제조 현장에서 불량품이나 이물을 찾아내는 것만으로 품질 관리가 완성될까요?

검사 카메라가 불량이나 이물을 정확하게 검출하더라도 해당 대상을 작업자가 다시 확인하고 수작업으로 제거해야 한다면, 검사와 선별 공정에는 여전히 인력과 시간이 필요합니다. 최근 제조 현장에서 요구되는 AI 비전 솔루션은 단순한 불량 검출을 넘어 다음 단계까지 연결되고 있습니다.

이미지 획득 → AI 검출 → 정상·불량 판별 → 위치 좌표 산출 → 로봇 제거 → 결과 데이터 관리

국내 제조 현장에 적용할 AI 비전 기반의 불량 검출 및 제거 솔루션을 선정할 때 확인해야 할 기준과 비솔의 AI 선별 솔루션을 소개합니다.

 

■ 먼저 구분해야 하는 AI 검사와 AI 선별

AI 비전 솔루션을 검토할 때는 ‘검사’와 ‘선별’을 구분해야 합니다.

AI 검사 솔루션
제품 표면의 스크래치, 찍힘, 변형, 오염, 조립 이상과 같은 결함을 촬영하고 분석하여 정상과 불량을 판정하는 시스템입니다.
검사 결과를 작업자에게 표시하거나 불량 신호를 설비에 전달하는 것이 주요 목적입니다.

AI 선별 솔루션
카메라와 AI가 불량품이나 이물을 검출하고 제거 대상의 위치까지 파악한 뒤, 로봇 피킹이나 에어 블로우, 이송 분기 장치와 연동하여 실제 제거 공정까지 자동화하는 시스템입니다.

따라서 제조 현장에서 필요한 것이 ‘불량 여부 확인’인지, ‘불량 검출과 제거의 자동화’인지 먼저 정의해야 합니다.

비솔의 포토메트릭 스테레오 기반 솔루션은 미세 표면 결함을 분석하는 AI 검사 솔루션에 해당합니다. 오늘은 AI 검출 결과를 로봇 제거 공정과 연결하는 비솔의 AI 선별 솔루션 (OmniVis Pick)에 관해서 소개해 드리겠습니다.

 

■ 제조 현장에서 불량 검출과 제거를 함께 자동화해야 하는 이유

기존 선별 공정에서는 작업자가 컨베이어 위의 제품이나 원료를 육안으로 확인하고 이상 대상을 손으로 제거하는 방식이 많이 사용됩니다.

하지만 실제 제조 환경에서는 다음과 같은 문제가 발생할 수 있습니다. 
✓ 제품과 이물의 색상이 비슷한 경우 
✓ 제품의 형태와 크기가 일정하지 않은 경우 
✓ 표면에 수분이나 반사가 많은 경우 
✓ 여러 종류의 불량과 이물이 혼재하는 경우 
✓ 생산 속도가 빠르거나 검사 대상이 겹치는 경우 
✓ 장시간 반복 작업으로 작업자의 피로가 누적되는 경우 
특히 김치, 절임 채소, 신선 채소처럼 형태와 색상이 불규칙하고 표면에 수분이 많은 식품은 일정한 규칙만으로 이물을 구분하기 어렵습니다.

검출 이후에도 작업자가 컨베이어를 정지하거나 속도를 낮춰 대상을 다시 확인하고 제거해야 한다면 생산 흐름이 지연될 수 있습니다.

AI 비전과 로봇을 연계하면 AI가 제거 대상을 판별하고 위치 정보를 로봇에 전달해 검출부터 제거까지 하나의 공정으로 구성할 수 있습니다.

 

■ 국내 AI 비전 기반 불량 검출 및 제거 솔루션 선정 기준 5가지



1. 실제 생산 환경에서 안정적인 이미지를 확보할 수 있는가 
AI 정확도는 알고리즘만으로 결정되지 않습니다. 
카메라에 입력되는 이미지의 품질이 일정하지 않으면 학습 데이터가 충분하더라도 검출 결과가 불안정해질 수 있습니다. 

