자동검사 시스템은 카메라와 센서를 이용해 불량품을 어떻게 판별할까

자동검사 시스템의 기본 원리

제품 생산 과정에서는 표면의 흠집, 치수 편차, 부품 누락, 조립 위치 오류 등 다양한 불량을 확인해야 합니다. 생산 속도가 빨라지고 품질 기준이 정밀해지면서 카메라와 센서를 이용한 자동검사 시스템이 널리 활용되고 있습니다.

자동검사 시스템은 제품의 외관이나 물리적 특성을 측정하고, 그 결과를 미리 설정된 품질 기준과 비교해 합격과 불합격을 판정하는 장치입니다. 산업용 카메라, 레이저 변위 센서, 근접 센서, 광전 센서 등을 검사 목적에 맞게 조합합니다.

자동검사의 핵심은 데이터를 수집하는 것뿐 아니라, 측정 결과를 정해진 기준에 따라 분석하고 판정하는 과정에 있습니다.

예를 들어 카메라로 제품 표면을 촬영해 흠집을 분석하거나, 레이저 변위 센서로 부품의 높이를 측정해 허용 범위에 들어오는지 확인할 수 있습니다. 판정 결과는 생산라인 제어 장치로 전달되어 제품을 분류하는 데 사용됩니다.

카메라는 제품의 외관을 어떻게 검사할까?

산업용 카메라는 제품의 표면과 형상을 영상 데이터로 변환합니다. 영상처리 소프트웨어는 촬영된 이미지에서 색상, 밝기, 윤곽, 형태 등의 특징을 분석해 불량 여부를 판단합니다.

주요 검사 항목은 다음과 같습니다.

• 표면의 흠집, 균열, 오염
• 제품의 색상 차이와 인쇄 상태
• 부품의 유무와 조립 위치
• 제품의 외형과 형태 차이

예를 들어 정상 제품의 표면과 비교해 특정 영역의 색상이나 밝기가 크게 다르면 결함 후보로 분류할 수 있습니다. 부품 조립 상태를 검사할 때는 부품의 위치와 윤곽이 기준 이미지와 일치하는지 분석합니다.

조명이 카메라 검사에 미치는 영향

카메라의 해상도가 높더라도 조명 조건이 적절하지 않으면 불량을 놓칠 수 있습니다. 금속 표면의 흠집은 빛의 반사 때문에 가려질 수 있고, 투명한 플라스틱은 배경이나 조명 방식에 따라 결함이 잘 보이지 않을 수 있습니다.

따라서 검사 대상의 재질과 표면 상태에 맞춰 조명의 방향과 밝기를 조절해야 합니다. 낮은 각도에서 빛을 비추거나 확산 조명을 사용하면 표면의 미세한 결함을 구분하는 데 도움이 될 수 있습니다.

센서는 치수와 위치를 어떻게 측정할까?

센서는 종류에 따라 거리, 높이, 위치, 물체의 유무 등 다양한 정보를 감지합니다. 카메라가 영상 분석에 주로 활용된다면 센서는 특정 물리량을 측정하거나 물체의 상태를 확인하는 데 사용됩니다.

레이저 변위 센서

레이저 변위 센서는 레이저를 대상에 조사하고 반사된 빛의 정보를 이용해 거리를 측정합니다. 제품의 높이, 단차, 조립 후 돌출 정도 등을 확인할 때 활용됩니다.

예를 들어 부품의 기준 높이가 10.0mm이고 허용 범위가 9.8~10.2mm라면, 측정값이 이 범위에 들어오는지 확인해 합격 여부를 판정할 수 있습니다. 실제 적용에서는 센서의 측정 불확도와 제품의 품질 요구사항도 고려해야 합니다.

근접 센서와 광전 센서

근접 센서는 물체가 일정 거리 안에 있는지 감지합니다. 광전 센서는 빛의 차단이나 반사 등을 이용해 물체를 검출합니다.

이러한 센서는 부품 누락 여부, 제품의 검사 위치 도달 여부, 공정 진행 상태 등을 확인하는 데 유용합니다.

다만 부품이 존재한다는 사실만으로 부품의 치수나 조립 품질까지 확인할 수 있는 것은 아닙니다. 검사 목적에 따라 별도의 측정 장치가 필요할 수 있습니다.

자동검사 시스템은 어떤 기준으로 불량을 판정할까?

