닫기

산업지식인

F&B 품질관리에 딥러닝을 활용하는 이유는 뭔가요?

URL복사

 

산업지식인에서는 실무자의 질문을 전문가가 자세하게 답변하는 내용을 다뤘습니다. 각 주제별로 진행된 MTV 웨비나에서 발표자와 질문자가 주고받았던 질의응답을 한 데 모았습니다.

 

딥러닝은 머신러닝 잠재력을 한 차원 더 끌어올린 기술로 평가됩니다. 머신러닝에 학습 능력을 더한 기술인데, 현재 산업은 자동화 실현의 필수 조각으로 딥러닝 도입을 꼽습니다. 이런 딥러닝 기술을 품질관리 영역에 적용하면, 기존 규칙 검사시스템 대비 시간 절약, 제품 품질 및 검사 정확도 향상 등 이점이 발휘된다고 알려져 있습니다.

 

이에 품질관리가 핵심인 식음료 업계는 딥러닝을 주목합니다. 딥러닝 기반 품질관리를 통해 품질 향상은 물론, 리콜 예방·수율 향상·자동화 실현 등이 보장되기 때문이죠.

 

이번 웨비나에서는 코그넥스코리아가 현재 F&B 업계 품질 검사 관련 최신 트렌드를 공유합니다. 더불어 산업에 특화된 검사 방법과 사례를 통해 F&B 분야에 관한 인사이트도 마련됐습니다. ‘딥러닝으로 자동화하는 F&B 품질 검사’을 주제로 진행된 본 웨비나는 박희진 코그넥스코리아 F&B 전담 인사이드 세일즈 프로가 트렌드, 레퍼런스, 검사 방법 등을 소개합니다.

 

해당 웨비나를 통해 딥러닝 기반 품질관리의 면면을 살펴보겠습니다.

 


Q & A


Q. F&B 품질관리 분야에 인공지능, 특히 딥러닝을 활용한 이유가 뭐라고 생각하는가.

A. F&B 산업 특성상 제품 형태가 다양해 기존 규칙 기반 비전 검사 방식으로는 정확한 처리가 어려운 경우가 많다. 개발자가 모든 규칙을 구성하는 대신 딥러닝을 이용해 간단하고 신뢰도 높은 결과를 얻을 수 있기 때문에 딥러닝을 활용한다.

 

Q. 딥러닝 기반 F&B 품질 검사 프로세스 구축 시 고려할 사항이 있나.

A. 영상을 통해 불량 검출이 가능한 분야인지 아닌지가 중요하다고 생각한다. 즉 사람이 영상을 통해 불량 검출이 가능한 분야인지 확인할 필요가 있다.

 

Q. 딥러닝 기반 품질검사 시스템 도입 시 구축 기간은 어느 정도 소요되나.

A. 일반적으로 환경 및 제품 분석, 사전 테스트, 라인 적용, 검증 등 단계를 거친다. 이 과정에서 적게는 한 달, 많게는 수개월이 소요된다.

 

Q. 딥러닝 기반 검출 정확도는 어떤가? 또 검출 기법에 활용되는 데이터량은 얼만큼 요구되는지.

A. 정확한 정확도는 이미지가 있어야 알 수 있다. 필요한 데이터량은 오픈소스 딥러닝에서 수 천, 수만 장의 영상을 필요로 하는 것과는 달리 불량 유형당 100장 정도로 검토를 진행할 수 있다.

 

Q. 생산공정 중 한 번만 자동화 검사가 이뤄지는가? 혹은 공정별 자동화 검사를 진행하나.

A. 검사 환경에 따라 달라진다. 예를 들어 제품 내용물 투입 후 외관 검사한다는 가정 하에 일부인 후 검사를 각각 진행하는 경우가 있고, 내용물 검사 생략 후 최종 제품 검사만 필요한 경우 한 번만 진행할 수 있다.

 

Q. OCR 리딩 시 원재료 재료나 종류에 제약이 있나? 특히 특수종이로 구성된 여권 같은 품목도 리딩이 가능한지 궁금하다. 또 그 정확도는 어느 정도인지 대답해달라.

A. 검사 품목 제약은 없다. 사람이 영상에서 글자를 인식할 수 있는 경우, 가능할 것으로 보입니다. 정확도는 애플리케이션에 따라 다르다.

 

Q. 공병 검사 진행 시 다양한 사이즈 및 종류의 공병 추가가 요구될 때 제한사항이 있나.

A. 제약은 없으나, 높은 정확도를 위해 각각의 유형에 대해 별도 학습 과정을 거치는 것을 권장한다.

 

Q. 공병 검사 시 스트레이트식 외관 검사와 딥러닝 검사와는 어떤 차이점이 있나.

A. 스트레이트식 외관 검사가 규칙 기반 알고리즘을 의미하다는 가정하에 설명하겠다. 기존 규칙 기반 알고리즘은 각각의 규칙을 엔지니어가 결정하고 구성해야 하는 반면, 코그넥스 딥러닝 제품은 복잡한 과정 없이 쉽게 구성할 수 있다.

 

Q. 타 검사 솔루션 대비 코그넥스 딥러닝 솔루션의 경쟁력은.

A. 코그넥스 딥러닝은 자동화 검사에 특화된 기술이다, 또 기존 규칙 기반 방식 및 딥러닝 툴 간 연동이 가능하다. 마지막으로 적은 수량의 영상으로 학습이 가능하고, 학습 속도가 빠른 점을 장점으로 평가된다.

 

Q. 코그넥스 품질 검사 시스템에 서버 하드웨어도 포함되는지.

A. 카메라와 알고리즘으로 구성되며, 서버 하드웨어는 포함되지 않는다.

 

Q. 일반 딥러닝 알고리즘에 비해 어떤 부분을 특화해 성능을 향상시켰나.

A. 코그넥스 딥러닝 솔루션은 네 가지 툴을 제공하고 있다. 일반 CNN과 다른 방식을 차용해 적은 영상으로도 충분한 검사 결과를 제공할 수 있고, CNN 방식 툴도 제공해 비교 검토가 가능하다.

 

Q. 학습을 위해 불량 레이블링을 해야 하는데, 레이블링은 자동으로 되는지.

A. 레이블링을 자동으로 한다는 것은 이미 검사가 가능하다는 의미다. 다만 폴더별 분류가 되어 있다면 통합 레이블링이 가능하다. 이와 관련해 코그넥스는 간단한 알고리즘을 통해 사전 레이블링을 제공하는 기술을 개발 중이다.

 

Q. 자동차 부품 제조사에서 제품 이물검사를 위해 적용된 사례도 있나.

A. 헤드라이트, 캘리퍼 등 다양한 적용 사례가 있다.

 


 

'딥러닝으로 자동화하는 F&B 품질 검사' 웨비나에서 다양한 질의응답이 오갔습니다. 딥러닝 기술 그리고 딥러닝과 F&B 품질관리의 상관관계에 대해 심도있게 알아가는 과정이었습니다.

 

해당 주제와 관련해 궁금한 사항은 하단에 있는 댓글창에 댓글로 입력해 주세요. 전문가가 직접 답변해 드립니다. 이와 더불어 위 내용을 다룬 발표 자료를 공유 받고 싶다면, 댓글창에 메일 주소를 남겨주시길 바랍니다.

 

 

 

오토메이션월드 최재규 기자 |






주요파트너/추천기업