New Tech 확대경 | NEXTLab

이물질•생산성 파악, 영상으로 모두 해결

이미지 처리 및 딥 러닝 기반 자동화 기술을 기반으로 봉제현장 전반에 스마트 팩토리 구축의 중요한 토대가 되는 기술을 제공하는 기업, NEXTLab(대표:이창근 )이 최근 활발한 활동을 하고 있다. 봉제업계가 관심을 가질 만한 흥미로운 기술을 가진 기업이다. 동사가 개발 또는 개발 중인 핵심 기술 2가지를 소개한다. <편집자주>

이미지 처리 및 딥 러닝 기반 자동화 기술을 바탕으로 다양한 분야로의 스마트 팩토리 자동화 장비를 개발하고 있는 넥스트랩(NEXTLab)을 업계는 주목할 필요가 있다. 동사가 개발했거나 현재 개발 완료를 앞둔 기술 중에서 우리 업계가 관심을 가져야할 분야는 2가지다. 먼저 주목할 분야는 가방, 신발, 의류 등에 이물질을 자동으로 감지하고 체크할 수 있는 X선 검사 장비(Beyond X-Ray)다. 봉제업계에서 부러진 바늘을 찾기 위해 사용하는 검침기는 자성을 띄는 철과 같은 금속성 물질에만 반응을 한다.

비철금속이나 돌, 세라믹과 같은 기타 물질에는 반응하지 않는다. 그러나 실제 봉제품에는 버클이나 단추, 아일렛, 지퍼 등에 철성분 액세서리를 다양하게 사용하고 있다. 이럴 경우 검침기는 무용지물이다. 금속성 액세서리가 없는 제품이라도 부지불식간에 제품에 비철, 광석 등 다양한 이물질이 섞일 수 있어 소비자 클레임으로 이어지는 경우가 종종 있다. 이럴 때 X선 감지기를 사용하면 비철, 비금속 물질도 쉽게 감지해낼 수 있어 판매 후 발생할 수 있는 소비자 클레임을 방지할 수 있다.

완제품을 X선 감지장치에 넣어 통과시키면 감지된 장면이 이미지로 자동 촬영된다. 촬영된 이미지를 분석하여 딥러닝 기반의 탐지 엔진은 이물질을 찾아내는 역할을 한다.

현재 X선 감지기는 가방 등의 분야에서 사용되고 있으나 전적으로 작업자의 시각과 집중도에 따라 정확도와 검침 결과가 좌우된다는 단점이 있다. 넥스트랩은 작업자가 아니라 영상 결과를 딥러닝 검사 엔진을 통해 이물질을 분류해 낸다는 점이 다르다. 딥러닝 기술을 통해 다양한 물체를 감지할 수 있고 정확성이나 효율성도 높으며 시간이 경과할 때마다 더 우수한 결과를 이끌어낼 수 있다.

딥러닝 기술을 통한 이물질 감지, 정확도와 효율성 높아 관심 주목

Beyond X-Ray의 작동원리는 간단하다. 완제품을 X선 감지장치에 넣어 통과시키면 감지된 장면이 이미지로 자동 촬영된다. 촬영된 이미지를 분석하여 딥러닝 기반의 탐지 엔진은 이물질을 찾아내는 역할을 한다. 이 장비의 분석 속도는 X-Ray 기계에서 X-Ray 이미지를 얻은 후 0.9 초 미만으로 처리할 수 있으며 현장에서 실제 사용 결과 분석 정확도는 99.9% 수준이다. Beyond X-Ray 사용 후 금속에 관련된 컴플레인은 한 건도 발생하지 않았다고 한다. 탐지 성능은 2×2 픽셀 크기 이상의 이물질(실제 크기는 X-Ray 기계의 해상도에 따라 다르다)을 감지할 수 있다.

