VIEWON

보도자료

[인터뷰] “목표는 ‘머신비전’ 퍼스트 무버 역할이죠”

2021-11-30

인공지능과 고광택 표면검사 차별화해

인터뷰 View on 윤영욱 대표

View on(뷰온)은 2013년에 설립돼 매년 가파른 성장세를 보이며 머신비전 업계에서 두각을 나타내기 시작했다. 현재 View on을 이끌고 있는 윤영욱 대표는 지난해 부임하면서부터 고광택 표면 검사 솔루션인 ‘Surfiinspect’와 인공지능 머신비전 솔루션의 개발을 이끌었다. 이를 통해 고광택 표면검사와 인공지능 검사 솔루션을 통합해 제공하고, 데이터 수집부터 인공지능 적용에 이르기까지 토털 솔루션을 제공하는 등 업계에 흔치 않는 솔루션을 제공하고 있다.

View on의 윤영욱 대표를 만나 머신비전 업계의 동향과 View on의 비전에 대해 들었다.

- 뷰온의 머신비전은 타사의 솔루션과 어떤 차별점이 있습니까?

A. 머신비전은 크게 측정과 검사에서 활용되고 있습니다. 과거에는 정형화된 부분에 대한 측정과 검사가 이뤄졌습니다. 예를 들어 몇 cm 이하는 불량, 이상은 양품으로 판정하는 룰베이스(Rule Base)식의 검사만 이뤄졌었습니다.

2016년부터 알파고 이슈가 등장하면서 비정형화된 불량을 검출해달라는 요구가 많아지기 시작했습니다. 그러면서 하나둘씩 인공지능이 접목되기 시작했습니다.

뷰온의 차별성은 고광택 제품을 검사하는 ‘Surfi-inspect’ 솔루션입니다. 최근 각종 산업에서 재질이나 제품이 고급화되는 양상입니다. 문제는 고광택 재질이 등장하면서 난반사에 의해 검사가 제대로 이뤄지지 않는 경우가 발생합니다. 스크래치나 기타 결함이 발생한 경우 고광택 제품일수록 검사하기가 어렵습니다. 과거의 머신비전으로 검사를 진행하는 것은 불가능합니다. 이런 문제를 해결하기 위해 고광택 제품의 난반사를 제거하고 검사하는 솔루션을 개발하게된 것입니다. 스마트폰 같이 상당히 고가의 물품에 스크래치가 있는 패널이 장착되어 소비자에게 전달된다면 소비자의 불만이 클 것입니다. 생산과정에서 어떤 형태든 미세한 결함이 발생할 우려가 있기 때문에 고광택 제품에 대한 비정형 불량 검출이 중요한 것입니다.

- 인공지능 기술은 데이터 학습이 중요한데 어떤식으로 제공하고 있습니까?

A. 일례로 한 대기업에서 알루미늄 제품의 표면검사를 진행하는데 기존 룰베이스 기반으로 검사를 진행하면 불량이 검출되지 않는 경우가 있었습니다. 그래서 전부 검수원을 통해 일일이 수작업으로 진행하고 있었습니다. 그 업체에서 저희에게 검사 샘플을 제공해줬고, Surfi-inspect 솔루션으로 불량을 검출해 결과를 보여줬더니 저희의 솔루션을 사용하겠다고 했습니다. 알고 보니 국내 35개 업체에 비슷한 샘플을 제공해 결과를 보고 그중 결과가 가장 좋아 선택한 것입니다.

인공지능은 데이터가 가장 중요합니다. 어떤 데이터를 학습하느냐에 따라 바른 결과를 도출하기도 하고 전혀 엉뚱한 결과를 내기도 합니다. 저희는 고광택의 난반사를 제거하는 Surfi-inspect 솔루션으로 양질의 이미지를 충분히 확보해 인공지능에 제공할 수 있기 때문에 결과가 달라지는 것입니다. 그리고 일반적으로 인공지능을 이용해 솔루션을 제공하는 업체에서는 데이터 확보는 고객사의 몫이라고 말합니다. 고객사가 제공한 데이터를 학습해서 결과를 만들어내는 것이 본인들의 몫이라고 합니다.

일반 공장이나 제조업체의 입장에서는 당황스러운 일일 것입니다. 데이터를 추출하는 것은 굉장히 힘든 일이기 때문입니다. 인공지능에서 가장 힘든 것은 데이터 확보입니다. 정형화된 불량은 검출이 간단한 반면, 비정형화된 불량은 기준이 없어 검출이 어렵습니다. 비정형화된 불량 이미지를 하나하나 다 체크를 해줘야 합니다. 게다가 자료는 많으면 많을수록 결과가 좋아집니다. 그렇기 때문에 머신비전 업체들은 최소한 수백, 수천 장의 이미지 데이터를 요구합니다.

제조업체 입장에서는 그 수많은 데이터를 체크하고 레이블링하기는 어려울 뿐더러 이미지를 확보하기도 어렵습니다. 그러나 저희는 데이터 추출하고 레이블링해 인공지능으로 전송하는 토털 솔루션을 제공하고 있습니다. 룰베이스 고광택 표면검사 솔루션인 Surfi-inspect와 함께 인공지능 기반 솔루션 ‘Intellyinspect’를 하나의 패키지로 결합해 제공하고 있습니다.

- 머신비전에 인공지능을 결합하는 것이 쉬운 일은 아닐 것 같습니다. 어려움은 없었습니까?

A. 데이터를 확보하는게 가장 힘들었습니다. 제조업체에게 데이터를 확보해달라고 하면 난색을 표합니다. 앞서 말씀드렸다시피 데이터 확보에 대한 부분이 가장 중요합니다. 양질의 데이터를 얼마나 많이 확보하느냐가 성능을 좌우하기 때문입니다. 저희는 양질의 데이터를 확보하는 것은 Surfiinspect로 해결했고, Intelly-inspect를 통해 다른 업체 대비 1/5 수준의 데이터만으로도 결과물을 낼 수 있도록 만들어 어려움을 해결했습니다.

