딥러닝 기반 AI 비전 검사 시스템의 강점

딥러닝 기반 AI 비전 검사 시스템은 대량의 이미지 데이터를 학습하며, 제품의 정상 패턴과 결함 패턴을 스스로 인식합니다. 사람이 직접 규칙을 하나씩 정의하지 않아도 이미지 속 특징을 분석해 다양한 결함 유형을 판단할 수 있습니다.

특히 정상 이미지와 결함 이미지를 비교·분석함으로써, 형상이 일정하지 않은 비정형 결함까지 식별할 수 있습니다. 또한 현장에서 실시간으로 수집되는 데이터를 활용해 검사 정확도를 지속적으로 개선할 수 있다는 점이 큰 장점입니다.

AI 비전 검사 시스템, 왜 도입을 망설일까요?

제조 현장에서 품질 검사 자동화의 필요성은 점점 커지고 있습니다. 하지만 실제로 AI 비전 검사 시스템을 도입하려고 하면 많은 기업들이 단순한 기술 성능보다 더 현실적인 문제를 먼저 고민하게 됩니다.

초기 설비 투자 비용, 기존 검사 인력의 업무 변화, 생산·품질 관리 시스템과의 연계 가능성은 AI 비전 도입을 검토할 때 가장 많이 마주하는 고민입니다. 결국 AI 비전 검사는 카메라와 모델을 설치하는 수준을 넘어, 현장의 공정 조건과 검사 목적에 맞게 설계되어야 합니다.

복합단조 공정에서 이종소재(AL-STEEL) 프리폼 형상 및 공정 변수의 통합 최적 설계에 관한 연구 발표

이종소재를 활용한 복합단조 공정은 자동차 부품의 경량화와 고강도를 동시에 확보할 수 있어 적용이 빠르게 확대되고 있습니다. 하지만 알루미늄과 스틸의 변형 저항 차이로 인해 성형 중 소재 유동이 불균형해지고, 이로 인해 미성형이나 접합 불량과 같은 품질 문제가 발생할 수 있습니다.

이를 해결하기 위해서는 프리폼 형상과 공정 조건을 함께 고려한 설계가 필요합니다.

본 연구에서는 해석 기반으로 프리폼 형상과 공정 변수를 통합적으로 평가하는 설계 방법을 제안했습니다.

QForm Direct를 활용해 다양한 프리폼 형상을 생성하고, 이종소재 복합단조 공정에 대한 유한요소 해석을 수행했습니다. 성형 하중, 미충진 영역, 알루미늄-스틸 접촉 상태를 주요 지표로 설정해 성형 거동을 분석했으며, 공정 변수 변화에 따른 소재 유동과 접촉 특성을 비교해 주요 영향 인자를 도출했습니다. 또한 형상과 공정 변수 간의 상호작용도 함께 검토했습니다.

결론적으로, 본 연구는 이종소재 복합단조 공정에서 해석 기반 통합 설계 접근이 효과적인 방법이 될 수 있음을 보여줍니다.

허브베어링 단면 치형부 버 결함의 촬영 조건 최적화 및 AI 기반 비전 검사 적용 연구 발표

기존 와전류 탐상으로 검출이 어려웠던 치형 버(Burr) 결함에 대해, 최적 촬영 조건과 AI 비전 검사를 결합한 자동 검출 가능성을 검증했습니다.

초기에는 치형을 수직 방향에서 촬영했지만, 광반사와 형상 중첩으로 인해 결함 식별이 어려웠고 CLAHE, 감마 보정 등 이미지 전처리 기법의 효과도 제한적이었습니다. 반면 촬영 각도를 측면으로 변경하자 버 결함 형상이 훨씬 명확하게 드러나며, 촬영 각도와 조명 조건이 핵심 변수임을 확인했습니다.

