DATA · BUILD · VISION데이터 구축
객체를 표시하고 클래스를 관리해 학습용 데이터셋을 만듭니다.
- 수동 라벨링
- SAM 오토 라벨링
- 데이터 증강
통합 구축 흐름
데이터에서 모델로, 모델에서 현장으로.
AI 검사를 도입할 때 가장 많은 시간이 드는 데이터 준비, 반복되는 모델 학습, 현장 장비 연동을 각각 분리하지 않습니다. HAWK·C·AI는 데이터 구축부터 실제 검사 운영까지 동일한 흐름 안에서 이어지도록 구성합니다.
DATA
수동 라벨링, 오토 라벨링, 데이터 증강과 검수를 통해 학습 가능한 데이터셋을 구축합니다.
BUILD
데이터셋과 모델, 학습 이력과 성능 지표를 관리하고 현장에 적용할 모델을 준비합니다.
VISION
카메라·PLC 등 현장 장비와 연결해 실시간 검사를 수행하고 OK·NG 결과와 검사 이력을 관리합니다.
CONNECTED
각 제품에서 생성된 데이터와 모델이 다음 단계로 자연스럽게 이어져 반복 구축과 운영을 단순화합니다.
01 / AI DATA
라벨링부터 데이터셋 완성까지, 하나의 작업 공간에서.
DATA는 이미지 관리, 데이터 증강, 클래스 관리, 수동·오토 라벨링, 라벨 검수와 데이터셋 빌드까지 학습 데이터 제작에 필요한 과정을 하나의 프로그램에서 수행합니다.
수동 라벨링SAM 오토 라벨링데이터 증강클래스 관리라벨 검수
?도움말● 자동 저장 켜짐GPU 대기● 대기 중오전 10:55☀작업+
PROJECT OVERVIEW
대시보드
ACTIVE PROJECT
test Instance Segmentation
데이터 진행률 1% · 1 / 131장 사용 가능
1%진행률
CONTINUE WORK
미완료 이미지 130장
사용 가능 데이터1
미완료 데이터130
수정 필요0
데이터셋 버전0
작업 대기열
LIVE01데이터 관리완료
02클래스 관리완료
03라벨링130장 남음
04라벨 검수정상
05데이터셋 빌드대기
데이터 상태
131전체 이미지
- 사용 가능1
- 미완료130
- 수정 필요0
- 등록 클래스1
최근 작업
RECENT라벨 삭제최근 작업 로그
SAM 자동 라벨 저장자동 라벨 결과 반영
클래스 저장라벨 스키마 갱신
라벨 검수 완료검수 상태 업데이트
LOCAL DATA
데이터 관리
데이터 가져오기
외부 원본 보존등록 현황
전체 이미지131
라벨 완료1
미라벨 이미지130
통합 데이터 풀
실제 작업 흐름을 대표하는 샘플만 간결하게 보여줍니다.
라벨 완료 샘플완료
완료된 이미지를 전체 형상 기준으로 바로 확인합니다.
객체 표시 포함 · 라벨링 완료미라벨 샘플대기
원본 이미지를 잘리지 않게 확인하고 작업을 준비합니다.
원본 미리보기 · 라벨링 대기검수 대상 샘플검수
검수 전 대표 샘플을 전체 화면 기준으로 확인합니다.
검수 연결용 샘플 · 품질 확인DATA AUGMENTATION
데이터 증강
제품 프리셋
ALU저장된 사용자 설정
사용자 프리셋+ 저장된 사용자 설정이 없습니다.
증강 파라미터
PRESET SETTINGSRotation~
Shear~
Scale~
Flip 확률
SSIM 기준
현재 설정으로 증강을 준비합니다.예상 생성 131개 · 완료 후 전체 262개
0%LABEL SCHEMA
클래스 관리
등록 클래스1
현재 프로젝트
다음 출력 ID1
순서에 따라 자동 부여
단축키 지정1 / 1
라벨링 작업 속도 향상
순서 정책변경 가능
클래스 순서 조정 가능
LABEL SCHEMA
● 1개 클래스등록된 클래스
이름·색상·단축키를 한 화면에서 관리합니다.
