머신비전 카메라 처음 연결한 지 일주일 됐더니

• 목록
• 답변
• 글쓰기
• 옵션
  • 수정
  • 삭제

불량을 사람 눈으로만 보던 현장에서 가장 먼저 달라진 것

머신비전은 카메라 한 대가 아니라 판단 흐름입니다

처음 머신비전 카메라를 연결해보면 생각보다 단순해 보입니다. 제품을 놓고, 조명을 켜고, 화면에 이미지가 뜨면 ‘이제 검사하면 되겠네’라고 느끼기 쉽습니다. 하지만 실제 현장에서는 이미지가 뜨는 순간부터가 시작입니다.

머신비전은 카메라가 찍은 화면을 사람이 보는 대신, 시스템이 일정한 기준으로 판정하도록 만드는 vision technology입니다. 시각이라는 개념 자체가 빛과 대상, 해석의 과정으로 구성된다는 점은 시각의 기본 정의를 참고하면 이해가 쉽습니다. 산업 현장에서는 이 과정을 더 안정적이고 반복 가능하게 바꾸는 것이 핵심입니다.

초보자가 가장 먼저 알아야 할 점은 ‘잘 보이는 이미지’와 ‘검사 가능한 이미지’가 다르다는 사실입니다. 화면으로는 괜찮아 보여도 경계가 흔들리거나 반사가 생기면 알고리즘은 매번 다른 결과를 냅니다.

• 카메라: 제품의 형태, 흠집, 위치를 이미지로 가져옵니다.
• 렌즈: 검사할 영역의 크기와 초점을 결정합니다.
• 조명: 결함이 배경과 구분되도록 빛의 방향과 성질을 만듭니다.
• 소프트웨어: 획득한 이미지를 기준에 따라 측정하거나 분류합니다.
• 인터페이스: PLC, 로봇, 데이터 서버와 결과를 주고받습니다.

입문 단계에서는 성능이 가장 좋은 부품을 찾기보다, 같은 조건에서 같은 이미지가 반복해서 나오는지를 먼저 확인하는 편이 훨씬 중요합니다.

카메라 해상도보다 먼저 봐야 할 세 가지 기준

시야, 픽셀 크기, 검사 기준을 함께 계산합니다

초보자가 가장 자주 묻는 질문은 “몇 메가픽셀 카메라를 사면 되나요?”입니다. 그런데 imaging solution에서 해상도는 독립적으로 결정되지 않습니다. 검사할 제품 크기, 찾아야 할 결함 크기, 설치 가능한 거리, 라인 속도가 같이 맞아야 합니다.

예를 들어 0.2mm 흠집을 찾아야 하는데 전체 시야가 200mm라면, 단순히 화면이 선명한지만 보고 카메라를 고르면 부족할 수 있습니다. 한 픽셀이 실제 공간에서 몇 mm를 의미하는지 계산해야 하고, 결함 하나가 최소 몇 픽셀 이상으로 표현되어야 안정적으로 검출됩니다.

이때 광학 기초를 모르면 ‘카메라 문제’로 보이는 현상이 사실은 렌즈, 조명, 작업거리 문제일 수 있습니다. 빛의 진행과 상 형성을 다루는 광학 개념을 아주 가볍게라도 잡아두면 장비 선정 대화가 훨씬 쉬워집니다.

1. 검사 영역을 먼저 정합니다. 제품 전체를 볼지, 특정 부위만 볼지에 따라 필요한 시야가 달라집니다.
2. 가장 작은 결함 크기를 정합니다. 검출해야 할 최소 불량 크기가 카메라 해상도의 출발점입니다.
3. 라인 속도를 확인합니다. 제품이 빠르게 지나가면 노출 시간, 조명 밝기, 카메라 프레임 수가 함께 중요해집니다.
4. 설치 거리를 확인합니다. 카메라와 제품 사이 공간이 좁으면 선택 가능한 렌즈가 제한됩니다.

입문용 구성에서 자주 쓰는 판단 표

아래 표는 처음 장비를 검토할 때 대략적인 방향을 잡는 데 유용합니다. 정확한 사양은 샘플 테스트로 검증해야 하지만, 어떤 질문을 먼저 해야 하는지 감을 잡을 수 있습니다.

조명과 렌즈를 바꾸니 같은 제품도 다르게 보였습니다

빛은 결함을 만드는 것이 아니라 드러나게 합니다

머신비전 입문에서 가장 늦게 중요성을 체감하지만, 실제로는 가장 큰 영향을 주는 요소가 optical lighting입니다. 사람 눈은 주변 상황을 보정해서 이해하지만, 카메라는 들어온 빛을 그대로 이미지 값으로 바꿉니다. 그래서 조명이 불안정하면 좋은 카메라도 불안정한 검사기가 됩니다.

금속 표면, 투명 필름, 플라스틱 사출품, 종이 라벨은 빛에 반응하는 방식이 모두 다릅니다. 반사가 강한 금속은 각도를 조금만 바꿔도 결함이 사라져 보이고, 투명 소재는 배경과 경계가 섞이기 쉽습니다. 광에 대한 기본 설명처럼 빛은 방향, 세기, 파장에 따라 관찰 결과를 바꿉니다.

