비전검사 기초 및 실무/비전검사 기초 실무20 [비전검사 시리즈 14편] 비전검사에서 Blob Analysis 활용 방법 | 면적 검사와 이물질 검출 Blob Analysis란?산업용 비전검사 시스템에서 가장 많이 활용되는 이미지 처리 기술 중 하나가 Blob Analysis(블롭 분석)입니다.Blob Analysis는 이미지 안에서 연결된 객체 영역을 찾아 면적, 위치, 개수, 형상 등을 분석하는 방법입니다.자동차 부품 검사, 반도체 검사, PCB 검사, 식품 검사, 의약품 검사 등 다양한 산업 분야에서 사용되고 있습니다.특히 다음과 같은 검사에서는 Blob Analysis가 매우 효과적입니다.제품 유무 검사부품 누락 검사이물질 검출면적 검사접착제 도포 검사납땜 영역 검사Blob Analysis는 복잡한 AI 모델 없이도 빠르고 안정적인 검사를 구현할 수 있다는 장점이 있습니다.Blob(블롭)이란?Blob은 이미지 처리 분야에서 연결된 하나의 객체 .. 2026. 7. 9. [비전검사 시리즈 13편] 비전검사 Histogram(히스토그램)을 활용하는 방법 | 밝기 분석과 불량 검출 Histogram(히스토그램)이란?비전검사 시스템에서 이미지를 분석할 때 가장 먼저 확인해야 하는 것이 있습니다.바로 Histogram(히스토그램) 입니다.많은 초보 엔지니어들은 카메라 설정이나 AI 모델부터 수정하려고 하지만, 숙련된 머신비전 엔지니어들은 먼저 히스토그램을 확인합니다.그 이유는 매우 간단합니다.히스토그램은 이미지의 상태를 숫자로 보여주는 가장 기본적인 분석 도구이기 때문입니다.이미지가 너무 어두운지, 너무 밝은지, 대비가 충분한지, 조명이 일정한지 등을 한눈에 파악할 수 있습니다.실제로 비전검사 알고리즘의 성능은 대부분 입력 이미지의 품질에 영향을 받기 때문에 히스토그램 분석은 검사 정확도를 높이기 위한 첫 번째 단계라고 할 수 있습니다.Histogram의 원리히스토그램은 이미지 안에 .. 2026. 7. 9. [비전검사 시리즈 12편] 비전검사 조명 밝기 조절 방법 | LED 조명 컨트롤러 설정과 실무 노하우 비전검사 성능은 카메라보다 조명이 먼저 결정한다산업용 비전검사 시스템을 구축할 때 많은 개발자는 고해상도 카메라, 최신 AI 알고리즘, 고성능 이미지 처리 기술부터 검토합니다.하지만 실제 제조 현장에서는 다음과 같은 말이 자주 사용됩니다."좋은 이미지는 좋은 조명에서 시작된다."아무리 좋은 카메라와 AI 모델을 사용하더라도 입력 이미지 품질이 불안정하면 검사 정확도는 떨어질 수밖에 없습니다.비전검사에서 발생하는 많은 문제는 알고리즘보다 조명 환경에서 발생하는 경우가 많습니다.대표적인 문제는 다음과 같습니다.정상 제품을 불량으로 판단하는 오검출(False Positive)실제 불량을 놓치는 미검출(False Negative)OCR 문자 인식률 저하Template Matching 실패Edge Detectio.. 2026. 7. 9. [비전검사 시리즈 11편] 비전검사 카메라 Exposure(노출), Gain, Gamma 설정 방법 | 이미지 품질을 결정하는 핵심 요소 비전검사 카메라 Exposure(노출), Gain, Gamma 설정 방법비전검사 시스템에서 가장 중요한 것은 AI도, 알고리즘도 아닙니다.좋은 이미지를 얻는 것입니다.실제로 산업현장에서 검사 불량의 상당수는 프로그램 문제가 아니라 카메라 설정 오류 때문에 발생합니다.특히 다음 3가지 값은 검사 품질을 결정하는 핵심 요소입니다.Exposure(노출)Gain(게인)Gamma(감마)이 세 가지를 제대로 이해하면 이미지 품질이 크게 향상되고, 검사 오차와 불량률을 줄일 수 있습니다.이번 글에서는 각각의 역할과 차이점, 그리고 실무에서 어떻게 설정해야 하는지 자세히 알아보겠습니다.Exposure(노출)이란?Exposure는 카메라 센서가 빛을 받아들이는 시간입니다.쉽게 말하면 셔터가 열려 있는 시간 이라고 생각하.. 2026. 7. 9. [비전검사 시리즈 10편] Template Matching과 Alignment 구현 방법 | 머신비전 위치 보정의 핵심 원리와 실무 노하우 제품 위치가 조금만 달라져도 검사 결과가 달라지는 이유산업용 비전검사 시스템을 구축하다 보면 개발 환경에서는 정상적으로 동작하지만 실제 생산라인에서는 오검출(False Positive)과 미검출(False Negative)이 발생하는 경우가 많습니다.가장 대표적인 원인은 바로 제품 위치(Position)와 회전 각도(Rotation)의 변화입니다.생산 현장에서는 다음과 같은 변화가 항상 발생합니다.컨베이어 이동 오차제품 투입 위치 차이설비 진동지그(Jig) 정밀도 오차카메라 설치 위치 변화사람 눈으로는 거의 차이가 없어 보이는 몇 mm의 위치 변화도 머신비전에서는 검사 결과에 큰 영향을 줄 수 있습니다.특히 이전 편에서 설명한 ROI(Region of Interest)를 고정 방식으로 설정한 경우 제품.. 2026. 7. 9. [비전검사 시리즈 9편] ROI(Region of Interest) 설정 방법 | 검사 속도와 정확도를 높이는 머신비전 실무 가이드 ROI 설정이 비전검사 성능을 결정하는 이유머신비전 시스템을 구축할 때 많은 개발자는 카메라 해상도, 렌즈 선정, 조명 조건, AI 검사 모델 성능에 집중합니다.하지만 실제 산업 현장에서는 ROI(Region of Interest, 관심 영역) 설계 방식이 검사 속도와 정확도를 결정하는 핵심 요소입니다.ROI는 이미지 전체가 아닌 검사에 필요한 영역만 선택하여 분석하는 기술입니다.전체 이미지를 모두 처리하는 방식과 비교하면 ROI 적용 시 다음과 같은 효과를 얻을 수 있습니다.검사 처리 속도 향상CPU 및 GPU 사용량 감소AI 추론 시간 단축불필요한 배경 오검출 감소검사 결과 반복성 향상특히 생산라인에서는 검사 시간이 곧 생산성과 연결되기 때문에 ROI 최적화는 필수적인 머신비전 기술입니다.ROI(R.. 2026. 7. 9. 이전 1 2 3 4 다음