색상ID클래스 이름단축키관리
0
클래스 추가
클래스 일괄 추가
클래스 이름을 한 줄에 하나씩 입력합니다.
ANNOTATION WORKSPACE
라벨링
객체 선택 · 조절점으로 크기 수정 · Space + 드래그 : 화면 이동
LABEL CHECK
라벨 검수
전체 131라벨 검수 1미라벨 130수정 필요 0형식 오류 0검수 완료 0기본 정상 0
기본 정상 비율0%
현재 검수 이미지라벨 완료
DATASET VERSION
데이터셋 빌드
BUILD READINESS
확인 필요데이터 상태
빌드 가능 여부를 핵심 상태로 빠르게 확인합니다.
빌드 가능 데이터1
라벨 또는 정상 이미지
미라벨130
라벨 작업 필요
수정 필요0
검수 메모 확인
형식 오류0
좌표 · 클래스 확인
데이터 분할
70 / 20 / 10- 출력 형식
- Instance Segmentation
- 호환 모델
- 표준 YOLO 학습 형식
- 버전 정책
- 생성 완료 후 수정 불가
- Random seed
- 42
빌드 및 MLOps
0개 버전MLOps 데이터셋 등록 APIhttp://127.0.0.1:8767/api/datasets
빌드 전 필수 조건
모든 이미지는 라벨 또는 정상 이미지로 구분되어야 하며 데이터 상태 오류가 없어야 합니다.
데이터셋 버전
버전 / 고정 IDTRAIN / VALID / TEST출력 위치MLOps작업
ⓥ생성된 데이터셋 버전이 없습니다.검사를 통과한 뒤 데이터셋 빌드를 실행하세요.
DATA 작업 흐름
원본 이미지가 학습 가능한 데이터셋이 되기까지
작업자는 동일한 프로젝트 안에서 이미지 정리부터 라벨 검수까지 진행하고, 완료된 결과를 학습용 데이터셋으로 구성합니다.
01데이터 준비
이미지 불러오기 · 프로젝트 관리 · 작업 대상 확인
입력02데이터 가공
증강 · 클래스 구성 · 수동 라벨링 · SAM 기반 오토 라벨링
가공03품질 확인
라벨 결과 검수 · 객체/클래스 확인 · 작업 이력 관리
검수04데이터셋 빌드
검수가 완료된 데이터를 AI 학습에 사용할 데이터셋으로 구성
출력02 / AI BUILD
학습 상태와 모델 흐름을 한눈에 관리합니다.
BUILD는 학습 데이터 등록부터 모델 학습, 성능 확인, 모델 관리와 현장 적용까지 모델 개발 과정을 하나의 환경에서 관리합니다.
BUILD 작업 흐름
학습 데이터부터 모델 적용까지 하나의 기록으로
학습 데이터, 학습 상태, 성능 지표와 운영 모델을 한 흐름에서 관리합니다.
01학습 데이터
DATA에서 구축한 데이터셋을 등록하고 학습 가능 상태를 확인
데이터셋02모델 학습
Epoch 진행률 · GPU 상태 · Loss · mAP · Precision 확인
학습03모델 관리
학습 결과와 검증·승인 상태를 기준으로 운영 모델 관리
모델04모델 적용
승인된 모델을 검사 프로그램과 연결해 적용 구성 생성
적용03 / AI VISION
실시간 검사와 장비 연동을 하나의 화면에서.
VISION은 카메라 입력과 모델 추론, OK·NG 판정, 검사 통계, 프로젝트 관리와 장비 상태를 한 화면에서 확인하며 실제 생산 라인의 검사 흐름을 운영합니다.
8-CAM 실시간 검사OK·NG 판정검사 통계검사 제어프로젝트 관리
시스템 준비카메라모델
CAM 1LIVEFPS : 0.0
crackNG
CAM 2LIVEFPS : 0.0
OK
CAM 3LIVEFPS : 0.0
OK
CAM 4LIVEFPS : 0.0
OK
CAM 5LIVEFPS : 0.0
OK
CAM 6LIVEFPS : 0.0
OK
CAM 7LIVEFPS : 0.0
crackNG
CAM 8LIVEFPS : 0.0
blackNG
검사 제어
프로젝트 정보
검사시간 : 00:00:00
저장위치 : D:/Project/Result
VISION 현장 운영
실시간 검사에서 결과 관리까지.
