딥러닝으로 패키징 솔루션을 자동화하는 방법

deep learning for packaging

제품 패키징 단계에서 완벽한 품질 보장, 잘못된 불량 판단 제거, 생산량 개선, 리콜 위험 제거 등을 수행하기 위한 자체적인 맞춤형 검사 시스템의 수요가 점점 늘어나고 있습니다. 패키징 라인을 따라 설치된 머신비전 애플리케이션으로는 패키지 상의 라벨 존재 유무, 정렬 방향의 정확성 및 판독 가능 여부 검사가 포함됩니다. 다른 간단한 패키징 검사에는 라벨의 존재 유무, 위치, 품질 (접히거나 찢어진 부분, 기포가 없어야 함), 판독 가능성 (바코드, 날짜/로트 코드가 존재하고 스캔 가능) 검사가 포함됩니다.

그러나 식음료, 소비자용 제품, 물류 등 여러 산업 내에 병, 캔, 케이스, 상자는 기존의 머신비전으로 항상 정확하게 검사가 가능한 것은 아닙니다. 패턴이 많거나 특정 명암으로 인해 눈이 부신 경우와 같이 혼란스러운 요소들로 인해 표면 상에서 불규칙적이고 예상이 불가능한 결함이 존재하는 경우, 제조 업체는 보통 육안 검사자의 유연성과 판단에 기초한 의사 결정에 의존합니다. 하지만 현대적인 소비자용 패키지 제품에서 육안 검사가 지니고 있는 커다란 약점은 필요한 만큼 규모를 확장할 수 없다는 것입니다.

패키징 산업 내에서 자동화에 대한 저항감이 있지만 높은 품질과 처리량이 필수적인 상황의 경우, 딥러닝 기술은 애플리케이션 엔지니어가 사용할 수 있는 효과적인 새로운 툴입니다. 딥러닝 기술은 종이, 유리, 플라스틱, 도자기와 같은 다양한 패키지 표면은 물론 라벨까지도 취급할 수 있습니다. 인쇄된 라벨 상의 특정 결함, 패키징의 절단 영역 등, 코그넥스의 딥러닝은 간단하게 목표 영역의 다양한 외형을 학습함으로써 모든 검사 영역을 파악할 수 있습니다. 코그넥스 딥러닝은 일련의 툴을 사용하여 복잡한 물체 또는 특징의 위치를 찾고 개수를 확인하며, 비정상적인 요소를 감지하고 원하는 물체나 전체 장면을 분류할 수 있습니다. 그리고 마지막으로, 사전에 학습이 완료된 글꼴 라이브러리를 이용해 알파벳 및 숫자로 구성된 문자를 인식하고 검사할 수 있습니다.

코그넥스 딥러닝이 패키지 업체와 제조 업체를 위해 위에 나열한 모든 장점들을 어떻게 제공하는지 살펴보겠습니다.

패키징 결함 감지

병과 캔에 대한 패키지 검사 수행에서 머신비전은 매우 중요합니다. 사실, 대부분의 공장에서 머신비전은 라벨의 배치와 포장만을 검사하는 것이 아니라 생산 과정 중 라벨의 직접 배치하고 정렬합니다.

패키징을 위한 딥러닝 결함 검사

주름, 찢어짐, 손상, 휨, 기포, 인쇄 오류 등 라벨 결함은 기존의 머신비전으로 잘 처리할 수 있습니다. 대비가 높은 이미지 처리 및 표면 추출 기술은 결함이 곡면에 있거나 조명 조건이 낮은 상태에 있는 경우에도 해당 결함을 포착할 수 있습니다. 그러나 전형적인 머신비전에서는 알루미늄과 같 일반적인 금속 표면의 반사 또는 예측이 어려운 불규칙적인 특성으로 인해 생기는 결함의 일부는 무시해야 하는 혼란을 초래할 수 있습니다. 이렇게 까다로운 표면 검사에는 긴 긁힘과 좁게 움푹 들어간 부분과 같이 수많은 형태와 유형의 결함이 있으며, 이러한 경우 잠재적인 모든 결함 유형을 명시적으로 검사하는 것이 불가능할 수도 있습니다.

최신 딥러닝 기반 기술을 이용하여 난이도 높은 모든 유형의 금속 패키징 표면을 정확하고 반복적으로 검사할 수 있습니다. 코그넥스의 딥러닝 기술을 이용하면 일일이 검사 모델을 프로그래밍하지 않아도 됩니다. 딥러닝 알고리즘은 양품의 샘플을 참조하여 스스로 학습망을 생성합니다. 이 학습 단계가 끝나면 검사 준비가 완료됩니다. 코그넥스 딥러닝은 정상적인 범위를 벗어나는 결함을 포함하여 캔의 표면에서 발생할 수 있는 모든 결함 영역을 검출하고 리포트할 수 있습니다.

패키징 광학 문자 인식 (OCR)

재질이나 종류에 상관없이 거의 모든 소비자용 패키지의 특정 위치에 날짜/로트 코드를 숨깁니다. 이러한 코드를 분명하고 판독 가능한 형태로 인쇄하는 것은 쇼핑 단계의 최종 소비자 뿐만 아니라 검사 단계의 생산자 입장에서도 중요합니다. 예를 들어 병 또는 쿠키 패키지의 라벨에 인쇄된 날짜/로트의 인쇄 오류, 번짐, 변형은 양쪽 모두에게 문제가 됩니다.