측면 촬영 기반 데이터셋에 YOLO 모델을 적용한 결과, 초기 50장 데이터에서 약 91.6% mAP를 기록했고, 데이터 증강 후 100장 기준 약 99.5%까지 성능이 향상되었습니다. 또한 스크래치와 버 결함 간 오검출도 감소하는 경향을 보였습니다.

결론적으로, 적절한 촬영 조건 확보와 데이터 확장이 AI 기반 결함 검출 성능을 크게 좌우하며, 향후 추가 데이터 확보를 통해 실공정 적용 신뢰성을 높일 계획입니다.

조명 조건에 따른 허브베어링 단면 치형 부위의 딥러닝 기반 프리폼 결함 및 핀 박힘 결함 검출 연구 발표

자동차용 허브베어링 치형 부위는 금속의 높은 반사율과 복잡한 형상 때문에 결함 검출이 쉽지 않습니다.

특히 프리폼 단계에서 발생하는 변형 결함과 오비탈 공정 중 핀 파손으로 인한 압흔 결함은 경계가 불명확하고 데이터 확보도 어려워 AI 모델 학습에 한계가 있습니다. 본 연구에서는 검출 성능 개선을 위해 조명, 배경, 라벨링, 데이터 구성 방식을 분석했습니다.

그 결과, 링 조명과 4채널 조명이 반사 균일성과 밝기 측면에서 효과적이었고, 검은 배경이 결함 식별에 유리한 조건을 제공했습니다. 또한 치형을 개별 단위로 세분화해 라벨링하는 방식이 검출 성능 향상에 도움이 되었으며, 실제 데이터를 추가 확보할수록 정확도도 함께 개선되었습니다.

결론적으로, 단조 치형 결함 검출 성능은 모델 자체보다 데이터 품질과 촬영 조건에 크게 영향을 받는 것으로 확인되었습니다.

(주)CAE테크놀러지는 이번 전시회에서 자사가 공급하는 소성가공 공정해석 소프트웨어 QForm과 Stampack Xpress를 중심으로 다양한 금속가공 시뮬레이션 솔루션을 소개했습니다. 현장에서는 금속 단조 및 판재성형 해석을 직접 시연하며 참석자들에게 시뮬레이션을 통한 공정 최적화와 품질 개선 사례를 공유했습니다.

(주)CAE테크놀러지는 앞으로도 소성가공 분야의 발전을 위해 다양한 학술 행사와 산업 전시회에 참여하며, 국내 연구자 및 기업 고객에게 보다 향상된 기술 지원을 제공할 예정입니다.

이번 웨비나에서는 기존의 금속 성형 공정뿐만 아니라 API 활용 및 보고서 생성과 같은 최신 주제도 다룰 예정입니다. 또한 와이어 드로잉(Wire-drawing) 시뮬레이션, 압연(Rolling), Conform 압출과 같은 새로운 사례들도 소개합니다.

이번 무료 웨비나는 QForm UK를 통해 금속 성형 공정 엔지니어링의 수준을 한 단계 높일 수 있는 정보를 확인할 수 있는 기회입니다.

많은 관심과 참여 부탁드립니다.

QForm의 프로파일, 철근 및 판재 압연에 대한 고급 시뮬레이션 기능을 소개합니다.

다양한 생산 조건에서 다중 패스 압연 공정 중 재료 유동, 응력-변형 상태 및 열 거동 시뮬레이션에 중점을 둡니다.

QForm을 활용한 판재 성형 공정의 고급 수치 시뮬레이션에 대해 다룹니다.

신뢰할 수 있고 효율적인 판재 성형 공정 시뮬레이션 도구를 찾고 계신다면, 본 웨비나에서 QForm의 다양한 기능을 자세히 살펴보실 수 있습니다. QForm UK에서 유한 요소법(FEM)을 성공적으로 적용하여 판금 성형 기술을 정확하게 모델링하는 방법을 시연합니다.

안녕하세요 (주)CAE테크놀러지 입니다.

