¶ 정의 및 개요
AI 비전 검수(AI Vision Inspection, 동의어: 비전 검사, 자동 검단)는 고해상도 산업용 카메라, 특수 광원 시스템, 그리고 딥러닝(Deep Learning) 알고리즘을 결합하여 봉제 공정 중 발생하는 결함을 실시간으로 감지, 분류 및 데이터화하는 지능형 자동화 품질 관리(Quality Control) 시스템이다. 이 시스템은 원단의 직조 불량, 봉제 시 발생하는 스킵(Skipped stitch), 실 끊어짐, 이물질 오염, 치수 오차 등을 인간의 육안보다 높은 정밀도와 속도로 판별한다.
물리적으로는 광학 센서를 통해 획득한 이미지 데이터를 CNN(Convolutional Neural Network) 기반 AI 모델(YOLO v8, ResNet, Segmentation 모델 등)이 사전에 학습된 정상 제품(Golden Sample) 데이터셋과 비교하여 합격(Pass) 또는 불합격(Fail)을 결정한다. 특히 스마트 팩토리의 핵심 요소로서, 검수 데이터를 MES(제조실행시스템)와 연동하여 공정 불량률을 실시간으로 모니터링하고 설비의 예방 보전(Predictive Maintenance)을 가능케 한다.
[기술적 원리: 광학 및 알고리즘] AI 비전 검수는 '빛의 반사와 굴절'을 이용한 광학적 데이터 추출 공정이다. 재봉기 바늘이 원단을 관통하며 형성하는 스티치(Stitch)의 루프 구조와 실의 꼬임(Twist) 상태를 초당 수십~수백 프레임의 속도로 캡처한다. 기존의 단순 센서 방식이 실의 유무만을 판단했다면, AI 비전 검수는 실의 장력 불균형으로 인한 미세한 루프의 늘어짐이나 원단 조직의 미세한 미어짐(Seam Slippage)까지 형상 인식 알고리즘으로 잡아낸다.
¶ 기술 사양표
| 항목 | 세부 사양 및 값 | 비고 |
|---|---|---|
| 검사 대상 스티치 | ISO 4915 101(단봉), 301(본봉), 401(이중환봉), 504(오바로크), 602(편평봉) 등 전 종 | 스티치 형태 및 루프 구조 분석 |
| 기계 유형 | 독립형 비전 검단기, 재봉기 일체형 모듈, 최종 라인 검수 스테이션 | 설치 위치 및 공정에 따른 분류 |
| 주요 하드웨어 모델 | Juki Intelligent Sewing System (JSS), Brother NEXIO System, Hikvision Industrial AI Series, Cognex In-Sight | 글로벌 표준 장비 및 센서 (Juki IS-100 미검증으로 제외) |
| 카메라 사양 | 5MP ~ 25MP CMOS 센서 (Global Shutter 방식 필수) | 모션 블러(Motion Blur) 방지 |
| 렌즈 사양 | Telecentric Lens (왜곡 방지) 또는 고해상도 FA 렌즈 | 초점 거리 및 화각 최적화 |
| 검사 속도 | 원단 검단: 60-120 m/min / 완제품: 건당 0.5-1.5초 | 생산 라인 타임(Takt Time) 동기화 |
| 데이터 인터페이스 | GigE Vision, USB 3.0, TCP/IP, RS-232C, PLC I/O | 스마트 팩토리 통신 프로토콜 |
| 광원 시스템 | 고휘도 LED (Ring, Coaxial, Bar, Dome Type) / UV 광원 | 원단 재질 및 광택도에 따라 선택 |
| 컴퓨팅 파워 | NVIDIA Jetson Edge AI 또는 산업용 PC (RTX GPU 가속) | 실시간 추론(Inference) 및 엣지 컴퓨팅 |
| 검출 정밀도 | 최소 0.05mm ~ 0.1mm 단위 결함 식별 가능 | 렌즈 배율 및 센서 해상도에 비례 |
| 작동 환경 온도 | 0°C ~ 45°C (IP67 등급 산업용 하우징 권장) | 공장 내 고온 다습 및 먼지 환경 고려 |
| 스티치 밀도(SPI) | 3 SPI ~ 28 SPI (일반 의류 및 산업용 범위) | 0.5 SPI는 검출 오류 또는 설정 범위 밖으로 간주 |
¶ 주요 적용 분야
- 의류 생산 (Apparel): 셔츠, 바지, 아우터의 최종 시아게(Finishing) 단계에서 봉제 불량(스킵, 퍼커링) 및 오염 검사. 특히 체크무늬나 스트라이프 원단의 패턴 매칭(Pattern Matching) 정밀도 확인.