패키징을 위한 딥러닝 OCR

보통 기존 머신비전은 출하 전 제품의 코드를 판독 가능하고 정확한지 쉽게 인식/검사할 수 있지만, 특정 표면으로 인해 난이도가 높아지면 이 과정이 너무 어려워질 수 있습니다. 이 경우, 금속 음료병과 같이 반사도가 높은 재질 상에 인쇄된 번지거나 기울어진 코드는 육안 검사자가 읽을 수 있을지는 몰라도 머신비전 검사 시스템에서는 판독률이 높지 않습니다. 이 경우 패키지 업체는 육안 수준의 판단과 컴퓨터화된 시스템의 속도와 안정성을 동시에 제공하는 검사 시스템이 필요합니다. 딥러닝의 세계로의 초대.

코그넥스의 딥러닝 OCR 툴로 날짜/로트 코드에서 일반 텍스트를 감지하고 읽으며, 일련의 숫자와 문자에 심한 변형, 기울어짐이 발생하거나 금속 재질에서 식각이 불량한 경우에도 올바른지 검사할 수 있습니다. 이 툴은 사전 학습된 글꼴 라이브러리를 이용해 학습을 최소화합니다. 따라서 코그넥스 딥러닝은 프로그래밍을 하지 않고서도 대부분의 알파벳과 숫자로 이루어진 텍스트를 바로 판독할 수 있습니다. 학습은 표면 세부 인식이나 누락된 문자에 대한 재학습을 수행하는 등 특정한 애플리케이션 요구 사항으로 제한됩니다. 이러한 모든 장점들로 인해 비전 전문가 없이도 구현을 쉽고 빠르게 수행할 수 있고 성공적인 OCR 및 OCV 애플리케이션에 기여할 수 있습니다.

패키징 조립 검사

시각에 한정된 조립 검사는 명절 혹은 계절 등 특수한 시즌 테마가 포함된 상품의 경우 검증이 매우 어려워질 수 있습니다. 이 포장들은 동일한 케이스나 상자로 다양한 아이템과 구성이 달라질 수 있습니다.

패키징을 위한 딥러닝 조립 검사

이러한 유형의 검사를 위해 제조 업체들은 각 항목들이 존재하고 올바른 지, 적절한 구성으로 배치되어 있는지, 외부 패키지와 조화되는지 등을 찾고 검사하는 매우 유연성이 높은 검사 시스템이 필요합니다. 이를 위해 검사 시스템은 단일 영상 내에서 여러 관심 영역을 찾고 분할할 수 있어야 합니다. 또한 변동 상황을 고려하여 한 줄로 검사할 수 있는 여러 구성을 사용할 수 있어야 합니다.

고유하고 가변적인 식별 가능한 문자로 개별 항목들의 위치를 파악하려면 크기, 형태, 색상, 표면 특성에 따라 각 항목의 구분 가능한 특성을 생성하는 딥러닝 기반 시스템이 이상적입니다. 코그넥스 딥러닝 소프트웨어는 검사 제품에 대한 전체 데이터베이스를 빠르게 구축하도록 학습시킬 수 있습니다. 그 후에 패키지가 올바르게 조립되었는지 검사하기 위한 검사는 사분면이나 한 줄씩 영역별로 처리 가능합니다.

패키징 분류

키트 검사는 자동화된 검사 시스템의 여러 기능들을 필요로 합니다. 소비자 제품 패키지는 배송 전 품목의 개수와 종류를 검사해야 합니다. 카운팅 및 식별 기능은 기존 머신비전에서 많이 사용되고 있습니다. 그러나 멀티 부품 유닛에 올바른 항목들이 포함되도록 보장하기 위해서는 범주별로 포함된 제품들을 분류해야 합니다. 예를 들어, 선블록 멀티 팩에 두 가지 종류의 선블록이 포함되었는지, 아니면 추가 썬립밤이 포함되었는지 확인해야 합니다.

패키징을 위한 딥러닝 분류

이 범주는 중요하지만 기존 머신비전의 범주 외에 해당됩니다. 다행히도, 코그넥스의 딥러닝 분류 툴은 기존의 위치 및 카운팅용 머신비전 툴과 쉽게 결합할 수 있습니다. 또한 조립 용품 검사에서 다양한 제품 유형을 다루고, 일반화 기능을 구별하기 위해 인공지능이 필요한 경우 딥러닝 기반 위치 및 카운팅 툴을 사용합니다.

딥러닝 기반 분류는 라벨이 적용된 이미지 모음을 기반으로 다양한 범주를 구분하여 작동하고, 이 패키지의 차이점을 바탕으로 제품을 파악합니다. 이러한 범주 중 일부에 불량이 포함되어 학습이 되면 시스템이 이 범주를 합격 또는 불합격으로 분류하도록 학습될 수 있습니다.

새로운 딥러닝 비전 시스템은 명시적인 프로그래밍 없이 본질적으로 자체 학습 및 라벨 기반 샘플 이미지를 통해 학습을 수행하기 때문에 기존의 머신비전과는 다릅니다. 딥러닝 기반 소프트웨어는 편차 및 변동과 같은 뉘앙스를 평가할 수 있고, 심지어 높은 신뢰도로 정확하게 판단하여 최고의 품질을 우회하는 인간과 같은 지능을 사용합니다. 그러나 가장 중요한 사실은 보다 복잡하고 이전에는 프로그래밍이 불가능했던 자동화 난제를 해결할 수 있다는 것입니다.

패키징 산업 내 제조업체들은 낮은 비용으로 보다 높은 품질 기준의 제품을 대량 생산해야 하기 때문에 보다 빠르고 보다 강력한 머신비전 시스템이 필요합니다. 코그넥스는 보다 높은 비용 효율성과 안정성으로 패키지를 생산하기 위해 머신비전의 강력함과 딥러닝을 결합하는 자동화된 검사 시스템을 제공함으로써 고객의 엄격한 요구 사항을 충족하고 있습니다.

세일즈 문의

추가 게시물 -

제품 지원 및 교육 신청

MyCognex 가입