재학습 불필요 '자동 결함검사 플랫폼 기술' 개발…검사 5분서 5초로

생산기술연구원, AI 기반…정상 데이터만으로 학습 가능
의료용 카테터에 적용 '고정밀 형상 결함검사 시스템' 세계 첫 개발

[대전=뉴시스] 의료용 카테터 형상 결함검사 시스템과 개발자들. *재판매 및 DB 금지

[대전=뉴시스] 김양수 기자 = 한국생산기술연구원은 AI응용설비연구센터 윤종필 수석연구원이 AI기술을 접목, 딥러닝 알고리즘을 통해 불량 유무를 정확하게 측정·판단할 수 있는 '결함검사 플랫폼 기술'을 개발했다고 31일 밝혔다.

또 바이오메디컬센터 최동윤 수석연구원은 개발된 성과를 의료용 카테터에 적용해 복잡한 내부구조로 자동화가 어려웠던 카테터 튜브 단면의 형상결함을 자동검사할 수 있는 시스템을 세계 최초로 개발했다.

의료용 카테터는 약물 주입, 혈액 배액 등 치료 및 진단에 필요한 튜브로 체내에 삽입하는 제품의 특성상 품질관리가 중요하다.

약물이나 혈액이 이동하는 통로인 내강(Lumen)의 개수와 형상이 다양하고 특히 다중 내강(Multi-lumen) 카테터의 경우 결함의 종류가 여러 가지며 형태도 일정치 않아 검사 자동화가 어려운 분야다.

이번에 연구팀은 카테터 튜브의 정확한 단면 이미지를 촬영할 수 있는 머신비전 시스템을 개발하고, 제품의 구조적 특징을 반영할 수 있는 결함검사 알고리즘을 확보했다.

이를 통해 당초 설계한 형상의 수치와 실시간 비교하며 제품의 등급과 불량 여부를 자동 판단하는 시스템을 구현했고 단면의 중심축 회전에 상관없이 튜브 단면의 복잡한 형상을 정확하게 검사할 수 있도록 했다.

또 마이크로미터 수준 카테터 형상의 결함을 판정할 수 있는 기술을 확보, 육안 검사 시 최대 5분 정도 소요되던 검사 시간을 3∼5초로 단축시켰다.

특히 데이터 기반(Data-driven) 방식과 규칙 기반(Rule-based) 방식의 장점을 결합한 하이브리드 방식을 채택해 검사 기준이 변경돼도 재학습할 필요가 없도록 했다.

기존 AI기반 결함검사 기술은 작업 환경이나 기준 수치가 바뀔 때마다 다시 데이터를 수집하고 재학습하는 번거로운 과정을 거쳐야 한다.

연구팀은 Data-driven 방식의 딥러닝을 활용해 AI가 카테터 단면 이미지에서 특정 지점들(Key points)의 위치를 스스로 찾고 측정할 수 있도록 설계했고 Rule-based 방식을 적용, 획득한 측정값을 다양하게 조합해 재학습 없이도 정상·불량 제품을 평균 95% 정확도로 판단할 수 있도록 했다고 설명했다.

이어 연구팀은 최신 AI 기반의 데이터 생성 모델인 확산 모델(Diffusion Mode)을 응용해 결함 데이터 없이 정상 데이터만으로 학습 가능한 결함검사 기술을 추가 개발하는 성과도 얻었다.

결함 데이터가 축적되지 않아 인공지능 도입이 어려운 중소 제조업 현장의 데이터 부족 문제를 해결할 수 있을 것으로 기대된다.

윤종필 수석연구원은 "재학습에 걸리던 시간과 비용을 크게 줄인 결함검사 플랫폼기술을 개발하고 세계 최초로 의료용 카테터에 적용해 고정밀 형상 결함검사 시스템을 획득한 것이 핵심"이라며 "향후 최적화 연구를 통해 다양한 제조업 제품의 결함검사에 확대 적용할 계획"이라고 말했다.

☞공감언론 뉴시스 kys0505@newsis.com