머신비전 라인스캔 카메라 실제로 쓰면 뭐가 다를까

• 목록
• 답변
• 글쓰기
• 옵션
  • 수정
  • 삭제

불량은 보이는데 사진은 남지 않던 라인에서 시작했습니다

면 검사보다 흐름 검사가 먼저였던 상황

제가 라인스캔 카메라를 처음 제대로 써본 곳은 필름 원단을 연속으로 흘려보내는 검사 라인이었습니다. 일반 영역 카메라로도 샘플 촬영은 가능했지만, 막상 생산 속도가 올라가면 화면 한쪽이 늘어지거나 미세 스크래치가 지나간 뒤에야 알림이 뜨는 일이 반복됐습니다. 현장에서 가장 답답했던 점은 불량이 있었다는 사실은 아는데, 그 불량이 정확히 어느 위치에서 어떻게 지나갔는지 설명하기 어려운 것이었습니다.

라인스캔 카메라는 한 장의 사진을 찍는 방식이라기보다 아주 얇은 줄을 계속 쌓아 이미지를 만드는 방식에 가깝습니다. 그래서 웹, 필름, 금속판, 종이, 배터리 소재처럼 계속 움직이는 대상에서는 생각보다 잘 맞았습니다. ‘카메라가 좋아지면 해결되겠지’라고 생각했는데, 실제로는 카메라보다 대상 이동 속도, 조명 각도, 엔코더 동기화가 더 큰 영향을 줬습니다.

• 좋았던 점: 긴 소재를 끊김 없이 이미지로 남길 수 있어 불량 위치 추적이 쉬웠습니다.
• 아쉬웠던 점: 설치 초기에 속도와 라인 주기를 맞추지 못하면 이미지가 늘어나거나 압축돼 보였습니다.
• 현장 팁: 카메라 사양표보다 실제 이송 속도와 검사 폭을 먼저 계산해야 시행착오가 줄었습니다.

라인스캔을 쓰기 전에는 카메라 해상도부터 물어봤지만, 써보고 나니 먼저 확인할 것은 ‘대상이 얼마나 빠르게, 얼마나 일정하게 움직이는가’였습니다.

영역 카메라보다 라인스캔이 편했던 순간은 따로 있었습니다

한 장 사진보다 긴 기록이 필요한 검사

처음에는 영역 카메라를 여러 대 붙이면 되지 않을까 생각했습니다. 실제로 정지된 부품 검사나 한 번에 찍히는 제품에는 영역 카메라가 훨씬 간단합니다. 하지만 폭은 넓고 길이는 계속 이어지는 소재에서는 여러 장을 이어 붙이는 과정이 부담이 됐습니다. 특히 중첩 구간에서 밝기가 달라지거나 제품이 미세하게 흔들리면, 영상 처리보다 이미지 보정에 시간을 더 쓰게 됩니다.

라인스캔 카메라를 적용한 뒤 가장 체감된 변화는 불량 이미지를 ‘구간’으로 볼 수 있다는 점이었습니다. 예를 들어 30m 원단 중 17.4m 지점에서 반복 스크래치가 보이면, 작업자가 원인 롤러나 장력 변화를 바로 의심할 수 있었습니다. 단순히 ‘불량 있음’이 아니라 공정 흐름 안에서 불량이 어떻게 나타나는지를 보게 되는 셈입니다. 시각 정보의 기본 개념이 궁금하다면 시각의 의미를 설명한 지식백과 항목도 같이 보면 이해가 빠릅니다.

제가 실제로 비교한 기준

• 정지 제품: 면적 전체를 한 번에 봐야 하므로 영역 카메라가 설치와 디버깅이 쉬웠습니다.
• 연속 소재: 검사 대상이 멈추지 않는다면 라인스캔이 이미지 누락을 줄이는 데 유리했습니다.
• 불량 위치 관리: 길이 방향 좌표가 중요한 라인은 라인스캔과 엔코더 조합이 훨씬 편했습니다.
• 초기 비용: 카메라만 보면 큰 차이가 없어 보여도 조명, 렌즈, 프레임 그래버, 엔코더까지 합치면 예산 차이가 커졌습니다.

제 경험상 라인스캔은 모든 머신비전에 좋은 만능 선택지가 아니었습니다. 대신 ‘계속 움직이는 표면을 빠짐없이 보고 싶다’는 조건이 명확할 때 빛을 발했습니다. 반대로 제품이 멈춰 있고 검사 포인트가 몇 군데로 정해져 있다면, 굳이 복잡한 라인스캔 구성을 선택할 이유가 크지 않았습니다.

설치하고 나서 제일 오래 잡아먹은 건 조명이었습니다

밝으면 잘 보일 거라는 생각이 틀렸습니다

라인스캔 카메라를 달고 처음 받은 이미지는 기대보다 훨씬 어두웠습니다. 노출을 올리면 밝아지기는 했지만 속도가 빨라질수록 이미지가 흐려졌고, 조명을 세게 쏘면 반사 때문에 스크래치가 사라지는 이상한 상황도 생겼습니다. 여기서 배운 점은 간단했습니다. 라인스캔에서는 조명이 밝은 것보다 일정하고 방향성이 맞는 것이 더 중요합니다.

특히 광택이 있는 필름이나 금속 표면에서는 난반사와 정반사가 검사 결과를 크게 흔들었습니다. 같은 불량도 조명을 낮은 각도에서 넣으면 도드라지고, 수직에 가깝게 넣으면 사라지는 일이 있었습니다. 광학 조건을 잡을 때는 광의 성질과 광학의 기본 개념을 한 번 짚어두면, 현장에서 왜 각도 하나로 결과가 달라지는지 감이 잡힙니다.

