기본 5장입니다. 결함 이력이 없거나 본사 반입이 어려운 대형 제품은 양품만으로, 또는 단 1장으로도 모델을 만듭니다. 수천 장을 모아야 시작할 수 있다는 통념은 룰 기반 시대의 전제입니다.
왜 5장으로 되는가
소량 샘플 학습은 이미지에서 다차원 특징을 추출하고 유효한 정보의 학습 가중치를 높이는 방식입니다. 결함의 모든 변형을 데이터로 보여주는 대신, 결함이 무엇을 다르게 만드는지를 학습합니다.
전이 학습이 여기에 더해집니다. 같은 소재·같은 공정의 제품이 공유하는 특징은 이미 학습돼 있으므로, 신규 품목은 그 차이만 배우면 됩니다. 현재 30종 이상의 모델이 서로 호환됩니다.
1장으로 되는 경우
대형 판금, 완성차 바디, 대형 모터처럼 본사로 반입하기 어려운 대상은 현장에서 확보한 단일 샘플로 모델을 구축합니다. 촬영 조건을 현장에 맞춰 설계하는 쪽이 샘플을 옮기는 것보다 정확하기 때문입니다.
양품만으로 되는 경우
원클래스 학습은 정상 샘플만 학습해 그 분포에서 벗어난 것을 이상으로 판정합니다. 신규 제품이라 결함 이력 자체가 없을 때, 또는 결함이 드물어 모으는 데 몇 달이 걸릴 때 씁니다.
다만 결함 유형을 분류해야 하거나 결함별로 다른 조치를 해야 한다면, 유형별 샘플이 필요합니다. 이 경우에도 유형당 5장 수준입니다.
이 답이 맞지 않는 경우
- 결함이 사람 눈에도 보이지 않는 수준이면, 샘플 수보다 광학 구성이 먼저입니다. 조명과 렌즈로 결함이 보이게 만들지 못하면 어떤 알고리즘도 판정할 수 없습니다.
- 양품 자체의 편차가 결함보다 큰 경우, 기준을 먼저 정의해야 합니다. PoC 단계에서 함께 정합니다.
- 검사 기준이 문서로 존재하지 않고 검사원의 감각에 의존해 온 공정이라면, 그 감각을 학습 데이터로 옮기는 작업이 선행됩니다.
PoC에서 실제로 하는 일
- 검사 대상과 결함 유형을 확인하고 NDA를 체결합니다.
- 샘플 또는 이미지를 안전한 경로로 전달받습니다.
- 광학 구성을 설계하고 촬영합니다.
- 모델을 학습하고 미검·과검을 혼동행렬로 정량 제시합니다.
- 라인 속도와 하드웨어 조건에 맞춘 검사 속도를 산정합니다.