📌 핵심 요약
비전검사기 업그레이드는 카메라와 조명을 그대로 두고, 검사기가 올린 결함 후보를 AI가 다시 판정하는 방식으로 시작할 수 있습니다. 결함이 이미지에 찍히고 그 이미지를 꺼낼 수 있다면 교체보다 먼저 검토할 만합니다. 순서는 이미지 확인, 샘플 테스트, 현장 연동, 재학습입니다.
비전검사기 업그레이드의 첫 선택지는 장비 교체가 아니라 판정 단계 추가입니다. 한 반도체 기판(PCB) 제조사의 라인에서는 룰베이스 검사기가 결함 후보를 많이 올렸고, 작업자는 그 후보를 다시 눈으로 확인해야 했습니다.
이 현장은 검사기를 바꾸지 않았습니다. 기존 검사장비에 AI 필터를 연동한 PCB 사례에서는 룰베이스 검출 결과를 AI가 다시 판정하고, 재확인이 필요한 항목만 사람에게 넘겼습니다.
물론 모든 라인에 맞는 방법은 아닙니다. 장비를 살려도 되는 조건과 바꿔야 하는 조건부터 나눠 보겠습니다.
비전검사기 업그레이드와 교체의 차이
교체는 촬영 조건까지 다시 만드는 일이고, 판정 업그레이드는 이미 찍은 이미지를 읽는 방식을 바꾸는 일입니다. 두 방법은 해결하는 문제가 다릅니다.
| 구분 | AI 판정 추가 | 검사기 교체 |
|---|---|---|
| 바뀌는 것 | 판정 소프트웨어와 실행 환경 | 카메라·조명·기구·검사 프로그램 |
| 잘 푸는 문제 | 과검 재확인, 비정형 결함 판정 | 촬영 품질, 라인 속도, 장비 노후 |
| 먼저 볼 것 | 기존 이미지와 판정 결과 | 신규 사양과 설치 공간 |
| 못 푸는 문제 | 이미지에 찍히지 않은 결함 | 사람이 정의하기 어려운 판정 기준 |
검사기 교체가 맞는 경우
업그레이드로 풀리지 않는 문제가 분명히 있습니다. 이미지에 찍히지 않은 결함은 어떤 AI도 판정하지 못합니다. 조명 방식과 해상도의 영향은 데모와 현장이 다른 이유를 다룬 글에서 자세히 설명합니다.
아래 항목에 해당하면 교체나 광학계 개선을 먼저 검토해야 합니다.
- 잡아야 할 결함이 현재 이미지에서 사람 눈으로도 보이지 않습니다.
- 검사 이미지를 저장하거나 외부로 내보낼 방법이 없습니다.
- 이송이나 트리거가 불안정해 같은 제품도 매번 다르게 찍힙니다.
- 라인 속도가 올라 촬영 자체가 택타임을 따라가지 못합니다.
이런 경우에는 판정을 고치기 전에 촬영 조건부터 바꿔야 합니다. 카메라와 조명을 교체할 때 AI 판정까지 함께 설계하면 공사를 두 번 하지 않아도 됩니다. 교체 여부는 현재 이미지에 결함이 보이는지로 먼저 가립니다.
AI 판정 업그레이드가 맞는 경우
반대로 이미지는 충분한데 판단이 흔들린다면 장비를 바꿔도 같은 문제가 남을 수 있습니다. 룰 기준을 조이면 과검이 늘고 풀면 미검이 늘어나는 구조는 AOI 과검을 줄이는 원리에서 이미 다뤘습니다.
현장에서 확인할 신호는 세 가지입니다.
- 과검 재확인에 매일 사람이 붙습니다.
- 긁힘·이물·얼룩처럼 규칙으로 정의하기 어려운 결함이 많습니다.
- 품종이 바뀔 때마다 검사 기준을 다시 맞춥니다.
PCB 사례의 현장도 SR 잉크와 표면 반사 같은 정상 변형이 많았고, 신규 모델 전개가 잦아 기준 유지가 어려웠습니다. 이 현장은 검사기를 바꾸지 않고 판정 단계만 더해 재확인 대상을 줄였습니다. 결함이 이미 이미지에 찍히고 있다면 비전검사기 업그레이드가 먼저 검토할 선택지입니다. 판정 단계만 더하는 방식은 라인 공사가 적다는 점도 장점입니다.

기존 검사기 뒤에 AI를 더하는 구조
구조는 단순합니다. 기존 검사기가 1차로 결함 후보를 찾고, 그 뒤에서 AI가 후보를 다시 판정하며, 사람은 남은 항목만 확인합니다.

결함 후보 재판정, 무엇을 다시 보나
AI는 검사기가 불량 후보로 올린 이미지를 받아 실제 불량과 과검을 가릅니다. 과검은 불량으로 판정했지만 사람이 다시 봤을 때 양품인 경우를 말합니다.