현장에서 효과가 있었던 조명 조정

1. 먼저 제품 표면을 분류했습니다. 무광, 유광, 반투명, 패턴 표면을 나눠 조명 방향을 다르게 잡았습니다.
2. 라인 조명의 길이를 검사 폭보다 넉넉하게 잡았습니다. 끝부분 밝기가 떨어지면 에지 근처 불량만 과검출되는 일이 생겼습니다.
3. 셔터와 조명 밝기를 같이 조정했습니다. 노출만 올리면 속도 대응이 어려워지고, 조명만 올리면 반사가 늘어났습니다.
4. 불량 샘플을 최소 5종 이상 모았습니다. 깨끗한 제품만 보면서 세팅하면 실제 불량에서 알고리즘이 흔들렸습니다.

라인스캔 세팅에서 조명은 부품이 아니라 검사 조건입니다. 카메라보다 먼저 고정해야 할 기준점으로 보는 편이 결과가 안정적이었습니다.

데이터가 쌓이자 검사보다 원인 추적이 쉬워졌습니다

이미지 저장 방식이 생각보다 중요했습니다

라인스캔을 쓰기 전에는 검사 결과만 남기면 충분하다고 생각했습니다. 하지만 실제 운영에 들어가 보니 불량 이미지, 발생 위치, 시간, 롤 번호, 장비 속도 같은 정보가 같이 남아야 재발 원인을 찾을 수 있었습니다. 단순히 OK와 NG만 저장하면 품질팀은 다시 현장에 가서 같은 질문을 반복하게 됩니다.

저는 초기에 이미지 저장 용량을 과소평가했습니다. 연속 검사에서는 하루치 원본 이미지만 저장해도 용량이 빠르게 늘어납니다. 그래서 원본 전체를 무조건 보관하기보다 불량 구간 전후 몇 초, 축소 미리보기, 좌표 데이터를 나눠 저장하는 방식이 현실적이었습니다. 이 구조를 잡아두면 나중에 딥러닝 비전 모델을 학습시키거나 룰 기반 알고리즘을 재조정할 때도 자료가 훨씬 쓸 만해집니다.

운영하면서 남기면 좋았던 항목

• 불량 이미지: 원본 전체보다 전후 맥락이 보이는 구간 저장이 유용했습니다.
• 위치 좌표: 길이 방향 위치가 있으면 롤러, 칼날, 이송부 문제와 연결하기 쉬웠습니다.
• 검사 조건: 조명 밝기, 노출, 게인, 라인 속도가 바뀌면 결과도 같이 달라졌습니다.
• 작업 이벤트: 교대, 소재 교체, 장비 정지 시점을 같이 기록하면 원인 추적 시간이 줄었습니다.

여기서 라인스캔의 장점이 다시 보였습니다. 단순히 더 큰 이미지를 얻는 것이 아니라, 공정 흐름을 데이터로 남길 수 있었습니다. 머신비전 시스템을 품질 판정 장비로만 보면 비용이 커 보이지만, 반복 불량의 원인을 좁히는 도구로 보면 투자 판단이 달라졌습니다.

처음 도입할 때 예산은 어디에서 많이 새어 나갔을까

카메라 가격만 보면 계산이 자주 틀렸습니다

라인스캔 카메라 견적을 처음 볼 때는 카메라 본체와 렌즈 가격만 크게 보였습니다. 그런데 실제 발주 단계로 가면 프레임 그래버, 고휘도 라인 조명, 엔코더, 산업용 PC, 케이블, 마운트, 방진 구조, 소프트웨어 라이선스까지 붙습니다. 제 경우에는 카메라보다 주변 구성이 전체 예산을 더 크게 흔들었습니다.

대략적인 체감으로는 간단한 단일 라인 검사라도 수백만 원대 부품 조합에서 끝나기 어렵고, 폭이 넓거나 속도가 빠른 라인은 수천만 원 단위로 올라가는 경우가 흔했습니다. 물론 현장 조건에 따라 차이가 큽니다. 그래서 저는 지금도 업체 미팅 전에 ‘원하는 해상도’보다 검사 폭, 최소 불량 크기, 라인 속도, 저장 기간, 판정 속도를 먼저 적어 갑니다.

제일 먼저 따져본 우선순위

1. 최소 검출 크기: 0.1mm를 봐야 하는지, 1mm만 보면 되는지에 따라 카메라와 렌즈가 달라집니다.
2. 라인 속도: 속도가 빠르면 조명, 노출, 데이터 처리량이 동시에 부담됩니다.
3. 검사 폭: 폭이 넓을수록 해상도와 조명 균일도가 더 중요해집니다.
4. 불량 유형: 스크래치, 오염, 핀홀, 주름은 각각 잘 보이는 광학 조건이 다릅니다.
5. 운영 인력: 세팅을 만질 사람이 없다면 너무 복잡한 구성은 오히려 현장을 지치게 합니다.

제가 다시 도입한다면 순서는 분명합니다. 먼저 실제 불량 샘플을 모으고, 그다음 검사 폭과 속도를 숫자로 고정한 뒤, 마지막에 카메라 사양을 정합니다. 라인스캔 카메라는 좋은 장비지만 조건이 흐리면 성능도 흐려집니다. 반대로 조건이 선명하면 vision 시스템과 optical imaging 설계가 현장 언어로 바뀌는 순간을 꽤 분명하게 느낄 수 있습니다.