sharptech6655의 등록된 링크

키자드에 등록된 총 71개의 포스트를 확인하실 수 있습니다.

Naver Blog

자동화 설비 도입 시 가장 많이 하는 오해

자동화 설비를 처음 도입할 때 현장에서 가장 많이 하는 오해들을 정리해보면, 실제 프로젝트 실패 원인과 거의 겹칩니다. 1. “자동화하면 무조건 인력이 줄어든다” 오해 자동화 = 무조건 인원 감축 현실 단순 반복 인력은 줄어들 수 있지만 세팅, 유지보수, 품질 관리 인력은 오히려 중요해짐 자동화 후에도 사람의 역할은 ‘관리자’로 전환됨 → 인력 감소가 목적이면 실패 확률이 높음 → 품질 안정 + 생산성 유지가 목적이어야 성공 불량 검출, 생산 안정성, 야간 무인 운전 가능성이 더 큼 2. “자동화는 한 번 설치하면 끝이다” 오해 설비 설치 = 프로젝트 종료 현실 양산 조건 변경 제품 모델 추가 소재·공급처 변경 자동화 설비는 계속 튜닝이 필요한 시스템 → 유지보수 계획, 파라미터 변경 가능 구조가 핵심 → 특히 머신비전은 “초기 세팅 + 현장 적응”이 성능의 70% 3. “사람보다 자동화가 항상 더 정확하다” 오해 자동화 = 100% 정확 현실 자동화는 조건이 일정할 때

원문보기 내부링크
Naver Blog

자동화 설비에서 머신비전이 꼭 필요한 이유

자동화 설비에서 머신비전(Machine Vision) 이 꼭 필요한 이유는 한 문장으로 말하면 “사람의 눈과 판단을 설비에 그대로 이식하기 위해서” 입니다. 1. 자동화 설비는 ‘본다’가 없으면 완성되지 않는다 자동화 설비는 기본적으로 이송 → 가공 → 조립 → 검사 → 배출 흐름으로 구성됩니다. 이 중에서 머신비전이 없으면 생기는 문제는: 로봇이 어디를 잡아야 하는지 모름 부품이 정상인지 불량인지 판단 불가 위치 오차, 뒤집힘, 누락을 확인할 방법 없음 즉, 머신비전 = 설비의 눈(Eye) PLC / 로봇 = 설비의 뇌(Brain) 2. 사람 검사 한계 → 머신비전으로 대체 사람이 하는 검사의 한계는 명확합니다. 항목 사람 검사 머신비전 반복성 피로 누적 항상 동일 속도 느림 고속 가능 기준 주관적 수치화 가능 기록 불가능 이미지 저장 24시간 불가 가능 → 자동화 설비에서 품질을 안정적으로 유지하려면 머신비전은 필수 3. 공정 자동화 + 검사 자동화의 연결 고리 머신비전은 단순히

원문보기 내부링크
Naver Blog

머신비전 없는 자동화의 한계

자동화 설비에서 머신비전이 없는 경우 발생하는 한계는 생각보다 명확합니다. 특히 실제 현장 기준으로 보면 아래 문제들이 반복적으로 나타납니다. 1. 위치 오차를 극복할 수 없다 머신비전이 없으면 장비는 “정해진 위치에 정확히 온다”는 가정 하에 동작합니다. 제품 위치 편차 이송 중 흔들림 지그 마모, 온도 변화 → 이런 미세 오차를 인식하거나 보정할 수 없음 결과적으로 로봇 삽입 불량 조립 미스 잦은 기계 간섭 발생 2. 불량을 ‘판단’하지 못한다 센서만 사용하는 자동화는 대부분 ON / OFF 판단에 그칩니다. 색상 차이 미세 스크래치 이물, 오염 인쇄 품질 → “보인다”와 “판단한다”의 차이 머신비전이 없으면 불량 기준을 시스템이 이해하지 못함 3. 공정 변화에 매우 취약하다 제품이 조금만 바뀌어도: 형상 변경 위치 변경 방향 변경 → 지그 교체 기구 수정 설비 재제작 필요 머신비전이 있다면 → 소프트웨어 파라미터 변경으로 대응 가능 4. 자동화 수준이 ‘반자동’에서 멈춘다 머신

원문보기 내부링크
Naver Blog

공정 자동화 vs 검사 자동화 차이점

공정 자동화와 검사 자동화는 자동화 범위와 목적이 다르기 때문에 현장에서 자주 혼동됩니다. 아래에서 역할·기술·도입 목적 중심으로 명확히 구분해볼게요. 1. 공정 자동화 (Process Automation) 정의 제품을 만들고 가공하는 공정 자체를 자동화하는 것 → “사람이 하던 작업을 기계·로봇이 대신 수행” 목적 생산성 향상 인력 의존도 감소 공정 품질의 일관성 확보 원가 절감 적용 예시 로봇을 이용한 조립 / 용접 / 도포 컨베이어 기반 이송 자동화 PLC로 제어되는 가공 장비 자동 포장, 적재(Palletizing) 주요 기술 PLC / Motion Controller 산업용 로봇 서보모터, 인버터 센서 (근접, 포토 등) HMI / SCADA 2. 검사 자동화 (Inspection Automation) 정의 완성되었거나 진행 중인 제품을 자동으로 검사·판정하는 것 → “사람의 눈과 판단을 시스템으로 대체” 목적 불량 검출 정확도 향상 검사 속도 개선 주관적 판단

원문보기 내부링크
Naver Blog

자동화 설비 구축 절차 총정리 (기획부터 시운전까지)

자동화 설비 구축 절차 한눈에 보기 기획 → 설계 → 제작·설치 → 시운전 → 양산 이관 1. 기획 단계 (Planning) “무엇을, 왜 자동화할 것인가?” 핵심 목적 자동화 목표 명확화 요구사항 정의 (ROI, 품질, 인력 절감 등) 주요 업무 공정 분석 (현 공정 Flow, Cycle Time, 병목 구간) 자동화 대상 선정 공정 자동화 vs 검사 자동화 목표 지표 설정 생산성(CPH), 불량률, 인원 절감 고객 요구사항 정리 (URS) 예산 / 일정 / 리스크 검토 산출물 공정 분석서 자동화 기획서 요구사항 정의서(URS) 2. 설계 단계 (Design) “어떻게 구현할 것인가?” ① 개념 설계 (Concept Design) 설비 구성 컨셉 공정 Flow Diagram 자동화 범위 확정 주요 장비 선정 PLC, 로봇, 비전, 센서, 이송 방식 ② 상세 설계 (Detail Design) 기구 설계 (3D / 2D) 전장 설계 전기 회로도 I/O 리스트 제어 설계 PLC Sequ

원문보기 내부링크
Naver Blog

수동 공정을 자동화로 바꾸면 달라지는 것

수동 공정을 자동화로 전환하면 단순히 “사람 대신 기계가 한다” 수준을 넘어, 품질·원가·속도·데이터·조직 운영 방식까지 전반적으로 달라집니다. 현장에서 체감되는 변화 위주로 정리해볼게요. 1. 품질(Quality)이 가장 먼저 달라진다 수동 공정 작업자 숙련도에 따라 품질 편차 발생 피로·집중력 저하 → 불량 변동 “괜찮아 보이면 OK” 식의 주관적 판단 자동화 공정 동일 조건 반복 → 품질 편차 최소화 머신비전·센서 기반 정량적 판정 재현성 확보 (누가, 언제 해도 동일 결과) → 불량률 감소 + 고객 클레임 감소 2. 생산성(Productivity)이 선형 → 비선형으로 변한다 수동 공정 인원 늘리면 생산량 증가 근무시간·휴식·숙련도 한계 존재 자동화 공정 사이클 타임 고정 24시간 가동 가능 인원 증가 없이 생산량 확대 → 라인 증설 없이 생산량 증가 가능 3. 원가 구조가 완전히 바뀐다 수동 공정 원가 인건비 비중 ↑ 교육·이직·숙련 리스크 장기적으로 원가 상승 자동화 공정

원문보기 내부링크
Naver Blog

자동화 설비 구성 요소 7가지 (PLC, 로봇, 비전, 센서)

자동화 설비를 이해할 때 “어떤 요소들이 하나의 시스템을 이루는가”를 정리해두면 설계·제안·운영 모두 훨씬 수월해집니다. 자동화 설비 핵심 구성 요소 7가지를 현장 기준으로 정리해볼게요. 자동화 설비 구성 요소 7가지 1. PLC (Programmable Logic Controller) 자동화 설비의 두뇌 설비 전체의 동작 순서 제어 센서 입력 → 판단 → 액추에이터 출력 인터락, 타이밍, 에러 처리 담당 - 대표 브랜드 Siemens, Mitsubishi, Omron, Rockwell *참고 : 최근에는 PLC없이 PC로 모든것을 제어하는 장비들이 늘어나고 있습니다. 2. 산업용 로봇 (Robot) 사람의 작업을 대신하는 핵심 장치 픽앤플레이스, 조립, 용접, 이송 PLC 또는 로봇 컨트롤러와 연동 비전 시스템과 결합 시 정밀 작업 가능 - 종류 수직 다관절 SCARA Delta 협동로봇(Cobot) 3. 머신비전 시스템 (Vision) 설비의 눈 외관 검사, 치수 측정, 위치 보

원문보기 내부링크
Naver Blog

자동화 시스템에서 PLC(Programmable Logic Controller)의 역할과 한계

자동화 시스템에서 PLC(Programmable Logic Controller) 는 설비의 두뇌 역할을 하지만, 모든 것을 해결해 주는 만능 장치는 아닙니다. FA·머신비전 기반 자동화 관점에서 역할과 한계를 정리해 드릴게요. 1. PLC의 핵심 역할 ① 설비 제어의 중심 센서 입력 → 논리 판단 → 액추에이터 출력 실린더, 모터, 밸브, 컨베이어 동작 제어 시퀀스 제어의 핵심 예) 제품 감지 센서 ON → 실린더 전진 → 위치 센서 확인 → 다음 공정 진행 ② I/O 신호 처리 디지털 입력/출력 (ON/OFF) 아날로그 입력/출력 (온도, 압력, 위치 등) 필드 디바이스와 실시간 연결 ③ 공정 순서 및 로직 관리 Ladder, FBD, ST 등으로 공정 흐름 구성 인터락(Interlock), 안전 조건 관리 자동 / 수동 / 알람 상태 제어 ④ 상위 시스템과의 통신 허브 HMI, SCADA, MES, 로봇, 비전과 연동 Ethernet/IP, Profinet, Modbus, CC-

원문보기 내부링크
Naver Blog

스마트팩토리와 자동화의 차이

스마트팩토리와 자동화는 비슷해 보이지만 목적·범위·기술 수준이 다른 개념입니다. 아래에서 핵심만 명확히 구분해볼게요. 한 줄로 정리 자동화(Automation): 사람이 하던 일을 기계가 대신하게 하는 것 스마트팩토리(Smart Factory): 자동화된 설비들이 데이터를 기반으로 스스로 판단·최적화하는 공장 개념 비교 표 구분 자동화 스마트팩토리 핵심 목적 생산성 향상, 인력 절감 지능화, 최적화, 유연 생산 중심 기술 PLC, 로봇, 센서, 머신비전 자동화 + 데이터 + IT 제어 방식 사전에 정해진 로직 데이터 기반 의사결정 변화 대응 약함 (조건 변경 시 수정 필요) 강함 (분석·예측 가능) 데이터 활용 거의 없음 또는 제한적 실시간 수집·분석 운영 주체 설비 중심 시스템(IT+OT) 중심 자동화란? 자동화는 정해진 규칙대로 반복 작업을 수행하는 시스템입니다. 예시 컨베이어 + 센서 + PLC 로봇 픽앤플레이스 머신비전 검사 → OK / NG 신호 출력 → 특징 “이 조건이면

