배터리 공정 불량이 늘 때 초분광 머신비전이 바꾸는 검사

• 목록
• 답변
• 글쓰기
• 옵션
  • 수정
  • 삭제

배터리 전극 표면은 멀쩡해 보이는데 셀 성능 편차가 커지거나, 분리막에 남은 미세 오염이 후공정에서 발견되는 상황이 있습니다. 일반 컬러 카메라는 물체의 모양과 색을 빠르게 포착하지만, 재료의 화학적 차이까지 구별하는 데에는 한계가 있기 때문입니다. 이때 제조 현장이 주목하는 기술이 초분광 머신비전입니다.

초분광 이미징은 위치 정보와 파장별 반사 특성을 함께 기록합니다. 단순히 ‘무엇이 보이는가’를 넘어 어떤 물질이 어디에 분포하는가를 판단할 수 있어 배터리, 반도체, 식품, 재활용 산업의 검사 방식에 변화를 만들고 있습니다.

배터리 라인에서 초분광 검사가 떠오르는 이유

회색 얼룩 속 재료 차이를 파장으로 읽습니다

전극 코팅층의 두께 편차, 수분 흔적, 바인더 분포 이상은 RGB 영상에서 비슷한 회색으로 나타날 수 있습니다. 반면 재료는 파장에 따라 빛을 흡수하거나 반사하는 비율이 다르므로, 초분광 카메라는 각 픽셀에서 얻은 스펙트럼을 이용해 육안으로 구분하기 어려운 차이를 강조합니다. 빛과 재료가 상호작용하는 기본 개념은 광의 특성에 관한 지식백과 설명에서도 확인할 수 있습니다.

최근의 변화는 카메라 해상도만 높이는 방향이 아닙니다. 필요한 파장대만 선택하는 멀티스펙트럴 구성, 생산 설비 가까이에서 추론하는 엣지 컴퓨팅, 스펙트럼과 형상 데이터를 함께 학습하는 AI가 결합되고 있습니다. 덕분에 연구실에서 수십 초가 걸리던 분석을 연속 공정의 판정 신호로 바꾸려는 시도가 활발합니다.

특히 공정 속도가 빠른 배터리 라인에서는 모든 파장 데이터를 무조건 저장하기보다 불량과 상관성이 높은 밴드를 먼저 찾는 전략이 유리합니다. 파일 용량과 연산 부하를 줄이면서도 검출 민감도를 유지할 수 있기 때문입니다. 현장에서 우선 검토할 대상은 다음과 같습니다.

• 전극 코팅: 도포 누락, 줄무늬, 국부적인 조성 편차를 면 단위로 탐색합니다.
• 분리막 검사: 표면 오염과 이물질을 배경 재료의 스펙트럼과 구분합니다.
• 재활용 선별: 외형이 비슷한 필름, 플라스틱, 금속 혼합물을 재질별로 분류합니다.
• 원료 모니터링: 샘플의 기준 스펙트럼과 입고 원료의 편차를 추적합니다.

초분광 카메라의 파장 수가 많다고 검사가 자동으로 좋아지는 것은 아닙니다. 불량 샘플이 정상 샘플과 실제로 다른 스펙트럼을 보이는지부터 검증해야 합니다.

라인스캔과 스냅샷 방식이 갈라지는 지점

움직이는 웹 소재에는 라인스캔이 자연스럽습니다

초분광 카메라는 영상을 취득하는 방식에 따라 적용성이 크게 달라집니다. 전극이나 필름처럼 일정 방향으로 연속 이동하는 소재에는 한 줄의 공간 정보와 여러 파장 정보를 반복 취득하는 푸시브룸 라인스캔 방식이 잘 맞습니다. 컨베이어 이동 자체가 두 번째 공간축을 만들어 주므로 넓은 웹 소재를 끊김 없이 검사할 수 있습니다.