이 구조에는 분명한 한계가 있습니다. 1차 검사에서 후보로 올라오지 않은 불량은 재판정 대상이 아닙니다. 미검이 고민이라면 1차 기준을 함께 조정하거나, 전체 이미지를 AI로 검사하는 방식을 따로 검토해야 합니다.
🏭 세이지 적용 현장의 실제 값
룰 기반 AOI 뒤에 AI 필터를 더한 세이지 적용 현장에서는 과검률이 3% 수준으로 나타났습니다. 결함 후보의 80%는 AI가 자동 판정했고, 육안 재검 대상은 20%였습니다. 라인과 제품에 따라 달라질 수 있습니다. (고객사 정보는 익명 처리)

OK·NG·재검으로 나누는 이유
양품과 불량 두 칸으로만 나누면 애매한 이미지까지 AI가 결론을 내야 합니다. PCB 사례에서는 판정 결과를 OK·NG·재검(Recheck)으로 나눠, 재확인이 필요한 항목만 육안검사로 보냈습니다.
재검 칸이 있으면 사람의 역할이 사라지지 않고 좁아집니다. 작업자는 전체 후보가 아니라 AI가 판단을 넘긴 이미지에 집중합니다. 이 리뷰 결과는 다시 학습 데이터가 되어 다음 판정을 고치는 재료로 쓰입니다. 양품과 불량 두 가지로만 나누면 애매한 건까지 한쪽으로 몰립니다. 재검 칸을 두면 AI가 확신하지 못하는 건을 사람이 보고, 그 판단이 다시 기준이 됩니다. 재검으로 넘어가는 비율을 매주 보면 모델이 현장에 얼마나 맞는지도 알 수 있습니다. 재검 비율이 줄지 않는 유형은 학습 데이터부터 다시 살펴봅니다. 이 수치는 운영 회의 자료로도 씁니다.
기존 검사 기준은 어떻게 되나
기존 검사 프로그램의 기준은 1차 스크린으로 그대로 남길 수 있습니다. 달라지는 곳은 그 뒤의 재확인 단계입니다.
그래서 처음부터 룰을 전부 다시 짤 필요는 없습니다. 먼저 현재 기준으로 나온 후보에서 과검이 얼마나 걸러지는지 재고, 결과가 쌓인 뒤에 1차 기준을 조정해도 늦지 않습니다. 1차 기준을 처음부터 바꾸면 미검이 늘었는지 과검이 줄었는지 원인을 가리기 어렵습니다. 그래서 기존 룰베이스 설정은 그대로 두고 AI 판정 결과만 따로 기록합니다. 일정 기간 두 결과를 나란히 비교하면 어느 항목의 기준을 풀어도 되는지 근거가 생깁니다. 기준을 바꿀 때는 변경 날짜와 이유를 기록해 품질 감사에 대비합니다. 비교 기간에는 두 결과가 갈린 건을 따로 모아 원인을 확인합니다. 이 자료가 기준을 조정할 때 가장 직접적인 근거가 됩니다.
비전검사기 업그레이드 절차
비전검사기 업그레이드는 장비 발주보다 데이터 확인이 먼저입니다. 세이지가 적용하는 일반적인 순서는 다음과 같습니다.
| 단계 | 할 일 | 고객사가 준비할 것 |
|---|---|---|
| 1. 정의 | 검사 대상, 결함 유형, 목표 과검·미검 기준 협의 | 결함 목록, 현재 재검 현황 |
| 2. 샘플 테스트 | 샘플 이미지로 적용 가능성 확인 | 정상·불량 이미지 |
| 3. 모델 구성 | 라벨링, 학습, 검사 프로그램 구성 | 불량 판정 기준 |
| 4. 현장 연동 | 설치, 검사 장비 연동 | 장비 인터페이스 정보 |
| 5. 운영 | 현장 피드백으로 재학습과 업데이트 | 재검 결과 |
이미지 확인과 샘플 테스트
첫 관문은 지금 장비가 찍은 이미지로 판정이 되는가입니다. 깨끗한 대표 이미지만 보내면 결과가 좋게 나오고, 양산에서 차이가 벌어집니다. 샘플에는 여러 로트, 조명 변화, 경계에 있는 애매한 이미지를 함께 넣어야 합니다.
불량 이미지가 적어도 시작할 수 있습니다. 정상 이미지만 학습하는 이상 탐지(Anomaly Detection)를 쓸 수 있습니다. 실제와 유사한 결함 이미지를 만드는 결함 생성(Defect Generation)도 함께 검토합니다.
결과는 정확도 하나로 보지 말고 아래 네 가지를 함께 봅니다.