원문보기 내부링크
Naver Blog

자동화 설비 국산화 트렌드

최근 국내·글로벌 자동화 설비의 국산화(로컬라이제이션) 트렌드는 제조 산업의 경쟁력 강화, 공급망 안정성 확보, 기술 자립도 확대라는 목표를 중심으로 빠르게 변하고 있습니다. 아래에서 주요 흐름을 정리해 드립니다. 1. 국산화 추진 배경 공급망 리스크 대응 코로나19 이후 외산 자동화 장비의 수급 불안정이 드러나면서 국내 제조업체들은 공급 안정성을 높이기 위해 국산 자동화 설비 도입을 확대하고 있습니다. 특히 이차전지 등 핵심 산업에서 외산 비중이 높았던 자동화 설비를 국산화하려는 움직임이 강화되고 있습니다. 경쟁력 확보 및 비용 절감 외산 설비 의존도가 높은 공정에서 국산 제품으로 대체하면 납기 안정성 향상, 비용 절감, 국내 산업 생태계 강화 효과를 기대할 수 있습니다. 전략적 산업 보호 및 기술 주권 확보 중국 등 주요 국가들도 자국 제조 장비 사용 비율 규제를 도입하는 등 (ex. 반도체 설비의 50% 국산화 의무화 추진), 핵심 산업에서 외산 의존도를 낮추려는 글로벌

원문보기 내부링크
Naver Blog

머신비전 렌즈 선택 방법 정리 (초보자 가이드)

머신비전 렌즈 선택 방법 정리 (초보자 가이드) 머신비전에서 렌즈 선택은 검사 성공률을 좌우하는 핵심 요소입니다. 카메라 해상도가 아무리 좋아도 렌즈가 맞지 않으면 분해능 부족, 왜곡, 초점 불량 문제가 발생합니다. 1. 검사 대상과 목적부터 명확히 렌즈를 고르기 전에 먼저 아래를 정리하세요. 검사 대상 크기 (mm) 검사해야 할 최소 결함 크기 검사 방식 치수 측정 / 외관 검사 위치 정렬 / 문자 인식(OCR) 등 대상과 카메라 사이 거리 (WD) →“무엇을 얼마나 정확히 볼 것인가?”가 렌즈 선택의 출발점입니다. 2. 센서 크기 확인 (카메라 기준) 렌즈는 반드시 카메라 센서 크기 이상을 커버해야 합니다. 센서 포맷 크기(mm) 1/3" 4.8 × 3.6 1/2" 6.4 × 4.8 1/1.8" 7.2 × 5.4 2/3" 8.8 × 6.6 1" 12.8 × 9.6 센서보다 작은 렌즈 → 비네팅(가장자리 어두움) 발생 3. FOV(Field of View) 계산 FOV = 카메라가

원문보기 내부링크
Naver Blog

머신비전 검사 정확도를 떨어뜨리는 5가지 실수

머신비전 프로젝트를 많이 진행하다 보면 알고리즘 문제보다 ‘기본 설계 실수’ 때문에 검사 정확도가 떨어지는 경우가 훨씬 많습니다. 아래는 현장에서 가장 자주 발생하는 머신비전 검사 정확도를 떨어뜨리는 5가지 실수입니다. 1. 해상도만 높이면 정확도가 올라간다고 생각하는 실수 잘못된 생각 “카메라 해상도를 올리면 검사 정확도도 올라간다” 현실 해상도는 ‘검출 가능한 최소 크기’를 결정할 뿐 조명, 렌즈, 콘트라스트가 부족하면 고해상도도 무의미 예시 12MP 카메라 + 반사 심한 표면 + 조명 미흡 → 불량 경계가 흐려져 오검출 발생 개선 포인트 필요 해상도 = 불량 최소 크기 × 최소 3~5픽셀 해상도보다 조명 균일도와 대비 확보가 우선 2. 조명을 “밝기”로만 선택하는 실수 잘못된 접근 “조명이 어두워서 안 보인다 → 더 밝게” 문제점 반사, 핫스팟, 그림자 증가 오히려 불량이 사라지거나 형태 왜곡 예시 비닐·필름·금속 표면 검사 → 직광 사용 시 정상/불량 구분 불가

원문보기 내부링크
Naver Blog

머신비전 검사 시스템 구축 절차 총정리

1. 검사 목적 & 요구사항 정의 (가장 중요) 이 단계가 80%를 좌우합니다. 반드시 정리할 항목 검사 대상: 제품 종류, 재질, 색상, 표면 상태 검사 항목 외관(스크래치, 오염, 크랙) 치수(폭, 직경, 간격) 존재/부재, 위치, 방향 불량 기준: OK/NG 허용 범위 (μm, pixel) 검사 속도: UPH, takt time 검사 정확도 목표: 검출률 / 오검률 환경 조건: 진동, 조도, 분진, 온도 이 단계가 불명확하면 이후 모든 선택이 틀어짐 2. 검사 방식 결정 (2D / 3D / 특수광) 검사 유형 선택 검사 내용 권장 방식 표면 결함 2D + 조명 높이, 단차 3D 투명/반사체 특수 조명 미세 결함 고해상도 + 텔레센트릭 카메라 방식 Area Scan: 정지 또는 저속 이동 Line Scan: 연속 이동, 롤투롤 TDI Line Scan: 고속·저조도 3. 해상도 & FOV 계산 수치로 반드시 계산해야 함 (감으로 선택 ) 기본 공식 1 Pixel 해상도 ≤

원문보기 내부링크
Naver Blog

머신비전과 영상처리의 차이, 헷갈리면 안 되는 이유

머신비전과 영상처리의 차이, 헷갈리면 안 되는 이유 머신비전(Machine Vision)과 영상처리(Image Processing)는 현장에서 자주 혼용되는 용어입니다. 하지만 두 개념은 범위와 목적이 명확히 다르며, 이를 헷갈리면 장비 선정·프로젝트 범위·견적·성과까지 모두 꼬일 수 있습니다. 이번 글에서는 머신비전과 영상처리의 정확한 차이 왜 헷갈리면 안 되는지 현장에서 실제로 발생하는 문제 사례 를 중심으로 정리해보겠습니다. 1. 영상처리(Image Processing)란? 영상처리는 말 그대로 → 이미지를 처리하는 기술입니다. 핵심 정의 영상처리 = 이미지를 입력 받아 연산을 통해 가공·분석·변환하는 기술 대표적인 영상처리 기능 필터링 (Blur, Sharpen, Median 등) 이진화 (Threshold) 에지 검출 (Edge Detection) 패턴 매칭 OCR / 문자 인식 색상 추출 결함 영역 검출 특징 요약 항목 내용 범위 소프트웨어 중심 입력 이미지 파일 또

원문보기 내부링크
Naver Blog

공장 자동화란? FA(Factory Automation) 개념을 한 번에 정리

공장 자동화(FA)란? 공장 자동화(Factory Automation, FA)란 사람이 직접 하던 생산·검사·이송·제어 작업을 기계와 시스템이 자동으로 수행하도록 만드는 것을 말합니다. 반복 작업 자동화 품질 균일화 생산성 향상 인건비 및 불량률 감소 즉, 사람 의존도를 줄이고 공정을 표준화·지능화하는 기술의 집합입니다. FA의 핵심 목적 목적 설명 생산성 향상 동일 시간 대비 생산량 증가 품질 안정화 작업자 편차 제거 원가 절감 인건비·불량 비용 감소 공정 표준화 동일 품질의 대량 생산 데이터 기반 운영 실시간 모니터링·추적 공장 자동화의 구성 요소 (FA 핵심 6요소) 1. 기계 장치 (Mechanism) 컨베이어 로봇 실린더, 모터, 액추에이터 실제 물리적인 움직임 담당 2. 제어 시스템 (Control) PLC 산업용 PC 모션 컨트롤러 장비 동작 순서·타이밍 제어 3. 센서 & 계측 포토센서 근접센서 엔코더 온도·압력 센서 상태 감지 및 신호 입력 4. 머신비전

원문보기 내부링크
Naver Blog

머신비전이란? 자동화 검사에서 꼭 필요한 이유

머신비전(Machine Vision)이란? 머신비전은 카메라·조명·렌즈·영상처리 알고리즘을 이용해 제품이나 공정을 사람 대신 자동으로 보고 판단하는 기술입니다. 제조라인에서 치수 측정, 표면 불량 검사, 위치 정렬, 코드 인식 등을 고속·고정밀로 수행합니다. 카메라와 조명 구성 자동화 검사에서 머신비전이 필요한 이유 1. 일관된 품질 유지 사람의 피로·숙련도 차이를 배제하고 항상 동일 기준으로 검사합니다. 미세한 스크래치나 얼룩도 놓치지 않습니다. 2. 생산성 극대화 분당 수백~수천 개 검사 가능 → 전수검사 실현. 검사 병목을 제거해 라인 속도를 높입니다. 3. 불량 조기 차단 & 비용 절감 초기 공정에서 불량을 검출해 재작업·폐기 비용을 줄이고, 클레임 리스크를 낮춥니다. 4. 정량 데이터 확보 합/불 결과뿐 아니라 치수, 위치, 결함 면적 같은 수치를 기록해 공정 개선(통계·트렌드 분석)에 활용합니다. 5. 인력 의존도 감소 & 안전 향상 반복·위험 작업을 대체하여 작업자 안전

원문보기 내부링크
Naver Blog

머신비전 시스템 구성 요소 한 번에 정리

머신비전 시스템 전체 구조 한눈에 보기 기본 흐름 조명 → 렌즈 → 카메라 → 이미지 처리(PC/컨트롤러) → 검사 알고리즘 → 판정 → 설비/상위 시스템 연동 1. 카메라 (Camera) 역할 검사 대상의 이미지를 디지털 신호로 변환 주요 구분 Area Scan: 정지·간헐적 이동 대상 Line Scan: 연속 이동 대상(필름, 웹, 시트) 3D Camera: 높이·형상·부피 측정 핵심 선택 요소 해상도 (Pixel) 센서 타입 (CMOS / CCD) 셔터 방식 (Global / Rolling) 프레임률(Line Rate) 인터페이스 (GigE, USB3, Camera Link, CoaXPress) 2. 렌즈 (Lens) 역할 피사체의 상을 정확히 센서에 투영 종류 일반 렌즈: 범용 검사 텔레센트릭 렌즈: 정밀 치수·왜곡 최소화 핵심 개념 FOV (시야) 배율 Working Distance 왜곡(Distortion) 센서 크기 대응 3. 조명 (Lighting) 역할 검사 대상의

원문보기 내부링크
Naver Blog

머신비전 조명이 중요한 이유 (검사 성공률 차이)

머신비전 시스템에서 조명은 ‘보조 장치’가 아니라 검사 성공률을 좌우하는 핵심 요소입니다. 실제 현장에서는 검사 실패 원인의 60~80%가 조명 문제에서 발생합니다. 1. 조명이 바뀌면 “보이는 정보” 자체가 달라진다 머신비전은 형상을 인식하는 기술이 아니라, 빛의 반응 차이를 인식합니다. 조명 상태 카메라가 보는 것 검사 결과 적절한 조명 결함 대비 명확 안정적 검출 부적절한 조명 결함이 배경과 혼합 미검 / 오검 조명 불균일 위치별 명암 차이 검사 흔들림 돔조명 링조명 외부동축조명 멀티앵글조명 백라이트 내부동축조명 (스팟) 텔레센트릭조명 바조명 라인스캔 조명 및 기타 특수 조명 같은 카메라·알고리즘이라도 조명만 바꾸면 검출률이 완전히 달라집니다. 2. 조명이 검사 성공률을 결정하는 핵심 이유 5가지 ① 결함 대비(Contrast)를 만들어준다 스크래치, 이물, 찍힘, 요철 → 빛의 반사/산란 차이로만 구분 가능 조명 없이는 결함 자체가 이미지에 존재하지 않음 → “검출 못 한다”

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 Exposure Time / Gain / Gamma 란?

