30분

제조 이미지 데이터의 특징과 불량 유형

Day 1: 제조 비전 AI 개요 & OpenCV 기초

학습 목표

제조 이미지 데이터가 일반 이미지와 다른 점을 이해한다 주요 불량 유형(스크래치, 크랙, 이물질, 변색)의 시각적 특징을 파악한다 조명과 카메라 설정이 검사 품질에 미치는 영향을 이해한다

제조 이미지는 다르다

인스타그램 사진과 제조 검사 이미지는 완전히 다른 세계다.

일반 이미지 vs 제조 이미지

특성	일반 이미지	제조 이미지
해상도	1~12 MP	5~100 MP
조명	자연광, 다양	통제된 인공조명
배경	복잡, 다양	단순, 일정
관심 영역	전체	특정 부위 (ROI)
결함 크기	N/A	수 μm ~ 수 mm
데이터 불균형	보통	극심 (양품 99%+)
실시간 요구	낮음	높음 (<100ms)

제조 불량 4대 유형

[1. 스크래치 (Scratch)]

형태: 선형, 일정 방향
원인: 이송 중 접촉, 공구 마모
특징: 길이 > 폭, 일정한 깊이

시각적 표현:
┌──────────────────┐
│  ────────────    │  ← 직선형 스크래치
│                  │
│      ╲           │  ← 사선 스크래치
│       ╲          │
│                  │
└──────────────────┘

검출 난이도: ★★☆☆☆ (비교적 쉬움)

[2. 크랙 (Crack)]

형태: 불규칙 분기, 나뭇가지 모양
원인: 열충격, 기계적 응력, 피로
특징: 분기점 존재, 불규칙 방향

시각적 표현:
┌──────────────────┐
│        ╱╲        │
│       ╱  ╲       │
│      ╱    ╲──    │  ← 분기형 크랙
│     ╱            │
│    ╱             │
└──────────────────┘

검출 난이도: ★★★☆☆ (중간)

[3. 이물질 (Foreign Object / Particle)]

형태: 점형, 불규칙 형태
원인: 먼지, 금속 파편, 오일
특징: 밝기 차이, 크기 다양

시각적 표현:
┌──────────────────┐
│                  │
│     ●     ○      │  ← 다양한 크기
│          •       │
│  ◎               │  ← 큰 이물질
│                  │
└──────────────────┘

검출 난이도: ★★☆☆☆ (비교적 쉬움)

[4. 변색 (Discoloration / Stain)]

형태: 면적형, 경계 불분명
원인: 산화, 오염, 코팅 불량
특징: 점진적 색상 변화

시각적 표현:
┌──────────────────┐
│                  │
│    ░░░░░         │
│   ░░░░░░░       │  ← 경계 불분명
│    ░░░░░         │
│                  │
└──────────────────┘

검출 난이도: ★★★★☆ (어려움)

조명의 중요성

[조명 종류와 용도]

1. 직접 조명 (Direct)
   ┌─── 광원 ───┐
   │     ↓↓↓    │
   │   ┌─────┐  │
   │   │ 대상 │  │
   │   └─────┘  │
   └── 카메라 ──┘
   → 표면 결함 강조 (스크래치, 이물질)

2. 측면 조명 (Side/Oblique)
   광원 →→→  ┌─────┐
             │ 대상 │  ↑ 카메라
             └─────┘
   → 미세 돌기/함몰 강조

3. 역광 조명 (Backlight)
   ┌── 카메라 ──┐
   │   ┌─────┐  │
   │   │ 대상 │  │
   │   └─────┘  │
   │     ↑↑↑    │
   └─── 광원 ───┘
   → 관통 결함 (핀홀, 크랙) 검출

4. 동축 조명 (Coaxial)
   광원 → 반투명 거울 → ↓ 대상
                      ↑ 카메라
   → 평탄한 반사면 검사

불량 유형	최적 조명	이유
스크래치	측면 조명	깊이 차이가 그림자로 나타남
크랙	역광	빛이 통과하며 크랙 강조
이물질	직접 조명	표면 대비 밝기 차이
변색	동축 조명	균일한 반사로 색상 차이 검출

데이터 불균형 문제

[제조 현장의 현실]

양품:  99.5% (10,000장)
불량:   0.5% (50장)
  ├── 스크래치: 20장
  ├── 크랙: 10장
  ├── 이물질: 15장
  └── 변색: 5장

문제: "전부 양품이라고 하면 99.5% 정확도"
→ 모델이 학습을 안 해도 높은 정확도
→ 실제로는 쓸모없는 모델

이 문제는 Day 2에서 자세히 다룬다.

AI로 학습하기 — 꿀팁

🧪제조 불량 유형별 이미지 특징 심층 분석AI 학습 팁

스크래치, 크랙, 이물질, 변색 등 불량 유형마다 AI 검출 난이도가 다르므로, 각 유형의 시각적 특성을 AI와 함께 분석하면 모델 선택 기준이 명확해진다.

PCB(인쇄회로기판) 제조 공정의 4가지 주요 불량 유형(솔더 브릿지, 미납, 들뜸, 오염)에 대해 다음을 분석해줘: 1) 각 불량 유형의 시각적 특징(크기 범위, 색상 대비, 형태 다양성)과 일반 자연 이미지와의 차이점, 2) 각 불량을 검출하기 어렵게 만드는 제조 환경 요인(반사율, 부품 밀도, 조명 각도 변화), 3) 각 불량 유형에 가장 효과적인 이미지 획득 방식(일반 카메라, IR, X-ray, 3D 비전)과 그 이유, 4) 이 4가지 불량을 하나의 CNN 모델로 동시에 검출할 때 예상되는 기술적 어려움과 해결 방향. 실제 PCB 검사 현장 데이터를 가정해서 구체적으로 설명해줘.

이 팁이 도움이 됐나요?

핵심 포인트

• 제조 이미지는 고해상도, 통제된 조명, 극심한 데이터 불균형이 특징
• 주요 불량 유형: 스크래치, 크랙, 이물질, 변색
• 조명 종류에 따라 검출 가능한 불량 유형이 다르다
• 데이터 불균형 (양품 99%+)은 제조 비전 AI의 핵심 과제

이전 다음

이 콘텐츠에 오류가 있나요? 신고하기