자동검사 시스템은 측정 결과를 제품 도면, 품질 규격, 공정 관리 기준 등에 따라 설정한 판정 기준과 비교합니다.

검사 항목	사용 장치	판정 방법
표면 흠집	산업용 카메라	흠집의 크기와 형태 분석
부품 누락	근접 센서·광전 센서	지정 위치의 부품 유무 확인
높이와 단차	레이저 변위 센서	측정값과 허용 범위 비교
색상 차이	카메라·색상 측정 장치	기준 색상과의 차이 비교
조립 위치	카메라·위치 센서	위치와 방향이 기준에 맞는지 확인

치수 검사에서는 일반적으로 상한과 하한을 설정합니다. 측정값이 허용 범위 안에 있으면 합격으로, 범위를 벗어나면 불합격 또는 재검사 대상으로 분류할 수 있습니다.

외관 검사는 결함의 존재 여부뿐 아니라 크기, 위치, 형태 등을 함께 평가할 수 있습니다. 작은 흔적은 허용하더라도 일정 크기 이상의 균열은 불량으로 판정하도록 기준을 설정하는 방식입니다.

여기서 주의할 점은 결함 후보가 검출되었다고 해서 반드시 제품 불량을 의미하는 것은 아니라는 것입니다. 제품 기능에 영향을 주지 않는 흔적일 수도 있고, 반대로 외관상 정상으로 보여도 내부 결함이 있을 수 있습니다. 따라서 검사 대상과 판정 기준을 명확하게 정해야 합니다.

인공지능을 활용한 자동검사는 어떻게 다를까?

기존 영상검사 시스템은 밝기, 색상, 형태, 치수 등의 규칙을 미리 설정해 불량을 판정하는 경우가 많습니다. 검사 대상과 결함 유형이 명확하고 환경이 일정하다면 이러한 방식으로도 효과적인 검사가 가능합니다.

인공지능 기반 검사 시스템은 정상 제품과 불량 제품의 데이터를 학습해 결함을 분류하거나 이상 징후를 찾아낼 수 있습니다. 결함의 모양이 일정하지 않거나 표면이 복잡한 제품에서 활용할 수 있습니다.

그러나 인공지능을 적용한다고 해서 불량을 모두 검출할 수 있는 것은 아닙니다. 학습 데이터에 특정 결함이 부족하거나 실제 생산 환경의 조명과 제품 상태가 학습 환경과 다르면 오판이 발생할 수 있습니다.

따라서 실제 생산라인에서 성능을 검증하고, 불량품을 정상으로 판정하는 경우와 정상 제품을 불량으로 판정하는 경우를 구분해 관리해야 합니다.

자동검사에서 발생하는 오차와 판정 오류

자동검사 시스템의 결과는 장비 상태와 주변 환경, 판정 기준에 따라 달라질 수 있습니다. 정확한 검사를 위해서는 다음 사항을 관리해야 합니다.

조명과 환경 변화: 조명의 밝기와 방향이 바뀌면 카메라 영상의 색상과 명암이 달라질 수 있습니다. 먼지와 진동도 검사 결과에 영향을 줄 수 있습니다.

카메라와 센서의 설치 상태: 카메라의 초점이 맞지 않거나 센서 위치가 변하면 측정값과 영상 분석 결과가 달라질 수 있습니다.

장비 성능과 교정: 센서의 측정 범위와 분해능이 검사 목적에 적합한지 확인해야 합니다. 정밀한 치수 검사가 필요하다면 교정 상태와 측정 불확도도 검토해야 합니다.

판정 기준의 적절성: 허용 범위가 지나치게 넓으면 불량품이 통과할 수 있고, 너무 좁으면 정상 제품이 불량으로 분류될 수 있습니다. 제품의 기능과 품질 요구사항을 기준으로 설정해야 합니다.

정기적인 검증: 판정이 확인된 양품과 불량품을 이용해 검사 결과를 점검하면 시스템의 성능 변화를 확인하는 데 도움이 됩니다.

생산라인에서 자동검사 시스템은 어떻게 작동할까?

일반적인 자동검사 시스템은 제품 이송 장치, 카메라 또는 센서, 데이터 처리 장치, 제어 장치, 제품 분류 장치로 구성됩니다.

제품이 검사 위치에 도달하면 센서가 이를 감지하고 카메라 촬영이나 측정이 시작됩니다. 처리 장치는 수집된 데이터를 분석해 판정 결과를 제어 장치로 전달합니다. 합격 제품은 다음 공정으로 이동하고, 불합격 제품은 경고를 발생시키거나 별도 배출 장치로 보내도록 구성할 수 있습니다.

