머신비전 딥러닝 불량 검사 솔루션

회사개요

Company at a Glance

2

딥러닝비전검사 S/W

고객 맞춤형 망성능최적화 서비스

S/W 및 H/W 통합한토탈 솔루션

수아랩은딥러닝 이미지 해석기술을 이용해서

기존 Rule Base 기술만으로 검사가 어려웠던 영역에서

빠르고 정확하고 간편하게 사용할 수 있는

비전검사 솔루션을 제공합니다.

사업영역

딥러닝 검사 소프트웨어경쟁력을 바탕으로 고객의 요구에 맞추어

다양한 형태의 맞춤형 서비스를 제공합니다.

( SuaKIT )

2013

2015

2016

2017

2018

03 회사설립

03 Seed 투자 유치 _ 1억원

2019 04

09

10

시리즈 C 유치 _190억원

수아킷 2.3 출시

글로벌 머신지번 기업 코그넥스에 인수

02

05

09

수아킷 2.0 출시

유럽 시장 진출

미국 시장 진출

06 딥러닝 기반 비전검사 Library “SuaKIT” 상용화

시리즈 A 유치 _ 20억원

06

08

10

중국법인 설립

일본 시장 진출

시리즈 B 유치 _103억원

동남아 시장 진출

주요 Milestone

수상 실적

2015.02

2016.05

2017.04

2017.09

2017.12

2018.04

2018.12

2019.06

2019.09

서울대학교 기술지주 주관 “Be the Rocket, Session 1” 대상

AIA 주관 “2016 Global Top 8 Start-ups” 선정

Vision Systems Design 주관 “2017 Innovators Awards” 대상

한독 상공회의소 주관 “Innovation Awards” 디지털화 혁신상

중소벤쳐기업부 주관 “2017 TIPS Awards” 우수창업팀 장관상

Vision Systems Design 주관 “2018 Innovators Awards” 은상

인더스트리뉴스 주관 “2018 인더스트리어워드코리아” 머신비전 부문 대상

중소벤처기업부 주관 “2019 대한민국 중소기업 스타트업 대상” 대상

인더스트리뉴스, FA저널 SMART FACTORY 주관 “2019 스마트팩토리 어워드 코리아” 인공지능부문 기술혁신 대상

Company History

3

회사연혁

수아랩은2017년 정식 제품 출시 이후로

빠른 속도로 질적 양적 성장을 달성해 왔습니다.

글로벌 서비스

장비업체

1,2차협력업체

주요 고객사

삼성, LG, 한화, SK 등 국내 Top-tier 제조그룹

각 그룹사 내 전기전자 제품/부품, 자동차 부품, 산업용 첨단소재 유관 계열사

Top-tier 계열사의 1,2차 Vendor 및 장비업체

기술 지원

제퓸 교육

하드웨어 프로그램

제품 수명주기

머신 비전에 대한 투자 보호와 관련하여

코그넥스는 모든 고객이 즉각적인 전문 서비스를

기대한다는 사실을 잘 알고 있습니다. 코그넥스는

숙련된 파트너, 시스템 통합업체, 유통업체로

구성된 글로벌 네트워크를 통해 미주, 유럽,

아시아 전역의 지사에서 해외 고객에게 서비스를

제공합니다..

개발에서 구축에 이르기까지 코그넥스는

최대한 신속하게 비전 시스템을 가동할 수

있도록 지원합니다. 머신 비전 도입을 처음으로

고려하는 조직에서부터 전문적인 머신 비전을

사용하는 조직에 이르기까지, 코그넥스 글로벌

서비스는 모든 조직의 성공을 돕기 위한 전문성을

제공합니다.

