본문으로 바로가기

SOFTZAM / AI VISION SYSTEM

AI VISION SYSTEM

GPU 최적화 Docker 기반 딥러닝 머신비전

실시간 불량 검출과 공정 데이터 모니터링을 통해
스마트 제조 환경을 구현합니다.

AI VISION SYSTEM 원본 제품 소개 이미지
SMART QUALITY INSPECTIONDETECT · INSPECT · IMPROVE
HOME›제조›AI Vision · 검사 경험

INSPECTION EXPERIENCE

촬영한 영상에서 품질 판단까지,
하나의 흐름으로 이어집니다.

현장 영상을 수집하고 AI가 결함 후보를 표시하면, 검사자는 품질 기준에 따라 결과를 확인합니다.

제조 공장의 자동 검사 설비를 표현한 참고 이미지
제조공정 참고 이미지 · 실제 제품 판정 화면 아님
VISUAL QUALITY INSPECTION

검사 장면을 놓치지 않고,
판단의 근거로 연결합니다.

카메라로 확보한 영상을 AI가 분석해 이상이 의심되는 영역을 표시합니다. 이후 현장 품질 기준과 작업자 확인 절차를 반영해 검사 결과를 활용할 수 있도록 설계합니다.

01 영상 확보02 결함 후보 탐지03 검사 결과 확인
INSPECTION OUTPUT / CONCEPT VIEW촬영과 분석 결과 비교
화면 구성 개념도

아래 화면은 실제 제품 판정 화면이 아닌 설명용 시각화입니다.

01검사 원본카메라가 촬영한 영상의 개념 표현
02AI 분석 결과결함 후보 표시 방식의 개념 표현
결함 후보

※ 배선 패턴과 결함 표시는 설명용 SVG 개념도입니다. 실제 검출 위치·정확도·결함 유형은 현장 이미지와 PoC로 검증해야 합니다.

01DETECT

결함 후보를 시각적으로 확인

검사 영상에서 이상이 의심되는 영역을 표시해 재검토할 위치를 빠르게 파악합니다.

02VERIFY

현장 검사 기준으로 판단

공정별 품질 기준과 담당자 확인 단계를 반영해 판정 절차를 구성합니다.

03TRACE

검사 결과를 데이터로 활용

결과와 불량 유형을 관리해 품질 이력과 발생 경향을 살펴볼 수 있습니다.

APPLICATION SCENARIOS

제조 공정에 따라 달라지는 검사 방식

FPCB·자분탐상·도장 표면 검사 사례를 검사 대상과 현장 조건 중심으로 재구성했습니다.

THREE INSPECTION SCENARIOS

같은 AI Vision, 서로 다른 검사 과제

FPCB·자분탐상·도장 공정은 검사 대상과 영상 조건이 서로 다릅니다. 공정별 검출 대상과 적용 시 확인해야 할 조건을 함께 살펴보세요.

아래 내용은 적용 시나리오이며, 검증된 고객 구축 실적으로 확정해 표기한 것은 아닙니다.

전자기판 검사 장비를 표현한 참고 이미지
MICRO PATTERN INSPECTION

FPCB 생산 공정

미세 패턴과 연성 기판의 특성을 고려한 검사

노광·에칭·드릴·적층 등 제조 과정에서 발생할 수 있는 패턴 이상을 영상으로 분석하는 적용 시나리오입니다.

검사 항목 예시
  • 단선·합선
  • 패턴 끊김
  • 과식각·미식각
  • 비아 위치 오차
  • 스크래치·오염
현장 적용 시 검토
  • 촬영 해상도와 배율
  • 기판 휨·반사
  • 정상·불량 샘플 확보
적용 가능 여부와 검출 성능은 검사 대상·데이터 확보·PoC 결과에 따라 달라집니다.

INSPECTION WORKFLOW

촬영부터 판정·조치·기록까지

AI의 분석 결과가 현장 품질 관리 프로세스에 어떻게 연결되는지 한눈에 보여줍니다.

