광학 문자 인식(OCR)은 이미지 형태의 텍스트(인쇄물, 수기, 각인 등)를 기계가 읽고 편집할 수 있는 디지털 데이터로 변환하는 인공지능 및 컴퓨터 비전 기술입니다. 글로벌 봉제 산업에서는 다품종 소량 생산 체제와 공급망 투명성(Traceability) 요구가 강화됨에 따라, 케어라벨 검수, 원단 롤(Roll) 이력 관리, 완제품 박스 라벨링 자동화의 핵심 기술로 자리 잡고 있습니다. 특히 ISO 3758 표준에 따른 세탁 기호 판독과 바이어별 고유 시리얼 번호 추적에 필수적으로 사용됩니다.
현대 봉제 공장에서 OCR은 단순한 텍스트 추출을 넘어, 제조 실행 시스템(MES)과 전사적 자원 관리(ERP)를 잇는 '데이터 게이트웨이' 역할을 수행합니다. 물리적 메커니즘 측면에서 OCR은 고해상도 이미지 센서가 포착한 광학 신호를 디지털 픽셀로 분해한 뒤, 이를 기하학적 특징점(Feature Points)으로 분석하여 사전에 정의된 문자 라이브러리와 매칭하는 과정을 거칩니다. 기존의 바코드(Barcode)나 QR코드 방식과 비교했을 때, OCR은 별도의 코드 인쇄 영역을 확보할 필요 없이 제품에 이미 인쇄된 케어라벨이나 브랜드 로고, 각인된 시리얼 번호를 그대로 활용할 수 있다는 압도적인 장점이 있습니다. 이는 디자인적 심미성을 중시하는 고급 가방 및 의류 제조에서 매우 중요한 선택 기준이 됩니다.
OCR은 물리적 센서(카메라/스캐너)와 소프트웨어 알고리즘의 결합체입니다. 봉제 현장에서는 다음과 같은 단계로 작동합니다.
- 이미지 획득 (Image Acquisition): 산업용 스마트 카메라가 LED 조명을 활용하여 대상물(라벨, 원단 태그 등)을 촬영합니다. 이때 셔터 스피드는 컨베이어 속도에 맞춰 보통 1/2000s에서 1/5000s 사이로 설정되어 모션 블러를 억제합니다.
- 전처리 (Preprocessing): 노이즈 제거, 기울기 보정(Deskewing), 이진화(Binarization)를 통해 문자와 배경을 명확히 분리합니다. 봉제 공장 특유의 미세 먼지와 실밥(Lint)을 필터링하는 모폴로지(Morphology) 연산이 이 단계에서 적용됩니다.
- 문자 분할 (Segmentation): 개별 문자나 단어 단위로 영역을 할당합니다. 라벨이 미세하게 울거나 접힌 경우, 문자 간 간격을 추정하는 지능형 분할 기술이 사용됩니다.
- 특징 추출 및 인식 (Feature Extraction & Recognition): 딥러닝(CNN/RNN) 기반 알고리즘이 학습된 폰트 데이터베이스와 대조하여 문자를 식별합니다. 특히 ISO 3758에 규정된 세탁 기호(물세탁, 드라이클리닝 등)는 픽토그램 형태이므로 일반 문자와는 다른 패턴 매칭 로직을 사용합니다.
- 출력 및 검증 (Output & Verification): 식별된 데이터를 ERP나 MES로 전송합니다. 이때 체크섬(Checksum) 알고리즘을 통해 데이터의 유효성을 2차 검증합니다.