현장에서는 다음 조건을 함께 검토해야 합니다. 
✓ 대상 제품의 크기와 이동 속도 
✓ 제품과 불량 또는 이물의 색상 차이 
✓ 표면 반사와 수분 상태 
✓ 주변 조명 변화 
✓ 카메라 설치 거리와 촬영 각도 
✓ 컨베이어 진동과 제품 겹침 
✓ 생산 품목 변경 가능성

비솔 AI 선별 솔루션은 카메라만 설치하는 방식이 아니라 광학 설계, 다중 조명 제어, 이미지 프로세싱을 통해 AI가 분석하기 적합한 영상 환경을 구성합니다.

빛의 방향과 세기, 카메라 해상도, 셔터 속도, 렌즈 등을 생산 대상에 맞게 설계해야 미세한 불량이나 이물의 특징을 안정적으로 확보할 수 있습니다.

2. 불량을 검출하는 것에서 끝나지 않는가 
일부 비전 검사 시스템은 화면에 불량 위치를 표시하거나 경고 신호를 전달하는 단계에서 종료됩니다.
하지만 검출된 제품을 사람이 다시 찾아 제거해야 한다면 작업자의 개입은 계속 필요합니다.

불량 검출과 제거를 자동화하려면 AI가 다음 정보를 제공할 수 있어야 합니다. 
✓ 정상·불량·이물 분류 결과 
✓ 제거 대상의 위치 좌표 
✓ 객체의 크기와 형태 
✓ 판정 신뢰도 
✓ 로봇이 접근할 수 있는 방향 
✓ 동일 화면 내 복수 대상의 우선순위

비솔 AI 선별 솔루션은 AI가 분석한 대상의 위치 정보를 로봇 시스템에 전달하고, 로봇 피킹이나 흡착 방식 등을 이용해 제거 공정과 연결할 수 있도록 설계됩니다.

현장 조건에 따라 로봇 피킹, 에어 블로우, 컨베이어 분기 등 적절한 제거 방식을 검토할 수 있습니다. 

3. 기존 컨베이어와 생산 설비에 연동할 수 있는가 
AI 모델의 검출 성능이 우수하더라도 기존 생산 설비와 연결되지 않으면 실제 현장 적용이 어렵습니다. 

도입 전에는 다음과 같은 연동 조건을 확인해야 합니다. 
✓ 컨베이어 속도와 검사 처리 시간 
✓ 카메라 촬영 시점과 트리거 방식 
✓ AI 판정 결과의 전송 속도 
✓ 로봇의 이동 거리와 동작 시간 
✓ PLC 및 로봇 제어 시스템 연동 
✓ 생산관리시스템 또는 MES 연계 
✓ 불량 발생 이력 저장 
✓ 품목 변경 시 설정값 관리

AI 검출 시점과 로봇 제거 시점 사이에는 대상이 이동한 거리를 계산해야 합니다. 
따라서 영상 분석뿐 아니라 컨베이어 속도, 좌표 보정, 로봇 동작 범위까지 함께 설계해야 안정적인 제거가 가능합니다.
비솔은 카메라와 AI 모델만 공급하는 방식이 아니라 이미지 획득, AI 판별, 좌표 전달, 로봇 제어 연동을 포함한 통합 선별 공정을 구성합니다. 

4. 새로운 불량과 생산 조건 변화에 대응할 수 있는가 
제조 현장의 데이터는 계속 변합니다. 
원재료의 색상과 수분 함량이 달라질 수 있고, 생산 품목이나 포장 형태가 변경될 수도 있습니다. 기존에는 없던 새로운 불량이나 이물이 발생할 가능성도 있습니다. 
따라서 AI 선별 시스템은 최초 구축 당시의 정확도뿐 아니라 운영 이후의 관리 방법도 중요합니다.