붉은색 원으로 표시된 것은 이물질로 표시되어 영상이 나타나게 된다

무엇보다 이 장비의 장점은 기존 검침기가 가지고 있던 한계를 넘어 바늘 조각에서 가위, 광물질까지 광범위한 이물질을 감지 할 수 있다는 것이다. 또한 딥 러닝 기반의 알고리즘을 사용하여 탐지 정확도를 지속적으로 증가시킬 수 있다. Beyond X-Ray는 이물질만을 분류해내는 장비이다. 금속 액세서리와 이물질을 구분해내는 능력이 탁월하다. 실제 검사 결과를 보여주는 영상에서 사각형 상자에 표시되는 것은 지퍼, 버클, 단추, 신발끈 등의 정상적인 물질이며 붉은색 원으로 표시된 것은 이물질로 표시되어 영상이 나타나게 된다. 또한 스마트 팩토리 구축의 기본이 되는 감지 결과에 대한 MES 연동을 통해 정확한 보고 기능을 채택하고 있다는 점이다.

기존 금속검침기는 MES 연동이 힘들어 공장 자동화에 한계가 있었다. 여기에 관리형 서비스 제공이 가능한데 원격 S/W 모니터링 및 업그레이드 제공하고 있다. 현재 이 장비의 보급 방식은 영상 결과를 작업자가 확인하고 처리하는 방식과 이물질 함유 제품을 확인, 분류처리까지 하는 자동화된 방식으로 보급 중이다. 검사기 확인 모드는 작업자가 가방을 X선 검사대 안으로 넣으면 그 다음 단계 검사자가 서브 모니터의 결과에 따라 탐지 결과를 검토하고 확인한다. 이 때는 작업 능률과 근무환경을 감안해 사용자에게 친숙한 조이패드 컨트롤러를 사용한다.

감지 결과 내용이 MES로 연동 스마트팩토리 구축에도 필수

검사기 확인 모드는 작업자가 가방을 X선 검사대 안으로 넣으면 그 다음 단계 검사자가 서브 모니터의 결과에 따라 탐지 결과를 검토하고 확인한다.

이 물질이 검토되면 이 조이패드 컨트롤러를 통해 줌 및 패닝 샷으로 결과를 검토한 뒤 이물질이 포함된 제품을 분리하고 직접 검수 확인하는 과정으로 마무리한다. 자동 분리 모드는 이 과정에서 분리형 컨베이어를 사용해 이물질로 분류된 제품을 검사원이 결과를 확인한다. 현재 검침기를 사용 중인 현장에서 이 장비는 효과를 발휘할 수 있다. 검침기를 통과한 제품에 이상이 있다는 신호를 받은 제품을 자동으로 분류하고 Beyond X-Ray 장비를 통과시켜 검사 결과를 정확히 확인할 수 있어 금속성 장식품이 있는 제품에 효과적이다. 이미 X-Ray 머신을 가지고 있는 업체들은 동사의 ‘Beyond X-Ray Solo’를 사용하여 쉽게 자동 검사 시스템을 도입할 수 있다. Beyond X-Ray Solo는 대부분의 X-Ray 기계에서 작업 할 수 있다.

현재 이 장비는 베트남 소재 글로벌 가방 제조 메이커인 풍국(Pungkook Saigon III)에 설치되어 성공적인 결과를 내놓고 있다. 두번째 소개할 기술은 첫번째 소개한 X선 검사장비 보다 오히려 더 흥미로울 수도 있다. 이 장비 역시 카메라 기반으로 이미지 처리 기술을 바탕으로 한 생산량 계측기이다. 이 계측기 개발을 진행한 배경은 기존에 봉제현장에서 계측한 생산량 감지 방법이 정확도가 떨어지고 현장 상황과 잘 맞지 않는 도출 방법을 사용했기 때문이다. 그 한 예로 재봉기 생산량 Counting 장치가 있는데 이 방식은 재봉기 모터엔코더값을 기반으로 생산량을 계측하는 것이다. 이 방법은 작업자들의 다양한 작업방법을 반영하지 못할 뿐만 아니라 생산량에 대한 측정 정확도도 매우 낮았다. 또한 이 방식은 재봉기가 들어간 생산공정에만 적용 가능하다는 단점이 있었다.

자동 분리 모드는 침기를 통과한 제품에 이상이 있다는 신호를 받은 제품을 자동으로 분류하고 Beyond X-Ray 장비를 통과시켜 검사 결과를 정확히 확인할 수 있게된다.