- 자동차 내장재 (Automotive): 에어백의 안전 봉제선(Safety Seam) 누락 검사, 가죽 시트의 스티치 간격(SPI) 일관성 및 주름 발생 여부 실시간 모니터링. (ISO 26262 기능 안전 대응 필수 공정)
- 신발 제조 (Footwear): 갑피(Upper) 봉제 라인의 대칭성 확인, 접착제 도포 범위의 균일성 검사 및 로고 자수 위치 정밀 측정.
- 가방 및 잡화 (Bags & Accessories): 지퍼 부착 상태의 평행도, 스트랩 보강 봉제(Bar-tack)의 침수 누락 및 금속 부자재(Rivets, Eyelets)의 장착 상태 검수.
- 특수 산업용 섬유: 필터, 낙하산, 텐트 등 고신뢰성이 요구되는 제품의 미세 구멍(Pin-hole) 및 사절(Yarn Breakage) 검출.
¶ 주요 결함 및 해결 가이드
-
Skipped Stitch (메야쓰/스킵)
- 원인: 바늘 열화, 타이밍 불일치, 실 장력 부적절, 바늘과 가마(Hook) 간극 과다.
- AI 해결: 딥러닝 모델이 스티치 루프의 연속성을 분석하여 불연속 구간 발생 시 즉시 장비를 정지시키고 작업자에게 바늘 교체 알람 송출.
- 현장 팁: AI 비전 검수가 스킵을 감지하면 가장 먼저 바늘과 가마 사이의 간극(Clearance)이 0.05~0.1mm 이내인지 확인해야 함.
-
Oil Stain (기름 오염)
- 원인: 재봉기 헤드 내 과다 급유 또는 오일 씰(Oil Seal) 파손으로 인한 누유.
- AI 해결: 특정 파장(UV) 광원을 AI 비전 검수 시스템에 결합하여 육안으로 식별이 어려운 미세 유분 및 형광 물질을 검출하고 세척 공정으로 자동 분류.
-
Seam Puckering (퍼커링/우글거림)
- 원인: 상하 이송(Feed) 불균형, 실 장력 과다, 원단 특성 미고려.
- AI 해결: 비전 센서가 원단 표면의 굴곡도를 3D 프로파일링하거나 그림자 분석(Shadow Analysis)을 통해 굴곡값이 임계치를 초과할 경우 전자 장력 조절 장치에 데이터를 전송하여 자동 보정.
-
Broken Needle (바늘 부러짐/잔류)
- 원인: 두꺼운 솔기(Cross Seam) 통과 시 충격 또는 바늘 과열로 인한 파손.
- AI 해결: 금속 탐지기(Metal Detector)와 AI 비전 검수를 교차 실행하여 원단 내 잔류 바늘 조각의 위치를 화면에 시각적으로 표시하고 해당 제품을 즉시 격리.
-
Measurement Deviation (치수 오차)
- 원인: 원단 수축, 재단 불량 또는 작업자의 숙련도 부족으로 인한 시접(Seam Allowance) 과다/과소.
- AI 해결: 캘리브레이션된 카메라가 패턴의 주요 지점(P.O.M - Point of Measure)을 자동 측정하여 허용 오차(Tolerance) 초과 시 불량 처리 및 재단 데이터 수정 피드백.
¶ 품질 관리 기준 (QC Standards)
- AQL (Acceptable Quality Level): 바이어 요구 조건에 따라 AQL 1.0(엄격) 또는 1.5(보통) 수준의 알고리즘 임계값(Threshold)을 설정하여 관리.