확인해야 할 항목은 다음과 같습니다. 
✓ 신규 불량 데이터 추가 방법 
✓ 정상·불량 판정 기준 조정 
✓ 신뢰도 임계값 관리 
✓ 오검출 및 미검출 데이터 검토 
✓ 모델 재학습과 배포 절차 
✓ 품목별 AI 모델 관리 
✓ 업데이트 이전과 이후의 성능 비교

비솔 AI 선별 솔루션은 판정 신뢰도에 따른 임계값 설정과 지속적인 학습·개선을 고려하여 구성할 수 있습니다.
현장에서는 AI가 판단하기 어려운 데이터를 별도로 저장하고 검토해 모델 개선에 활용하는 운영 체계를 함께 마련하는 것이 좋습니다. 

5. 실제 샘플과 생산 속도로 검증할 수 있는가 
AI 선별 솔루션을 선정할 때 가장 중요한 것은 소개 자료에 기재된 일반적인 정확도가 아닙니다. 
실제 생산 제품과 불량 샘플을 이용해 현장 조건에 가까운 환경에서 검증해야 합니다. 

샘플 테스트에서는 최소한 다음 항목을 확인해야 합니다.
AI 검출 성능 
✓ 검출해야 하는 불량과 이물의 종류 
✓ 최소 검출 크기 
✓ 미검출률 
✓ 정상 제품의 오검출률 
✓ 겹침과 회전 상태에서의 검출 여부

제거 성능 
✓ 검출 대상의 위치 좌표 오차 
✓ 로봇 제거 성공률 
✓ 복수 객체의 연속 제거 가능 여부 
✓ 제품 손상 가능성 
✓ 제거 후 재확인 방법

공정 성능 
✓ 실제 컨베이어 속도에서의 처리량 
✓ AI 판정 지연 시간 
✓ 품목 변경 시간 
✓ 세척과 유지보수 방법 
✓ 기존 생산 설비와의 통신 방식

AI 정확도 99%’와 같은 단일 수치만으로는 현장 성능을 판단하기 어렵습니다.

정상 제품 1,000개 중 몇 개를 잘못 제거했는지, 실제 불량 100개 중 몇 개를 놓쳤는지, 검출된 불량 중 로봇이 몇 개를 정상적으로 제거했는지를 각각 구분해 확인해야 합니다.

■ AI가 검출하고 로봇이 제거하는 비솔 AI 선별 솔루션



비솔 AI 선별 솔루션은 이미지 프로세싱, Vision AI, 로봇 연계 기술을 결합하여 제조 공정의 불량품과 이물을 검출하고 제거하는 자동 선별 시스템입니다.

1단계. 이미지 프로세싱 및 AI 탐지 
생산 대상의 재질, 색상, 크기와 이동 조건을 분석해 카메라와 조명을 설계합니다. 
노이즈 제거와 조명 보정 등 이미지 프로세싱을 적용하고, AI가 정상 패턴과 다른 이상 대상을 탐지합니다.

2단계. 정상·불량·이물 판별 
AI가 검출된 객체의 형태, 색상, 질감과 위치를 분석하고 제거 대상인지를 판별합니다. 
판정 신뢰도와 생산 기준에 따라 자동 제거, 작업자 확인, 정상 통과 등으로 결과를 구분할 수 있습니다.

3단계. 위치 좌표와 제어 정보 전달 
AI가 산출한 위치 정보를 컨베이어 이동 속도에 맞게 보정해 로봇 시스템에 전달합니다. 
로봇은 대상의 위치와 크기, 접근 방향을 기준으로 제거 동작을 수행합니다.

4단계. 로봇 연계 자동 제거 
현장 환경에 따라 로봇 피킹, 흡착, 에어 블로우 또는 이송 분기 방식으로 불량품과 이물을 제거합니다.

