▲ 연구를 이끈 한국생산기술연구원의 윤종필 수석연구원(左3번째)과 최동윤 수석연구원(右)을 비롯해 고정밀 형상 결함검사 시스템 개발에 성공한 연구팀

국내 연구진이 제품의 불량을 판단하는 결함 검사를 육안으로 확인하는 대신 자동화로 구현할 수 있는 기술을 개발, 기존 5분이 걸리던 검사 시간을 3초로 단축시키고, 신뢰성을 향상시켰다. 또 이 기술을 의료용 카테터에 적용해 고정밀 형상 결함검사시스템을 개발, 향후 다양한 제조업에 확대 적용할 수 있을 것으로 기대된다.

한국생산기술연구원(원장 이상목, 이하 생기원)이 인공지능(AI) 기술을 활용한 ‘결함검사 플랫폼 기술’을 개발하고, 이를 바탕으로 의료용 카테터의 복잡한 형상을 자동 검사할 수 있는 시스템을 개발했다고 31일 밝혔다.

결함 여부를 판단하기 위한 품질검사는 대부분의 제조업 제품에 필요한 필수 공정이지만, 주로 작업자의 경험이나 육안에 의존하고 있다. 제조업의 디지털 제조가 가속화되면서 결함검사를 지능화하는 기술 개발이 요구되고 있으나 다양하고 복잡한 형상에 공통적으로 적용할 수 있는 자동검사 시스템 개발은 스마트 팩토리 솔루션 중에서도 가장 핵심적인 기술로 꼽힌다.

이에 생기원 AI응용설비연구센터 윤종필 수석연구원은 머신비전을 이용한 기존의 결함검사 방식에 AI기술을 접목, 딥러닝 알고리즘을 통해 불량 유무를 정확하게 측정·판단할 수 있는 결함검사 플랫폼 기술을 개발했다.

그리고 바이오메디컬센터 최동윤 수석연구원은 개발된 성과를 의료용 카테터에 적용해 복잡한 내부구조 때문에 자동화가 어려웠던 카테터 튜브 단면의 형상 결함을 자동 검사할 수 있는 시스템을 세계 최초로 개발했다.

의료용 카테터는 약물 주입, 혈액 배액 등 치료 및 진단기기 역할을 하는 튜브로, 체내에 삽입하는 제품의 특성상 형상 및 치수의 품질 관리가 중요하다. 다품종 소량생산 품목이면서 약물이나 혈액이 이동하는 통로인 내강의 개수와 형상도 다양한데, 특히 다중 내강 카테터의 경우 결함의 종류가 다양하고 형태도 일정치 않아 검사 자동화가 어려운 분야로 꼽혀 왔다.

연구팀은 카테터 튜브의 정확한 단면 이미지를 촬영할 수 있는 머신비전 시스템을 개발하고, 딥러닝의 CNN(이미지·영상 데이터 처리에 쓰이는 알고리즘) 구조와 트랜스포머의 어텐션 메커니즘(Attention mechanism)을 응용해 제품의 구조적 특징을 반영할 수 있는 결함 검사 알고리즘을 개발했다.

결과를 당초 설계한 형상의 수치와 실시간 비교하며 제품의 등급과 불량 여부를 자동 판단하는 시스템을 구현했으며, 딥러닝 기술로 단면의 중심축 회전에 상관없이 튜브 단면의 복잡한 형상도 정확하게 검사할 수 있게 됐다. 이를 통해 마이크로미터 수준 카테터 형상의 결함을 판정할 수 있는 기술을 확보하고, 육안 검사 시 최대 5분 정도 소요되던 검사 시간도 3∼5초로 단축했다.

특히 데이터 기반 방식과 규칙 기반 방식의 장점을 결합한 하이브리드 방식을 채택해 검사 기준이 변경돼도 재학습할 필요가 없다. 기존 AI기반 결함검사 기술은 정상 및 불량 제품의 데이터를 학습해 불량 유무를 판단하는데, 작업 환경이나 기준 수치가 바뀔 때마다 다시 데이터를 수집하고 재학습하는 번거로운 과정을 거쳐야 한다.

연구팀은 Data-driven 방식의 딥러닝을 활용해 AI가 카테터 단면 이미지에서 특정 지점들의 위치를 스스로 찾고 측정할 수 있도록 설계했다. 또한 Rule-based 방식을 적용, 획득한 측정값을 다양하게 조합해 재학습 없이도 정상·불량 제품을 평균 95% 정확도로 판단할 수 있다.

윤종필 수석연구원은 “재학습에 걸리던 시간과 비용을 크게 줄인 결함검사 플랫폼기술을 개발하고, 세계 최초로 의료용 카테터에 적용해 고정밀 형상 결함검사 시스템을 개발한 것이 핵심”이라고 설명하며 “향후 최적화 연구를 통해 다양한 제조업 제품의 결함검사에 확대 적용할 계획”이라고 밝혔다.

연구팀은 최신 AI 기반의 데이터 생성 모델인 확산 모델을 응용해 결함 데이터 없이도 정상 데이터만으로 학습 가능한 결함검사 기술을 추가 개발하는 성과도 냈다. 이를 통해 결함 데이터가 축적되지 않아 인공지능 도입이 어려운 중소 제조업 현장의 데이터 부족 문제를 해결할 수 있을 것으로 전망된다.

한편, 이번 성과는 세계 최고 컴퓨터 비전 인공지능 학회인 ICCV 2023에 채택됐다.