▶️25분
[영상] 컴퓨터 비전 개념 17분 정리
Day 1: 제조 비전 AI 개요 & OpenCV 기초
[영상] 컴퓨터 비전 개념 17분 정리
비전 AI 외관검사 > Day 1: 제조 비전 AI 개요 & OpenCV 기초
학습 목표
- 컴퓨터 비전의 핵심 개념(픽셀·채널·색상 공간)을 제조 맥락으로 설명할 수 있다
- OpenCV의 기본 이미지 처리 파이프라인을 5단계로 정리할 수 있다
- 머신 비전과 딥러닝 비전의 차이점 및 적용 기준을 비교할 수 있다
- 카메라 화소수와 프레임 레이트를 시야·결함 크기·라인 속도로 계산할 수 있다
영상 핵심 정리 — 컴퓨터 비전 17분 핵심
비전 AI 처리 파이프라인
[카메라 입력]
↓
[BGR → RGB 변환] ← OpenCV 필수 주의
↓
[전처리: 리사이즈 / 정규화 / 노이즈 제거]
↓
[모델 추론: 분류 / 탐지 / 세그멘테이션]
↓
[후처리: NMS / 임계값 필터링]
↓
[결과 출력: 바운딩박스 / 마스크 / 클래스]전통 머신 비전 vs 딥러닝
| 항목 | 전통 | 딥러닝 |
|---|---|---|
| 룰 정의 | 사람 직접 | 데이터 학습 |
| 변동성 대응 | 약함 | 강함 |
| 데이터 필요량 | 소량 | 수백~수천 |
| 처리 속도 | 대체로 빠름(단순 연산) | 모델·입력 해상도·하드웨어에 따라 다름 |
| 적합 환경 | 조명·각도 고정 | 다양 |
| 도구 | OpenCV Threshold | YOLOv8, ResNet |
OpenCV 5줄 전처리
import cv2
img = cv2.imread('part.jpg')
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img_blur = cv2.GaussianBlur(img_rgb, (5, 5), 0)
img_resize = cv2.resize(img_blur, (640, 640))카메라 사양을 잡는 방법
화소수와 프레임 레이트는 "몇 MP 이상"처럼 단독으로 정할 수 없다. 시야(FOV)와 결함 크기, 라인 속도를 함께 넣어야 계산이 성립한다.
[가로 화소수]
결함 하나를 몇 픽셀에 실을지 먼저 정한다(선형 결함은 보통 3~5픽셀).
가로 화소수 = (가로 FOV ÷ 최소 결함 크기) × 결함당 픽셀 수
예) 가로 FOV 50mm, 최소 결함 0.1mm, 결함당 3픽셀
→ 50 ÷ 0.1 × 3 = 1,500 픽셀
세로도 같은 방식으로 구한 뒤 곱해 화소수를 낸다.
같은 0.1mm 결함이라도 가로 FOV 가 500mm 면 가로만 15,000 픽셀이 필요하다.
FOV 를 빼고 "0.1mm 결함이면 5MP"라고 적으면 아무것도 정한 것이 아니다.
[프레임 레이트]
이송 방향으로 시야가 끊기지 않도록 겹침을 확보한다.
fps ≥ 라인 속도(mm/s) ÷ (이송 방향 시야 길이(mm) × (1 − 겹침 비율))
예) 라인 속도 500mm/s, 이송 방향 시야 40mm, 겹침 20%
→ 500 ÷ (40 × 0.8) = 15.6 → 16 fps 이상
라인 스캔 카메라는 프레임 레이트 대신 라인 레이트(kHz)를 잡고
인코더 신호로 트리거해 라인 속도 변동을 흡수한다.
[노출 시간]
이송 중 흐림(mm) = 라인 속도(mm/s) × 노출 시간(s)
이 값이 픽셀 하나에 해당하는 실제 크기보다 작아야 한다.
줄일 수 없으면 스트로브 조명으로 노출을 짧게 끊는다.- 조명: 불량 유형마다 다르다. 다음 reading 에서 다섯 종류를 비교한다.
- 초점: 검사면이 피사계 심도(DoF) 안에 들어오도록 작동거리와 조리개를 정한다.
함정 주의: OpenCV imread는 BGR. 딥러닝 모델은 RGB. 이 변환 빠뜨리면 색상 채널 뒤바뀌어 정확도 급락. 초보 실수 1위.
다음 task와의 연결
다음 reading에서 OpenCV 5줄 코드와 제조 이미지 전처리 기법을 실습한다.
AI로 학습하기 — 꿀팁
전통 머신 비전 vs 딥러닝 비전 비교 질문AI 학습 팁
제조 외관검사에서 전통 머신 비전(룰 기반)과 딥러닝 비전의 적합한 사용 조건을 AI에게 비교 설명받아 현장 적용 판단 기준을 이해하세요.
제조 외관검사 시스템을 설계할 때 전통 머신 비전(룰 기반, 조건 일정)과 딥러닝 비전(변동성 클 때)을 어떤 기준으로 선택하는지 설명해줘. OpenCV BGR 채널이 딥러닝 RGB와 달라 반드시 변환해야 하는 이유, 그리고 픽셀값 행렬에서 불량 패턴을 감지하는 두 방식의 처리 과정을 제조 현장 예시로 비교해줘.
이 팁이 도움이 됐나요?
핵심 포인트
- • 컴퓨터 비전은 픽셀값 행렬에서 사람이 보는 의미를 뽑아내는 일이다
- • OpenCV BGR 채널 순서는 딥러닝 RGB와 달라 반드시 변환
- • 전통 머신 비전(룰)은 조건 일정할 때, 딥러닝은 변동성 클 때 유리
- • 조명·해상도·각도를 잘못 잡으면 모델을 아무리 바꿔도 회복되지 않는다. 데이터를 모으기 전에 정해야 한다