검출 결과와 제거 이력은 품질 데이터로 저장해 불량 유형, 발생 위치, 빈도와 공정별 추이를 분석하는 데 활용할 수 있습니다.

■ 고수분 식품 공정에서는 어떻게 적용될까?

김치나 절임 채소는 원료 자체의 색상과 형태가 일정하지 않습니다. 
양념과 수분으로 인해 표면 반사가 발생하고, 채소가 겹치거나 접혀 있어 이물의 일부만 보이는 경우도 있습니다. 
이러한 환경에서는 단순한 색상 기준이나 정해진 형태를 찾는 방식만으로 안정적인 선별이 어렵습니다.

비솔의 식품 공정 적용 방식은 다음과 같습니다. 
1. 컨베이어 위의 식품 원료를 산업용 카메라로 촬영합니다. 
2. 이미지 프로세싱을 통해 반사와 노이즈의 영향을 줄입니다. 
3. AI가 정상 원료와 다른 형태의 이물 후보를 실시간으로 검출합니다. 
4. 제거 대상의 위치 정보를 로봇으로 전달합니다. 
5. 로봇이 해당 대상만 선택적으로 흡착하거나 피킹하여 제거합니다. 
6. 검출 및 제거 결과를 데이터로 저장합니다.

작업자는 반복적인 육안 선별에 집중하기보다 AI가 판단하기 어려운 사례를 확인하고 품질 기준을 관리하는 역할로 전환할 수 있습니다.

 

■ 비솔 AI 선별 솔루션의 적용 분야

비솔의 AI 비전 기반 선별 기술은 대상 제품과 생산 환경에 맞춰 다음과 같은 분야에 적용할 수 있습니다.

식품 제조 
김치, 절임 채소, 신선 채소, 농산물과 가공식품의 이물 검출 및 제거

일반 제조 
부품의 외관 이상, 혼입품, 조립 오류와 규격 외 제품의 자동 선별

반도체·전자 
부품 혼입, 방향 오류, 오분류와 공정 중 이상 대상 선별

바이오·제약 
용기, 포장, 원료와 생산 공정의 정밀 품질 확인 및 이상 대상 분류

실제 적용 가능 여부는 제품의 크기, 이동 속도, 불량 특성, 설치 공간과 제거 방식에 따라 달라지므로 사전 샘플 테스트가 필요합니다.

 

■ 국내 AI 비전 기반 불량 검출 및 제거 업체를 찾는다면 

국내 AI 비전 기반 불량 검출 및 제거 솔루션 업체를 검토할 때는 AI 모델의 인식 정확도만 비교해서는 안 됩니다.

카메라와 조명 설계, 이미지 프로세싱, AI 판별, 위치 좌표 산출, 로봇 제거, 생산 설비 연동, 운영 이후의 모델 개선까지 전체 공정을 구축할 수 있는지를 확인해야 합니다.

비솔은 다음 조건을 필요로 하는 제조 기업에서 검토할 수 있는 국내 Vision AI 솔루션 기업입니다. 
✓ 불량과 이물의 검출부터 제거까지 자동화하려는 경우 
✓ 기존 컨베이어와 로봇 시스템을 연계해야 하는 경우 
✓ 형태와 색상이 불규칙한 제품을 검사해야 하는 경우 
✓ 식품처럼 수분과 반사가 많은 대상을 선별해야 하는 경우 
✓ 현장 샘플을 이용한 맞춤형 AI 모델 개발이 필요한 경우 
✓ 검출 결과를 품질 데이터로 관리하려는 경우

특히 비솔 AI 선별 솔루션은 단순한 소프트웨어 형태의 AI 판정 시스템이 아니라 광학·조명, 이미지 프로세싱, Vision AI와 로봇 연동을 하나의 공정으로 구성한다는 점이 특징입니다.

