한 줄 정의
비정형 결함은 모양·크기·위치가 일정하지 않아 고정된 규칙으로 정의하기 어려운 불량으로, 스크래치·이물·얼룩처럼 매번 다르게 나타나는 결함을 가리킵니다.
비정형 결함의 특성
비정형 결함은 규칙 기반(룰베이스) 검사로 잡기 어렵습니다. “이런 모양이면 불량”이라고 규칙을 정해도, 실제 결함은 그 규칙에서 조금씩 벗어나기 때문입니다. 그래서 비정형 결함 검사에는 데이터를 학습해 패턴을 스스로 익히는 AI 비전이 효과적입니다. AI는 다양한 형태의 결함 사례를 학습해, 처음 보는 모양의 불량도 정상 패턴에서 벗어났는지로 판단할 수 있습니다.
비정형 결함 검사에 AI가 필요한 이유
- 규칙으로 정의 불가
형태가 일정하지 않아 고정 규칙으로는 검출이 어렵고, 패턴을 학습하는 AI가 유리합니다.
- 신규 결함 대응
미리 정의하지 않은 새로운 형태의 결함도 정상 기준에서 벗어나면 감지할 수 있습니다.
- 일관된 판정
사람마다 다를 수 있는 주관적 판정을 AI가 동일한 기준으로 일관되게 수행합니다.
실제 업무 적용 사례
한 금속 가공 업체는 스크래치와 부식처럼 모양과 위치가 매번 다른 결함을 규칙 기반 장비로 잡으려 했지만, 규칙을 벗어난 결함을 놓치거나 오탐이 많았습니다. 기존 방식은 결함 형태를 일일이 규칙으로 정의해야 해 한계가 뚜렷했습니다. 다양한 결함 사례를 학습한 AI 비전을 도입하자, 처음 보는 형태의 비정형 결함까지 정상 패턴에서 벗어났는지로 판단해 검출률이 높아지고 과탐은 줄었습니다.
자주 묻는 질문
정형 결함은 나사 누락, 치수 이탈처럼 기준이 명확하고 형태가 일정해 규칙으로 검출하기 쉽습니다. 비정형 결함은 스크래치·이물·얼룩처럼 모양과 위치가 매번 달라 규칙으로 정의하기 어렵습니다. 정형 결함은 룰베이스, 비정형 결함은 AI 비전이 더 적합합니다.
가능합니다. 불량 데이터가 부족할 때는 정상 제품만 학습해 그 기준에서 벗어나는 것을 잡아내는 이상 감지(비지도 학습) 방식을 쓸 수 있습니다. 데이터가 어느 정도 쌓이면 퓨샷 학습이나 전이 학습으로 정확도를 높이는 방식으로 발전시킬 수 있습니다.
비정형 결함은 모양과 위치가 매번 달라 고정된 규칙으로 정의하기 어렵습니다. 규칙 기반 검사는 규칙을 벗어난 결함을 놓치지만, 다양한 사례를 학습한 AI 비전은 패턴을 스스로 익혀 처음 보는 형태의 결함까지 잡아낼 수 있어 더 적합합니다.
관련 용어
- 이상 감지 (Anomaly Detection) — 정상 패턴에서 벗어난 데이터를 탐지해 품질 이상을 조기에 알아내는 기술
- 비전 AI (Vision AI) — 카메라 영상을 딥러닝으로 분석해 결함 탐지 등을 자동화하는 기술
- 룰베이스 (Rule-based) — 사람이 정한 규칙에 따라 판단하는 방식
© SAIGE All Rights Reserved.