머신비전에서 Exposure Time / Gain / Gamma는 이미지 품질을 좌우하는 가장 기본적인 3요소입니다. 검사 안정성과 불량 검출 정확도에 직접적인 영향을 주기 때문입니다. 1. Exposure Time (노출 시간) 정의 센서가 빛을 받아들이는 시간 → 길수록 밝아지고, 짧을수록 어두워짐 단위 μs (마이크로초) ms (밀리초) 영향 (표) 항목 영향 밝기 ↑ (노출 시간 증가 시) 모션 블러 ↑ (움직이는 대상일 경우) 노이즈 ↓ (적정 노출 시) 프레임 속도 ↓ (노출이 프레임 타임을 초과하면) 주의사항 이동체 검사 시 노출 시간 과다 → 블러 발생 라인스캔: Exposure Time ≤ Line Period 노출은 항상 “가능한 짧게 + 조명으로 보완”이 원칙 2. Gain (게인) 정의 센서에서 받은 신호를 전기적으로 증폭하는 값 → “가짜 밝기 증가” 영향 (표) 항목 영향 밝기 ↑ 노이즈 ↑↑ 콘트라스트 ↓ SNR ↓ 주의사항 Gain은 노이즈까지 함께 증폭

원문보기 내부링크
Naver Blog

머신비전에서 라인스캔(Line Scan)과 에어리어스캔(Area Scan)의 노출(Exposure) 개념 차이

머신비전에서 라인스캔(Line Scan)과 에어리어스캔(Area Scan)의 노출(Exposure) 개념은 “언제, 얼마 동안 빛을 받느냐”가 근본적으로 다릅니다. 이 차이를 이해하지 못하면 블러, 줄무늬, 밝기 불균일 문제가 반드시 생깁니다. 1. 노출 개념 한 줄 요약 구분 노출 개념 에어리어스캔 한 프레임 전체를 동시에 일정 시간 노출 라인스캔 한 줄(line)을 반복적으로 노출 + 이동으로 이미지 구성 에어리어스캔(Area Scan) 노출 개념 동작 방식 [전체 센서] → Exposure Time 동안 빛 수집 → 한 장(Frame) 완성 핵심 파라미터 Exposure Time (ms) Frame Time FPS 제약 조건 Exposure Time ≤ Frame Time 특징 항목 설명 노출 단위 프레임 단위 블러 원인 피사체 이동 중 장노출 밝기 조절 Exposure + 조명 고속 대응 한계 존재 문제 예 컨베이어 이동 중 → Exposure 과다 → 모션 블러 발생 3.

원문보기 내부링크
Naver Blog

머신비전의 라인스캔(Line Scan)에서 발생하는 줄무늬(Banding) 현상의 원인과 해결 방법

라인스캔(Line Scan)에서 발생하는 줄무늬(Banding) 는 현장에서 가장 자주 겪는 문제 중 하나이고, 원인을 정확히 구분하지 못하면 절대 해결되지 않습니다. 1. Banding 이란? 라인 방향(Y축) 또는 폭 방향(X축)으로 밝기가 주기적으로 달라지는 현상 세로 줄무늬 / 가로 줄무늬 밝고 어두운 줄이 반복 검사 Threshold가 흔들림 → 오검출 발생 2. 가장 흔한 원인 TOP 6 원인 ① 조명 플리커(Flicker) 증상 일정 간격으로 밝기 줄무늬 라인 속도 변경 시 줄 간격도 변함 원인 AC 조명 (50/60Hz) PWM 디밍 조명 카메라 Line Rate와 비동기 해결법 DC 구동 조명 사용 조명 주파수 ≫ Line Rate PWM OFF 또는 100% 고정 스트로브 조명 + Encoder 동기 원인 ② Line Rate ↔ 이송속도 불일치 증상 간격이 일정한 줄무늬 제품 속도 바꾸면 패턴 변화 원인 Y 해상도 = 이송속도 / Line Rate 속도 미세 변화

원문보기 내부링크
Naver Blog

MES 적용 사례 (Manufacturing Execution System : 제조 실행 시스템)

자동화 분야 MES 적용 사례 (Real Use Cases) 1. 반도체/디스플레이 공정 MES 사례: 장비 상태·레시피 관리 자동화 장비(Etcher, Deposition, Litho 등)에서 발생하는 Secs/GEM 데이터 실시간 수집 Lot 시작/종료 자동 기록 → 오퍼레이터 수기 작업 0% 레시피 변경 이력 관리 → 레시피 오류로 인한 불량 90%↓ 설비 간 WIP 흐름 최적화 → 공정 대기 시간 감소 효과 실시간 WIP 관리로 리드타임 단축 Lot Tracking 자동화로 추적성 강화 설비 Utilization(가동률) 5~15% 개선 2. 자동차/부품 제조 MES 사례: 조립 라인의 Traceability(이력 추적) 구축 각 스테이션에서 바코드/QR 자동 스캔 토크값, 프레스값, 검사 결과를 MES에 저장 불량 발생 시 “어느 시점에 어떤 공정에서 문제가 발생했는지” 즉시 역추적 효과 리콜 발생 시 영향 품목 1/10 축소 조립불량 재발 방지 품질 데이터 기반 자

원문보기 내부링크
Naver Blog

머신비전 에서 카메라 이미지 모션블러(Motion Blur)가 나는 이유와 해결법 총정리

움직이는 대상의 모션블러 원인과 해결 방법 머신비전에서 가장 흔한 문제 중 하나가 바로 모션블러(Motion Blur)입니다. 대상이 움직이는 동안 카메라가 긴 노출을 사용하면 픽셀이 시간 축으로 퍼지면서 이미지가 흐릿하게 보이게 됩니다. 아래 5가지 해결법 중 하나만 적용해도 개선되며, 여러 개를 조합하면 효과가 극대화됩니다. 1. 노출 시간(Exposure Time) 줄이기 모션블러는 결국 “노출 중 움직임” 때문에 발생합니다. 따라서 가장 기본적이면서 강력한 해결법은 노출 시간을 짧게 만드는 것입니다. 예시 기존 5 ms → 1 ms로 줄이면 5배 더 선명해짐 단, 노출이 짧아지면 밝기가 떨어지므로 조명 강화 필요 팁 가능한 한 1 ms 이하로 맞추면 대부분의 공정에서 블러가 크게 감소합니다. 글로벌셔터 센서 사용 시 효과가 더 확실합니다. 2. 조명 밝기 강화 또는 스트로브(Strobe) 사용 노출을 줄이면 이미지가 어두워지니 ⇒ 강한 조명 또는 펄스 조명(스트로브)으로

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 픽셀 분해능(Pixel Resolution) 이란?

머신비전에서 분해능(Resolution) 이란, 카메라 시스템이 구분해낼 수 있는 가장 작은 크기 또는 두 점을 서로 다른 것으로 인식할 수 있는 능력을 의미합니다. 머신비전에서는 보통 “한 픽셀이 실제 물체에서 얼마의 크기를 담당하는가”라는 개념으로 사용됩니다. 머신비전 분해능의 핵심 정의 공간 분해능 (Spatial Resolution) 1 Pixel = 실제 거리(mm, µm) 검사 대상에서 최소로 검출 가능한 크기 예) FOV 100 mm 카메라 해상도 2000 px 분해능 = 100 mm ÷ 2000 px = 0.05 mm/px 즉, 0.05 mm 이상 크기의 결함부터 이론적으로 검출 가능 검사에서 말하는 “실제 검출 분해능” 실무에서는 이렇게 표현합니다 검출 가능한 최소 결함 크기 ≈ 2~3 Pixel 이상 예) 계산 분해능: 0.05 mm/px 실제 검출 가능 크기: → 0.1 ~ 0.15 mm 결함 카메라 해상도 vs 분해능 (중요 차이) 구분 의미 카메라 해상도

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 FOV(Field of View) 계산 방법

머신비전에서 FOV(Field of View, 시야 영역) 계산은 카메라 센서 크기 · 렌즈 초점거리 · 작업 거리(WD) 를 기준으로 합니다. 1. 기본 개념 정리 FOV: 카메라 한 번 촬영으로 실제 공간에서 보이는 영역 (mm 단위) Sensor Size: 이미지 센서의 실제 크기 (mm) Focal Length (f): 렌즈 초점거리 (mm) Working Distance (WD): 렌즈 ~ 검사 대상 거리 (mm) 2. FOV 기본 계산식 가로 / 세로 FOV 계산 예시 센서 가로: 6.4 mm 렌즈 초점거리: 16 mm 작업 거리(WD): 400 mm → 가로 시야 = 160 mm 3. 해상도 기반 FOV 계산 (픽셀 기준) 픽셀 해상도 → 실제 길이 예시 FOV: 160 mm 해상도: 1600 px → 분해능 = 0.1 mm/px 4. 배율(Magnification) 기반 계산 (정밀 검사 시) 배율 정의 FOV 계산식 예시 센서 가로: 6.4 mm 배율: 0.0

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 카메라 프레임(Frame) 이란?

머신비전에서 카메라 프레임(Camera Frame) 은 카메라가 한 번 촬영해서 만든 단일 이미지(한 장의 화면) 을 의미합니다. 쉽게 말해 "카메라가 한 순간에 기록하는 정보의 단위" 입니다. 카메라 프레임(Camera Frame)이란? Area 카메라 → 한 번 셔터를 열고 닫을 때 얻는 정지 이미지 1장 Line Scan 카메라 → 라인 단위로 읽힌 스캔들을 일정 시간 동안 누적해 만들어지는 최종 이미지 한 장 즉, 어떤 방식이든 최종적으로 한 번의 캡처로 얻어진 결과가 ‘프레임’입니다. 프레임 관련 핵심 개념 1) 프레임 레이트(Frame Rate, FPS) 카메라가 1초 동안 생성할 수 있는 프레임(이미지)의 개수 예: 60 FPS = 1초에 60장의 이미지 2) 프레임 사이즈(Frame Size) 한 프레임의 픽셀 크기 예: 2448 × 2048 px 3) 프레임 타임(Frame Time) 한 프레임을 촬영 + 전송 + 저장하는 데 걸리는 시간 프레임 레이트와 반비례 예:

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 카메라 해상도(Camera Resolution) 란?

