판정 편차를 없애세요
사람마다 다르던 판정 기준을 하나의 모델로 맞춥니다.
주요 이점
품종이 바뀌어도 그대로 쓰세요
다품종 라인에서 AI가 품종을 자동으로 분류합니다.
조건 검사가 놓친 불량을 잡으세요
이물, 파손, 인쇄 번짐 같은 복합 결함을 찾습니다.
불량의 원인까지 거슬러 가세요
검사 결과가 공정 기록과 이어져 어느 공정이 문제인지 찾습니다.
누가 쓰나
품질, 생산, 생산기술이 함께 씁니다
품질 관리자
검사 결과와 양불 통계를 매일 봅니다. 불량이 몰린 품종과 공정을 찾아 조치합니다.
생산 라인 담당자
라인 속도에 맞춰 검사를 돌리고, 불량 알람이 오면 라인과 연동해 바로 대응합니다.
생산기술 · IT 담당자
새 품종 사진을 모아 표시하고 AI를 다시 학습시켜 배포합니다.
기능
분류하고, 찾고, 읽으세요
01
품종을 알아서 가리세요
비슷한 품종과 섞여 들어온 제품을 AI가 구분합니다.
02
이물 · 파손을 찾으세요
이물, 파손, 모양 이상이 있는 곳을 찾아 표시합니다.
03
인쇄 글자를 읽으세요
인쇄 누락과 번짐을 잡고, 유통기한 글자를 읽어 확인합니다.
04
불량 사진이 적어도 시작하세요
불량 샘플이 모자라면 가상 결함 이미지를 만들어 학습합니다.
05
새 품종은 다시 학습시키세요
사진 모으기, 표시, 학습, 배포, 감시, 재학습까지 한 흐름으로 운영합니다.
06
결과는 통계로 남기세요
검사 결과를 이력으로 남기고 양불 통계를 자동으로 냅니다.
화면
검사 결과를 화면에서 확인하세요
화면 1 · 라인 카메라, 컨베이어, 양품 · 품종 · 이물 판정
포장 라인 이물 · 혼입 잡기
라인 속도 그대로 제품을 하나하나 봅니다. 이물이 붙은 제품과 다른 품종이 섞인 제품을 바로 골라냅니다.
- 이물 · 파손
- 품종 혼입
- 라인 속도 그대로
화면 2 · 유통기한, LOT, 제조일자, 번짐 판정
유통기한 인쇄 확인
포장 면의 유통기한과 LOT 번호를 읽어 확인합니다. 번지거나 빠진 인쇄는 다시 찍도록 알려 줍니다.
- 글자 판독
- 번짐 · 누락
- 다시 인쇄 알림
화면 3 · 사진 모으기, 불량 표시, 학습, 배포, 현장 감시, 가상 결함 이미지
신제품이 나왔을 때
검사 조건을 처음부터 다시 잡지 않습니다. 새 제품 사진을 모아 AI를 다시 학습시키고, 불량 사진이 적으면 가상 결함 이미지로 채웁니다.
- 사진만 모으면
- 가상 결함
- 바로 배포
사용 사례
눈으로 하던 검사부터 바꾸세요
외관 검사
가전 조립 라인에서 외관 불량을 AI 비전으로 검사합니다.
포장 검사
포장 공정에서 제품 종류를 구분하고 유효기간 인쇄를 판독합니다.
온도 추적
연마 공정의 불꽃 표면 온도를 카메라로 추적합니다.
인쇄 품질
의약품·식품 포장의 인쇄 누락과 번짐을 잡습니다.
적용 사례
가전부터 식품까지, 사람의 눈보다 먼저 봅니다
대형 가전 제조
외관 검사 판정을 모델 하나로 맞춥니다
- 과제
- 조립 라인의 외관 검사는 검사자마다 판정이 달랐고, 불량이 어느 공정에서 왔는지 거슬러 찾기 어려웠습니다.
- 방법
- 정상·불량 이미지를 모아 라벨링하고, 부족한 불량 샘플은 가상 결함 이미지로 채워 탐지 모델을 학습했습니다. 판정 결과는 이력으로 남겨 공정 기록과 연결합니다.
