카메라에 의한 동영상 해석이나 센서를 이용한 3차원 화상 처리 등 컴퓨터에 디지털 이미지나 동영상을 이해시켜 다양한 처리를 실시하는 연구 분야를 컴퓨터 비전이라고 부른다. 이 컴퓨터 비전을 도입한 시스템을 개발하는 기업인 복셀51(Voxel51)이 컴퓨터비전을 제조업에 이용하는 경우를 설명해 눈길을 끈다.
부품을 두는 장소에서 오브젝트를 선택하고 들어 올려 다른 장소에 배치하는 빈 피킹(Bin picking) 작업을 수행하려면 카메라 이미지를 객체 감지 루틴에 전달해야 한다. 일부 컴퓨터비전 시스템은 라이다 센서로부터 온 정보를 이용해 오브젝트가 어떤 방향으로 어디에 놓여 있는지를 3차원적으로 취득할 수 있다.
산업용 로봇 작업으로 컴퓨터비전을 필요로 하는 건 짐을 팔레트에 쌓는 팔레타이징(Palletizing)과 팔레트에 쌓아 올린 짐을 내리는 디팔레타이징(depalletizing)이다. 팔레트는 짐을 싣는 목제나 금속제 평평한 토대로 현대 물류에선 빠뜨릴 수 없는 존재다. 팔레트 최대 적재량은 보통 1톤으로 지게차 등 중장비를 사용하지 않으면 움직일 수 없다. 하지만 산업용 로봇 등장으로 팔레타이징과 디팔레타이징은 자동화되고 있다.
팔레타이징과 디팔레타이징을 하려면 오브젝트 검출은 물론 로봇암을 올바른 위치로 움직이기 위한 캘리브레이션도 중요하다. 로봇팔이 물건을 올리거나 내릴 때 물체 위치를 추정한 장소와 실제 위치가 어긋나는 걸 피드백해 미래 예측을 정밀화한다.
또 용접과 연삭, 밀링 가공 등을 실시하기 위해 부품을 컨베이어벨트나 기계에 싣는 머신텐딩(Machine tending)도 컴퓨터비전에 의해 산업용 로봇 작업이 되고 있다. 머신텐딩 자동화는 직원이 부상을 입을 위험을 줄이고 일관성을 높이는 등 여러 이점을 제공한다. 더구나 기존보다 높은 정밀도로 기계 손질을 실시하는 것도 가능하다. 실시간으로 모니터링을 실시해 기계와 투입하는 물체 위치 관계를 정확하게 파악하고 로봇팔이 이에 따라 움직임을 조정한다.
머신텐딩에서 데이터 가용성과 품질은 중요한 과제다. 머신텐딩을 위한 컴퓨터비전 시스템은 종종 제한적인 라벨링된 데이터세트로 학습해야 한다고 말한다. 다시 말해 학습에 사용되는 데이터세트를 청소하고 큐레이션하는 게 필수적이며 데이터 보강과 전송 학습이 중요하다.
에러품 검출도 컴퓨터비전이 기능하는 영역이다. 제조 부품이 목적 크기 허용 범위 내에 들어갔는지 확인하거나 부품에 작은 흠집이나 누락 등이 없는지 체크하는 건 지금까지 인간 눈과 손으로 이뤄져 왔다. 하지만 DBSCAN 등 밀도 기반 모델이나 심층학습 모델을 이용한 알고리즘을 통해 제품 이상을 검지해 제조 라인에서 가능하면 빠른 단계에서 에러품을 특정할 수 있게 됐다.
제조 라인 모니터링 뿐 아니라 제조 공장 도구와 기계 모니터링을 수행하는 예지 정비(Predictive maintenance)도 컴퓨터비전에 의해 해결되고 있다. 공구와 기계는 사용하면서 마모와 손상을 일으키고 유지보수를 하지 않으면 완전 고장으로 이어져 직원 부상이나 생산성 저하를 초래할 수 있다. 지금까지는 제조사마다 기기 상태를 정기 체크하고 유지 보수해 해결했다. 하지만 컴퓨터비전과 알고리즘을 통해 도구와 기계 고장을 감지하는 예비 정비를 통해 유지 보수 비용을 줄이면서 사고를 피할 수 있다. 예를 들어 기계에 사용하는 톱날 칼날이 마모되어 있지 않은지 정기적으로 카메라로 촬영해 해석, 칼날 마모와 언제 교환해야 할지 예측할 수 있다.
복셀51은 제조업은 4차산업혁명이라고 할 수 있는 대규모 변혁을 맞는 시기라고 말한다. 인공지능과 컴퓨터비전, 로봇공항, 산업용 사물인터넷이 제조업을 첨단으로 만들고 있다는 것. 미국에선 2030년까지 제조업에서 200만 명 이상 노동자가 부족하다고 말하지만 컴퓨터비전과 로봇공학은 이 문제를 해결할 수 있을 것으로 기대되고 있다.
또 제조업은 성격상 나사나 신발이나 자동차 등 거의 모든 제품을 다루고 있는 만큼 각기 다르기 때문에 만능 해결책이 없다. 컴퓨터비전 다양성에 의해 산업 내 추가 자동화가 가능해지면 제조업에 있어서도 안전성이 향상될 수 있다. 관련 내용은 이곳에서 확인할 수 있다.