머신비전에서 카메라 해상도(Camera Resolution)란, 카메라 센서가 한 장의 이미지에서 표현할 수 있는 픽셀(pixel)의 총 개수를 의미합니다. 즉, 얼마나 세밀하게 물체를 표현할 수 있는지를 결정하는 핵심 요소입니다. 1. 해상도의 기본 정의 카메라 해상도 = 가로 픽셀 × 세로 픽셀 예) 1920 × 1080 = 약 2.07MP (2메가픽셀) 4096 × 3000 = 약 12.3MP 해상도가 높을수록 더 작은 결함, 더 미세한 치수 변화를 구분 가능 동일한 FOV(시야)에서 더 높은 정밀도 확보 2. 머신비전에서 해상도가 중요한 이유 머신비전은 “측정/검사”가 목적이므로 사진이 예뻐 보이는 것보다 정확한 분해능이 더 중요합니다. 해상도가 부족하면? 치수 측정 오차 증가 미세 결함(크랙, 이물) 검출 불가 윤곽선이 계단 형태로 나타남(Aliasing) 3. 해상도와 함께 반드시 고려해야 하는 것 해상도만 높다고 좋은 게 아니라 아래 요소와 함께 맞춰야 최적의 성능을

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 카메라 센서의 CCD와 CMOS 차이점

CCD vs CMOS 센서 차이 1. 구조적 차이 구분 CCD (Charge Coupled Device) CMOS (Complementary Metal-Oxide Semiconductor) 신호 읽기 방식 픽셀이 만든 전하를 라인/칩 끝까지 이동시켜 한 곳에서 읽음 픽셀마다 개별 증폭기(AMP)와 회로가 있어 픽셀 단위로 바로 읽음 구동 회로 복잡, 외부 회로 필요 대부분 센서 내부에 통합(SoC 구조) 2. 이미지 품질 특성 비교 CCD 노이즈 적음 다이내믹 레인지 좋음 빛 균일성 우수 저조도 환경에 강함 색 재현력 우수 CMOS 초기에는 CCD보다 품질 낮았으나, 현재는 대부분 CMOS가 CCD를 능가하거나 동급 읽기 속도 압도적으로 빠름 글로벌 셔터 구현 쉬움 소형화·저전력·저비용 3. 성능/사양 비교 항목 CCD CMOS 프레임 속도 느림 빠름 (고속 검사 필수) 노이즈 낮음 기술 발전으로 매우 낮아짐 전력 소비 높음 낮음 가격 비쌈 저렴함 발열 많음 적음 글로벌 셔터 구

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 파장 이란? (렌즈, 조명)

머신비전에서 사용되는 주요 파장대 정리 1. UV(자외선) — 200~400 nm 특징 파장이 짧아 표면의 아주 미세한 스크래치, 이물, 코팅 두께 차이 등에 민감 형광을 유도하여 특정 물질만 강조 가능 사용 예 디스플레이 / 유리 표면 스크래치 형광 검사(접착제, 오염물, 잉크) 코팅 균일도 검사 미세 Crack, Burr 장점 초고해상도 디테일, 미세 결함이 잘 보임 형광 촬영이 강력 단점 UV 렌즈/조명 가격 높음 인체 유해, 안전장치 필요 센서 감도가 낮아 SNR 확보가 어려움 2. 가시광(Visible) — 400~700 nm 보편적으로 가장 많이 사용하는 영역. RGB/White/Mono 조명 포함. 사용 예 일반적인 외관 검사 문자 인식(OCR) 색상 검사 치수 측정 조립체 확인 장점 장비가 저렴하고 선택 폭이 넓음 센서 감도가 높아 고속 촬영 용이 렌즈/조명 호환성이 가장 좋음 단점 광반사(Glare)에 취약 투과성 검사나 내부 검사에는 한계 3. NIR(

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 열화상 카메라(Thermal Camera)란?

1. 열화상 카메라(Thermal Camera)란? 열화상 카메라는 물체가 방출하는 적외선(IR) 에너지를 감지하여 온도를 영상(Temperature Map)으로 표현하는 카메라입니다. 머신비전에서는 주로 다음 목적으로 사용됩니다. 비파괴 검사(NDT) 온도 이상 감지(Hotspot detection) 전기/배터리/반도체 패턴의 발열 분석 공정 품질 모니터링(열 패턴 기반 OK/NG) 2. 적외선 대역별 열화상 카메라 분류 적외선 파장은 크게 아래처럼 구분됩니다. 구분 파장 범위 특징 대표 센서 MWIR (Mid-Wave) 열화상 3–5 µm 고정밀, 반도체/가스계 측정에 강함, 주로 냉각형 InSb, MCT LWIR (Long-Wave) 열화상 8–14 µm 실물체 온도 측정에 가장 널리 사용, 비냉각형 위주 VOx, a-Si SWIR (Short-Wave) 0.9–1.7 µm “열화상”이라기보단 반사형 SWIR 영상, 고온(>500C) 금속 측정 InGaAs 일반 산업용 열화상

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 글로벌 셔터(Global Shutter)와 롤링 셔터(Rolling Shutter)의 차이점

머신비전에서 Global Shutter(글로벌 셔터) 와 Rolling Shutter(롤링 셔터) 는 센서가 노출을 시작·종료하는 방식의 차이입니다. 이는 빠른 움직임, 왜곡 여부, 가격/성능까지 직접적으로 영향을 줍니다. 1. 글로벌 셔터(Global Shutter) 1. 정의 센서의 모든 픽셀이 동시에 노출 시작 → 동시에 노출 종료. 2. 특성 움직임 왜곡 없음(Motion Artifact 없음) → Fast moving object에서도 기울어짐, 젤로 효과(Jello) 없음 정확한 치수 측정 비교적 높은 가격, 복잡한 픽셀 구조 다이나믹레인지(DR) 와 노이즈 특성은 롤링보다 약간 불리할 수 있음(픽셀 구조 때문) 3. 주로 사용하는 곳 고속 검사 라인스캔 대체 용 에어리어 스캔 정밀 계측(Measurement) 로봇 그리핑/위치 정렬 산업용 머신비전 대부분 → 사실상 기본 2. 롤링 셔터(Rolling Shutter) 1. 정의 센서가 라인 단위로 순차적으로 노출 → 위에

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 IR 종류와 카메라

1. IR 카메라 = 가시광(Visible) 대신 적외선 파장 촬영 인간 눈(400–700 nm)을 넘는 파장을 촬영하는 머신비전 카메라들을 통칭. 주로 NIR / SWIR / MWIR / LWIR로 나눔. 구분 대역(nm/µm) 센서 기술 특징 NIR 700–1000 nm CMOS 가시광 + 근적외, 가격 저렴 SWIR 900–1700 nm(일반), 2500 nm까지(확장) InGaAs 소재 투과·열 문제 없음, 고가 MWIR 3–5 µm 냉각형 InSb/렌즈 고가 열적 특성 감지, 산업 비전보다 열화상 쪽 LWIR 8–14 µm VOx/α-Si 열화상, 비전 검사보다는 온도 측정 머신비전 검사에서 실제로 많이 쓰는 영역은 NIR·SWIR. 2. NIR (Near IR) 카메라 가장 일반적인 형태. 기존 CMOS와 거의 동일한 구조이고, 가격도 가장 낮음. 특징 기존 머신비전 조명/렌즈 사용 가능 (IR 코팅만 체크) 실리콘, 일부 잉크, 플라스틱의 반사율 변화가 커서 외관 검사

원문보기 내부링크
Naver Blog

SECS/GEM 에서 GEM200 과 GEM300의 차이점

GEM200 vs GEM300 — 기본 개념 GEM200 은 보통 “SECS/GEM” — 즉 기초적인 장비-호스트 통신 및 제어 표준을 의미합니다. 반면 GEM300 은 300 mm 웨이퍼 등 고도로 자동화된 팹 환경, 특히 300mm 기반 반도체 제조 라인용으로 설계된 상위 수준의 확장 표준 세트입니다. 기능 및 지원 범위의 차이 항목 GEM200 / SECS-GEM GEM300 기반 표준 SEMI E4, E5, E30, E37 (메시지 전송·내용 + Generic Equipment Model) GEM200 기반 + 300mm 전용 추가 표준들 (예: E39, E40, E84, E87, E90, E94, E116 등) 지원 대상 / 환경 비교적 단순 또는 수동/반자동 장비, 작은 웨이퍼 (예: 200 mm 이하) 등에 적합 300 mm 웨이퍼 / 완전 자동화 + 물질(캐리어, 서브스트레이트) 관리가 필요한 고난이도 FAB / 첨단 팹 환경 자동화 / 물류처리 지원 제한적 — 기본

원문보기 내부링크
Naver Blog

SECS/GEM 계열의 주요 카테고리(종류) 정리

SECS/GEM 계열은 크게 GEM200(SECS/GEM) 과 GEM300 으로만 끝나는 것이 아니라, 반도체 장비–FAB 통신/자동화를 위해 여러 “계열/카테고리”의 표준들이 존재합니다. 아래는 현장에서 실제로 쓰이는 SECS/GEM 기반 표준들의 전체 큰 분류입니다. SECS/GEM 계열의 주요 “종류(카테고리)” 정리 1) SECS-I / HSMS (물리적 통신 규약) SECS/GEM이 어떤 네트워크 위에서 동작하는지 정하는 계층. SECS-I (E4) RS-232 기반의 가장 기본적인 통신 요즘은 거의 사용 X (속도 문제) HSMS (E37) TCP/IP 기반 SECS 통신 현대 장비의 99%가 HSMS-SS를 사용 2) SECS-II (E5) — 메시지 구조 SECS 메시지를 정의하는 “언어/문법”. S1~S99의 고정된 스트림/펑션 구조 장비 상태, 이벤트, 알람, 변수 보고, 파일전송 등 모든 메시지 포맷 포함 SECS/GEM, GEM300, EDA 모두 SECS-

원문보기 내부링크
Naver Blog

CIM (Computer Integrated Manufacturing) 이란?

CIM 은 Computer Integrated Manufacturing(컴퓨터 통합 생산) 의 약자로, 공장 전체의 생산 활동을 컴퓨터 기반으로 통합·자동화하는 개념을 말합니다. MES, SCADA, PLC 같은 “시스템/설비”와 다르게 CIM은 개념적·상위 구조에 가깝습니다. CIM(Computer Integrated Manufacturing) 핵심 정의 CIM은 공장의 여러 시스템을 하나의 통합된 정보 흐름으로 연결하여 기획 → 설계 → 생산 → 품질 → 물류를 모두 컴퓨터 기반으로 관리·자동화하는 제조 전략입니다. 즉, 공장 전체를 하나의 거대한 컴퓨터 시스템처럼 통합해 운영하는 제조 개념에 가깝습니다. CIM에서 통합되는 주요 요소 CIM 시스템은 보통 다음 계층들을 묶습니다: 1) 엔지니어링 레벨 CAD (설계 시스템) CAE (해석 시스템) CAM (가공/툴패스 생성) PLM 2) 운영 레벨 ERP (자원 계획) MES (제조 실행) 품질 시스템(QMS) 설비 관리(EAM

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 카메라와 렌즈의 마운트(Mount) 란?