현장에서 필요한 카메라 검사, 상태 확인, 판정과 프로젝트 제어를 하나의 작업 화면에서 운영합니다.
01실시간 검사
최대 8개 카메라의 검사 화면과 OK·NG 판정을 동시에 확인
실시간02검사 통계
전체·정상·불량 수량과 불량률, 클래스별 결함 분포 확인
통계03검사 제어
검사 시작·일시정지·중지와 프로젝트 결과 저장 관리
제어04장비 연동
카메라와 모델 상태를 확인하고 실제 검사 공정과 연동
연동플랫폼 구조
데이터 · 모델 · 현장이 끊기지 않는 구조
HAWK·C·AI는 하나의 거대한 프로그램이 아니라 역할이 분명한 세 제품을 연결합니다. 데이터는 DATA에서 만들어지고, BUILD에서 모델로 관리되며, VISION에서 실제 검사에 사용됩니다.
01
DATA이미지 → 라벨링 → 데이터셋
수동 라벨링 · 오토 라벨링 · 증강 · 검수
데이터셋
02
BUILD데이터셋 → 학습 → 모델
학습 · 성능 확인 · 모델 이력 · 적용 관리
모델
03
VISION입력 → 추론 → 결과
카메라 · PLC · FTP · OK/NG · 결과 관리
01현장 입력
카메라, PLC 신호, FTP 이미지 등 공정 구성에 맞춰 검사 입력을 연결합니다.
02모델 적용
BUILD에서 관리한 AI 모델을 실제 검사 환경에서 사용할 수 있도록 연결합니다.
03운영 결과
검사 결과와 상태를 현장에서 확인하고 프로젝트 단위로 관리합니다.
AI 구축 흐름
아이디어가 실제 검사 시스템이 되는 과정
생산·품질 검사 아이디어와 기존 이미지를 출발점으로 DATA에서 학습 데이터를 구축하고, BUILD에서 모델을 만들고 관리하며, VISION에서 실제 공정의 검사 시스템으로 연결합니다.
이미지 준비
제품과 공정에서 확보한 이미지 데이터를 프로젝트 단위로 정리합니다.
데이터 구축
라벨링, 오토 라벨링, 증강과 검수를 거쳐 학습 데이터셋을 완성합니다.
모델 학습
완성된 데이터셋으로 AI 모델을 학습하고 주요 성능 지표를 확인합니다.
모델 관리
학습 결과, 모델 버전과 이력을 관리하고 적용할 모델을 선택합니다.
현장 연결
AI 모델을 카메라, PLC, FTP 등 실제 검사 환경과 연결합니다.
검사 운영
실시간 검사, OK·NG 판정과 결과 이력을 현장에서 운영합니다.
플랫폼 가치
AI를 어렵게 설명하기보다, 실제 작업을 더 단순하게.
01
쉬운 접근성
복잡한 AI 구축 과정을 실제 작업 흐름 중심으로 구성해 누구나 시작하기 쉽게 만듭니다.
02
직접 구축
기업이 보유한 데이터와 품질 노하우를 외부 도구에 의존하지 않고 직접 AI 검사로 전환할 수 있습니다.
03
통합 관리
데이터, 모델, 검사 시스템을 각각 분리하지 않고 하나의 플랫폼 흐름 안에서 관리합니다.
04
현장 확장
카메라 수, PLC, FTP, 검사 주기 등 실제 생산 환경에 맞춰 유연하게 확장할 수 있습니다.
HAWK·C·AI 시작하기
AI를 사용하는 것을 넘어, 직접 구축하고 현장에 적용하세요.
품질 검사 아이디어와 기존 데이터를 실제 AI 검사 시스템으로 전환합니다. 데이터 구축부터 모델 개발, 제조 현장 적용까지 HAWK·C·AI 하나로 연결합니다.