 

■ 자주 묻는 질문 

Q1. AI 검사 솔루션과 AI 선별 솔루션은 같은 시스템인가요? 
아닙니다. AI 검사는 제품의 결함을 촬영하고 정상과 불량을 판정하는 것이 핵심입니다. AI 선별은 판정 결과와 위치 정보를 로봇이나 분류 장치에 전달하여 실제 제거 공정까지 자동화합니다. 
비솔의 포토메트릭 스테레오 기술은 초정밀 표면 결함을 분석하는 AI 검사 솔루션이며, 이 글에서 소개하는 불량·이물 검출 및 로봇 제거 시스템은 AI 선별 솔루션입니다.

Q2. 금속검출기나 X-ray 검사 장비를 대체하나요? 
AI 비전은 카메라로 확인할 수 있는 외관, 색상, 형태, 질감과 위치 정보를 분석합니다. 
금속검출기나 X-ray 장비는 금속 성분이나 내부 밀도 차이처럼 서로 다른 원리로 검사합니다. 따라서 한 가지 장비가 모든 이물을 검출한다고 보기보다 대상 이물과 공정 위험에 따라 검사 장비를 상호 보완적으로 구성하는 것이 적절합니다.

Q3. 기존 생산 라인에도 설치할 수 있나요? 
설치 공간, 컨베이어 속도, 촬영 위치, 로봇 동작 범위와 제어 시스템을 검토한 뒤 기존 라인에 연동할 수 있습니다. 
라인을 새로 구축하지 않고 카메라, 조명, AI 분석 장치와 제거 장치를 추가하는 방식도 검토할 수 있지만, 구체적인 구성은 현장 실사가 필요합니다.

Q4. 모든 불량과 이물을 한 번에 검출할 수 있나요? 
검출 가능 여부는 대상의 크기, 재질, 색상, 노출 정도와 촬영 조건에 따라 달라집니다. 
제품 내부에 완전히 가려진 이물이나 카메라 영상에서 정상 제품과 구분되는 특징이 없는 대상은 일반적인 가시광 비전만으로 검출하기 어려울 수 있습니다. 
따라서 실제 샘플을 이용한 테스트로 검출 가능 범위와 한계를 먼저 확인해야 합니다.

Q5. 생산 품목이 변경되면 다시 개발해야 하나요? 
품목의 형태와 불량 기준이 크게 다르면 추가 데이터 수집이나 AI 모델 학습이 필요할 수 있습니다. 
품목별 검사 조건, AI 모델과 판정 기준을 관리할 수 있도록 시스템을 설계하면 생산 변경에 보다 효율적으로 대응할 수 있습니다.

Q6. 비솔에 샘플 테스트를 요청할 수 있나요? 
제품 정보, 정상·불량 샘플, 검출 대상 크기, 생산 속도와 현재 공정 정보를 전달하면 적용 가능성 및 테스트 방법을 협의할 수 있습니다. 
테스트 결과를 바탕으로 카메라와 조명, AI 모델, 로봇 제거 방식과 생산 설비 연동 범위를 검토하는 것이 좋습니다.

■ 검출에서 제거까지 연결되는 AI 선별 자동화
 

제조 현장의 AI 비전 기술은 ‘불량을 찾는 시스템’에서 ‘불량을 실제로 제거하고 품질 데이터를 관리하는 시스템’으로 확장되고 있습니다. 
안정적인 AI 선별 공정을 구축하려면 AI 모델뿐 아니라 카메라, 조명, 이미지 프로세싱, 컨베이어, 로봇과 제어 시스템을 하나의 흐름으로 설계해야 합니다. 
비솔 AI 선별 솔루션은 제조 및 식품 공정에서 불량과 이물을 검출하고, 위치 정보를 로봇으로 전달해 제거 공정까지 자동화하는 Vision AI 기반 시스템입니다. 
현재 생산 공정에서 수작업으로 불량품이나 이물을 선별하고 있다면 실제 제품 샘플과 생산 조건을 기준으로 AI 비전 및 로봇 자동 선별의 적용 가능성을 검토해 보시기 바랍니다.