마운트(Mount) 마운트란? 카메라와 렌즈를 연결하는 규격화된 기계적 결합 방식입니다. 예: C-mount, CS-mount, F-mount, M42, M58 등. 마운트는 크게 3요소로 구성됩니다: 나사 규격 플랜지백(Flange Back) 거리 센서 크기와의 호환성 마운트의 역할 1) 렌즈를 카메라에 기계적으로 고정 렌즈가 흔들리거나 미세하게 움직이면 → 고해상도 머신비전에서는 바로 초점 흐림·영상 흔들림 발생 마운트는 이를 방지하고 견고하게 고정함 2) 플랜지백(Flange Back) 거리 유지 렌즈는 특정 거리에서 설계됩니다. 예: C-mount 렌즈 → 플랜지백 17.526 mm 마운트는 렌즈 뒷면 → 센서까지의 거리(플랜지백)를 정밀하게 유지 하도록 만들어진 규격입니다. 이 거리가 조금만 어긋나도 → 초점 잡히지 않음 → 해상도 급격히 저하 → 눈에 보이기 어려운 기구 편차로 품질 불량 발생 3) 센서 크기·렌즈 이미지 서클과의 호환 보장 마운트 규격은 나사 크기 플랜지

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 TDI(Time Delay Integration) 라인스캔 이란?

TDI(Time Delay Integration) = 라인스캔의 ‘고감도 모드’라고 이해하면 됩니다. 일반 라인스캔의 한계를 해결하기 위해 나온 저조도·고속 이동체 전용 기술입니다. TDI(Time Delay Integration)란? TDI는 CCD 기반의 라인스캔 센서 구조 중 하나로, 피사체가 움직이는 방향으로 여러 개의 라인(line)을 층(Layer) 형태로 쌓아둔 센서를 말합니다. 각 라인은 동시에 노출되는 것이 아니라 피사체의 이동 속도에 맞춰 순차적으로 신호를 누적합니다. 왜 TDI가 필요한가? 일반 라인스캔은 1개의 라인만 촬영 → 빛이 부족하거나 시료가 너무 빨리 움직이면 노이즈↑ / 신호↓ / 이미지 어두워짐 문제가 발생합니다. TDI의 핵심 원리 예를 들면 TDI Level이 64 Stage라고 하면, 피사체가 이동하면서 1번 라인 → 2번 라인 → … → 64번 라인 각 라인에서 받은 신호를 시간 지연을 맞추어 누적(Integration) 하면 총 64개의 라

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 라인스캔 카메라(Line Scan Camera) 란?

라인스캔 카메라(Line Scan Camera)는 한 줄(1라인) 또는 n줄로 배열된 센서가 매우 빠른 속도로 연속 스캔을 수행하여 2D 이미지를 구성하는 머신비전 카메라입니다. 일반적인 에어리어스캔 카메라(Area Scan)가 한 번에 2D 이미지를 찍는(스냅샷) 방식이라면, 라인스캔은 “조각을 이어서 만드는 방식”으로 이미지를 구성합니다. 아래에서 개념, 구조, 동작 원리, 장점·단점, 적용 분야까지 모두 정리해 드리겠습니다. 라인스캔 카메라란? (정의) 1D 센서(예: 2048px × 1라인, 4096px × 1라인 등)를 고속으로 스캔하면서 피사체가 이동하거나 카메라가 이동하여, 스캔된 라인을 연속적으로 이어 붙여 하나의 2D 이미지를 만드는 카메라입니다. 라인 스캔 카메라 (Vieworks社) 구조 센서 구조: 1라인 또는 몇 라인(line)으로 구성된 CMOS 또는 CCD 센서 트리거(Encoder Sync): 이동 속도에 맞춰 정확한 라인 스캔 고속 인터페이스: Came

원문보기 내부링크
Naver Blog

머신 비전 관련 10~11월 주요 뉴스

주요 뉴스 요약 1. HALCON 25.11 신버전 발표 (2025-11-12 예정) 이 비전 소프트웨어가 딥러닝 기반 분류 및 코드 리딩(inference) 성능을 다수 배로 향상시킨 새 버전을 발표했습니다. metrology.news 설명: 딥러닝 모델의 추론 속도가 개선되어 산업용 머신비전 적용 시 ‘실시간성’ 장벽을 낮출 것으로 보입니다. 시사점: 머신비전 솔루션을 구축할 때 소프트웨어 기반 딥러닝 지원 여부가 제품 선택의 중요한 잣대가 될 수 있어요. 2. SinceVision, SPS Germany 2025에서 스마트비전 센서 혁신 공개 (2025-10-09) 독일 제조업 현장에 맞춘 비전센서 혁신을 발표했습니다. Automate 설명: 용접봉 검사, 부품 검출 등 실제 제조라인에서 문제 해결 가능한 스마트비전 센서를 갖췄다고 언급. 시사점: 산업용 비전센서가 단순 이미지 획득을 넘어 현장 맞춤형 솔루션화 돼간다는 흐름을 보여줍니다. 3. 3D프린팅·가공품 품질관리 분야에

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 에어리어 스캔 (Area Scan)과 라인 스캔(Line Scan) 카메라 비교

라인스캔 vs 에어리어스캔 카메라 비교 개념 비교 구분 라인스캔(Line Scan) 에어리어스캔(Area Scan) 센서 구조 1라인(1D) 또는 몇 라인 2D 센서(일반 카메라와 동일) 이미지 획득 방식 한 줄씩 스캔 → 이어 붙여 2D 이미지 생성 한 번의 촬영으로 전체 2D 이미지 획득 필수 조건 대상 또는 카메라가 반드시 이동해야 함 단일 촬영 가능, 고정된 피사체 OK 동작 원리 항목 라인스캔 에어리어스캔 트리거 엔코더와 동기화 필수 단일 또는 연속 촬영 조명 라인라이트(슬릿형), 텔레센트릭 조명 많이 사용 LED 링라이트, 바라이트, 돔라이트 등 다양한 조명 이미지 형성 라인(1D)들이 연속적으로 붙어 2D 생성 셔터 타이밍에 맞춰 한 장 완성 해상도 / 이미지 품질 항목 라인스캔 에어리어스캔 해상도 매우 긴(무한대) 이미지 구성 가능 센서 크기(예: 5MP, 12MP 등)로 제한 균일도 조명·렌즈 조건 유지돼 균일함 주변부 비네팅/왜곡 발생 가능 모션 블러 거의 없음(엔

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 3D 카메라 란?

머신비전에서 3D 카메라란? 3D 카메라는 피사체의 깊이(Height), 형상(Shape), 부피(Volume) 정보를 취득해 3차원 좌표(X, Y, Z) 데이터를 생성하는 머신비전 센서입니다. 일반 2D 카메라는 밝기 정보(그레이/컬러)만 제공하지만, 3D 카메라는 물체의 표면 높이 차이까지 수치로 표현하는 것이 핵심입니다. 3D 카메라가 필요한 이유 항목 2D 카메라 3D 카메라 밝기/색 정보 높이 측정 조명 영향 큼 상대적으로 적음 표면 반사 영향 큼 종류에 따라 적음 검출이 어려운 대상 높이로 구분 불가 높이 기반으로 쉽게 구분 3D 카메라가 특히 필요한 경우 높이 차이로 불량 판단해야 하는 경우 표면 반사(알루미늄, 금속) 때문에 2D로는 어려운 경우 Pick & Place / 용접 / 로봇 가이던스 변형, 변위, 평탄도 검사 단차, 용접 비드 높이, PCB 실장 높이, Connector 핀 검사 부피 측정(푸드, 물류 등) 3D 카메라의 주요 종류(측정 원리) 1.

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 렌즈 액세서리 (배율 컨버터, 접사링, 필터)

1. 배율 컨버터(Magnification Converter) 렌즈 뒤(카메라 마운트 쪽)에 장착하여 배율을 증가시키는 보조 광학 장치. ️ 정의 1.5×, 2× 등의 형태로 제공되며, 렌즈의 실효 배율을 높여주는 광학 배율 증폭기 주로 C-Mount 렌즈에 부착 ️ 역할 배율을 1.5배, 2배로 증가시켜 더 작은 FOV와 더 높은 해상도(공간 분해능) 확보 기존 렌즈로 FOV가 충분히 좁아지지 않을 때 사용 ️ 장점 렌즈 교체 없이 배율 증가 간단한 기계적 작업으로 적용 가능 광학 중심축 유지가 쉬움 ️ 단점 밝기 감소: 배율이 올라갈수록 F값 증가 → 조명 필요 해상도 감소: 광학적 손실(렌즈 품질에 따라 다름) 왜곡/비네팅 증가 가능 ️ 선택 기준 배율이 부족하지만 렌즈를 새로 사기 어려운 경우 Telecentric 렌즈는 전용 배율 컨버터(확대 Tube)만 사용해야 함 ️ 주의사항 단순 확대가 아닌, 이미지 품질 저하 가능 배율 컨버터 딸린 상태로 MTF 곡선 확인 필요 Te

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 딥러닝(Deep Learning) 이란?

머신비전(Machine Vision)에서 딥러닝(Deep Learning)은 기존의 규칙 기반(전통적 알고리즘 기반) 비전 시스템을 인공지능 기반으로 진화시킨 기술입니다. 1. 기본 개념 딥러닝 기반 머신비전은 이미지에서 특징(feature)을 사람이 직접 정의하지 않고, 인공지능(Neural Network)이 스스로 학습해서 결함, 패턴, 분류 등을 판단하는 방식입니다. 즉, 기존 방식: “이 색상 범위에서 이 모양이면 불량”처럼 규칙을 직접 코딩 딥러닝 방식: 수천 장의 데이터를 학습시켜 AI가 규칙을 스스로 학습 2. 머신비전에서 딥러닝이 활용되는 대표 영역 분야 설명 예시 불량검사 (Defect Detection) 표면 스크래치, 오염, 결손 등 패턴이 불규칙한 결함 검출 반도체 웨이퍼, 금속 표면, 플라스틱 사출품 분류 (Classification) 제품 종류나 등급 분류 농산물 등급 판정, PCB 부품 식별 객체 검출 (Object Detection) 이미지 안의 여러 대

원문보기 내부링크
Naver Blog

머신비전(Machine Vision) 카메라의 버퍼(Buffer) 및 네트워크(NIC) 셋팅 방법

네트워크 설정에서 전송 버퍼(Tx Buffer)와 수신 버퍼(Rx Buffer)는 송신·수신 과정에서 데이터를 안정적으로 처리하기 위해 존재하는 임시 저장 공간(메모리 버퍼)입니다. 특히 머신비전 카메라(예: GigE Vision), PLC/장비 통신, 일반 네트워크 소켓 설정에서도 동일한 개념으로 사용됩니다. 아주 쉽게 정리하면: 전송 버퍼(Tx): “보내기 전에 잠깐 쌓아두는 공간” 수신 버퍼(Rx): “받았는데 아직 처리 안 된 데이터를 잠깐 쌓아두는 공간” 아래에서 기능을 각각 자세히 설명할게요. 1. 전송 버퍼(Tx Buffer)의 기능 1) 송신할 데이터를 임시 보관 애플리케이션이 네트워크로 보내려는 데이터를 OS 커널이나 NIC(Network Interface Card)가 바로 전송하기 어려울 때 버퍼에 먼저 저장합니다. 2) 전송 속도 차이 보정 애플리케이션은 데이터를 빠르게 보냄 네트워크는 순간적으로 느릴 수 있음 이 속도 차이를 흡수하는 완충 역할을 합니다.

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 라이브러리(Library) 란?

