뉴로클(대표 이홍석)은 오는 27~29일 서울 코엑스에서 열리는 ‘2024 스마트공장-자동화산업전(SFAW 2024)’에 참가, 제품 검사에 특화한 생성 인공지능(AI) ‘GAN’ 모델을 공개한다고 21일 밝혔다.
GAN은 가상의 결함을 학습해 실제와 가장 유사한 가상 결함 이미지를 스스로 생성하는 모델이다. 국내 제조업에서 겪고 있는 결함 데이터 부족 문제를 해결하기 위해 고안했다는 설명이다.
보유 중인 소수 결함 이미지로 GAN 모델의 학습을 진행, 해당 데이터를 기반으로 가상의 결함 이미지를 생성하는 원리다. 이때 GAN 모델을 통해 생성한 가상 결함 이미지는 실제 결함 이미지와 높은 유사성을 보인다고 강조했다.
단순히 기존 이미지에서 추출한 결함을 붙여 넣기 하는 것을 넘어, 이미지나 제품의 특성을 고려해 실제 현장에서 발생할 가능성이 높은 유사 결함을 생성하는 것이 핵심이다. 그 결과 최종 검사 모델도 높은 수준의 검사정확도를 보장한다고 설명했다.
실제 결함 이미지 부족으로 비전 검사모델의 성능의 부진을 겪고 있던 전자 부품 제작 업체인 B사의 경우 GAN 모델을 활용해 검사정확도를 크게 개선했다고 밝혔다. MLCC 부품 공정에서 발생한 결함을 발견하는 비전검사를 시행하던 해당 업체는 GAN 모델을 통해 기존 학습 결함 이미지 50장을 기반으로 가상 결함 이미지 50장을 추가 생성했다. 검사정확도는 93.02%를 기록, 기존 검사 모델 대비 성능을 24.29%만큼 개선했다.
검사모델 성능 개선 외에도 다양한 효용을 제공한다. 스탬프 기능을 통해 정상 이미지 상단 원하는 위치에 가상 결함을 쉽게 찍어 낼 수 있다. 또 가상 결함을 추가한 샘플 이미지를 바로 확인할 수 있도록 설계해 사용자 편의성을 극대화했다. 즉 사용할 수 없었던 현장 데이터를 모델 학습에 사용 가능한 결함 데이터로 쉽고, 빠르게 바꿀 수 있다는 의미다.
한편 GAN 모델은 2023년에 출시한 ‘뉴로-T(Neuro-T) 4.0 버전’에 탑재된 상태다. 해당 제품은 자동으로 고성능의 검사 모델을 생성하는 오토딥러닝 알고리즘을 기반으로 작동한다. 오토딥러닝 알고리즘은 최적의 딥러닝 모델 구조와 학습 파라미터를 자동으로 찾아 산업 전문가도 손쉽게 높은 수준의 딥러닝 모델을 생성할 있도록 하는 기술이다.
뉴로-T에는 GAN 모델 외에도 제조업 공정 현장에서 겪는 문제를 해결하기 위한 다양한 기능이 탑재돼 있다. 앞서 GAN 모델로 결함 이미지를 생성했더라도 딥러닝 모델을 학습시키기 위해서는 라벨링 작업이 필수적이다. 뉴로-T는 오토-라벨링, 오토-셀렉터, 키워드 라벨러 등 AI 기반 라벨링 자동화 기능을 보유해 빠르게 진행할 수 있다.
이 외에도 플로우차트를 활용해 다수의 딥러닝 모델을 묶어 하나의 프로젝트로 쉽게 만들 수도 있다. 인퍼런스 센터에서는 생성한 검사모델을 산업 현장에 적용하기 전에 기술실증 과정에서 모델 성능을 예측, 평가해 볼 수 있다. 실제와 유사한 환경에서 시뮬레이션을 진행해 검사 과정에서 발생하는 시행착오를 최소화할 수 있다.
뉴로클 관계자는 “이번 행사에 참가해 GAN 모델을 부스에서 직접 경험해볼 수 있도록 시연 장비를 준비할 예정”이라고 말했다.
장세민 기자 semim99@aitimes.com
