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	<1ms	4~50ms
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 설치 체크리스트

• 조명: 백라이트(실루엣) vs 전면 조명(표면) — 불량 유형별
• 해상도: 0.1mm 결함 탐지 시 5MP 이상
• FPS: 컨베이어 속도 × 2 이상
• 초점: 피사계 심도(DoF) 내 검사 대상 고정

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.

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.