렌즈도 마찬가지입니다. 초점이 맞는 것처럼 보여도 가장자리 왜곡이 심하면 치수 검사에는 불리합니다. 가까운 거리에서 넓은 영역을 보려고 무리하면 중앙과 주변부의 품질 차이가 커질 수 있습니다.

• 정반사 표면: 링 조명보다 각도 조명이나 편광 구성이 유리할 때가 많습니다.
• 투명 제품: 배경 대비를 만드는 백라이트, 엣지 검출 방식이 도움이 됩니다.
• 인쇄 검사: 균일 조명과 색상 재현성이 중요합니다.
• 치수 검사: 왜곡이 작은 렌즈와 안정적인 작업거리가 필요합니다.

화면이 예쁘게 보이는 조명보다, 양품과 불량의 차이를 가장 크게 벌려주는 조명이 좋은 조명입니다.

초보자가 해볼 만한 간단한 테스트

처음부터 고가 장비를 모두 준비하기 어렵다면 같은 제품을 여러 각도에서 촬영해보는 것만으로도 많은 힌트를 얻을 수 있습니다. 스마트폰 사진 수준의 테스트라도 반사가 어디서 생기는지, 결함이 어느 방향의 빛에서 살아나는지 확인할 수 있습니다.

1. 제품을 고정하고 카메라 위치는 최대한 움직이지 않습니다.
2. 조명을 위, 옆, 뒤에서 각각 비춰봅니다.
3. 양품과 불량품을 같은 조건으로 촬영합니다.
4. 결함이 가장 선명하게 분리되는 이미지를 표시해 둡니다.
5. 그 조건을 기준으로 실제 머신비전 조명 구성을 상담합니다.

처음 세팅할 때 따라가면 덜 헤매는 순서

샘플, 기준, 환경을 먼저 고정합니다

머신비전 시스템을 처음 도입할 때 가장 위험한 말은 “일단 찍어보고 맞추죠”입니다. 테스트 자체는 필요하지만, 기준 없이 찍으면 결국 감으로 판단하게 됩니다. 초보자일수록 검사 목적을 문장으로 적는 일부터 시작해야 합니다.

예를 들어 “불량을 잡고 싶다”는 기준이 아닙니다. “상단 모서리 30mm 영역 안에서 0.3mm 이상의 찍힘을 검출하고, 정상 음각 무늬는 불량으로 잡지 않는다”처럼 적어야 합니다. 그래야 카메라, 렌즈, 조명, 알고리즘을 같은 목표에 맞춰 선택할 수 있습니다.

또한 양품 샘플만으로는 충분하지 않습니다. 실제로 잡아야 할 불량 샘플, 애매한 경계 샘플, 오염되었지만 허용 가능한 샘플까지 있어야 합니다. 현장에서는 이 ‘애매한 샘플’이 오검출과 미검출의 대부분을 만듭니다.

1. 검사 항목 정의: 유무, 위치, 치수, 외관, 문자 중 무엇을 볼지 정합니다.
2. 허용 기준 수치화: 불량 크기, 위치 오차, 색상 차이 등 판단 기준을 숫자로 바꿉니다.
3. 샘플 세트 준비: 양품, 불량, 경계품을 최소한으로라도 나눕니다.
4. 촬영 조건 기록: 조명 위치, 노출, 렌즈, 거리, 제품 방향을 남깁니다.
5. 반복 테스트: 한 번 성공한 이미지가 아니라 여러 번 반복해도 같은 결과인지 봅니다.

FAQ로 보는 입문자의 흔한 질문

현장에서 자주 나오는 질문을 짧게 묶어보면, 장비 자체보다 기준과 운영에 대한 궁금증이 더 많습니다. 아래 답변은 처음 검토하는 분이 내부 회의 전에 방향을 잡는 데 도움이 됩니다.

• Q. 카메라만 사면 검사가 되나요? A. 아닙니다. 카메라, 렌즈, 조명, 소프트웨어, 설치 구조가 함께 맞아야 합니다.
• Q. 딥러닝이 항상 더 좋은가요? A. 패턴이 복잡하고 변동이 큰 외관 검사에는 유리하지만, 단순 치수나 유무 검사는 룰 기반이 더 빠르고 명확할 수 있습니다.
• Q. 기존 라인에 나중에 붙여도 되나요? A. 가능하지만 설치 공간, 트리거 위치, 제품 흔들림을 먼저 확인해야 합니다.
• Q. 비용은 어디서 많이 달라지나요? A. 카메라 가격보다 조명, 렌즈, 장착 지그, 소프트웨어 라이선스, 현장 튜닝 시간이 전체 비용을 크게 바꿉니다.

데이터를 남기기 시작하면 초보자도 원인에 가까워집니다

검사 결과보다 원본 이미지를 먼저 보관합니다

머신비전 입문자는 판정 결과에만 집중하기 쉽습니다. OK와 NG가 잘 나뉘는지만 보다가, 어느 날 갑자기 불량이 빠져나가거나 양품이 계속 걸리면 원인을 찾기 어렵습니다. 그래서 초반부터 imaging 데이터 관리를 작게라도 설계해야 합니다.