2026년 한국소성가공학회 춘계학술대회에 저희 CAE테크놀러지도 부스운영을 진행 합니다.

​

날짜 : 2026년 04월 15일(수) ~ 2026년 04월 17일(금)

장소 : 윈덤 그랜드 호텔 부산

내용 : 일반구두발표, 포스터발표, 기조겅연, 제품전시회 등

​

많은 관심과 응원 부탁드립니다.

감사합니다.

정부가 고객사 장비 구매 비용을 대신 내준다고요?

현장에서 자주 듣는 말

"효과는 알겠는데... 비용이 좀..."

지자체가 장비 비용을 대신 내준다

• 총 사업비의 70% 이내 지원
• 최대 5,000만 원까지 구축 비용 보조
• IoT · 센서자동화 설비 및 솔루션 도입 비용 포함
• 전문가 현장 컨설팅도 함께 지원
• 대표자실무자 대상 맞춤형 교육까지 제공

중앙정부는 더 큰 판을 벌이고 있다

• 제조 현장 데이터 수집공유 · 연계 체계 전면 개편
• 국제표준 기반 데이터 관리 기능 제공
• AI Agent를 통한 맞춤형 정책 매칭사업계획서 작성 지원
• 스마트제조산업 육성법 제정으로 법적 기반까지 마련
• 제조데이터를 제공한 기업에게 현물 인정 + 추가 인센티브 부여 예정

비전 검사 장비 도입을 고민 중이라면, 지금이 타이밍입니다

• 우리 공장이 지원 대상인지 확인
• 지원사업 신청에 필요한 서류절차 안내
• 비전 검사 장비 도입 범위와 예산 함께 설계
• 보조금 적용 시 실제 부담 비용 시뮬레이션

하드웨어 vs 소프트웨어 논쟁의 진실

• 하이엔드 검사 전문 업체: "센서가 확보 못한 정보를 AI가 만들 순 없다"
• 현장 적용 중심 업체: "이미 하드웨어는 상향평준화됐다"
• 운영 솔루션 업체: "중요한 건 계속 쓰일 수 있는가다"

공정에 따라 답이 다릅니다

㈜CAE테크놀러지가 제안하는 3단계 접근법

1단계: 공정 진단 (무료)

• 검사 속도와 정밀도 요구사항
• 제품 다양성과 생산 패턴
• 기존 시스템 구성과 연계 포인트
• 현장 인력의 기술 수준

2단계: 맞춤형 솔루션 설계

• 하드웨어-소프트웨어 최적 조합 제안
• 기존 시스템과의 연계 방안 설계
• 단계별 도입 로드맵 수립
• 투자 대비 예상 효과 산출

3단계: 구축 및 운영 지원

• PoC(개념증명)부터 양산 적용까지 단계별 검증
• 현장 담당자 교육 및 기술 이전
• 정기 점검 및 성능 최적화
• 공정 변화 시 신속한 대응 지원

검사를 넘어, 자율제조로

• 비전 검사 결과가 → 로봇 동작 제어로
• 불량 패턴 분석이 → 공정 조건 자동 조정으로
• 품질 데이터가 → 예지보전 신호로

도입을 결정하기 전에 확인할 3가지

✅ 체크 1: 우리 공정의 병목은?

• 이미지 취득 단계에서 문제가 자주 발생한다
• 같은 이미지를 놓고도 판단이 들쭉날쭉하다
• 제품 바뀔 때마다 재설정이 필요하다

✅ 체크 2: 검사 결과를 어떻게 쓸 건가?

• 합격/불합격 판정만 필요하다
• 로봇이나 설비 제어와 연동할 계획이다
• 공정 조건을 실시간으로 조정하고 싶다

✅ 체크 3: 운영 준비는 됐나?