머신비전 라이브러리(Machine Vision Library)는 카메라로 얻은 영상을 분석하여 측정·검사·인식·위치결정 등의 작업을 수행하기 위한 소프트웨어 도구 집합을 말합니다. 산업용 자동화에서는 사실상 “머신비전 시스템의 두뇌” 역할을 합니다. 아래에서 개념 → 종류 → 대표 라이브러리 → 기능 → 선택 기준의 순서로 아주 깔끔하게 설명해드릴게요. 1. 머신비전 라이브러리란? 머신비전 라이브러리는 영상 처리 알고리즘 + 개발 API를 제공하는 소프트웨어 패키지입니다. 카메라에서 받은 영상 데이터를 기반으로 아래와 같은 처리를 수행합니다. 위치정렬(Pose, Alignment) 치수 측정(Measurement) 외관 검사(Defect Detection) 문자 인식(OCR/OCR+, DeepOCR) 패턴 매칭(Pattern Matching) 표면 검사(Surface Inspection) 딥러닝 기반 분류·세그멘테이션 즉, 산업용 검사 알고리즘을 미리 구현해둔 라이브러리입니다. 2.

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서 스마트 카메라(Smart Camera) 란?

스마트카메라(Smart Camera)는 카메라 + 이미지 처리 프로세서 + 소프트웨어(툴) + I/O 인터페이스가 한 제품에 통합된 올인원 머신비전 장치입니다. 일반 카메라처럼 PC에 연결하는 것이 아니라, 카메라 자체가 PC 역할까지 수행하며 검사 결과를 바로 PLC·로봇 등으로 보낼 수 있습니다. 1. 스마트카메라의 정의 스마트카메라는 다음 기능을 모두 내장한 독립형 머신비전 시스템입니다: 1. 이미지 센서 (카메라 기능) 2. CPU/FPGA 프로세서 (이미지 처리 장치) 3. 내장 비전 소프트웨어 (Toolset) 4. 디지털 I/O, 이더넷, 시리얼 등 통신 포트 5. 조명 제어(트리거/펄스) 기능 포함 즉, PC + 카메라 + 라이브러리 + I/O 모듈 + 조명컨트롤러를 하나로 합쳐 놓은 구성입니다. 2. 스마트카메라가 일반 비전카메라와 다른 점 구분 일반(PC 기반) 비전 스마트카메라 처리 방식 PC에서 이미지 처리 카메라 내부 CPU에서 처리 확장성 렌즈/조명/카메라

원문보기 내부링크
Naver Blog

[개발 사례] 쉴드캔 위치보정 안착 및 솔더링 시스템 (ShieldCan Attachment Facility)

안녕하세요 이번에는 쉴드캔 (ShieldCan) 및 PCB 를 위치 보정하여 안착하고 솔더링 으로 붙이는 자동화 장비 개발 사례를 간단하게 정리해 보도록 하겠습니다. ShieldCan Attachment Facility 쉴드캔 (Shield Can) 이미지 예시 출처 : 중저가 스마트폰 메탈 소재 확산...성우전자 정밀 프레스 기술로 가파른 성장 < 통신 < KIPOST 프리미엄 < 기사본문 - KIPOST(키포스트) 구동 모듈 Transfer Axis : X축, Y축, Z1축, Z2축(토크제어), Stage Axis : X, Y, θ (Theta, 회전 축, UVW 모터) 기타 Module : 히팅 온도 컨트롤러 IO(Heating temperature Controller), 솔더링(Soldering, Himmelwerk HU5000 제어 (트윈캣 TwinCAT)) , 로드셀 (LoadCell) Vision 측정 항목 Vision 2SET (상부 촬영, 하부 촬영) 쉴드캔(Shie

원문보기 내부링크
Naver Blog

머신비전(Machine Vision) 용어 정리

머신비전 분야에서 실제로 사용되는 거의 모든 핵심/전문 용어를 정리해 보았습니다. (일반 용어 + 광학 + 카메라 + 조명 + 소프트웨어 + 딥러닝 + 라인스캔 + 로봇비전 + 통신 + 공정 용어 등) 1. 광학(Optics) / 렌즈(Lens) FOV (Field of View, 시야범위): 카메라+렌즈 조합으로 캡처되는 실제 관측 영역 크기 (예: 20×15mm). WD (Working Distance, 작업거리): 렌즈와 피사체 간 거리. DOF (Depth of Field, 심도): 초점이 허용되는 거리 범위. F/# (F-number, 조리개값): 렌즈 밝기 지표(낮을수록 밝고 DOF는 얕음). 배율(Magnification): 물체가 이미지에 맵핑되는 비율(배율 = 이미지 크기/실물 크기). 넓은 FOV → 낮은 배율(저배율), 좁은 FOV → 높은 배율(고배율) MTF (Modulation Transfer Function): 렌즈의 해상력·선명도 측정 지표. 왜곡(Dis

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서의 텔레센트릭 렌즈(Telecentric Lens)란?

머신비전에서 텔레센트릭 렌즈(Telecentric Lens)란, 피사체의 거리가 약간 변하더라도 이미지의 배율(magnification)이나 투영 기하(perspective)가 변하지 않도록 설계된 특수 렌즈입니다. 일반 렌즈에서 나타나는 원근 왜곡(parallax error)이나 피사체의 위치 변화로 인한 이미지 크기 변화 등을 최소화하기 위함입니다. 머신비전·정밀 계측 분야에서 특히 중요하며, 피사체가 조금 움직이거나 두께가 있거나 포커스 위치가 일정치 않아도 정확한 치수 측정이 가능하도록 도와줍니다. 텔레센트릭 렌즈 CCTV 렌즈와 텔레센트릭 렌즈의 차이점 CCTV렌즈 텔레센트릭 렌즈 렌즈 사이즈 컴팩트 디자인 배율 및 FOV에 따라서 렌즈의 사이즈가 결정 됨 가격 저가 고가 배율 변화 WD 및 렌즈의 초점 거리에 따라서 배율 변화 발생 DOF(심도) 내에서 변화 없음 화각 렌즈의 초점거리에 따라서 달라짐 없음 왜곡 초점거리가 짧을수록 왜곡이 더 많이 발생 없음 어플리케이션 넓

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)에서의 텔레센트릭 렌즈(Telecentric Lens) 선정 방법

텔레센트릭 렌즈의 선정 방법을 간략하게 정리해 보도록 하겠습니다. 텔레센트릭 렌즈 1. 요구사항 정의 검사하려는 물체의 크기(가로 × 세로) 와 필드 오브 뷰(Field of View, FOV)를 정해야 합니다. 물체가 놓이는 작업거리(Working Distance, WD) 즉 렌즈 전면부터 물체까지의 거리 범위도 명확히 해야 합니다. 측정하려는 최소 피처 크기(예: 결함·홈·핀 등)와 카메라 센서의 픽셀 크기 또는 해상도를 명시해야 합니다. 물체가 단면인지, 두께가 있는 3D 구조인지, 위치가 약간 앞뒤로 흔들릴 가능성이 있는지 등도 고려해야 합니다. 2. 카메라 센서 & 렌즈 호환 카메라 센서의 크기(가로, 세로, 대각선)와 픽셀 크기를 계산합니다. 센서 폭 = 가로 픽셀수 × 픽셀사이즈. 렌즈가 감지할 수 있는 이미지 서클(image circle)이 센서보다 작으면 비네팅(vignetting)이나 이미지 왜곡이 발생할 수 있으므로, 렌즈 사양이 센서 크기 이상인지 확인해야 합니

원문보기 내부링크
Naver Blog

MES (Manufacturing Execution System : 제조 실행 시스템) 이란?

MES는 Manufacturing Execution System의 약자로, 한국어로는 제조 실행 시스템이라고 합니다. MES의 정의 MES는 생산 현장에서 일어나는 모든 활동을 실시간으로 관리·감시하고 최적화하는 시스템입니다. ERP(전사적 자원관리)와 같은 상위 경영 시스템과 PLC, 장비 제어기 등 하위 자동화 시스템 사이에서 “중간 관리자” 역할을 합니다. MES의 역할 MES는 다음과 같은 기능을 수행합니다: 주요 기능 설명 생산계획 관리 ERP에서 내려온 생산계획을 세부 작업지시로 변환 작업 지시 및 실적 관리 어떤 제품을, 언제, 어떤 설비에서 생산할지 지시하고 실적을 수집 공정 추적 (Traceability) 어떤 자재가 어떤 제품에 쓰였는지, 공정별 상태를 추적 품질 관리 검사 데이터 수집, 불량 분석, 공정 중 품질 모니터링 설비 관리 설비 상태, 가동률, 고장 이력, 예방정비 관리 실시간 모니터링 생산 현장의 상태(가동/정지, 불량 등)를 실시간으로 확인 데이터 수

원문보기 내부링크
Naver Blog

MES의 통신 구조 (프로토콜 / 인터페이스)

MES는 ERP·SCADA·PLC를 연결하는 ‘데이터 허브’ 역할을 하기 때문에, 각 시스템과의 통신 구조(프로토콜·인터페이스) 를 이해하는 게 공장자동화에서 매우 중요합니다. 전체 구조 개요 공장 자동화 시스템 계층은 보통 다음과 같이 나뉩니다 ERP (Enterprise Resource Planning) ← 경영/계획 레벨 예: SAP, Oracle ERP 등 (DB, API, Web Service) MES (Manufacturing Execution System) ← 생산 실행 레벨 예: CIM, Shop-Floor Control, e-MES 등 (OPC UA, SECS/GEM, MQTT 등) SCADA / PLC / 장비 제어기 ← 제어 레벨 예: Siemens, Mitsubishi, OMRON 등 MES ↔ ERP 통신 구조 항목 설명 역할 상위 계획(ERP) 데이터를 MES로 내려보내고, MES 실적을 ERP로 보고 주요 데이터 흐름

원문보기 내부링크
Naver Blog

SECS/GEM 이란?