이때 생산 속도와 검사 시간의 균형이 중요합니다. 촬영과 데이터 분석이 제품의 이동 주기 안에 완료되지 않으면 생산라인의 처리량이 감소할 수 있습니다.

검사 결과를 제품 번호와 생산 시간, 공정 정보에 연결해 저장하면 불량 발생 시점과 유형을 추적할 수 있습니다. 이러한 데이터는 불량이 증가하는 공정이나 설비 조건을 찾아 품질을 개선하는 데 활용됩니다.

자동검사 시스템을 도입할 때 확인할 사항

자동검사 장비를 선택할 때는 카메라의 화소 수나 센서의 정밀도만 비교하기보다 실제 검사 목적에 적합한지 확인해야 합니다.

• 검사 항목: 외관, 치수, 위치, 부품 유무 중 어떤 항목을 확인할지 정합니다.
• 검출 가능한 크기: 찾아야 하는 결함의 크기에 맞는 해상도와 측정 성능을 확인합니다.
• 생산 속도: 검사와 판정이 공정 주기 안에 완료되는지 검토합니다.
• 설치 환경: 조명 변화, 진동, 먼지, 온도 등의 영향을 고려합니다.
• 판정 성능: 실제 양품과 불량품을 이용해 오판 가능성을 확인합니다.
• 데이터 관리: 검사 결과를 저장하고 불량 발생 추이를 분석할 수 있는지 살펴봅니다.

제품 설계나 생산 조건이 변경되면 기존 검사 기준이 적합하지 않을 수 있습니다. 따라서 변경 사항을 반영하고 검사 성능을 다시 검증하는 절차도 필요합니다.

자주 묻는 질문(FAQ)

Q: 자동검사 시스템은 어떤 불량을 찾아낼 수 있나요?

A: 장비 구성에 따라 표면 흠집, 오염, 색상 차이, 부품 누락, 조립 위치 이상, 치수 편차 등을 검사할 수 있습니다. 검사 목적에 맞는 카메라와 센서를 선택해야 합니다.

Q: 카메라만으로 제품 치수를 정확하게 측정할 수 있나요?

A: 카메라 영상으로 치수를 측정할 수 있지만 촬영 거리, 렌즈 왜곡, 각도, 해상도 등의 영향을 받습니다. 정밀한 측정에는 보정된 광학 시스템이나 전용 측정 장비가 필요할 수 있습니다.

Q: 인공지능을 사용하면 불량을 100% 검출할 수 있나요?

A: 그렇지 않습니다. 학습 데이터에 없는 결함이나 환경 변화로 오판이 발생할 수 있으므로 실제 생산 환경에서 성능을 검증하고 지속적으로 관리해야 합니다.

Q: 자동검사 시스템도 정기적인 점검이 필요한가요?

A: 필요합니다. 카메라 초점과 설치 위치, 조명 상태, 센서 측정값, 판정 기준을 확인해야 합니다. 정밀 측정에서는 장비의 교정 상태도 관리해야 합니다.

Q: 자동검사 결과를 품질 개선에 활용할 수 있나요?

A: 가능합니다. 불량 유형과 발생 시간, 공정 정보를 함께 기록하면 불량이 증가하는 시점이나 공정을 분석하고 개선 대상을 찾는 데 도움이 됩니다.

자동검사 시스템은 정확한 측정과 판정이 중요하다

자동검사 시스템은 카메라로 제품의 외관과 형상을 분석하고, 센서로 높이와 거리, 부품 유무 등을 확인해 품질 기준에 맞는지 판별합니다. 검사 결과는 제품 분류뿐 아니라 불량 추적과 생산 공정 개선에도 활용할 수 있습니다.

하지만 장비를 설치하는 것만으로 정확한 검사가 보장되지는 않습니다. 조명과 설치 상태, 센서 성능, 판정 기준, 데이터 품질이 모두 결과에 영향을 줍니다.

따라서 검사 목적에 맞는 장비를 선택하고 실제 양품과 불량품으로 성능을 검증하며, 생산 조건의 변화에 맞춰 검사 시스템을 점검해야 합니다. 이러한 관리가 함께 이루어질 때 자동검사는 불량품 유출을 줄이고 생산 품질을 안정적으로 유지하는 데 도움이 됩니다.