인공지능(AI) 비전검사에서 수집된 데이터가 많아야 최적의 인공지능 모델을 개발 할 수 있지만 실제로는 어렵다. 원하는 데이터를 얻기 어렵거나 데이터의 불균형 문제를 피할 수 없기 때문이다. 이를 해결하기 위해 결함 데이터를 만들어내는 기술이 개발됐다.
라온피플은 딥러닝 이미지 생성 기술을 활용해 결함 데이터를 만들어내는 데이터 솔루션 ‘이지디펙트(EZ Defect)’를 개발했다고 29일 밝혔다.
최근 인공지능(AI) 비전검사에 대한 수요가 늘고 있다. 하지만 양품과 불량 데이터를 확보하더라도 원하는 데이터를 얻기 어렵거나 데이터의 불균형 문제를 피할 수 없다.
이에 대해 라온피플 윤기욱 CTO는 “데이터를 수집하다 보면 자주 발생하는 불량과 간헐적으로 발생하는 불량이 공존하는 특성을 발견할 수 있다”며 “다양한 불량 데이터 간의 일정한 균형을 맞추기 위해서는 결국 빈도가 적은 불량 데이터의 수집을 위한 시간에 개발 기간을 맞추게 된다”고 설명했다.
소수의 불량 데이터를 확보하기 위한 시간이 길어질수록 제조 공정이 지연되는 악순환으로 이어지게 된다는 것이다.
이를 해결하기 위해 라온피플은 딥러닝 이미지 생성 기술을 활용해 결함 데이터를 만들어내는 기술인 데이터 솔루션 ‘이지디펙트(EZ Defect)’를 개발했다. 이 솔루션은 이미지 데이터 학습 과정에서 결함의 특성과 함께 양품 이미지의 특성까지 학습하는 AI 기술을 탑재해 가장 사실적인 이미지 데이터를 생성해 내는 것이 특징이다.
이 기술은 양품 이미지에 다양한 형태로 원래 결함의 특성을 삽입하고, AI 딥러닝 알고리즘의 하나인 ‘GAN’ 알고리즘을 이용해 자연스러운 결함 이미지를 확보할 수 있게 된다. 특히, 다양한 형태의 결함 데이터를 추출해 결함 이미지 데이터를 확보하는 시간을 단축시키고 AI가 결함을 학습하기 위한 시간을 최소화하는 등 효율적인 제조 공정과 함께 사용자 편의성을 높여준다.
윤기욱 CTO는 “AI 검사 시스템의 품질은 학습에 사용된 데이터의 품질과 다양성에 영향을 받기 때문에 이지디펙트를 활용한 초기 데이터의 확보가 무엇보다 중요하다”며 “효율적이고 방대한 데이터 확보를 통해 기존에 발견하지 못했던 결함을 찾아냄으로써 수율 향상은 물론 검사기간 단축과 비용절감으로 이어져 제조공정의 효율성을 높이고 제품 경쟁력을 확보할 수 있는 만큼 이지디펙트의 활용도는 더욱 확대될 것으로 기대된다”고 말했다.
가상으로 생성하는 결함 데이터는 초기에 불량 데이터가 절대적으로 부족한 상황에서 원하는 만큼 정확하게 결함 데이터의 추가 제작이 가능하기 때문에 다양한 상황에서의 결함 데이터의 확보가 가능하며, 이를 통해 데이터의 균형을 맞추고 AI 비전 검사의 정확도를 개선하는데 탁월한 효과를 보여준다.
또한 다양한 상황의 코너 케이스 결함 조건에 대해서 가상으로 데이터를 생성해 보충할 수 있으므로 극한의 성능을 이끌어내기 위한 학습 데이터 보강 용도로 활용범위가 넓어지는 효과도 있다.
전자신문인터넷 이상원기자 sllep@etnews.com
