Visual Inspection Toolbox는 외관 검사 및 분석 응용 사례를 설계하고 테스트하며 배포하기 위한 앱, 알고리즘 및 AI 모델을 제공합니다. 이상을 탐지하고 객체의 개수를 세며 형상을 매칭하고 측정값을 구하며 합성 영상을 생성할 수 있습니다. AI 모델을 기존 영상 처리 기법과 결합하여 다양한 응용 분야에서 신뢰성, 정확도 및 사용성을 확보할 수 있도록 검사 및 분석 워크플로를 개발하고 조정할 수 있습니다.
이 툴박스를 다른 MATLAB 제품과 함께 사용하면 프로토타이핑에서 프로덕션에 이르는 완전한 외관 검사 솔루션을 구축하는 데 걸리는 시간을 단축할 수 있습니다. 다음과 같은 작업을 수행할 수 있습니다.
- 머신 비전 카메라 연결 (Image Acquisition Toolbox 사용)
- 독립형 데스크탑 대시보드 및 앱 구축 (MATLAB Compiler 사용)
- 생성된 코드를 사용해 에지 기기에 검사 알고리즘 배포 (MATLAB Coder 및 GPU Coder 사용)
- ONNX™로 AI 모델 내보내기
시각적 이상 탐지
딥러닝을 사용해 이상을 탐지하고 분류하며 위치를 추정할 수 있습니다. 정상 영상을 사용해 훈련시키고, 알려지지 않은 결함을 식별하며, 임계값을 최적화하고, 결함 영역을 시각화하며, 메트릭을 계산할 수 있습니다.
측정
거리, 각도 및 기하학적 특징을 보정된 실제 단위로 측정할 수 있습니다. 원근 및 렌즈 왜곡을 수정하고, 캘리퍼 툴을 사용하며, 정밀한 치수 검사를 수행할 수 있습니다.
객체 검출 및 개수 세기
외관 검사 응용 사례에서 객체를 검출하고, 위치를 추정하며, 개수를 셀 수 있습니다. YOLOX 기반 검출기를 구축하고, 훈련 데이터를 생성하며, 대형 영상에서 소형 객체를 식별하고, 예시 기반 딥러닝 모델을 사용해 객체 개수를 셀 수 있습니다.
형상 매칭
경계 기반 형상 매칭을 사용해 영상에서 객체를 검출하고 위치를 추정할 수 있습니다. 템플릿 영상으로부터 형상 모델을 생성한 다음, 검사 영상에서 해당 모델과 일치하는 객체 인스턴스를 검색할 수 있습니다.
합성 영상 생성
외관 검사 응용 사례를 위한 합성 훈련 데이터를 생성할 수 있습니다. 객체를 영상에 삽입해 레이블이 지정된 데이터셋을 생성하고 객체 검출 및 인스턴스 분할 모델을 효율적으로 훈련시킬 수 있습니다.
배포 및 코드 생성
생성된 C/C++ 또는 CUDA® 코드를 사용해 검사 알고리즘 및 AI 모델을 에지 기기에 배포할 수 있습니다. 외부 프레임워크에서 사용할 수 있도록 모델을 ONNX로 내보낼 수 있습니다. 독립형 검사 대시보드 및 앱 구축 (MATLAB Compiler 사용)
카메라를 사용한 실시간 검사
Image Acquisition Toolbox를 통해 GigE Vision, GenICam 및 기타 산업 표준 카메라에 연결하면 프로덕션 시스템에서 수집한 동일한 영상을 사용해 외관 검사 알고리즘을 개발하고 검증할 수 있습니다.
제품 관련 자료:
“처음에는 이러한 방식이 익숙하지 않았지만, MathWorks의 소프트웨어 엔지니어들로부터 기능적 원리에 대해 많은 것을 배울 수 있었습니다.”
Visual Inspection Toolbox FAQ
외관 검사는 제조된 부품, 어셈블리 또는 환경을 검사하여 결함을 식별하고, 치수를 확인하며, 제조, 자동차, 건설 및 항공우주와 같은 분야에 일반적으로 적용되는 품질 표준 준수 여부를 검증하는 공정입니다.
자동 외관 검사 시스템은 고해상도 카메라와 딥러닝 및 MATLAB, Visual Inspection Toolbox, Image Acquisition Toolbox 같은 기존 머신 비전 알고리즘을 모두 지원하는 소프트웨어를 사용하여 사람 눈으로 포착하기 힘든 마이크로 규모 또는 나노 규모의 결함을 효율적으로 검출할 수 있습니다.
MATLAB은 Visual Inspection Toolbox를 통해 student-teacher, PatchCore, FastFlow 및 FCDD(Fully Convolutional Data Description)를 지원하며, 각 기법은 훈련 속도, 모델 크기, 영상 크기 처리 방식에서 서로 다른 특성을 제공합니다.
네, MATLAB은 이상 영상이 드물거나 다양한 경우를 위한 비지도 이상 탐지 방법을 지원하고, 훈련에 사용할 이상 영상이 충분한 경우를 위한 YOLOX와 같은 지도 객체 검출 방법을 지원합니다.
결함 검출 공정에는 데이터 준비(영상 전처리 및 레이블 지정 포함), 기존 알고리즘(측정 및 형상 매칭) 적용 또는 AI 모델링(이상 탐지기 또는 객체 검출 모델 훈련) 및 임베디드 하드웨어 또는 독립 실행형 애플리케이션에 배포라는 세 가지 주요 단계가 포함됩니다.
MATLAB은 잡음 제거, 경계 보존 평활화, 컬러스페이스 변환, 대비 향상, 모폴로지를 위한 함수를 제공합니다. 또한 정렬이 어긋난 영상을 정렬하는 정합 추정기 앱과 의미론적 분할 또는 객체 검출을 위한 사용자 지정 알고리즘을 사용해 레이블 지정 공정을 자동화하는 영상 및 비디오 레이블 지정기 앱도 있습니다.
네, MATLAB은 코드 생성 프레임워크를 사용해 NVIDIA GPU, Intel 및 ARM CPU, Xilinx 및 Intel SoC, FPGA 등의 다양한 임베디드 하드웨어 플랫폼에 딥러닝 신경망과 기존 알고리즘을 배포할 수 있습니다. 또한 MATLAB은 AI 모델을 ONNX 형식으로 내보내 외부 프레임워크와 통합할 수 있는 기능도 지원합니다.
Plansee는 MATLAB을 사용해 고온 용광로에 투입하기 전에 손상된 용광로 캐리어를 자동으로 식별하는 AI 기반 시각적 이상 탐지 시스템을 개발했습니다. 이를 통해 가동 중단 시간을 줄이고, 용광로의 손상을 방지하며, 생산 신뢰성을 향상시켰습니다. Musashi Seimitsu Industry는 MATLAB을 사용해 매월 약 130만 개의 자동차 베벨 기어 부품을 검사하고, Airbus는 운항 전 항공기의 여러 비행기 컴포넌트에서 결함을 자동으로 검출하는AI 모델을 개발했습니다.
