규칙 기반 머신비전은 자동 검사의 1세대를 만들었습니다. 안정적이고 고대비 특징에는 여전히 유효합니다. 표면이 변하고, 결함이 드물며, 제품 믹스가 매주 바뀌면 고전합니다. 주석 이미지로—그리고 점점 합성 희귀 결함 예시로 보강되어—학습한 AI 비전 시스템이 그 어려운 라인을 맡습니다.
산업 요건은 랩 정확도 숫자가 아닙니다. 사이클 타임, 과검률, QMS로의 깨끗한 경로: 홀드·재작업·출하·계보입니다. 카메라 또는 로컬 GPU의 엣지 추론은 고속 라인에 맞는 지연을 유지하고, 데이터 레지던시가 중요하면 이미지를 공장 안에 둡니다.
라인에서 바뀌는 것
- 빠른 전환 — 새 변형을 수주 재프로그래밍 대신 수일 학습으로 맞출 수 있습니다.
- 더 어려운 결함 — 텍스처, 미세 스크래치, 가변 조명이 딥 모델로 다루기 쉬워집니다.
- 운영자 워크플로 — 리뷰 큐와 임계값 튜닝이 데이터 과학자가 아니라 품질 팀에도 쓸 만해야 합니다.
프로젝트를 여전히 망치는 것
나쁜 조명 설계, 라벨 없는 공정 드리프트, 자재 변경 후 재학습되지 않는 모델. MES/QMS에 구조화 이벤트를 쓰지 못하는 비전은 대시보드 고아가 됩니다. 라인을 굶기는 과검은 모델 점수와 무관하게 시스템을 끄게 만듭니다.
앞으로 볼 포인트
- 벤더가 아니라 공장 단위로 과검·유출률 KPI를 공개하는 엣지 배포.
- 모델을 오염시키지 않고 희귀 결함 클래스를 균형 잡는 신중한 생성형 도구.
- 검사 결과가 그립·경로를 실시간 적응하는 로봇–비전 폐루프.
AI 검사는 또 다른 고립 파일럿 카메라가 아니라 수율과 고객 품질을 지킬 때 자리를 얻습니다. 모델은 시스템의 절반이고, 품질 워크플로가 나머지 절반입니다.