MES와 SECS/GEM은 반도체, 디스플레이, 2차전지 등 첨단 제조라인에서 매우 자주 등장하는 개념이에요. 하나씩 차근히 정리해드릴게요. SECS/GEM의 기본 정의 구분 설명 SECS SEMI Equipment Communication Standard — 장비와 상위 시스템 간 통신 프로토콜 표준 GEM Generic Equipment Model — 장비가 어떤 기능·데이터를 제공해야 하는지 정의한 모델(규격) 조합 개념 SECS/GEM = SECS + GEM → “장비가 상위(MES/CIM)와 통신하기 위한 국제 표준 규격” 제정 기관 SEMI (Semiconductor Equipment and Materials International) 즉, SECS/GEM은 MES가 장비와 직접 통신할 때 사용하는 반도체 업계의 국제 표준 인터페이스예요. MES와 SECS/GEM의 관계 MES는 현장의 장비(예: 노광기, 검사기, 로더 등)와 데이터를 주고받아야 합니다. 이때 반도체 장비

원문보기 내부링크
Naver Blog

[개발 사례] 2차전지 필름 비전 검사 시스템 (Film Measurement System)

안녕하세요. 이번에는 2차전지에서 배터리 사이에 들어가는 필름을 측정하는 비전 시스템 개발 사례를 간단하게 정리 해보고자 합니다. 예시 : 2차 전지 필름 출처 : SK에너지 2차전지 소재 기술력 '막강' 측정 항목 필름의 길이 (±1mm) 필름의 폭 (±1mm) 필름의 간격 (±1mm) 이물 (Paticles) (Min. 0.5mm) 필름 측정 비전 시스템 UI 장비 동작 Film 제조 장비의 PLC에서 Start 신호를 받으면 비전 시스템 동작 PLC 에서 Stop 신호를 받으면 비전 시스템 멈춤 비전 시스템 동작 시 실시간으로 측정 및 검사 길이 불량 및 이물(파티클) 불량 검출 시 장비 Stop, 타워 램프 Red , 알림 On 불량 검출 후 길이 확인, 이물(파티클) 사이즈 및 위치 확인 기능 Sharp Tech는 머신비전 솔루션, 자동화 장비 솔루션을 제공하는 S/W 개발 전문 회사입니다. Sharp Tech는 정직과 신뢰성을 바탕으로, 고객 중심의 소통을 통해 맞춤형 솔

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)의 카메라 선정

머신 비전 시스템에서 카메라 선정은 시스템의 정확도와 성능에 직결되는 중요한 요소입니다. 카메라는 물체를 인식하고 데이터를 캡처하는 핵심 장비이기 때문에, 카메라의 해상도, 프레임 속도, 센서 유형, 렌즈와의 호환성, 인터페이스 등 여러 요소를 고려해야 합니다. 아래에서 머신 비전 카메라를 선택하는 방법에 대해 상세히 설명드릴게요. 머신비전 용 카메라 1. 해상도 (Resolution) 해상도는 카메라가 캡처할 수 있는 이미지의 세부사항을 결정합니다. 해상도가 높을수록 더 세밀한 정보를 얻을 수 있지만, 더 많은 데이터 처리와 저장이 필요하므로 시스템의 처리 능력에 맞게 해상도를 선택해야 합니다. 고해상도 카메라: 고급 품질의 검사나 작은 물체, 미세한 결함을 찾아내는 데 적합합니다. 예를 들어, 5MP(500만 화소), 10MP, 20MP 이상의 카메라는 정밀한 검사에 사용됩니다. 중간 해상도 카메라: 일반적인 검사 용도로 사용되며, 1MP ~ 5MP 사이의 카메라는 많은 경우에서

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)의 조명 선정

머신 비전 시스템에서 적절한 조명을 선택하는 것은 매우 중요합니다. 조명은 물체의 표면 특성과 시스템의 요구 사항에 따라 다르게 설정되어야 하며, 잘못된 조명은 이미지 품질에 부정적인 영향을 미칠 수 있습니다. 적절한 조명 선정 방법을 아래에 간략히 설명해드릴게요. 머신비전 용 조명 1. 조명의 목적에 맞는 선택 이미지 품질 개선: 물체의 세부사항을 더 명확히 보기 위해 조명이 중요합니다. 대비와 정밀도: 형상, 크기, 질감 등을 정확하게 인식하기 위해서는 물체와 배경 간의 대비를 높여야 합니다. 표면 반사 처리: 반사 표면을 가진 물체를 다룰 때는 조명을 조절하여 반사를 최소화하거나 강조해야 합니다. 2. 조명 유형 편광 조명 (Polarized Lighting): 표면 반사로 인한 빛의 왜곡을 줄이는 데 유용합니다. 주로 반사 표면을 가진 물체나 광택이 있는 물체를 검사할 때 사용됩니다. 다이렉트 조명 (Direct Lighting): 물체에 직접적으로 빛을 비추는 방법으로, 작

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)의 렌즈 선정

머신 비전 시스템에서 렌즈 선정은 카메라 성능과 최종 검사 결과에 큰 영향을 미칩니다. 렌즈는 물체의 크기, 거리, 해상도, 그리고 검사 대상에 따라 선택해야 하므로, 렌즈 선정 시 몇 가지 중요한 요소를 고려해야 합니다. 머신비전 용 렌즈 1. 목표 거리 (Working Distance) 목표 거리는 렌즈와 피사체 간의 최적 거리를 의미합니다. 물체의 크기와 검사 대상의 위치에 맞게 렌즈의 초점 거리를 선택해야 합니다. 예를 들어, 물체가 카메라에서 멀리 위치하면 긴 초점 거리의 렌즈가 필요하고, 가까운 물체를 검사하는 경우 짧은 초점 거리 렌즈를 선택해야 합니다. 2. 렌즈의 초점 거리 (Focal Length) 초점 거리는 렌즈가 초점을 맞출 수 있는 거리의 범위를 결정합니다. 초점 거리가 길수록, 카메라는 더 멀리 있는 물체를 정확히 촬영할 수 있습니다. 짧은 초점 거리 렌즈: 물체가 카메라에 가까운 경우, 더 넓은 범위를 촬영할 수 있습니다. 대체로 8mm~25mm 사이의

원문보기 내부링크
Naver Blog

머신비전(Machine Vision) 조명의 종류

머신비전 조명 종류 머신비전 조명은 검사 대상의 특성에 따라 최적의 이미지를 얻기 위해 다양한 종류가 사용됩니다. 각 조명은 고유한 특징과 용도를 가지고 있습니다. 돔조명 링조명 외부동축조명 멀티앵글조명 백라이트 내부동축조명 (스팟) 텔레센트릭조명 바조명 라인스캔 조명 및 기타 특수 조명 위치에 따른 조명 종류 백라이트(Backlight): 검사 대상의 뒤쪽에서 빛을 비추는 조명입니다. - 특징: 물체의 윤곽, 크기, 내부 결함 등을 검사하는 데 적합합니다. - 적용: 필름, 투명 부품, 액체 등의 검사. 프런트라이트(Frontlight): 검사 대상의 앞쪽에서 직접 빛을 비추는 일반적인 조명 방식입니다. - 특징: 물체의 표면을 밝게 하여 표면 질감, 인쇄물 등을 검사합니다. 다크필드 조명(Dark Field Lighting): 검사 대상에 경사각으로 빛을 비춰 정반사광을 차단하는 조명입니다. - 특징: 물체의 미세한 흠집, 스크래치, 표면 이물질 등을 검출하는 데 사용됩니다. 형

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)의 인터페이스 종류

머신비전 시스템에서 “인터페이스”라 함은 카메라 ↔ 처리장치(PC, 프레임 그래버, 임베디드 보드 등)간에 영상을 주고받는 통신 방식 혹은 규격을 말합니다. 다양한 속도, 거리, 비용, 안정성 요구사항 때문에 여러 종류가 존재합니다. 아래에 주요 머신비전 인터페이스 종류와 특징들을 정리해 드릴게요. Interface GigE (POE) Camera Link USB CoaXPress 전송속도 1000 Mb/s 최대 3.6 Gb/s 5 Gb/s 최대 12.5Gb/s 케이블 길이 100m 10m 3m~5m 100m 커넥터 RJ45 26 Pin USB RG59/RG6 /RG11 프레임 그래버 불필요 (옵션 2CH, 4CH) 필요 불필요 (옵션 ~4CH) 필요 외부 파워 옵션 (POE) 필요 옵션 옵션 인터페이스 특징 / 장점 제약 / 단점 GigE Vision - 이더넷 케이블 기반 (1 Gbps 이상, 최근엔 2.5 / 5 / 10 Gigabit Ethernet 포함) - 최대 약 100

원문보기 내부링크
Naver Blog

산업별 특성에 맞춘 머신비전 인터페이스 / 시스템 구성

산업별 특성에 맞춘 머신비전 인터페이스 / 시스템 구성 추천을 해보겠습니다. 업종마다 속도, 위생, 정확성, 환경 조건 등이 다르니까, 어떤 인터페이스가 적합한지 같이 고려하면 좋겠다 싶어서 정리 해봅니다. 산업별 요구 특성 먼저 산업마다 머신비전 시스템이 맞춰야 할 대표적인 요구사항을 하기와 같이 간단히 보면 산업 주요 요구사항 자동차 (Automotive) 높은 속도, 대형 부품 / 다양한 조명 조건, 내진·내열성, 실시간 제어, 다중 카메라 동기화 제약 / 화장품 / 의료 (Pharma / Cosmetics / Medical) 청정 환경, 규제 준수(traceability), 고정확성(colour, defect), 포장·라벨 인식, 작은 부품 검사 전자 / 반도체 / PCB 제조 매우 높은 해상도, 미세한 결함 검사, 빠른 속도, 노이즈 민감, 정밀한 동기화, 반사/투명 물체 처리 식음료 / 포장 산업 위생성, 물·습기·먼지 등 환경 내구성, 빠른 라인 속도, 라벨/포장품 검사

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)의 프레임그래버 (Frame Grabber)란?

프레임그래버(Frame Grabber)란? 카메라에서 들어오는 영상 신호를 디지털 이미지로 변환하여 PC나 임베디드 시스템에 전달하는 하드웨어 카드입니다. 쉽게 말해, 고속·고해상도 카메라와 PC를 연결해주는 인터페이스 장치예요. 주로 머신비전 검사 시스템에서 사용되며, 카메라에서 초당 수백~수천 프레임의 데이터를 안정적으로 처리할 수 있도록 설계됩니다. Camera Link 와 CoaXPress 전용 Frame Grabber 왜 필요한가? 1. 고속 데이터 전송 일반 USB 카메라처럼 간단히 연결하는 방식은 속도나 안정성에 한계가 있음. 산업용 머신비전 카메라는 초고속/고해상도 데이터를 쏟아내기 때문에, 이를 안정적으로 PC 메모리에 저장하려면 전용 하드웨어가 필요함. 2. 실시간 처리 검사 라인에서는 지연(Latency)이 치명적임 → 프레임그래버는 DMA(Direct Memory Access) 방식으로 데이터를 CPU를 거치지 않고 곧바로 메모리에 전송. 3. 카메라 동기화 및

원문보기 내부링크
Naver Blog

머신비전(Machine Vison)의 케이블 이란?

