이번 연구를 수행한 윤종필(오른쪽) 수석연구원과 최동윤 수석연구원.[한국생산기술연구원 제공]

[헤럴드경제=구본혁 기자] 결함 여부를 판단하기 위한 품질검사는 대부분의 제조업 제품에 필요한 필수 공정이지만, 주로 작업자의 경험이나 육안에 의존하고 있다.

때문에 다양하고 복잡한 형상에 공통적으로 적용할 수 있는 자동검사 시스템 개발은 스마트 팩토리 솔루션 가운데서도 가장 핵심적인 기술로 꼽힌다.

한국생산기술연구원이 인공지능(AI) 기술을 활용한 ‘결함검사 플랫폼 기술’을 개발하고, 이를 바탕으로 의료용 카테터의 복잡한 형상을 자동 검사할 수 있는 시스템을 개발했다.

생기원 AI응용설비연구센터 윤종필 수석연구원은 머신비전을 이용한 기존의 결함검사 방식에 AI기술을 접목, 딥러닝 알고리즘을 통해 불량 유무를 정확하게 측정·판단할 수 있는 결함검사 플랫폼 기술을 개발했다.

바이오메디컬센터 최동윤 수석연구원은 개발된 성과를 의료용 카테터에 적용해 복잡한 내부구조 때문에 자동화가 어려웠던 카테터 튜브 단면의 형상 결함을 자동 검사할 수 있는 시스템을 세계 최초로 개발했다.

의료용 카테터는 약물 주입, 혈액 배액 등 치료 및 진단기기 역할을 하는 튜브로, 체내에 삽입하는 제품의 특성상 형상 및 치수의 품질 관리가 중요하다.

다품종 소량생산 품목이면서 약물이나 혈액이 이동하는 통로인 내강(Lumen)의 개수와 형상도 다양한데, 특히 다중 내강(Multi-lumen) 카테터의 경우 결함의 종류가 다양하고 형태도 일정치 않아 검사 자동화가 어려운 분야로 꼽혀 왔다.

의료용 카테터 형상 결함검사 시스템.[한국생산기술연구원 제공]

연구팀은 카테터 튜브의 정확한 단면 이미지를 촬영할 수 있는 머신비전 시스템을 개발하고, 제품의 구조적 특징을 반영할 수 있는 결함 검사 알고리즘을 개발했다.

그 결과를 당초 설계한 형상의 수치와 실시간 비교하며 제품의 등급과 불량 여부를 자동 판단하는 시스템을 구현, 딥러닝 기술로 단면의 중심축 회전에 상관없이 튜브 단면의 복잡한 형상도 정확하게 검사할 수 있게 됐다.

이를 통해 마이크로미터 수준 카테터 형상의 결함을 판정할 수 있는 기술을 확보하고, 육안 검사 시 최대 5분 정도 소요되던 검사 시간도 3∼5초로 단축했다.

특히 데이터 기반 방식과 규칙 기반 방식의 장점을 결합한 하이브리드 방식을 채택해 검사 기준이 변경돼도 재학습할 필요가 없다.

기존 AI기반 결함검사 기술은 정상 및 불량 제품의 데이터를 학습해 불량 유무를 판단하는데, 작업 환경이나 기준 수치가 바뀔 때마다 다시 데이터를 수집하고 재학습하는 번거로운 과정을 거쳐야 한다.

또한 획득한 측정값을 다양하게 조합해 재학습 없이도 정상·불량 제품을 평균 95% 정확도로 판단할 수 있다.

윤종필 수석연구원은 “재학습에 걸리던 시간과 비용을 크게 줄인 결함검사 플랫폼기술을 개발하고, 세계 최초로 의료용 카테터에 적용해 고정밀 형상 결함검사 시스템을 개발한 것이 핵심”이라고 설명하며 “향후 최적화 연구를 통해 다양한 제조업 제품의 결함검사에 확대 적용할 계획”이라고 밝혔다.