- 과검률: AI가 불량이라 했지만 사람이 양품으로 바꾼 비율
- 미검률: AI가 양품이라 했지만 사람이 불량으로 바꾼 비율
- 재검 비율: 사람에게 넘어가는 이미지의 비율
- 판정 시간: 라인 택타임 안에 결과가 나오는지 여부
현장 연동에서 챙길 것
소프트웨어만 더한다고 하드웨어가 전혀 필요 없는 것은 아닙니다. AI를 실행할 PC와 전원·전장 구성은 견적과 설치 일정에 함께 넣어야 합니다.
지금의 AI 비전 검사기는 카메라 한두 대마다 GPU 검사 PC와 전장 일식이 붙는 구조입니다.
세이지 홍영석 대표, 2026 AI 머신비전 컨퍼런스 발표 (2026.10.16)
📊 GPU 검사 PC를 계획할 때 볼 숫자
RTX 5060~5090 그래픽카드는 국내 소매가 기준 약 57만~750만 원, 그래픽카드 소비전력은 145~575W입니다. GPU 세대 교체는 약 2년이고 라인 사용 기간은 10년을 기준으로 봅니다. 출처: 세이지 2026 AI 머신비전 컨퍼런스 발표자료 (2026.10.16, 국내 소매가 2026 하반기·NVIDIA 사양 기준)
연동 전에는 다음을 확인합니다.
- 검사기 결과와 이미지를 어떤 경로로 받을 수 있는가
- 판정 결과를 검사 장비나 제조실행시스템(MES)에 어떻게 돌려줄 것인가
- 실시간 판정이 필요한가, 저장 이미지를 묶어 처리해도 되는가
- 교체 주기에 맞춰 실행 PC 부품을 어떻게 확보할 것인가
비용 항목을 품의서로 옮기는 방법은 비전검사 비용, 장비값보다 재검 공수를 먼저 계산해야 하는 3가지 이유에서 이어집니다.
SAIGE VISION은 이 구조를 현장 설치형으로 제공합니다. 검사 이미지가 회사 밖으로 나가지 않고, 데이터 관리부터 라벨링·학습·배포까지 한 흐름으로 이어집니다. 학습된 모델은 SDK로 현장 검사 프로그램에 적용하고, 운영 중에는 SAIGE VISION의 MLOps 기능으로 모델 배포 이력과 재학습을 관리합니다.

비전검사기 업그레이드 자주 묻는 질문
반드시 멈춰야 하는 것은 아닙니다. 기존 검출 결과 뒤에 AI를 붙이는 구조는 라인을 멈추지 않고 적용할 수 있습니다. 다만 장비 인터페이스와 설치 위치에 따라 짧은 작업 시간이 필요할 수 있어 사전 협의가 필요합니다.
이미지를 저장하거나 꺼낼 수 있다면 검토할 수 있습니다. 연식보다 이미지 품질과 데이터 접근 방법이 먼저입니다. 장비 제조사의 지원이 끊겼다면 결과 전달 방식을 먼저 확인해야 합니다.
결함이 이미지에 찍히지 않거나 촬영이 라인 속도를 따라가지 못할 때입니다. 이때는 판정을 고쳐도 원인이 남습니다. 샘플 이미지에서 사람도 결함을 구분하지 못한다면 광학계부터 다시 봐야 합니다.
검출할 결함 정의, 목표 과검·미검 기준, 정상·불량 샘플 이미지가 필요합니다. SAIGE VISION은 기존 룰베이스 검출 결과를 AI가 다시 판정하는 방식으로 연동합니다. 불량 샘플이 적다면 정상 이미지만 학습하는 이상 탐지를 검토할 수 있습니다.
비전검사기 업그레이드 핵심 요약
- 촬영 문제는 장비 교체로, 판정 문제는 AI 추가로 푸는 것이 출발점입니다.
- 기존 검사기 뒤에 AI를 두면 1차 기준을 유지하면서 사람의 재확인 범위를 줄일 수 있습니다.
- 샘플 테스트에서는 과검률, 미검률, 재검 비율, 판정 시간을 함께 확인합니다.
📚 함께 읽으면 좋은 글
- 품질검사 자동화 단계 정하는 법: 육안부터 AI까지 기존 라인에서 시작하기 — 업그레이드 전 자동화 단계 판단
- 비전검사 소프트웨어, 장비 내장형과 별도 AI 소프트웨어는 무엇이 다를까 — 소프트웨어 유형 비교
- 비전 검사기란? 원리·구성부터 도입 체크리스트까지 — 검사기 기본 구성 복습
참고 출처
- SAIGE VISION PCB 외관검사 구축 사례 (세이지, 2026.07)
- SAIGE VISION 제품 페이지 (세이지)
- 세이지 홍영석 대표, 「AI 품질 검사의 확장 방향」 2026 AI 머신비전 컨퍼런스 발표자료 (2026.10.16)
© SAIGE All Rights Reserved.