Time Study기반 공정개선 활동은 Time Study Tool 혹은 엑셀시트에 기반한 공정별 생산 소요시간을 측정하여 작업자 공정 재배치 활동을 진행 중이다. 그러나 이 방법 역시 이벤트성으로 진행되고, 측정 후 의사결정까지 시간이 걸리게 되면서 즉각적이고 지속적인 개선은 어려움이 있다. 이런 문제점이 제기되면서 동사는 이미지 처리 기술을 기반한 카메라기반으로 생산량을 모니터링하고, 작업동작을 세분화할 수 있는 기술을 개발하게 되었다. 이 방식은 봉제현장에 카메라를 설치하고 이를 통해 얻은 영상을 처리하는 장치를 통해 생산량을 측정하는 통합 계측기를 개발 중이다. 간단히 말해서 작업자의 동작을 영상으로 만들어 그 동작을 분석하여 생산량을 파악한다는 것이다.

생산량 계측기 분야 기술 개발이 완료되면 작업동작 세분화로 작업효율 극대화 기대

카메라 기반으로 이미지 처리 기술을 바탕으로 한 생산량 계측기 개발 컨셉

그럼 이 통합 계측기의 개발 컨셉을 간략히 알아보자. 먼저 생산 라인 별로 생산량 계측기를 설치한다. 이는 생산량을 측정하고 싶은 공정 현장 천장에 계측기를 설치한다. 계측기는 초소형 PC 크기의 제품이다. 다음으로 이 계측기는 작업자 위치 인식 및 동작 분석을 시작한다. 이를 통해 인식된 동작 기반으로 생산량이 산출된다. 추가기능은 생산량 및 분석된 동작 기반으로 작업자의 스킬 즉 기능도도 평가가 가능하다. 영상 프레임별로 특징정보를 추출하여 세부동작 Score를 도출하는 방식이다. 이는 숙련된 작업자 동작을 기반으로 하여 다른 작업자들의 스킬 역량을 평가하는 것이다. 현재 이 생산량 계측기를 통해 현장에 적용해본 결과 정확도가 약 90% 수준에 이르렀다고 한다.

현재는 물체 인식 및 영역 지정을 통한 생산량 카운트 방법을 사용 중이며 가장 단순한 방식으로 제품 자체에 대해 객체 탐지를 적용하고 있다. 다음 단계로 넥스트랩은 손 탐지를 통해 정확도를 끌어올릴 계획이다. 손의 동작만을 분석해 생산량을 체크할 수 있는 방법인데 이를 통해서 공정 변경 시 제품별 추가 학습이 불필요하여 효율성이 향상될 수 있다. 제품에 비해 손은 일관된 형태를 가지고 있기 때문에 객체 탐지 방식보다 효율성이 높다. 현재 손 탐지 및 정확도를 높이는 추가 로직을 개발 중이라고 한다. 생산량 계측기 분야는 기술 개발이 완료되면 앞으로 3개 분야로 단계별 보급을 추진한다. 먼저 생산량 계측에 충실해 계측기와 관리서버를 보급하는 것이다.

생산량 계측기를 통한 손탐지 분석 – 손의 동작만을 분석해 생산량을 체크할 수 있는 방법, 이를 통해 공정 변경 시 제품 별 추가 학습이 불필요하여 효율성이 향상될 수 있다.

이것은 작업 생산량 계측과 그 결과 보고에 주 기능이 있다. 다음으로 생산 계측기를 기반으로 동작분석서버를 통해 작업 동작을 세분화하여 그 동작들에 대한 작업소요시간을 파악, 전체 공정에 소요되는 코스트를 산출하는 단계이다. 다음으로 작업 훈련 소프트웨어를 연계하는 것이다. 작업 동작 분석을 통해 작업 동작을 산출하고 이것을 작업자를 대상으로 훈련 컨텐츠를 제공하는 것이다. 앞으로 생산량 계측기는 공정에 상관없이 전체 공정에서 90% 이상의 정확도를 확보하는 것이 목표다. 동작 인식 알고리즘을 최적화하여 초소형 PC에서 원활한 구현이 가능하도록 해야 한다. 사용자가 최소한의 세팅으로 설치 즉시 쉽게 사용이 가능하도록 구현해야 하는 것도 반드시 필요하다고 강조했다.

[취재: 이상철 국장]