일본산업뉴스요약

Nikkei X-TECH_2021.9.27

양품만 학습하는 '불량품 검출 AI'
정밀도 95%를 달성한 판정 시스템

“불량품의 이미지 데이터를 준비하지 않고도 공장 라인을 흐르는 불량품을 가려낼 수 있다. 개발한 모델의 정밀도를 검증용 라인에서 확인해본 결과, 약 95%의 정밀도를 실현했다”. NEC 솔루션이노베타스의 미즈타니(水谷) 프로페셔널은 자사에서 제공하는 제공하는 불량품 검출 AI 모델에 대해 이렇게 설명한다.

이 모델은 양품 이미지만 학습해서 불량품을 검출하는 모델이다. NEC 솔루션이노베타스가 제공하는 ‘NEC AI∙이미지 활용 가시화 서비스’의 추가 기능이다. 21년 8월 17일 발표하였다.

모델 구축에는 미국 구글이 개발한 뉴럴 네트워크 구축에 사용할 수 있는 오픈 소스 학습라이브러리 ‘TensorFlow’를 활용했다. 또한 NEC 솔루션이노베타스는 옵션으로서 프로젝터를 이용해 공장의 라인 위를 흐르는 제품에 대해 AI의 판정 결과를 마킹하는 기능을 제공해, 불량품의 육안 검품 작업에 대한 부담 경감과 효율 향상을 지원한다.

-- 공장에서 불량품 데이터를 수집하는 것은 어렵다 --
기존에는 불량품을 검출하기 위한 이미지 인식 AI 모델을 개발할 때 양품과 불량품의 이미지를 모두 학습시켰었다. 양품과 불량품의 특징을 각각 모델에게 학습시킴으로써 공장 라인을 흐르는 양품 중에서 불량품을 판별할 수 있다. 그러나 공장에서 발생하는 불량품의 수 자체가 적거나 좀처럼 불량품이 발생하지 않는 경우도 있어서, 이것이 모델 개발의 과제가 됐었다.

예를 들어 비스킷을 검품하는 경우는, 타거나 깨진 불량품 이미지를 학습시킴으로써 라인 위의 비스킷이 양품인지 불량품인지, 불량품 중에서도 탄 것인지, 깨진 것인지를 판별한다. 이 모델을 운용하는 데 있어서 과제는, 학습 데이터를 준비할 수 없을 정도로 발생 건수가 적은 불량품에 대응할 수 없었다는 것이었다.

-- 양품 모델과의 유사도로 불량품을 검출 --
학습 데이터로 불량품 이미지를 준비하는 것은 상당히 어려운 일이다. 이미지 판별 AI 모델을 구축하기 위해서는 학습 데이터가 수백 장 단위로 필요하지만 공장에서 나오는 불량품의 수가 원래 그렇게 많지 않다. 또한 “불량품의 원인이 원재료 유래의 이물질이거나 생산 공정에 기인하는 식으로 다양하다면, 각각의 불량 데이터를 준비하기는 어렵다. 이미지를 준비할 수 없다는 이유로 상담이 중단된 사례도 지금까지 꽤 있었다”(NEC 솔루션이노베타스의 사토(佐藤) 프로페셔널).

그래서 이번에 양품 이미지만을 학습해서 불량품을 판별하는 이미지 인식 AI 모델을 개발했다. 심층학습을 활용하여 학습한 제품 이미지와 실제로 라인을 흐르고 있는 제품이 얼마나 유사한지를 점수로 산출한다. 그 점수를 바탕으로, 예를 들면 ‘스코어가 50을 밑돌면 불량품으로 간주한다’라는 식으로 불량품을 판정하는 구조다. 불량품으로 간주하는 점수에 대해서는 “NEC 솔루션 이노베이터와 유저가 공동으로 검증하는 가운데 조율할 수 있다”(미즈타니 프로페셔널).

일반적으로 개발한 모델은 시간이 지날수록 정밀도가 떨어지기 때문에 모델을 디플로이한 후에 재학습이나 파라미터 튜닝이라는 보수 작업이 필요하다. 그러나 보수 작업의 타이밍을 판단하거나, 실제 모델을 재학습시키거나 파라미터를 조정하는 것은 기계학습 지식이 필요하기 때문에 어려움이 많다.

NEC 솔루션이노베타스가 제공하는 모델의 경우는 비교적 간단하게 유저가 정밀도 향상을 도모할 수 있다. “모델이 판정한 결과를 다시 학습에 사용한다. 구체적으로는 이렇다. 만약 양품인데 모델이 잘못해 불량품이라고 판정했을 경우는, 유저가 결과를 양품으로 수정한 다음, 이미지 데이터와 유저가 수정한 판정을 재차 모델에게 학습시키는 기능을 갖추고 있다”(미즈타니 프로페셔널).

물론 파라미터를 조정함으로써 모델의 정밀도를 높일 수도 있다. NEC 솔루션이노베타스는 개발한 모델의 정밀도에 대해 “학습 모델 작성 직후는 86%의 정밀도였지만 파라미터의 조정으로 최종적으로 95%의 정밀도를 실현했다”(미즈타니 프로페셔널).

이 모델은 불량품을 검출하는 것 외에도 양배추 밭을 드론으로 항공 촬영해서 수확 시기를 파악하기 위해 활용한 사례도 있다고 한다. 수확에 적합한 시기의 야채를 학습 데이터로 학습시킨 후에, 드론이 촬영한 영상 속에서 수확해야 할 야채를 검출하도록 한다. NEC 솔루션이노베타스는 “이 서비스를 활용함으로써 밭 등을 둘러보는 작업에 대한 부담을 줄일 수 있다. 또한 보다 정확한 출하 시기, 출하량의 파악을 지원할 수도 있다”라고 말한다.

 -- 끝 --

Copyright © 2020 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.