| 항목 |
세부 사양 |
비고 |
| 기술 표준 |
ISO/IEC 12087 (이미지 처리), ISO 3758 (세탁 기호) |
국제 표준 준수 |
| 하드웨어 |
고해상도 CMOS 센서 (5MP ~ 20MP 권장), C-Mount 렌즈 |
산업용 스마트 카메라 (예: Keyence CV-X7000) |
| 주요 제조사 |
Keyence (CV-X, XG-X), Cognex (In-Sight 시리즈), Omron |
글로벌 시장 점유율 기준 |
| 판독 속도 |
분당 5,000 ~ 12,000자 (컨베이어 속도 최대 100m/min 대응) |
라인 속도 및 알고리즘 복잡도에 따라 가변적 |
| 인식 가능 언어 |
한국어, 영어, 베트남어, 중국어, 일본어 등 50개국어 이상 |
유니코드(Unicode) 및 특수 폰트 학습 가능 |
| 광원 시스템 |
630nm Red LED / White LED / 편광 필터 (Polarizing Filter) |
난반사 및 원단 광택 대응 필수 |
| 데이터 인터페이스 |
Ethernet/IP, PROFINET, RS-232C, TCP/IP, EtherCAT |
PLC(Mitsubishi, LS 등) 및 PC 연동 |
| 보호 등급 |
IP67 (방진 및 방수) |
공장 내 먼지, 습기, 오일 미스트 대응 |
| 최소 인식 크기 |
폰트 기준 3pt ~ 4pt (해상도 300dpi 이상 확보 시) |
고밀도 케어라벨 대응 |
| 권장 셔터 스피드 |
1/2000s ~ 1/10000s |
고속 생산 라인 잔상 방지용 |
- 자재 입고 (Warehouse): 원단 롤에 부착된 로트(Lot) 번호, 중량, 탕(Dye Lot) 번호를 자동 스캔하여 재고 시스템에 등록. 수동 입력 시 발생하는 오타율을 제거하여 이색(Color Shading) 사고 예방.
- 재단 공정 (Cutting): 자동 재단기(CAM)에서 재단된 파츠(Parts)에 부착된 식별 스티커나 마킹을 OCR로 읽어, 이후 본봉 공정에서 좌우 소매가 바뀌지 않도록 투입 순서를 제어.
- 케어라벨 검수 (Label Inspection): 봉제 완료 후 부착된 케어라벨의 혼용률(Cotton 100% 등), 사이즈(S/M/L), 원산지(Made in Vietnam 등)가 작업지시서와 일치하는지 실시간 전수 검사. 특히 유럽 수출용 제품의 다국어 라벨 오부착 방지에 탁월.
- 완제품 포장 (Packing): 카톤 박스 외부에 인쇄된 SKU 정보와 내부 제품의 일치 여부를 확인하여 오배송 방지. 바코드 훼손 시 OCR이 백업 시스템으로 작동.
- 특수 공정 (Specialty): 명품 가방의 내측 가죽 시리얼 넘버 각인(Embossing) 판독. 금박/은박 인쇄 문자의 경우 난반사가 심하므로 돔(Dome) 조명이나 LumiTrax 기술을 활용한 OCR 판독 기술 적용.
- 봉제기 연동 (Machine Integration): Juki DDL-9000C나 Brother S-7300A와 같은 스마트 재봉기와 연동하여, OCR이 라벨의 특정 코드를 읽으면 해당 제품에 맞는 실 장력(Tension)과 SPI(Stitches Per Inch) 설정을 자동으로 불러오는 스마트 팩토리 구현.
-
증상: 문자 인식 불능 (No Read)
- 원인: 조명 밝기 부족 또는 외부 햇빛 간섭으로 인한 이미지 대비 저하. 특히 검정색 원단에 검정색 자수로 새겨진 문자의 경우 대비(Contrast) 확보가 어려움.
- 해결: 차광 후드(Hood) 설치 및 LED 조명 컨트롤러를 통해 광량을 상향 조정. 가죽이나 기능성 원단의 경우 로우 앵글(Low Angle) 조명을 사용하여 문자의 그림자를 유도, 입체감을 확보함.
-
증상: 라벨 주름으로 인한 오독 (Distortion)
- 원인: 봉제 시 라벨 텐션 불균형으로 인해 글자가 휘어지거나 겹침. (현장 용어: "라벨이 울었다")
- 해결: 판독 위치에 진공 흡착판(Vacuum Pad) 또는 투명 아크릴 가이드를 설치하여 라벨을 평평하게 유지. 소프트웨어 내 '비정형 왜곡 보정' 알고리즘을 강화하고, 노루발 압력을 조정하여 라벨 부착 부위의 평탄도를 확보.
-
증상: 고속 라인 잔상 발생 (Motion Blur)
- 원인: 카메라 노출 시간(Exposure Time)이 컨베이어 이동 속도보다 길어 이미지가 번짐.
