비전검사 기초 및 실무/비전검사 기초 실무

[비전검사 시리즈 20편] Color Inspection(색상 검사) 구현 방법 | 산업용 비전검사 실무 가이드

eins-solutionlab 2026. 7. 10. 20:41

Color Inspection(색상 검사)이란?

Color Inspection(색상 검사)은 제품의 색상이 기준과 일치하는지 자동으로 판별하는 비전검사 기술입니다.

제조업에서는 단순히 "빨간색인지 파란색인지"를 구분하는 것뿐만 아니라, 색상 편차와 인쇄 품질, 코팅 상태, 변색 여부까지 검사합니다.

최근에는 OpenCV와 AI 기술을 함께 활용하여 더욱 높은 정확도의 색상 검사를 구현하고 있습니다.

색상 검사가 필요한 이유

색상은 제품의 품질과 직결되는 중요한 요소입니다.

다음과 같은 분야에서 많이 사용됩니다.

  • 자동차 도장 색상 검사
  • 식품 포장 색상 검사
  • 의약품 라벨 색상 확인
  • 전자제품 LED 색상 검사
  • 플라스틱 사출품 색상 검사
  • 인쇄 품질 검사

색상이 기준과 다르면 고객 불만이나 생산 불량으로 이어질 수 있으므로 자동 검사가 필수입니다.

Color Inspection의 기본 원리

색상 검사는 카메라가 촬영한 이미지에서 특정 영역(ROI)의 색상 정보를 분석하는 방식입니다.

일반적인 검사 순서는 다음과 같습니다.

카메라 촬영
  ↓
ROI 설정
  ↓
색 공간 변환(RGB → HSV)
  ↓
기준 색상과 비교
  ↓
허용 오차 판단
  ↓
OK / NG 결과 출력
 

RGB와 HSV의 차이

색상 검사를 구현할 때 가장 많이 사용하는 색 공간은 RGB와 HSV입니다.

구분 RGB HSV
구성 Red, Green, Blue Hue, Saturation, Value
조명 영향 큼 상대적으로 적음
구현 난이도 쉬움 보통
색상 분리 어려움 쉬움
실무 사용 제한적 매우 많음

실제 산업 현장에서는 조명 변화에 강한 HSV 방식이 가장 많이 사용됩니다.

HSV를 사용하는 이유

HSV는 색상(Hue), 채도(Saturation), 밝기(Value)를 분리하여 표현합니다.

예를 들어 빨간색 제품을 검사할 경우,

  • Hue : 빨간색 범위
  • Saturation : 색의 진하기
  • Value : 밝기

를 각각 설정할 수 있습니다.

이 방식은 조명의 밝기가 조금 변해도 안정적인 검사 결과를 얻을 수 있습니다.

OpenCV를 이용한 색상 검사 구현

OpenCV에서는 일반적으로 다음 순서로 구현합니다.

  1. 이미지 읽기
  2. RGB를 HSV로 변환
  3. 색상 범위 지정
  4. Threshold 적용
  5. Mask 생성
  6. 픽셀 개수 계산
  7. OK/NG 판정

이 방식은 처리 속도가 빠르고 실시간 검사에 적합합니다.

색상 검사 시 고려해야 할 요소

정확한 Color Inspection을 위해 다음 요소를 반드시 고려해야 합니다.

1. 조명

조명이 바뀌면 같은 제품도 다른 색으로 인식될 수 있습니다.

가능하면 일정한 밝기의 산업용 LED 조명을 사용하는 것이 좋습니다.

2. 카메라 설정

다음 항목은 고정하는 것이 좋습니다.

  • Exposure
  • Gain
  • White Balance
  • Gamma

자동 설정(Auto)을 사용하면 색상이 계속 변할 수 있습니다.

3. ROI 설정

전체 이미지를 검사하기보다 필요한 영역만 검사하는 것이 정확도와 속도 모두 유리합니다.

4. 기준 색상 설정

기준 제품(Golden Sample)을 이용하여 허용 범위를 설정합니다.

예를 들어

  • Hue ±5
  • Saturation ±10
  • Value ±15

와 같이 허용 오차를 설정할 수 있습니다.

Color Inspection 활용 사례

자동차 부품

도장 색상 확인

PCB 검사

LED 색상 확인

식품 산업

포장지 인쇄 색상 검사

제약 산업

약품 라벨 색상 검사

플라스틱 사출

제품 변색 검사

OpenCV와 AI를 함께 사용하는 이유

최근에는 OpenCV만 사용하는 경우보다 AI와 함께 사용하는 경우가 많습니다.