처음에는 모든 이미지를 영구 보관할 필요까지는 없습니다. 다만 NG 이미지, 경계값 이미지, 설정 변경 전후 이미지는 반드시 남기는 편이 좋습니다. 나중에 조명 위치가 바뀌었는지, 렌즈 초점이 흔들렸는지, 제품 표면 상태가 달라졌는지 비교할 근거가 됩니다.

특히 여러 작업자가 장비를 만지는 현장이라면 설정값 변경 이력이 중요합니다. 노출 시간을 조금 올린 것, 임계값을 낮춘 것, 관심 영역을 옮긴 것이 며칠 뒤 품질 이슈로 돌아올 수 있습니다.

• 원본 이미지: 알고리즘 처리 전 이미지를 남겨야 재분석이 가능합니다.
• 판정 이미지: 검출 박스, 측정선, 점수 표시가 있는 이미지는 작업자 교육에 좋습니다.
• 설정값: 노출, 게인, 조명 세기, 임계값, 모델 버전을 함께 기록합니다.
• 시간 정보: 특정 시간대 외란광, 온도 변화, 설비 진동과 연결해 볼 수 있습니다.
• 제품 정보: 품번, Lot, 작업자, 설비 번호가 있어야 추적성이 생깁니다.

운영 화면은 단순할수록 오래 갑니다

입문 단계의 운영 화면은 기능이 많은 것보다 실수하지 않게 만드는 것이 중요합니다. 작업자가 매일 보는 화면에는 현재 판정, 최근 NG 이미지, 핵심 수치, 알람 정도가 먼저 보여야 합니다.

관리자용 설정 메뉴와 작업자용 화면을 분리하면 불필요한 변경을 줄일 수 있습니다. Eye-Sys 같은 vision & optical technology 관점의 시스템 설계에서는 검사 성능뿐 아니라 현장 사용자의 행동 흐름까지 함께 봐야 안정적인 운용이 가능합니다.

1. 작업자 화면에는 시작, 정지, 리셋 같은 기본 조작만 둡니다.
2. 검사 기준 변경은 권한을 나누고 변경 이력을 남깁니다.
3. 알람 문구는 “NG 발생”보다 “상단 좌측 흠집 기준 초과”처럼 구체적으로 표시합니다.
4. 일일 리포트에는 총 검사 수, NG 수, 주요 불량 유형을 자동 집계합니다.

첫 프로젝트에서 의외로 많이 놓치는 세 가지

샘플은 충분한데 현장 조건이 빠지는 경우

마지막으로 초보 프로젝트에서 반복되는 실수를 짚어보겠습니다. 첫째는 책상 위 테스트 이미지만 보고 바로 현장 적용을 결정하는 경우입니다. 실제 라인에서는 진동, 먼지, 작업자 동선, 제품 흔들림, 주변 조명이 함께 들어옵니다.

특히 낮과 밤의 조명 조건이 다른 공장, 창가 근처 라인, 계절에 따라 온습도가 크게 달라지는 환경은 같은 장비라도 이미지 품질이 달라질 수 있습니다. 테스트할 때는 가능하면 실제 설치 위치와 비슷한 조건을 만들어야 합니다.

• 책상 테스트만 믿기: 실제 라인 속도와 흔들림을 반영하지 못합니다.
• 양품 위주 샘플: 불량 경계값을 모르기 때문에 판정 기준이 약해집니다.
• 외란광 무시: 창문, 작업등, 반사판이 검사 이미지를 흔들 수 있습니다.

장비 사양보다 책임 기준을 늦게 정하는 경우

둘째는 장비 사양부터 정하고 나중에 판정 책임을 논의하는 경우입니다. 머신비전은 100% 만능 눈이 아니라, 정해진 조건에서 정해진 기준을 안정적으로 수행하는 시스템입니다. 그래서 “어디까지를 불량으로 볼 것인가”를 품질팀, 생산팀, 설비팀이 함께 맞춰야 합니다.

셋째는 유지보수 방법을 프로젝트 끝에야 생각하는 경우입니다. 렌즈 청소 주기, 조명 수명 관리, 카메라 고정 상태 확인, 설정 백업이 없으면 처음에는 잘 되던 시스템도 서서히 흔들립니다. 초보자가 처음 머신비전을 다룰 때는 멋진 데모보다 반복 가능한 검사 조건을 만드는 데 집중하는 편이 좋습니다.

1. 검사 기준 문서를 장비 발주 전에 만듭니다.
2. 설치 후 한 달 동안은 오검출 이미지를 따로 모아 기준을 보정합니다.
3. 렌즈와 조명 청소 주기를 작업 표준서에 넣습니다.
4. 설정값 백업 파일을 설비 PC 밖에도 보관합니다.
5. 작업자가 임의로 바꾸면 안 되는 항목을 화면에서 잠급니다.