라인 속도가 변하면 픽셀의 종횡비와 노출량도 달라집니다. 엔코더 신호로 촬영 간격을 동기화하지 않으면 같은 불량이 늘어나거나 눌린 형태로 기록될 수 있습니다. 또한 진동으로 촬영 위치가 흔들리면 파장별 영상 정합이 깨져 정상 영역을 이상으로 판정할 가능성이 커집니다.

정지 부품과 로봇 검사에는 스냅샷이 유리합니다

한 번의 노출로 공간·파장 정보를 얻는 스냅샷 방식은 로봇이 집은 부품, 정지된 셀, 짧은 택타임의 개별 제품에 적합합니다. 다만 같은 센서 면적을 공간 해상도와 스펙트럼 해상도가 나눠 쓰는 구조가 많아, 미세 흠집과 정밀한 물질 식별을 동시에 요구하면 사양 간 절충이 필요합니다. 광학계의 기본 원리와 용어는 광학 지식백과 항목을 함께 참고하면 이해하기 쉽습니다.

• 검사 대상이 한 방향으로 계속 이동하면 라인스캔형을 우선 검토합니다.
• 대상이 회전하거나 위치가 수시로 달라지면 스냅샷형과 로봇 비전을 검토합니다.
• 미세 결함이 핵심이면 파장 수보다 물체면 해상도와 렌즈 MTF를 먼저 계산합니다.
• 물질 분류가 핵심이면 정상·불량 샘플의 스펙트럼 분리도를 먼저 측정합니다.

AI가 스펙트럼 큐브를 검사 신호로 바꾸는 방식

기준 파장 선별이 실시간 처리의 출발점입니다

초분광 데이터는 가로, 세로, 파장축으로 구성된 데이터 큐브입니다. 파장 밴드가 수백 개라면 한 장만으로도 데이터가 빠르게 커지고, 단순한 임계값 설정만으로는 온도·조명·원료 로트 변화에 대응하기 어렵습니다. 그래서 현장에서는 주성분 분석으로 차원을 줄이거나, 분류에 기여하는 파장만 고른 뒤 경량 AI 모델에 입력하는 흐름이 확산되고 있습니다.

예를 들어 초기 실험에서는 전체 파장 범위로 정상 전극과 코팅 이상 샘플을 측정합니다. 이후 중요도가 높은 6~20개 안팎의 후보 밴드를 추려 멀티스펙트럴 장비나 필터 조합으로 단순화할 수 있습니다. 이 접근은 초분광 장비를 탐색 도구로 사용하고 양산 시스템은 더 경제적인 구조로 전환한다는 점에서 현실적입니다.

다만 학습 데이터가 한 가지 원료 로트와 한 계절의 환경만 포함하면 양산 투입 후 오검출이 늘 수 있습니다. 정상 데이터에도 공급사, 표면 거칠기, 온도, 습도, 라인 속도의 변화를 포함해야 합니다. 불량 샘플이 적을 때는 지도학습만 고집하기보다 정상 분포에서 벗어나는 영역을 찾는 이상 탐지 모델을 함께 시험하는 편이 좋습니다.

1. 샘플 설계: 정상과 불량뿐 아니라 경계 수준의 샘플을 확보합니다.
2. 스펙트럼 측정: 암전류와 백색 기준판을 이용해 반사율을 보정합니다.
3. 밴드 평가: 불량 유형별 분리도와 반복 재현성을 계산합니다.
4. 모델 검증: 학습에 쓰지 않은 날짜와 원료 로트로 성능을 확인합니다.
5. 라인 연동: 판정 지연시간, PLC 신호, 이미지 보관 정책을 함께 시험합니다.

정확도 하나만 보지 말고 미검률, 과검률, 판정 시간을 따로 관리하십시오. 치명 불량을 놓치는 비용과 정상 제품을 폐기하는 비용은 서로 다릅니다.