머신비전 케이블이란? Camera Link Cable 과 CoaXPress Cable GigE Cable 과 USB Cable 1. 케이블의 역할 영상 데이터 전송 (카메라 → 프레임그래버 또는 PC) 트리거 신호 및 동기화 (외부 센서, 조명 컨트롤러와 연동) 전원 공급 (일부 인터페이스는 전원도 함께 전송 가능, 예: PoE, CoaXPress) 2. 인터페이스별 케이블 특징 인터페이스 케이블 타입 최대 길이 특징 Camera Link 전용 플랫 케이블 (26/68핀 MDR/HDR) 보통 5~10m (리피터 사용 시 확장 가능) 고속·고해상도 전송 가능, 다소 두껍고 유연성 떨어짐 CoaXPress (CXP) 동축 케이블 (BNC 또는 Micro-BNC) 최대 100m 이상 초고속(12.5Gbps/채널) + 장거리 전송 가능, 전원(PoCXP)도 공급 가능 GigE Vision 일반 이더넷 케이블 (Cat5e/Cat6/Cat6a) 100m (스위치·리피터로 더 연장 가능) 저비용

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)의 조명 선정 심화편

이번에는 조명 선정 관련해서 조금 더 자세하게 알아보겠습니다. 머신비전에서 조명(Lighting) 은 카메라/렌즈 못지않게 핵심입니다. 검사 품질의 70% 이상이 조명 설계에서 결정된다고 할 정도예요. 머신비전 조명 선정 방법 심화 편 1. 조명의 역할 피사체의 특징을 부각시키고 불필요한 정보(노이즈, 배경)를 억제하며 일관된 검사 환경을 유지 2. 조명 선정 절차 (1) 검사 목적 정의 어떤 결함을 찾는지 → (스크래치, 이물, 위치, OCR 등) 어떤 특징을 강조해야 하는지 → (표면 반사, 투명/불투명, 색상 대비 등) (2) 대상 물체 특성 분석 재질 : 금속(반사), 플라스틱(산란), 유리(투명) 표면 상태 : 거칠음, 평활함, 광택 유무 색상 : 배경 대비 필요 여부 (3) 조명 방식 선택 조명의 형태와 입사각이 중요합니다. 조명 방식 특징 적용 사례 링 조명 (Ring Light) 카메라 렌즈 주변에서 균일하게 비춤 일반 검사, 표면 균일 조명 백라이트 (Back Lig

원문보기 내부링크
Naver Blog

머신비전 관련 주요 뉴스 정리 (1)

머신비전 분야도 AI, 로봇, 반도체 등 여러 산업 트렌드와 얽혀 있어서 요즘 꽤 흥미로운 뉴스들이 많습니다. 아래는 최근 머신비전/컴퓨터 비전 관련 주요 뉴스 몇 가지 + 해석을 곁들인 내용 입니다. 주요 뉴스 요약 및 해석 제목 요약 의미 / 함의 RealSense, 인텔에서 독립 & 5,000만 달러 투자 유치 RealSense(깊이 센서 + 3D 비전 회사)가 인텔 자회사에서 독립 법인으로 분리되었고, 인텔 Capital 등에서 5천만 달러를 투자 받았다는 발표가 있음. Reuters+1 깊이 센서 기반 비전 기술의 중요성 강조. 로봇, 자율주행, AR/VR 등 분야에서의 전방향적 수요가 커지는 걸 반영. Cognex, OneVision 클라우드 기반 비전 플랫폼 출시 Cognex가 AI 기반 비전 작업을 클라우드에서 수행할 수 있는 “OneVision” 플랫폼을 발표함 (현재 일부 제품군에 우선 적용) PR Newswire 비전 시스템이 단순히 하드웨어 + 로컬 처리 중심에

원문보기 내부링크
Naver Blog

국내 머신비전 관련 최신 사례 및 소식 (2)

국내 머신 비전 관련 최신 사례 & 소식 기업 / 주체 내용 특징 / 의미 한울반도체 - 도금핀(80µm 급) 고속 외관검사기 국산화 성공. (이투데이) - 100µm 공업용 다이아몬드 전수검사 장비 개발. (이투데이) - 머신비전 검사 30년 기술 축적 기반으로, 딥러닝 기반 차세대 AI 검사 기술과 초소형·초정밀 부품 검사장비, 고속 인덱스 검사장비 제품군 확대 중. (이투데이) - 자체 브랜드 ‘하와이(HawAIe)’ 론칭. AI 검사 플랫폼 개발, 배치 계획 있음. (이투데이) 국내에서 초미세 부품 → 국산화 + 양산 적용 가능성을 보여주는 사례임. 딥러닝 + 자동화 최신 기술 적용 → 비형식적인 불량 및 미세 결함 검출을 가능하게 함. 수출 경쟁력 강화 가능성이 큼. 아이브 (AiV) 엔드 투 엔드 산업용 딥러닝 컴퓨터 비전 솔루션 제공 210억 원 규모 시리즈C 투자 유치. (ZUM 뉴스) 여러 세계 최초 양산 적용 레퍼런스 확보함. (ZUM 뉴스) 민간 기업에서 자본 투

원문보기 내부링크
Naver Blog

[개발 사례] H社 자동차 미션 케이스 소재 투입기 비전 시스템

안녕하세요. 이번에는 자동차 미션 케이스 소재 투입기 비전 시스템 개발 사례를 소개 하고자 합니다. H社 자동차 미션 케이스 소재 투입기 비전 시스템 이번 비전 시스템은 자동차 미션 케이스를 비전으로 촬영하여 위치 확인 및 보정하여 로봇으로 Pick Up 하는 시스템 입니다. 시퀀스 (Sequence) 정리 1. 지게차로 4단 파렛트를 컨베어 위에 안착 2. 다관절 로봇에서 비전 촬영 신호와 모델명을 RS232로 수신 3. 파렛트 위에 미션 케이스를 비전 촬영 4. 로봇이 Pick Up을 하기위한 홀 (Hole)에 맞춰서 위치 값을 로봇에 전송 5. 로봇의 X, Y, Theta (회전 축)을 위치 보정하여 미션 케이스 Pick Up 6.완료 신호 및 로봇 이동 다관절 로봇을 사용하는 생산 라인 예시 (사진=HD현대로보틱스) 이번 시간에는 간략하게 미션 케이스 소재 투입기 비전 시스템 개발 사례를 정리해보았습니다. 다음번에는 다른 여러가지 비전 시스템 개발 사례를 정리해보도록 하겠습니

원문보기 내부링크
Naver Blog

머신비전(Machine Vision)이란?

1. 머신 비전(Machine Vision)이란? 머신 비전은 컴퓨터 과학, 이미지 처리, 그리고 경우에 따라 인공지능(AI)을 결합한 기술로, 기계가 카메라나 센서를 통해 이미지를 획득하여 자동으로 분석, 해석하고 판단 또는 조치를 수행하는 시스템입니다. 카메라와 조명 구성 · 머신 비전은 특히 산업 자동화와 품질 검사를 위한 실용적인 목적에 특화된 기술입니다. 공장 자동 검사, 부품 분류, 로봇 내비게이션 등 반복적이고 신뢰성 있는 작업에 활용됩니다 2. 머신 비전 시스템의 구성 요소 머신 비전 시스템은 다음과 같은 주요 구성 요소로 이루어집니다 구성요소 설명 이미지 획득 장치 (카메라, 센서) 대상의 이미지를 디지털 데이터로 캡처합니다. CCD, CMOS 등이 사용됩니다 조명 & 렌즈 이미지를 명확히 포착하기 위해 필요한 조명과 광학 처리를 담당합니다 프레임그래버 / 인터페이스 이미지 데이터를 시스템으로 전달하는 역할을 합니다 이미지 처리 엔진 (컴퓨터, 프로세서) 이미지를 처

원문보기 내부링크
Naver Blog

샵테크 Sharp Tech 회사 소개

안녕하세요 오늘은 샵테크 회사 소개를 해보고자 합니다. Sharp Tech는 머신비전 솔루션, 자동화 장비 솔루션을 제공하는 S/W 개발 전문 회사입니다. Machine Vision 머신비전 솔루션 Automation System 자동화 장비 솔루션 Inspection Solution 기타 검사 솔루션 • 불량 검사 • 이물 검사 • Align 검사 • OCR 검사 • 정밀 측정 • 기타 비전 솔루션 • 반도체 장비 • 디스플레이 장비 • 계측 장비 • 측정 장비 • 모션 제어 • 기타 자동화 솔루션 • 자동차 부품 • 플라스틱 사출 • PCB 및 금속 • 표면 검사 • 포장 • 기타 검사 솔루션 혁신적인 머신 비전 및 자동화 솔루션 제공 샵테크는 머신 비전 소프트웨어 개발과 비전 솔루션 및 자동화 솔루션을 전문으로 하는 선도적인 기업입니다. 우리는 최첨단 기술을 활용하여 다양한 산업 분야에서 효율성을 극대화하고, 정확도 높은 자동화 작업을 가능하게 합니다. 스마트한 비전 솔루션으로

원문보기 내부링크
Naver Blog

머신비전 기술의 산업 트렌드

안녕하세요. 오늘은 머신비전 기술의 산업 트렌드를 알아보겠습니다. 머신 비전 기술의 산업 트렌드는 다양한 분야에서 빠르게 확장되고 있습니다. 최근 몇 년간의 발전을 보면, 자동화와 딥러닝 기술의 융합으로 인해 머신 비전은 많은 산업에서 중요한 역할을 하고 있습니다. 아래는 2025년을 앞두고 머신 비전 기술이 산업에서 어떻게 변화하고 있는지에 대한 주요 트렌드입니다. 출처 : 지속 가능한 스마트 팩토리 전략, 공장 자동화 | 인사이트리포트 | 삼성SDS 1. AI와 머신 비전의 융합 트렌드: 전통적인 이미지 처리 기술에 인공지능(AI), 딥러닝, 딥러닝 기반의 CNN을 결합하여 더 높은 정확도와 유연성을 제공하고 있습니다. 산업 활용: 자율주행차: 도로 표지판, 보행자, 차량 등을 실시간으로 인식하여 자율 주행을 구현. 스마트 팩토리: 제품 검사, 품질 관리, 로봇 비전 등에 활용되어 생산 효율성을 크게 향상시킴. 예시: TensorFlow 또는 PyTorch 같은 프레임워크를 통해

원문보기 내부링크
Naver Blog

머신비전 자동화시스템 도입 사례

안녕하세요. 오늘은 머신비전 자동화시스템 도입 사례에 대해 알아보겠습니다. 머신 비전은 여러 산업에서 이미 실제 적용되고 있으며, 특히 자동화, 품질 관리, 안전성을 향상시키는 데 큰 역할을 하고 있습니다. 아래는 도입 사례를 중심으로 다양한 산업에서 머신 비전 기술이 어떻게 활용되고 있는지 구체적인 사례들을 소개합니다. 출처 : 지속 가능한 스마트 팩토리 전략, 공장 자동화 | 인사이트리포트 | 삼성SDS 1. 자동차 산업: 자동화된 품질 검사 및 조립 도입 기업: BMW, Toyota, Ford 기술 활용: 자동화된 품질 검사: 자동차 부품의 불량 검사, 조립 오류 탐지 등을 위해 머신 비전 시스템을 도입. 자동 조립 라인: 로봇이 부품을 조립하고 머신 비전 시스템이 이를 실시간으로 검수하여 불량률을 99% 이상으로 낮추는 성과. 구체적 사례: BMW의 스마트 팩토리에서는 카메라와 로봇을 활용해 차체의 조립 정확도를 검사하며, 불량 부품을 자동으로 분류하고 교체합니다. 효과: 생

원문보기 내부링크
Naver Blog

비전 검사 및 반도체 장비의 자동화 솔루션 개발 이력 소개

안녕하세요. 이번에는 기존에 진행하였던 비전 검사 및 반도체 장비의 자동화 솔루션 개발 이력을 한꺼번에 소개 해볼까 합니다. 추후 다른 개발 사례는 건별로 상세하게 정리 해볼까 합니다. 1. 개발 이력 (비전 검사 라인) 중국 염성 K자동차 감마엔진 조립 라인 검사 SYSTEM 설치 / 시운전 중국 북경 H자동차 감마엔진 조립 라인 검사 SYSTEM 설치 / 시운전 국내 화성 K자동차 디젤승용엔진 조립 라인 검사 SYSTEM 설치 / 시운전 국내 소화리 K자동차 차체 검사 SYSTEM 설치 / 시운전 국내 H社 R엔진 검사 SYSTEM 설치 / 시운전 국내 울산 H社 S엔진 검사 SYSTEM 설치 / 시운전 중국 / 국내 검사 SYSTEM 및 장비 A/S 브라질 MS 차체 라인 검사 SYSTEM 설치 / 시운전 체코 프라코 범퍼 라인 검사 SYSTEM 설치 / 시운전 개발 Program UI 개발 Program UI 2. 개발 이력 (반도체 장비) LCR Meter Value Aut

원문보기 내부링크
1