예를 들어

카메라 촬영
  ↓
OpenCV 색상 검사
  ↓
YOLO 객체 검출
  ↓
Classification AI
  ↓
최종 판정
 

OpenCV는 색상 분석을 담당하고,YOLO는 제품 위치를 찾으며,Classification AI는 최종 품질을 판정하는 역할을 수행합니다.

색상 검사 정확도를 높이는 방법

다음과 같은 방법을 적용하면 검사 정확도를 향상시킬 수 있습니다.

  • 일정한 조명 사용
  • 카메라 설정 고정
  • White Balance 고정
  • ROI 최소화
  • HSV 색 공간 사용
  • Golden Sample 기준 설정
  • 주기적인 색상 보정

Color Inspection의 장점

  • 빠른 검사 속도
  • 높은 반복성
  • 실시간 검사 가능
  • 작업자 편차 제거
  • 자동화 시스템 연동 가능

Color Inspection의 한계

다음과 같은 경우에는 정확도가 낮아질 수 있습니다.

  • 조명이 자주 변하는 환경
  • 반사가 심한 제품
  • 투명 제품
  • 광택이 매우 높은 제품
  • 카메라 White Balance가 자동인 경우

이러한 환경에서는 조명 설계와 카메라 설정을 함께 최적화해야 합니다.

실제 현장에서 자주 발생하는 실패 사례

사례 1. 조명 변경으로 불량이 급증한 경우

기존 LED 조명이 노후되어 다른 모델로 교체한 후, 정상 제품이 불량으로 판정되는 문제가 발생했습니다.

원인

  • 색온도(Color Temperature)가 변경됨
  • HSV 기준값 재설정 없이 운영

해결 방법

  • 동일한 색온도의 조명 사용
  • 조명 교체 후 기준 색상 재보정

사례 2. White Balance를 Auto로 설정한 경우

카메라의 White Balance가 자동으로 설정되어 제품 색상이 시간대마다 달라졌습니다.

원인

  • 자동 White Balance 동작

해결 방법

  • White Balance를 Manual로 고정
  • 기준 제품으로 재보정

사례 3. 광택 제품에서 오검출 발생

금속 표면의 반사 때문에 일부 제품이 잘못 판정되었습니다.

원인

  • 강한 난반사
  • 조명 위치 부적절

해결 방법

  • 확산 조명(Diffuse Light) 사용
  • 편광 필터 적용
  • 카메라 각도 조정

사례 4. ROI를 너무 크게 설정한 경우

배경까지 함께 검사되어 색상 편차가 크게 발생했습니다.

원인

  • 검사 대상 외의 영역 포함

해결 방법

  • 제품 영역만 ROI로 설정
  • Alignment 후 ROI 적용

자주 묻는 질문(FAQ)

Q1. RGB보다 HSV가 좋은 이유는 무엇인가요?

HSV는 색상과 밝기를 분리하여 표현하기 때문에 조명 변화에 상대적으로 강하며, 산업용 색상 검사에서 가장 많이 사용됩니다.

Q2. 색상 검사는 AI가 꼭 필요한가요?

아닙니다. 일정한 조명 환경에서는 OpenCV만으로도 충분한 경우가 많습니다. 다만 제품 종류가 다양하거나 환경 변화가 큰 경우에는 AI를 함께 사용하는 것이 효과적입니다.

Q3. Color Inspection에서 가장 중요한 요소는 무엇인가요?

가장 중요한 요소는 조명의 안정성입니다. 같은 카메라와 알고리즘을 사용하더라도 조명이 일정하지 않으면 검사 정확도가 크게 떨어질 수 있습니다.

Q4. 색상 검사에 가장 적합한 색 공간은 무엇인가요?

실무에서는 대부분 HSV를 사용합니다. RGB는 구현이 간단하지만 조명 변화에 민감하여 산업 현장에서는 HSV가 더 널리 활용됩니다.

마무리

Color Inspection은 제조업에서 가장 많이 사용되는 비전검사 기술 중 하나입니다. 하지만 알고리즘보다 중요한 것은 조명, 카메라 설정, ROI 구성, 기준 색상 관리입니다.

특히 OpenCV의 HSV 기반 색상 검사와 AI 기반 객체 검출을 함께 적용하면 다양한 제품에서도 높은 검사 정확도를 유지할 수 있습니다.

다음 편에서는 **YOLO를 이용한 비전검사 구축 방법**을 통해 AI 기반 비전검사 시스템을 실제로 구축하는 과정을 자세히 살펴보겠습니다.