  1. 01CAMERA

    촬영

    검사 대상의 영상 확보

    카메라·조명·트리거 조건 설계
  2. 02AI ANALYSIS

    분석

    영상에서 이상 후보 탐색

    전처리·딥러닝 모델 적용
  3. 03INSPECTION

    판정

    검사 기준에 따라 결과 구분

    결함 위치 및 유형 확인
  4. 04ACTION

    조치

    현장 업무에 결과 연결

    알림·재검·배출 연계는 선택 구현
  5. 05TRACE

    기록

    결과를 품질 데이터로 관리

    검사 이력·유형별 통계 활용
AI가 판단하고, 현장 기준으로 검증합니다.

결함 정의·검사 기준·재검 또는 작업자 확인 단계는 고객의 공정과 품질 규정에 맞춰 정합니다.

SYSTEM ARCHITECTURE

카메라와 AI 분석, 품질 관리가 연결되는 구조

검사 장치와 분석 서버, 모니터링, 기존 업무 시스템의 관계를 기술 담당자가 이해하기 쉽게 표현했습니다.

01
FIELD / INPUT

검사 현장

카메라 · 조명 · 검사 대상 · 촬영 트리거

현장별 촬영 구성
02
AI / ANALYSIS

AI 영상 분석 서버

영상 수집 · 결함 후보 탐색 · 판정 로직 · 결과 저장

GPU · Docker 기반 구성*
03
MONITORING

품질 모니터링

검사 결과 · 결함 위치 · 품질 이력 및 통계

04
OPTIONAL LINK

업무 시스템 연계

MES · ERP · 설비 제어 등 필요 시 별도 연동

* 본 다이어그램은 일반적인 구성 개념도이며, 실제 연결 및 지원 범위는 프로젝트별 확인이 필요합니다.

IMPLEMENTATION ROADMAP

우리 공장에 맞춰 확인하고, 검증 후 적용합니다

제품을 일괄 도입하는 방식이 아니라 현장 분석과 PoC 결과에 따라 적용 범위를 정합니다.

  1. 01

    현장 분석

    현재 검사 방식, 불량 유형, 처리 속도와 공정 제약을 확인합니다.

    확인 결과 검사 요구사항·대상 목록
  2. 02

    촬영 환경 설계

    카메라·조명·설치 위치와 표면 반사·진동 조건을 검토합니다.

    확인 결과 카메라·조명 구성안
  3. 03

    학습 데이터 확보

    정상·불량 샘플을 수집하고 결함 정의와 데이터 분류 기준을 마련합니다.

    확인 결과 검증용 데이터·모델
  4. 04

    PoC 검증

    샘플과 실제 조건에서 검출률·오검출률·검사 시간을 측정합니다.

    확인 결과 검증 결과·보완 과제
  5. 05

    현장 적용

    검증 결과에 따라 운영 절차, 모니터링과 업무 연계 방안을 확정합니다.

    확인 결과 운영 계획·연계 범위

BUSINESS VALUE

도입 효과는 숫자로 검증할 수 있어야 합니다

일반적인 비용 절감 주장보다 고객사별 PoC에서 측정·비교할 수 있는 지표를 제안합니다.

01 / DETECTION QUALITY

검사 품질

불량 검출률오검출률 / 재검 비율

정상·불량 샘플별 판정 결과를 구분해 평가

02 / INSPECTION EFFICIENCY

운영 효율

제품당 검사 시간단위 시간당 처리량

기존 검사 흐름과 AI 적용 테스트 결과 비교

03 / QUALITY TRACEABILITY

품질 추적

검사 결과 기록률불량 유형·발생 추이

검사 이력의 관리 가능 범위 확인

표시된 항목은 측정 지표 제안이며, 현재 페이지에 확정된 성능 수치나 품질 개선 실적은 없습니다. 성능과 개선폭은 공정 조건 및 PoC 검증 결과를 토대로 판단합니다.