센서 융합이 다음 단계의 경쟁력이 됩니다

초분광 영상만으로 깊이, 미세한 단차, 내부 구조를 모두 알 수는 없습니다. 앞으로의 산업용 비전은 RGB 카메라, 3D 센서, 열화상, X-ray와 스펙트럼 데이터를 조합하는 방향으로 발전할 가능성이 큽니다. 표면 재료는 초분광으로, 형상 변화는 3D로 확인하면 서로 다른 원인의 불량을 한 모델에서 구분하기 쉬워집니다.

센서 융합에서는 좌표 정합이 성능을 좌우합니다. 카메라마다 시야각과 촬영 시간이 다르면 동일 지점을 가리키도록 캘리브레이션해야 하며, 데이터에 시간 정보를 붙여 제품 ID와 연결해야 합니다. 이 기반이 갖춰져야 검사 결과를 공정 조건과 연계해 불량 원인을 역추적할 수 있습니다.

• 스펙트럼과 RGB 영상을 같은 제품 좌표계로 변환합니다.
• 제품 ID, 촬영 시각, 설비 조건을 하나의 레코드로 묶습니다.
• 모델 버전과 보정 기준판의 교체 이력을 저장합니다.
• 재학습 전후의 미검률과 과검률을 동일 샘플로 비교합니다.

8주 검증 일정과 예산 한도를 먼저 고정하십시오

장비 구매보다 샘플 실험에 먼저 비용을 배분합니다

초분광 머신비전은 카메라 가격만 계산하면 실제 도입비를 과소평가하기 쉽습니다. 센서 외에도 파장대에 맞는 렌즈, 균일 조명, 기준판, 프레임그래버, GPU 또는 산업용 PC, 차광 구조물, 캘리브레이션 작업이 필요합니다. 연구용 데모는 비교적 단순하지만 생산라인 설치는 안전 규격과 설비 통신까지 포함해야 합니다.

초기 타당성 검증은 장비를 곧바로 구매하기보다 대여·측정 서비스·공동 실험을 활용할 수 있습니다. 예산은 장비 브랜드보다 검사 폭, 공간 해상도, 파장 범위, 라인 속도에 따라 크게 달라지므로 확정 견적이 필요합니다. 실무에서는 수백만 원대 샘플 측정, 수천만 원대 PoC, 수천만 원 후반에서 억 원 이상인 양산 통합처럼 단계를 나눠 투자 위험을 관리하는 방식이 합리적입니다.

검증 일정은 약 8주를 기준으로 구성할 수 있습니다. 1~2주차에는 정상·불량 샘플을 각 조건별로 수집하고, 3주차에는 조명과 파장대를 시험합니다. 4~5주차에는 보정과 밴드 선별을 수행하며, 6주차에는 모델을 학습합니다. 7주차에는 다른 로트로 재현성을 평가하고, 8주차에는 라인 속도와 동일한 조건에서 판정 지연을 측정합니다.

1. 샘플 수: 불량 유형마다 최소 30개 이상을 목표로 하되, 동일 제품의 반복 촬영을 별도 샘플로 착각하지 않습니다.
2. 라인 시험: 최소 3개 생산 로트와 주간·야간 조건을 포함합니다.
3. 판정 시간: 목표 택타임의 70% 이내에서 영상 취득과 추론을 끝내 여유를 둡니다.
4. 저장 용량: 원본 전량 보관, 불량만 보관, 특징값만 보관하는 세 정책의 월간 비용을 계산합니다.
5. 중단 기준: 4주차까지 정상·불량의 반복 가능한 분리가 확인되지 않으면 장비 발주를 보류합니다.

가령 하루 10시간, 초당 20회 판정을 수행하면 하루 처리 건수는 약 72만 회입니다. 모든 초분광 원본을 장기간 남기기보다 불량 전후 데이터와 통계 특징을 선별 저장해야 서버 비용을 통제할 수 있습니다. 8주, 3개 로트, 택타임 70%, 단계별 예산 상한을 계약 전 수치로 고정하면 기술 가능성과 투자 타당성을 같은 기준에서 판단할 수 있습니다.