- Symmetry (대칭성): 의류의 좌우 카라(Collar) 끝점, 주머니 위치, 소매 길이를 ±1.0mm 이내의 정밀도로 관리.
- SPI (Stitches Per Inch): 설정된 SPI(예: 12 SPI)에서 ±0.5 SPI 이상의 변동이 발생할 경우 공정 이상으로 간주하여 라인 중단. (단일 스티치 길이가 0.5 SPI인 경우는 불량으로 간주)
- Color Shading (이색): 동일 로트(Lot) 내 원단 간 미세 색상 차이를 Delta E(ΔE) 값을 기준으로 판별하여 이색 제품의 혼입 방지.
- Stitch Balance: 윗실과 밑실의 교차점이 원단 중간에 위치하는지 AI 비전 검수로 단면 분석(일부 고성능 모델).
¶ 현장 전문 용어 및 은어
| 언어 | 용어 | 로마자 표기 | 비고 |
|---|---|---|---|
| 한국어 (KR) | AI 비전 검수 | AI Vision Geom-su | 자동 검단 및 불량 검출 시스템 표준 명칭 |
| 한국어 (KR) | 메야쓰 잡는 기계 | Meyasu Jab-neun Gigye | 스킵(Skipped stitch) 검출기 (일본어 유래) |
| 한국어 (KR) | 시아게 비전 | Si-a-ge Vision | 최종 마감(Finishing) 단계의 AI 비전 검수기 |
| 한국어 (KR) | 단다/와키 검수 | Danda/Waki | 앞단/옆구리 봉제선 검사 (현장 은어) |
| 일본어 (JP) | 外観検査 | Gaikan Kensa | 외관 검사 (현장 표준 용어) |
| 일본어 (JP) | ビジョン | Bijon | 비전 시스템 자체를 지칭 |
| 베트남어 (VN) | Kiểm tra tự động | Kiem tra tu dong | 자동 검사 시스템 |
| 베트남어 (VN) | Máy soi lỗi | May soi loi | 불량 검색기 (현장 은어) |
| 중국어 (CN) | 视觉检测 | Shìjué jiǎncè | 시각 검측 (비전 검사 표준어) |
| 중국어 (CN) | 自动验布 | Zìdòng yànbù | 자동 검단 (원단 검사 시 사용) |
¶ 시스템 설정 및 최적화 가이드
- 조명 최적화 (Lighting): 원단의 광택도(Luster)에 따라 LED 밝기를 조정한다. 그림자 방지를 위해 돔(Dome) 조명을 사용하거나, 스티치 입체감 강조를 위해 낮은 각도의 사광(Low-angle Light)을 설정한다.
- 카메라 캘리브레이션 (Calibration): 픽셀(Pixel) 단위를 실제 치수(mm)로 변환하기 위해 표준 체커보드(Checkerboard)를 사용하여 매일 작업 전 보정 작업을 수행한다.
- ROI (Region of Interest) 설정: 검사가 불필요한 배경을 제외하고, 봉제선이나 로고 위치 등 핵심 검사 영역(ROI)만 지정하여 연산 속도를 높인다.
- 임계값(Threshold) 조정: 원단의 텍스처(Texture)가 거친 경우 노이즈로 인식될 수 있으므로, AI 모델의 민감도를 원단 종류(Woven, Knit)별로 프로파일화하여 저장한다.
- 이송 속도 동기화: 컨베이어 벨트 또는 재봉기 이송 속도와 카메라의 프레임 레이트(FPS)를 엔코더(Encoder)를 통해 동기화하여 이미지 늘어짐(Motion Blur)을 방지한다.
¶ 품질 판정 흐름도
¶ 세부 장비 세팅 및 캘리브레이션 가이드 (시니어 기술자 노하우)
AI 비전 검수 시스템의 성능은 하드웨어 수치 설정의 정밀도에 좌우된다. 현장 도입 시 다음의 기준 수치를 가이드라인으로 삼는다.