- 해결: 셔터 스피드를 1/2000s 이하로 설정하고, 부족한 광량은 고휘도 스트로보(Strobe) 조명으로 보완. 트리거 센서의 응답 속도(Response Time)를 1ms 이하로 튜닝.
-
증상: 유사 문자 오독 (Character Substitution)
- 원인: '0'과 'O', '1'과 'I', 'B'와 '8' 등 형태가 유사한 문자를 구분하지 못함. 특히 도트 프린터로 인쇄된 라벨에서 빈번함.
- 해결: 폰트 학습(Font Teaching) 기능을 통해 해당 공장의 전용 서체를 재등록. '사전 검증(Dictionary Check)' 기능을 활성화하여, 사이즈 칸에는 S, M, L, XL 외의 문자가 올 수 없도록 논리적 필터링 적용.
-
증상: 실밥 및 먼지 간섭 (Noise)
- 원인: 봉제 과정에서 발생한 잔사(Thread ends)가 문자의 일부를 가림.
- 해결: 이미지 전처리 과정에서 'Erosion(침식)' 및 'Dilation(팽창)' 필터를 적용하여 미세 노이즈 제거. 봉제 공정 마지막 단계에 흡입 장치(Suction)를 설치하여 잔사 제거 후 OCR 판독 실시.
- 판독 정확도 (Read Rate): AQL 0.65 기준, 10,000건 판독 시 오독 0건을 목표로 함. (Critical Defect로 관리). 현장에서는 '미인식(No Read)'보다 '오독(Mismatch)'을 더 위험한 결함으로 간주함.
- 데이터 무결성 (Data Integrity): OCR 판독값과 ERP 마스터 데이터 간의 일치율 100%. 판독된 데이터는 최소 5년간 서버에 이미지와 함께 보관되어야 함(바이어 클레임 대응용).
- 가독성 한계 테스트: 바이어가 지정한 최소 폰트 크기(보통 4pt)에서 인식률 99.9% 유지 여부 확인. 세탁 5회 실시 후 인쇄가 흐려진 상태에서도 인식 가능한지 내구성 테스트 병행.
- 환경 내성: 공장 내 온도(40도 이상) 및 습도(80% 이상) 환경에서 24시간 연속 가동 시 하드웨어 발열 및 성능 저하 여부 점검. 냉각 팬이 없는 팬리스(Fanless) 타입의 산업용 PC 권장.
| 언어 |
용어 |
로마자 표기 |
비고 |
| 한국어 (KR) |
광학 문자 인식 |
Gwanghak Munja Insik |
공식 기술 용어 |
| 한국어 (KR) |
문자 판독 |
Munja Pandok |
현장에서 OCR 대신 가장 흔히 쓰이는 표현 |
| 한국어 (KR) |
스캔 찍기 |
Scan Jjik-gi |
리더기로 데이터를 읽는 행위 전반 |
| 일본어 (JP) |
文字認識 |
Monji Ninshiki |
일본계 공장(Juki, Brother 등 연동 시) 표준 용어 |
| 일본어 (JP) |
メカ読 |
Meka-yomi |
'기계가 읽음'의 약어로, 자동 판독을 의미 |
| 베트남어 (VN) |
Nhận dạng ký tự |
Nhan dang ky tu |
베트남 현지 기술자 교육 시 사용 용어 |
| 베트남어 (VN) |
Máy đọc chữ |
May doc chu |
'글자 읽는 기계'라는 뜻의 현장 통용어 |
| 중국어 (CN) |
字符识别 |
Zìfú shíbié |
중국 내 생산 라인 및 장비 매뉴얼 용어 |
| 중국어 (CN) |
光学扫描 |
Guāngxué sǎomiáo |
광학 스캔, 현장에서 포괄적으로 사용 |
- 카메라 설치 각도: 대상물과 수직(90도) 설치를 원칙으로 하되, 유광 라벨(Satin Label)의 경우 정반사로 인해 글자가 하얗게 날아가는 현상이 발생함. 이 경우 카메라를 10~15도 경사 설치하고 소프트웨어의 '원근 보정(Perspective Correction)' 기능을 사용하여 왜곡을 잡는 것이 현장 노하우임.