데이터도 결함만 검출하는 게 끝이 아닙니다. 표면검사의 경우 찍힘, 스크래치, 멍, 주름 등 결함마다 레이블링이 필요합니다. 레이블링과 데이터를 트레이닝 시키는 것이 가장 힘들었습니다. 그런 어려움들을 자체 솔루션을 통해 해결하고 있습니다.

- 요새 스마트팩토리, 인더스트리 4.0 등을 통해 머신비전이 붐을 타고 있는 것 같습니다.

A. 그렇습니다. 머신비전 시장이 2016~17년에 4차 산업혁명이라는 키워드를 통해 급작스럽게 성장했습니다. 국내 머신비전 시장은 2016년도에 3~40% 이상 성장했고, 17년도에 3~40%, 18년도에는 조금 줄어 20%정도 성장했습니다. 전 세계 머신비전 시장의 성장률은 9~10%정도입니다. 한 산업의 성장률이 10%정도면 굉장히 크게 성장하고 있는 것입니다. 중국, 우리나라, 일본 등 제조업체가 강한 나라들이 먼저 성장하고 있습니다.

- 향후 기능적, 기술적으로 보완할 부분이 있습니까?

A. 지금의 인공지능은 ‘지도학습’방식입니다. 이 방식은 인공지능에게 정상, 불량을 일일이 레이블링해 학습시키는 방식입니다. 이 경우 학습된 유형의 불량을 잘 검출해냅니다. 그러나 학습된 인공지능을 생산라인에 투입했을 때, 학습되지 않은 새로운 결함이 얼마든지 등장할 수 있습니다.

이 경우 인공지능이 제대로 동작할 수가 없게 됩니다. 이를 보완할 수 있는 것이 ‘비 지도학습’입니다. 굳이 레이블링 할 필요도 없이 인공지능이 스스로 학습하는 것입니다. 앞으로 점점 학습에 대한 부분이 비 지도학습으로 바뀌어나갈 것입니다. 저희도 그쪽을 바라고 연구를 시작했습니다. 한 차원 높은 인공지능을 적용하기 위해 노력하고 있습니다.

비 지도학습의 단점중 하나는 결과를 내기 위해 필요한 데이터양이 많다는 점입니다. 초창기 비 지도학습은 고양이를 인식하기 위해 유튜브에 있는 이미지 천만 장을 학습했습니다. 그러나 앞으로 기술의 발전으로 점차 학습에 필요한 이미지 수가 줄어들 것입니다. 향후에는 비 지도학습의 기술이 많이 발전할 것으로 보고 있습니다.

또한 저희가 현재 보유하고 있는 Surfiinspect와 Intelly-inspect의 성능을 전반적으로 향상시키기 위한 연구들을 진행하고 있습니다.

- 인공지능이 머신비전에 추가되면서 불량률이 실제로 많이 떨어졌습니까?

A. 실제로 인공지능의 접목이 불량률을 획기적으로 줄였습니다. 예전에는 비정형적인 검출에 대한 부분은 거의 손을 놓은 수준이었습니다. 인공지능이 도입되면서 비정형에 대한 검출이 본격적으로 시작됐습니다. ‘이미지넷’이라는 전 세계적인 챌린지가 있습니다. 1,000개가 넘는 카테고리로 분류된 100만 개의 이미지를 인식하여 그 정확도를 겨루는 대표적인 시각지능 대회입니다. 2011년까지 이미지넷에 참가한 인공지능의 에러율은 30%정도였습니다. 당시에는 에러율이 너무 높아 인공지능은 사용할 수 없다고 생각했습니다. 그러나 2012년부터 에러율이 획기적으로 떨어지기 시작해 작년에는 에러율이 2.5%까지 떨어졌습니다. 연구결과에 따르면 인간은 5%정도의 에러율을 보인다고 합니다. 이제는 인간보다 정확한 판정을 내리고 있는 것입니다.- 뷰온의 방식이 우수하고 좋다면 다른 업체들도 곧 따라하지 않겠습니까?

A. 다른 회사들도 따라올 것이라고 생각합니다. 저희가 독보적으로 계속해서 앞서 나갈 것이라고 생각하진 않습니다. 기술은 항상 앞서나가면 뒤에서 쫓아오는 것입니다. 다른 업체들이 쫓아오면 저희는 새로운 기술을 통해 새로운 영역을 계속해서 창출해 나갈 것입니다. 산업측면에서도 일반 제품제조 공정 뿐 아니라 제약, 헬스케어 분야로도 확장을 고려하고 있습니다.

지금 중점적으로 하고 있는 부분은 솔루션의 플랫폼화입니다. 그때 마다 고객의 요구를 받아서 솔루션 제작을 시작하는 것이 아니라, 모듈화와 플랫폼화를 통해 라이브러리를 구축하고 고객 니즈에 맞게 솔루션을 조합해 제공할 것입니다. 이를 통해 시행착오를 최소화 시킬 수 있을 것입니다.

저희는 고객 불만관리에 대한 프로세스가 잘 갖춰져 있습니다. 그동안 접수된 고객들의 불만사항을 정밀하게 분석하고 이를 통해 플랫폼, 모듈, 정형화를 계속 적용할 것입니다. 이런 식으로 선순환이 이뤄지면 고객의 불만은 점차 우리의 솔루션을 발전시키게 될 것입니다. 플랫폼, 모듈, 시스템이 자체적으로 진화되는 것입니다. 더불어 고객만족도도 올라갈 것입니다.