에서는 긴 노출이 모션 블러를 만들기 때문에 밝은 스트로브 조명과 짧은 노출의 조합이 더 적합합니다.

광택 금속은 정면 조명에서 강한 반사가 발생하고, 투명 필름은 배경과 경계가 잘 분리되지 않을 수 있습니다. 이런 경우 링 조명만 반복 구매하기보다 돔 조명, 동축 조명, 백라이트와 편광 필터를 샘플에 적용해 비교해야 합니다. 사람이 빛을 받아 시각 정보를 형성하는 기본 개념은 시각에 관한 지식백과 자료에서도 살펴볼 수 있습니다.

• 치수·윤곽 검사: 경계를 또렷하게 만드는 백라이트를 우선 검토합니다.
• 평평한 금속 표면: 동축 조명으로 정반사 특성을 활용합니다.
• 곡면·광택 제품: 돔 조명이나 확산판으로 핫스폿을 줄입니다.
• 미세 요철: 낮은 각도의 다크필드 조명으로 산란광을 강조합니다.
• 고속 이송: 스트로브 출력, 노출 시간과 트리거 지연을 함께 시험합니다.

초보자가 자주 하는 설계 실수와 도입 체크리스트

고화소 장비만 선택하면 생기는 문제

카메라 해상도를 높이면 데이터 전송량과 처리 시간이 함께 증가합니다. 예를 들어 같은 프레임 속도에서 화소 수가 네 배로 늘면 저장 공간, 네트워크 대역폭과 영상 처리 부하도 크게 증가할 수 있습니다. 검사에 필요하지 않은 고화소 선택은 비용뿐 아니라 프레임 지연과 발열 관리까지 어렵게 만듭니다.

또 다른 실수는 정지한 샘플 한 개만으로 합격 판정을 내리는 것입니다. 실제 생산 환경에서는 진동, 먼지, 제품 색상 편차, 이송 속도와 외부광이 바뀝니다. 최소한 정상·불량 샘플을 여러 개 준비하고, 밝기와 위치를 의도적으로 변화시켜 검출률과 과검률을 함께 측정해야 합니다.

견적 요청 전에 준비할 정보

입문용 소형 시스템은 카메라·렌즈·조명·케이블을 포함해 수백만 원 안팎부터 구성될 수 있지만, 고해상도 센서, 텔레센트릭 렌즈, 정밀 측정 소프트웨어와 설비 연동이 추가되면 수천만 원 이상으로 커질 수 있습니다. 가격은 브랜드와 속도, 설치 환경에 따라 차이가 크므로 단순한 카메라 단가보다 전체 시스템 범위를 명확히 제시해 비교해야 합니다.

• 제품의 가로·세로·높이와 허용 위치 편차
• 검사할 최소 결함의 크기, 색상, 방향과 실제 사진
• 분당 생산량, 이송 속도와 촬영 가능한 시간
• 설치 공간, 작업 거리, 진동·먼지·온도 조건
• 허용 가능한 미검률과 과검률, 판정 저장 기간
• PLC 신호, 네트워크 규격과 결과 출력 방식

예산이 제한되어 있다면 카메라 화소를 먼저 낮추기보다 검사를 여러 단계로 분리할 수 있는지 살펴보세요. 넓은 FOV에서 위치를 찾은 뒤 관심 영역만 정밀 촬영하거나, 치수 검사와 표면 검사를 서로 다른 조명 조건으로 분리하면 안정성과 유지보수성이 좋아질 수 있습니다.

자주 묻는 질문과 현장 테스트 방법

구매 전에 많이 묻는 질문

Q. 일반 웹캠으로 시험해도 되나요?
개념 검증에는 사용할 수 있지만 자동 초점, 자동 노출과 영상 압축이 검사 결과를 흔들 수 있습니다. 양산 장비에는 설정을 고정할 수 있고 외부 트리거와 산업용 인터페이스를 지원하는 카메라가 적합합니다.

Q. 컬러 카메라가 항상 더 많은 정보를 제공하나요?
색상 차이를 판별해야 한다면 유리하지만, 같은 센서 조건에서 흑백 카메라는 컬러 필터 배열의 영향을 받지 않아 미세 명암과 감도 측면에서 유리할 수 있습니다. 검사 특징이 색인지 밝기인지부터 구분해야 합니다.

Q. 계산상 해상도가 충분한데 왜 검사가 불안정한가요?
초점 불량, 렌즈 왜곡, 모션 블러, 조명 반사와 낮은 대비가 대표적인 원인입니다. 픽셀 수만 다시 계산하지 말고 원본 영상에서 결함과 정상 영역의 밝기 차이가 안정적으로 유지되는지 확인해야 합니다.

30분 샘플 테스트 체크리스트

테스트에서는 보기 좋은 한 장보다 조건 변화에 대한 재현성이 중요합니다. 카메라의 자동 기능을 끄고 노출, 게인, 조리개와 조명 출력을 기록하세요. 같은 설정으로 정상품과 불량품을 반복 촬영하면 어떤 요소가 판정에 영향을 주는지 비교하기 쉬워집니다.

1. 화면 가장자리까지 제품이 들어오는지 FOV를 확인합니다.
2. 최소 결함이 실제로 몇 픽셀에 걸쳐 표현되는지 확대해 셉니다.
3. 제품을 앞뒤와 좌우로 움직여 초점과 판정 변화를 기록합니다.
4. 설비 속도로 이동시키며 모션 블러와 트리거 누락을 확인합니다.
5. 조명 출력을 단계별로 바꾸고 정상·불량 간 대비를 비교합니다.
6. 최소 30회 이상 반복해 미검과 과검이 발생한 조건을 따로 저장합니다.

최종 사양서에는 카메라 모델명만 적지 말고 FOV, 작업 거리, 공간 해상도, 노출 시간과 합격 기준을 함께 남겨야 합니다. 이 다섯 항목이 기록되어 있으면 제품 규격이 바뀌거나 장비를 교체할 때도 기존 설계의 근거를 빠르게 추적할 수 있습니다.