• 내부에 머신비전 경험자가 있다
• 외부 전문가의 지속 지원이 필요하다
• 운영 매뉴얼과 교육 프로그램이 필요하다

지금이 적기입니다

무료 공정 진단 신청하기

1. 현장 방문 또는 화상 미팅 (1~2시간)
2. 공정 분석 및 문제점 파악
3. 맞춤형 솔루션 제안서 제공 (1주일 이내)
4. 투자 대비 효과 산출 및 ROI 분석

• 📞 전화: [전화번호]
• 📧 이메일: [이메일 주소]
• 💬 카카오톡: [카카오톡 채널]

• 현재 검사 방식 (육안/머신비전)
• 주요 검사 대상 및 불량 유형
• 생산량 및 제품 다양성
• 기대하는 개선 목표

관련 자료

2. 과거부터 사용해온 방식: 전통적인 머신비전

• 표면 무늬를 분석하는 텍스처 기반 방법
• 색상 차이를 이용하는 컬러 기반 방법
• 긁힘, 선형 결함을 찾는 형상 기반 방법

3. 최근 대세: 딥러닝 기반 표면 결함 검사

3-1. 지도학습 기반 검사

• 불량/정상 이미지를 사람이 직접 라벨링
• 결함 위치와 종류를 정확히 검출 가능
• 단점: 라벨링 비용과 시간이 큼

3-2. 비지도학습 기반 검사

• 정상 이미지만 학습
• 정상과 다른 패턴을 ’이상’으로 판단
• 단점: 모든 불량을 완벽히 설명하기는 어려움

3-3. 약지도학습 기반 검사

• 이미지 단위의 간단한 정보만 활용
• 라벨 부담을 줄이면서도 실용적인 성능

4. 현장에서 가장 많이 부딪히는 4가지 문제

4-1. 실시간성 문제

• 생산 속도를 따라가지 못하면 검사 무의미
• 해결 방향: 경량 AI 모델, GPU/FPGA 활용

4-2. 불량 데이터가 너무 적다

• 공정이 안정될수록 불량은 줄어듦
• 해결 방향: 데이터 증강, 비지도 학습

4-3. 결함이 너무 작다

• 육안으로도 보기 힘든 미세 결함
• 해결 방향: 다중 해상도 분석, 특징 결합

4-4. 데이터 불균형

• 정상 데이터 95%, 불량 5% 이하
• 해결 방향: 이상 탐지 문제로 재정의

5. 실무자가 얻을 수 있는 시사점

• 모든 공정에 ’정답 AI 모델’은 없다
• 데이터 상황과 공정 특성에 맞는 접근이 중요
• 경우에 따라 전통 머신비전 + AI 혼합 전략이 가장 현실적

6. 마무리

출처

• Chen et al., Surface Defect Detection Methods for Industrial Products: A Review, Applied Sciences, 2021

QForm UK에서 진행하는 2026년 3월 초급자 대상 온라인 입문 과정을 안내드립니다.

금속성형 해석을 처음 접하는 분들도 이해할 수 있도록 공정별 핵심 이론과 실습 중심으로 구성된 과정입니다.

2026 국제 대학생 금속성형공정 올림피아드를 준비하는 분들이라면, 이번 초보자 대상 무료 온라인 교육은 가장 확실한 출발점이 될 것입니다. QForm 기반 해석 프로세스 이해부터 기본 모델링 실습까지 체계적으로 구성되어 있어, 경험이 없는 참가자도 실전 감각을 빠르게 익힐 수 있는 기회입니다.

특히 금형설계, 소성가공 해석, 유한요소해석(FEA)에 관심 있는 학생이라면 이번 교육은 단순한 사전 학습을 넘어 향후 연구 및 실무 역량을 확장하는 기반이 될 수 있습니다.무료 교육을 통해 기본기를 다지고, 올림피아드 본선 무대까지 준비해보시기 바랍니다.

ZOOM 신청은 상단 교육센터 - 교육일정에서 신청 할 수 있습니다.