- 달라진 점
- 판정 기준이 하나가 됩니다. 불량이 생긴 라인과 시간대를 바로 찾습니다.
식품 제조 · 포장
제품 종류와 유효기간 인쇄를 한 번에 읽습니다
- 과제
- 조건 기반 판독 장비는 번짐·왜곡 인쇄를 놓쳤고, 품종이 바뀔 때마다 검사 조건을 다시 잡아야 했습니다.
- 방법
- 분류 모델로 포장 제품의 종류를 구분하고, AI 글자 판독으로 유효기간 문자를 읽습니다. 새 품종은 조건을 고치지 않고 이미지를 더해 재학습합니다.
- 달라진 점
- 혼입과 인쇄 불량을 같은 카메라로 함께 잡습니다. 품종 전환 때 라인을 세우지 않습니다.
연마재 제조
닿을 수 없는 불꽃의 온도를 카메라로 잽니다
- 과제
- 연마 공정의 불꽃 표면은 접촉식 센서로 잴 수 없어 온도 관리가 눈대중이었습니다.
- 방법
- 공정 영상에서 불꽃 영역을 AI가 찾아 따라가며 표면 온도를 추정하고 기록합니다.
- 달라진 점
- 온도가 숫자로 남아 공정 조건과 품질을 함께 비교합니다.
PCB 제조
반도체 장비를 외산 라이브러리 없이 연결합니다
- 과제
- 라인마다 장비 제조사가 달라 SECS/GEM 통신을 맞추는 데 시간이 걸렸고, 비표준 명령은 연동을 포기해야 했습니다.
- 방법
- 자체 개발한 SECS/GEM으로 장비의 이벤트, 알람, 생산 데이터를 받고, 비표준 명령은 장비별로 맞춰 양방향 제어를 구현했습니다. 시나리오 편집기로 메시지를 미리 시험했습니다.
- 달라진 점
- 장비를 늘릴 때 통신 개발이 아니라 설정으로 붙입니다. 비전 검사까지 한 자동화 라인으로 묶었습니다.
적용 시나리오
MES, LINKER와 이으면 라인이 스스로 동작합니다
필요할 때 제품을 하나씩 더해, 이렇게 넓혀 갑니다.
- AI VISION 불량을 판정합니다.
- MES 검사 결과를 작업 LOT에 기록합니다.
- LINKER 설비에 정지 신호를 보냅니다.
- AI VISION 양불 수를 집계합니다.
- LinkerFlow 대시보드에 불량률을 띄웁니다.
- 기준을 넘으면 경고합니다.
- AI VISION 불량 이미지를 모읍니다.
- 오케스트레이터 공정 기록과 함께 원인을 정리합니다.
- 일일 품질 보고를 만듭니다.
기존 시스템과 함께
카메라 공사부터 연동까지 함께 합니다
설치 환경
라인 옆 산업용 PC와 사내 서버에 설치합니다. 카메라와 조명 공사도 함께 진행합니다.
기존 시스템 연동
카메라와 장비 신호를 연동하고, 검사 결과를 MES와 API로 주고받습니다.
개방형 표준
학습한 모델은 ONNX로 내보내 다른 검사 장비에도 씁니다.
FAQ
자주 묻는 질문
불량 샘플이 적은데 학습이 되나요?
가상 결함 이미지를 만들어 부족한 불량 데이터를 채웁니다.
품종이 바뀌면 다시 세팅해야 하나요?
조건을 다시 잡지 않고 새 품종 이미지로 모델을 재학습합니다.
검사 속도는 얼마나 되나요?
제안 기준 초당 100여 장을 실시간으로 분석합니다. 라인 속도와 해상도에 맞춰 구성합니다.
도입은 얼마나 걸리나요?
요구 분석 1개월, 이미지 수집·라벨링 1~2개월, 시험 적용 1개월, 라인 연동 1.5~2개월이 기본 일정입니다.
오픈소스를 활용하나요?
아니요. 웨이브그램은 2020년부터 AI 비전과 AI 제품군을 전문으로 개발해 온 회사입니다. 순수하게 자체 기술로 개발하기 때문에 어떤 고객사만의 프로세스에도 맞춰 최적화할 수 있습니다.