연료전지 표면 결함, 인공지능으로 실시간 검사한다

기사내용 요약
표준연구원, 금속분리판 표면 결함 생산공정 때 3D로 판별
딥러닝 기반 패턴주사 방식, 반사율 낮거나 패턴 다양한 표면도 측정

[대전=뉴시스] 표면이 울퉁불퉁하고 반사율이 낮은 연료전지 샘플 측정결과. 그림 (a)는 기존 원샷 패턴주사 방식을 이용해 연료전지 샘플로부터 획득한 영상 이미지로, 가시성이 떨어져 불량이나 결함에 대한 분석이 불가능하다. (b)는 이번 연구를 통해 개발된 측정기술을 이용해 결과로 가시성이 대폭 향상된 영상 이미지를 보여 결함의 확인 가능하다. *재판매 및 DB 금지

[대전=뉴시스] 김양수 기자 = 수소전기차의 핵심부품인 연료전지의 안정성을 대폭 향상 시킬 수 있는 기술이 국내 연구진에 의해 개발됐다.

한국표준과학연구원(KRISS)은 광영상측정표준팀이 연료전지 표면의 미세한 결함을 생산 공정에서 실시간으로 감지할 수 있는 기술을 개발했다고 26일 밝혔다.

이번에 개발한 기술은 딥러닝 기반의 실시간 3D 측정기술로 표면형상의 결함을 한번의 촬영으로 찾아낼 수 있어 공정의 가동을 멈추지 않고도 모니터링이 가능하다.

표면형상의 실시간 3D 측정에는 원샷 패턴 주사방식이 주로 활용된다. 이 측정법은 물체 표면에 촘촘한 복합 격자무늬 패턴을 지닌 빛을 조사한 뒤 반사돼 변형된 패턴을 분석, 흠집이나 손상 등의 3차원 정보를 얻어내는 방식이지만 표면 반사율이 낮거나 다양한 패턴이 섞여 있는 경우 측정이 불가능하다.

이번에 KRISS 광영상측정표준팀은 패턴주사 방식에 인공지능 알고리즘을 도입해 기존 한계를 극복했다.

연구팀은 자체 개발한 신개념 딥러닝 네트워크에 수천 개 이상의 표면형상 측정데이터를 학습시켜 빛 반사율이 낮거나 복잡한 형태의 표면도 실시간으로 3D 형상 측정이 가능토록 했다고 설명했다.

연구진은 또 이번 기술을 연료전지 샘플에 적용키 위해 표면 결함이 있는 금속분리판 데이터를 인공지능 알고리즘으로 추가 학습시켰다.

이를 통해 응응력을 갖춰 적은 양의 데이터 학습만으로도 3D 형상 측정 결과, 2D 검사로는 판별이 어려웠던 샘플 표면의 찍힘과 스크래치가 한번의 촬영으로 감지됐다.

이번 기술은 측정 대상의 형태나 크기와 관계없이 생산라인에 손쉽게 탑재할 수 있어 외부 진동 및 온도변화가 큰 생산과정 중에도 자동으로 불량 여부를 검사할 수 있다.

연료전지를 포함한 다양한 제조업 분야에서 생산성 향상, 품질 개선, 비용 절감 등을 통해 스마트 공장 도입에 기여할 수 있을 것으로 전망된다.

이번 연구 성과는 전기자기 분야 국제권위지인 'IEEE Transactions on Industrial Electronics'(IF: 8.162) 온라인판에 지난달 게재됐다.(논문명:A deep learning based single-shot phase-measuring deflectometry for the 3D measurement of complex free-form surfaces)

김영식 KRISS 광영상측정표준팀장은 "이 기술을 활용하면 연료전지 금속분리판의 다양한 불량과 결함을 실시간으로 판별할 수 있다"며 "최근 활발히 보급되고 있는 연료전지의 성능을 극대화하고 내구성과 안전성 향상에 기여할 성과"라고 밝혔다.

☞공감언론 뉴시스 kys0505@newsis.com