- 작업 거리(WD) 고정: 렌즈의 초점 거리(Focal Length)를 고정하기 위해 카메라 브래킷을 진동이 없는 프레임에 견고히 고정. 재봉기 모터의 진동이 카메라에 전달되면 이미지 블러(Blur)의 원인이 되므로 독립된 스탠드 설치 권장.
- 트리거(Trigger) 설정: 광전 센서(Photo Sensor)를 활용하여 제품이 정확한 위치에 도달했을 때만 촬영하도록 설정. 센서의 감도는 원단의 색상에 영향을 받으므로, 투명하거나 어두운 원단에서도 작동하는 레이저 타입 센서 권장.
- 봉제 주의 사항: OCR 인식 대상인 케어라벨이나 메인라벨 주위를 봉제할 때, 스티치가 문자를 침범하지 않도록 노루발 간격(Presser Foot Clearance)을 최소 2.5mm 이상 유지해야 함. 또한, 라벨이 접히지 않도록 이송 톱니(Feed Dog)의 높이를 미세 조정하여 원단 밀림 현상을 방지해야 함.
- 바늘 및 실 선택: 라벨 봉제 시 바늘 구멍으로 인한 문자 왜곡을 방지하기 위해 가급적 가는 바늘(DBx1 #9 ~ #11)을 사용하고, 실의 장력은 원단이 울지 않을 정도로 최소화(약 50~70g)하여 세팅함.
¶ 유지보수 및 교정 (Maintenance & Calibration)
- 렌즈 클리닝: 봉제 공장의 미세 먼지(Lint)는 렌즈 표면에 흡착되어 인식률을 저하시킴. 매 교대 시간(8시간)마다 에어 블로우 및 전용 클리너로 렌즈와 조명 커버를 청소해야 함.
- 마스터 샘플 교정: 매일 작업 시작 전, 판독 성공 샘플(OK)과 실패 샘플(NG)을 각각 투입하여 시스템의 판독 임계값(Threshold)이 정상인지 확인.
- 조명 광량 점검: LED 조명은 노후화됨에 따라 광량이 감소함. 조명 컨트롤러의 출력 전압을 정기적으로 체크하고, 이미지의 평균 그레이스케일(Gray Scale) 값이 초기 세팅 대비 10% 이상 하락 시 조명을 교체함.
graph TD
A[라벨 부착 및 봉제 완료] --> B{검사 스테이션 진입}
B --> C[센서 감지 및 트리거 발생]
C --> D[산업용 카메라 고속 촬영]
D --> E[이미지 전처리: 이진화 및 노이즈 제거]
E --> F[문자 분할 및 특징점 추출]
F --> G[AI OCR 엔진: 패턴 매칭]
G --> H{ERP 데이터와 대조}
H -- 일치 (OK) --> I[합격 판정 및 다음 공정 이송]
H -- 불일치 (NG) --> J[경보 발생 및 라인 정지]
J --> K[작업자 수동 확인 및 재분류]
I --> L[생산 이력 DB 자동 저장]
L --> M[바이어용 품질 리포트 자동 생성]
M --> N[최종 출고 승인]
- RFID (Radio Frequency Identification): 비접촉식 식별 기술. OCR은 가시적인 확인이 필요한 경우에, RFID는 대량의 박스를 한꺼번에 읽을 때 상호 보완적으로 사용됨.
- 컴퓨터 비전 (Computer Vision): OCR의 상위 개념. 봉제 산업에서는 땀뜀(Skipped Stitch), 원단 오염, 봉제선 이탈 등을 검출하는 데 광범위하게 적용됨.
- MES (Manufacturing Execution System): OCR 데이터를 실시간으로 수집하여 라인별 생산 효율(Efficiency)과 불량률(Defect Rate)을 분석하는 시스템.
- ISO 3758: 국제 세탁 기호 표준. OCR 시스템이 반드시 학습해야 하는 핵심 그래픽 데이터셋으로, 기호의 미세한 선 굵기 차이까지 인식해야 함.
- SPI (Stitches Per Inch): 봉제 밀도. OCR 판독 영역 주변의 SPI가 너무 높으면 원단 수축으로 인해 문자 왜곡이 발생할 수 있음.
- 본봉 (Lockstitch): ISO 4915 301 스티치. 라벨 부착 시 가장 널리 사용되며, OCR 판독을 위해 일정한 장력 유지가 필수적임.