[원단 두께별 바늘 및 장력 설정 표준표 (Towa 장력계 기준)]
| 원단 구분 | 바늘 번수 (Organ/Schmetz) | 바늘 시스템 | 밑실 장력 (gf) | 윗실 장력 (gf) | 비전 권장 SPI |
|---|---|---|---|---|---|
| 극박물 (Chiffon) | #7 ~ #9 | DBx1, DAx1 | 15 ~ 20 | 40 ~ 60 | 16 ~ 20 |
| 박물 (Shirt/Lining) | #11 ~ #12 | DBx1 | 20 ~ 25 | 60 ~ 80 | 12 ~ 14 |
| 중물 (Suit/Knit) | #14 | DPx5, DBx1 | 25 ~ 30 | 80 ~ 110 | 10 ~ 12 |
| 후물 (Denim/Canvas) | #16 ~ #19 | DPx17, DBx1 | 35 ~ 45 | 120 ~ 180 | 8 ~ 10 |
| 극후물 (Leather/Webbing) | #21 ~ #23 | DPx17 | 50 ~ 70 | 200 ~ 350 | 6 ~ 8 |
[핵심 기계적 세팅 수치] 1. 노루발 압력 (Presser Foot Pressure): * 일반 직물: 2.5 ~ 3.5 kgf * 니트류: 1.5 ~ 2.0 kgf (원단 늘어짐 방지 및 비전 왜곡 최소화) * 가죽/후물: 4.0 ~ 5.5 kgf 2. 차동 이송비 (Differential Feed Ratio): * 신축성 원단(Jersey): 1:1.2 ~ 1:1.5 (주름 방지) * 일반 원단: 1:1.0 * AI 비전 검수는 이송 불균형으로 인한 미세한 '웨이브'를 결함으로 인식하므로, 차동 설정이 비전 합격률에 직결됨. 3. 카메라 설치 거리 (Working Distance): * 일반적으로 렌즈 끝단에서 원단 표면까지 150mm ~ 300mm 유지. * 조리개(Aperture) 값은 f/5.6 ~ f/8 사이에서 심도(Depth of Field)를 확보하여 원단 굴곡에도 초점이 흐려지지 않게 설정.
¶ 국가별 현장 실무 및 인식 차이
- 한국 (Korea):
- 특징: 고부가가치 제품(자동차 시트, 에어백, 아웃도어) 위주.
- 인식: "사람보다 정확해야 한다"는 완벽주의적 접근.
- 운영: 주로 최종 검수 단계에 고가의 Cognex나 Keyence 급 장비를 배치하여 데이터의 신뢰성을 최우선으로 함. ISO 26262 인증 유지를 위해 AI 비전 검수 데이터를 10년 이상 보관하는 경향이 있음.
- 베트남 (Vietnam):
- 특징: 글로벌 브랜드(Nike, Adidas, Uniqlo)의 대규모 OEM 생산 기지.
- 인식: "생산 속도를 떨어뜨리지 않는 보조 도구"로 인식.
- 운영: 재봉기 헤드에 직접 장착하는 소형 모듈 선호. 대량 생산 중 발생하는 '치명적 불량'을 조기에 차단하여 재작업 비용 절감에 집중. 고온다습한 환경으로 인해 카메라 렌즈의 결로 방지를 위한 에어 블로우(Air Blow) 시스템을 필수로 장착함.
- 중국 (China):
- 특징: 스마트 팩토리 전환 속도가 가장 빠름. 자국산 AI 솔루션(Hikvision, Dahua)의 공격적 도입.
- 인식: "인건비 절감 및 데이터 자산화"의 핵심 수단.
- 운영: 원단 검단부터 패킹까지 전 공정을 AI 비전 검수 시스템으로 연결하는 통합 플랫폼 구축 지향. 5G망을 이용한 클라우드 기반 AI 학습 모델 업데이트가 활발함.
¶ 실전 트러블슈팅 (Expert Troubleshooting)
- 증상: 특정 색상(블랙/네이비) 원단에서 불량 검출률 급감
- 진단: 가시광선 조명이 어두운 원단에 흡수되어 대비(Contrast)가 확보되지 않음.
- 해결: 적외선(IR) 조명과 IR 전용 카메라 필터를 사용하라. 실의 질감과 원단의 경계가 명확해진다.
