용접 검사를 위한 엣지 비전 시스템 구축 방법

핵심 요약

산업 현장에서 용접 품질 검사는 구조적 안전을 위해 필수적이지만, 수동 검사는 속도와 정확도 면에서 한계가 있다. 이 가이드는 실시간 객체 탐지 모델인 RF-DETR과 멀티모달 모델인 Gemini를 결합한 2단계 AI 검사 시스템 구축 프로세스를 기술한다. RF-DETR이 결함 위치를 빠르게 파악하면, Gemini가 해당 영역을 정밀하게 확인하여 구체적인 실패 원인과 개선 조치를 출력한다. 이 시스템은 엣지 디바이스에 배포되어 생산 라인에서 100% 전수 검사를 가능하게 한다.

배경

객체 탐지(Object Detection) 기본 개념, Roboflow 플랫폼 사용법, JSON 데이터 구조 이해

대상 독자

제조 공정 자동화 엔지니어 및 컴퓨터 비전 개발자

의미 / 영향

이 시스템은 단순한 불량 판정을 넘어 불량의 원인까지 판별함으로써 제조 공정의 지능형 자동화를 가속화한다. 엣지 컴퓨팅과 VLM의 결합은 고정밀 산업 검사 분야의 새로운 표준이 될 것으로 보인다.

섹션별 상세

수동 용접 검사는 병목 현상을 일으키고 인간의 피로도에 영향을 받는다. AI 시스템은 양호한 용접, 균열(Crack), 기공(Porosity), 스패터(Spatters) 등 다양한 결함 유형을 24시간 내내 일관되게 감시한다. 이를 통해 불량 부품이 다음 공정으로 넘어가는 것을 즉각적으로 차단하고 생산 효율을 높인다.

속도와 정확도를 모두 확보하기 위해 지각 계층(Perception Layer)과 추론 계층(Reasoning Layer)으로 역할을 나눈다. 1단계에서는 RF-DETR 모델이 실시간으로 용접 부위를 찾고 초기 분류를 수행한다. 2단계에서는 Gemini 모델이 탐지된 결함 부위를 심층적으로 확인하여 구체적인 실패 모드를 판별하고 상세한 정보를 제공한다.

Roboflow Universe에서 용접 품질 데이터셋을 확보하고 공장 환경에 최적화된 전처리를 적용한다. 금속의 반사와 조명 변화에 대응하기 위해 그레이스케일 변환, 채도 및 밝기 증강(Augmentation)을 수행한다. 이미지 크기를 512x512로 표준화하여 추론 속도를 최적화하고 모델의 학습 안정성을 확보한다.

RF-DETR 모델의 출력값에 따라 조건부 로직을 설정하여 시스템 효율을 극대화한다. 'Continue If' 블록을 사용하여 고신뢰도의 양호 판정이 나오면 파이프라인을 중단하고, 결함이 의심될 때만 Gemini 추론 단계로 넘어가도록 설계한다. 이는 고비용의 멀티모달 추론 자원을 필요한 경우에만 사용하게 함으로써 전체 시스템의 비용과 지연 시간을 줄인다.

Gemini 블록에 프롬프트를 설정하여 자연어 결과를 기계가 읽을 수 있는 JSON 형식으로 추출한다. 여기에는 감지된 주요 문제, 원인이 되는 용접 파라미터(열 입력, 이동 속도 등), 품질 개선을 위한 구체적인 행동 지침이 포함된다. 이러한 구조화된 데이터는 공정 최적화를 위한 피드백 루프로 직접 활용된다.