한 줄 정의
AI 외관검사는 AI가 카메라로 촬영한 제품 이미지를 분석해 표면의 결함·이물·치수를 자동으로 판정하는 외관 품질 검사 방식입니다.
AI 외관검사 특성
AI 외관검사는 딥러닝 기반 비전 AI를 품질 검사에 적용한 것입니다. 규칙으로 정의하기 어려운 비정형 결함도 다양한 사례를 학습해 잡아내며, 24시간 동일한 기준으로 전수 검사가 가능합니다. 불량 이미지가 자동으로 축적되어 결함 원인 분석과 공정 개선 데이터로도 활용됩니다.
AI 외관검사가 필요한 이유
- 일관된 품질
사람마다 다른 주관적 판정을 AI가 동일한 기준으로 일관되게 수행합니다.
- 전수 검사
고속 라인에서도 모든 제품을 빠짐없이 검사해 불량 유출을 줄입니다.
- 데이터 자산화
검사·불량 데이터가 쌓여 품질 분석과 공정 개선의 근거가 됩니다.
실제 업무 적용 사례
한 디스플레이 부품 업체는 표면의 미세 스크래치와 이물을 사람이 육안으로 검사해, 검사자 피로와 주관에 따라 불량이 새어 나가거나 과검이 잦았습니다. 기존 광학검사(AOI)는 규칙을 벗어난 결함을 놓치기 일쑤였습니다. 딥러닝 기반 AI 외관검사를 도입해 다양한 결함 사례를 학습시키자, 미세·비정형 결함까지 일관된 기준으로 24시간 전수 검사할 수 있게 되어 불량 유출이 줄고 검사 인력은 판정 검토에 집중하게 되었습니다.
자주 묻는 질문
AOI는 미리 정한 규칙으로 판정해 규칙을 벗어난 결함은 놓치거나 오탐이 많습니다. AI 외관검사는 딥러닝으로 결함 패턴을 학습해 복잡·미세한 결함을 더 정확히 잡고, 신규 결함에도 추가 학습으로 대응합니다.
가능합니다. 불량 데이터가 부족하면 정상 제품만 학습해 벗어난 것을 잡는 이상 감지 방식으로 시작하고, 데이터가 쌓이면 퓨샷·전이 학습으로 정확도를 높일 수 있습니다.
양질의 검사 이미지와 일관된 라벨링이 가장 중요합니다. 또 결함이 잘 보이도록 조명과 카메라를 세팅하는 것이 정확도를 크게 좌우합니다. 데이터와 촬영 환경이 잘 갖춰지면 상대적으로 단순한 모델로도 높은 성능을 낼 수 있습니다.
관련 용어
- 머신비전 (Machine Vision) — 카메라·조명·영상처리로 제품을 자동 검사·측정하는 산업용 영상 분석 기술
- 비전 AI (Vision AI) — 카메라 영상을 딥러닝으로 분석해 결함 탐지 등을 자동화하는 기술
- 이미지 분류 (Image Classification) — 이미지를 미리 정의된 카테고리 중 하나로 자동 분류하는 컴퓨터 비전 기술
© SAIGE All Rights Reserved.