- 증상: 기계 진동으로 인한 이미지 흔들림(Blur)
- 진단: 고속 재봉 시 발생하는 진동이 카메라 마운트에 전달됨.
- 해결: 카메라 지지대를 재봉기 본체와 분리된 독립 프레임에 설치하거나, 셔터 스피드를 1/10,000초 이하로 높이고 조명 밝기를 증폭하라.
- 증상: 양품인데 자꾸 불량으로 판정됨 (False Positive)
- 진단: AI 모델의 과적합(Overfitting) 또는 원단 자체의 불규칙한 텍스처(Slub) 때문.
- 해결: 'Confidence Score(신뢰도 점수)' 임계값을 하향 조정하고, 다양한 로트(Lot)의 원단 데이터를 재학습시켜 모델의 범용성을 높여야 한다.
- 증상: 실 끊어짐 감지가 늦음
- 진단: ROI(관심 영역) 설정이 바늘 낙하지점과 너무 멀리 떨어져 있음.
- 해결: ROI를 바늘 낙하지점 직후 5~10mm 지점으로 좁게 설정하여 실의 장력이 풀리는 순간을 즉각 포착하게 하라.
- 증상: 투명사(Monofilament) 봉제 시 스킵 감지 불가
- 진단: 투명 실이 빛을 투과시켜 일반 광학계로는 형상 파악이 어려움.
- 해결: 편광 필터(Polarizing Filter)를 카메라와 조명에 교차 장착하여 실의 표면 반사광만 선택적으로 수집하라.
¶ 대체 기술과의 비교: 왜 AI 비전 검수인가?
| 비교 항목 | 육안 검사 (Manual) | 단순 광센서 (Photo Sensor) | AI 비전 검수 (AI Vision) |
|---|---|---|---|
| 정확도 | 작업자 컨디션에 의존 | 실의 유무만 판단 가능 | 미세 형상 및 패턴 분석 가능 |
| 속도 | 저속 (피로도 비례) | 초고속 (단순 On/Off) | 고속 (실시간 추론) |
| 데이터화 | 수기 기록 (오류 가능성) | 불가능 | MES/ERP 자동 연동 |
| 유연성 | 높음 (즉시 판단) | 낮음 (세팅 고정) | 매우 높음 (학습을 통한 확장) |
| 초기 비용 | 낮음 | 중간 | 높음 |
| 유지 비용 | 높음 (인건비 상승) | 낮음 | 중간 (모델 업데이트 필요) |
종합적인 분석 결과, 고속 자동화 라인에서는 단순 광센서의 한계를 극복하고 육안 검사의 불확실성을 제거할 수 있는 AI 비전 검수가 품질 보증의 표준으로 자리 잡고 있다. 특히 자동차 안전 부품과 같이 ISO 26262 등 엄격한 국제 표준 준수가 요구되는 분야에서는 선택이 아닌 필수 공정으로 간주된다.
¶ 관련 항목
- Smart Factory (스마트 팩토리): 생산 전 공정을 디지털화하여 관리하는 지능형 공장 시스템.
- IoT Sewing Machine (IoT 재봉기): AI 비전 검수 시스템과 연동하여 실시간으로 장력 및 SPI를 조절하는 차세대 재봉기.
- Deep Learning (딥러닝): CNN, RNN 등 방대한 불량 이미지를 학습하여 검사 정확도를 지속적으로 고도화하는 핵심 기술.
- Defect Mapping (결함 맵핑): 원단 롤(Roll) 전체의 결함 위치를 좌표로 기록하여 재단 시 불량 부위를 자동으로 피하는 기술.
- MES (Manufacturing Execution System): 생산 현장의 실시간 데이터를 수집하고 분석하는 제조 실행 시스템.
- ISO 4915: 스티치 분류 및 용어에 관한 국제 표준. AI 비전의 학습 데이터 라벨링 기준이 됨.
- ISO 26262: 자동차 기능 안전 국제 표준. 에어백 등 안전 부품의 봉제 품질 검증 시 AI 비전 검수가 핵심 기술로 활용됨.
- Edge AI: 중앙 서버 없이 장비 자체에서 데이터를 처리하여 지연 시간을 최소화하는 기술.