Miba AG - 품질 검사 향상을 위한 딥러닝 시스템 구축 사례
데이터 중심 접근법을 도입하여 모델을 지속적으로 재훈련하는 시스템
“MATLAB을 근간으로 하여 규칙 기반 접근법에서 좀 더 모델 기반이면서 데이터 중심적인 접근법으로 전환하고 나서 시스템을 빠르게 실행할 수 있었습니다. 이 접근법을 활용하면 거짓양성률을 더 쉽게 줄일 수 있습니다.”
주요 성과
- 25개 이상의 훈련된 신경망을 통해 10가지의 고유한 딥러닝 애플리케이션을 40개의 검사 스테이션에 배포
- 개발 시간이 30~50% 단축되어 1시간 이내에 새로운 모델의 훈련 및 배포 가능
- 딥러닝 모델로 거짓양성을 줄이고 가동 중단 시간을 단축하여 생산성 향상
Miba AG는 오스트리아의 에너지 부문 부품 제조업체입니다. Miba의 엔지니어들은 최고 수준의 검사 및 품질 표준을 지키면서 자사의 생산 규모를 확장할 수 있도록 MATLAB®으로 딥러닝에 기반한 외관 품질 검사 시스템을 개발했습니다.
Miba 팀은 Image Acquisition Toolbox™를 사용하여 생산 라인에서 제조되는 부품의 영상을 수집했습니다. 이들은 Computer Vision Toolbox™와 Image Processing Toolbox™로 영상을 전처리하여 관심 영역을 분리하고, 자세를 검출하고, 중요한 특징을 추출했습니다. Deep Learning Toolbox™와 Statistics and Machine Learning Toolbox™로는 전처리된 영상을 기반으로 결함 부품을 검출하는 딥러닝 모델을 개발했습니다.
이 시스템은 모델의 예측에 기반해서 Industrial Communication Toolbox™로 프로그램 가능 논리 제어기에 명령을 전송하여 생산 라인 내에서 즉각적인 조치를 취할 수 있습니다. 그와 동시에 검사 시스템은 영상 및 로그 데이터를 데이터베이스에 전송하고 관련 정보를 대시보드에 표시하여 생산 라인 운영자가 볼 수 있도록 합니다.
Miba의 엔지니어들은 누락되거나 레이블이 잘못 지정된 데이터를 식별하는 모델을 MATLAB으로 훈련시키면서 자사의 모델을 지속적으로 업그레이드할 데이터 중심 개발 파이프라인도 구축했습니다. 엔지니어들은 새로운 영상을 수집할 때 해당 영상에 주석을 달고 Deep Learning Toolbox와 Statistics and Machine Learning Toolbox를 사용하여 모델을 재훈련, 평가, 테스트 및 배포합니다.
전체 시스템은 데이터를 클라우드에 전송할 필요 없이 생산 공장에 설치되는 평균 가격대의 산업용 PC에서 사용 가능한 실행 파일입니다.