cognex.com/ko-kr/support/Cognex-services

전 세계 20 글로벌 오피스

글로벌 파트너(30개국) 500 개 이상의

개 이상의

Network

4

효용 및 기대효과

5

SuaKIT 효용

검출력 향상

■ 불량의 특징값을 일일이 수동으로 설정해야 하는 기존 방식(Rule Base)로는

복잡/비정형 패턴 이미지 검사가 어려움

■ 딥러닝 방식은 복잡도와 무관하게 특징값을 스스로 학습하여 이미지 해석이 가능함

개발 용이성

■ 기존 방식은 일일이 ROI를 수동설정하고 수많은 Parameter를 통제해야 하며,

이미지가 바뀌면 재수정 작업이 필요함

■ 반면, 딥러닝은 학습기반이므로 Labeling 및 소수의 파라미터 통제만으로 검사 가능

부품원가 절감

■ 기존 방식은 Rule 설정을 위해 뚜렷하고 일정한 이미지 취득이 중요하기 때문에 광학

H/W 의존도가 높음

■ 반면, 딥러닝은 이미지 품질이 다소 떨어지더라도 검사 가능하므로 H/W 투자비용을

S/W 로 일부 대체 가능

생산 효율성 향상

■ 육안검사자의 검사 작업량을 경감, 소인화 또는 다른 작업 리소스 확보 가능

■ 높은 정확도로 미검 및 과검을 개선, Tact Time 개선 및 생산 Capa 확대 효과

품질 개선

■ 기존 육안검사의 한계로 일부 샘플 검사하던 공정을 전수로 검사, 품질관리 강화 가능

■ 검사자 판단이 아닌 일관된 기준 및 컨디션으로 검사하여 검사 품질 향상

■ 검사현장마다 존재하는 다양한 변수를 극복하는 것이 성공적인 도입에 핵심

■ 수아랩은 양산적용을 위해 필요한 차별화 기능을 가장 많이 보유

. ‘교체주기에 짧은’ 검사에 대응하기 위해 학습시간을 단축할 수 있는 방법론

. ‘불량 이미지 구하기가 어려운’ 환경에서 정상 이미지만으로 학습하는 방법론

. ‘판단히 애매한 경계성 데이터’를 자동으로 분류하는 방법론

. ‘다양한 광학조건에서 취득한 이미지’를 빠르게 합쳐 학습하는 방법론

. ‘Black Box 처럼 과정해석이 어려운 딥러닝 내부’의 판정과정 가시화 방법론 등 기타 다수

제조업 양산적용을 위한차별화 기능 및 방법론 다수 보유

차별점

6

Why 수아랩

수아랩은양산환경에 딥러닝 검사를 성공적으로 도입할 수 있도록

수아랩만 보유한 특화된 방법론, 기술대응, 연구개발 역량을 제공합니다.

■ 업계에서 유일하게 딥러닝 망성능 최적화를 위한 별도조직을 운영

■ 고객사가 풀어야 할 어려운 난이도의 검사문제를 다양한 솔루션을 적용하여 해결

고객사 문제에특화된 기술지원

■ 아시아 최대규모의 딥러닝 R&D 조직 운영

■ 머신비전 분야에 특화된 문제를 해결하기 위한 딥러닝 연구개발

■ 고객 VoC 를 반영하여 3~6개월 단위 주요 Version Update

지속적인 연구개발 및 제품화

1

2

3내부에서 어려울 것으로 봤던 문제를

수아랩이 딥러닝 방법론 뿐만 아니라 다양한 측면까지 파고 들어 해결

- 전자부품 업체 고객사 담당자 -“

”

OK NG

주요 기능 및 학습방법론

SuaKIT 주요기능

SuaKIT 학습 방법론

효용 및 기대효과

7

각각의 이미지를 학습하고

불량을 검출합니다

Single Image Analysis Image Comparison

두 이미지간 차이점을 집중하여

학습하고 불량을 검출합니다

Multi Image Analysis

여러 이미지간 관계를 분석하여 한번에

학습하고 불량을 검출합니다

결함 이미지 없이 정상 이미지만

학습하고 불량을 검출합니다

One Class Learning

불량A 불량B 불량C ...

식별 _ Detection

이미지 상의 여러 물체들을

각각의 Class 별로 찾아냅니다

유형분류 _ Classification

정의한 기준에 맞춰 정상/불량

또는 불량유형별로 분류합니다

영역검출 _ Segmentation

이미지상의 불량영역을

정확히 검출합니다

주요 적용사례

반도체 부품 (Driver IC)외관검사

직면과제

■ 기존 검사장비는 모호한 불량 유형에 대해 모두 불량으로 판단

■ 이에 따른 높은 과검 (Overkill) 으로 재검사가 필요하고

Tact Time 증가하는 비효율이 발생

수아랩 솔루션 도입 효과

■ 딥러닝 검사를 통해 전체 과검을 90% 이상 낮추는데 성공

■ 소인화와 더불어 생산 능력 향상 효과

딥러닝 검사

불량 판정 정상 판정

가성 불량(실제 정상)진성 불량

주요 적용 사례

8

SuaKIT은모바일, 반도체, 전기/전자, 자동차 분야와

관련된 첨단소재 및 핵심부품에 대한

외관 검사영역에 적용되고 있습니다.

이 외에도, 건축자재, 식음료 및 패키징, 섬유 등

‘사람이 이미지로 검사할 수 있는’

모든 제조업 영역에 널리 활용될 수 있습니다.

반도체

철강

태양광 셀/모듈

디스플레이

배터리

비파괴검사PCB

카메라 모듈

자동차 부품

스마트폰 및 케이스외관검사

디스플레이 TFT표면검사

직면과제

■ 기존 머신비전 검사방식의 한계로 100% 육안 검사에 의존

■ 검사자별 숙련도에 따라 판정 결과 및 속도가 일정하지 않은 문제

수아랩 솔루션 도입 효과

■ 사람의 육안으로 식별할 수 있는 모든 불량 유형을 높은 정확도로 검출

■ 육안 검사자 대비 최대 3배 빠른 속도로 검사진행 가능

* 다면체 검사를 위한 광학계 및 기구물 일체 제공

직면과제

■ 디스플레이 Open, Short, Particle 불량은 기준이 모호한 이미지

■ 기존 머신비전 검사방식으로 검출하기 어려운 불량유형은

육안검사로 재검사해야 하는 상황

수아랩 솔루션 도입 효과

■ 재검사 목적의 육안 검사의 전부 또는 일부를 딥러닝으로 대체,

검사자 작업량 축소를 통한 소인화

NG Image

NG Images

주요 적용 사례

9

자동차 베어링외관검사

직면과제

■ 안전과 직결된 부품의 특성상 ‘미검’ 최소화가 중요하나,

기존 검사장비에서 불량을 정상으로 판단하여 육안 작업자 재검

■ 육안 검사자의 높은 인건비로 생산효율성 이슈 존재

수아랩 솔루션 도입 효과

■ 딥러닝 검사로 기존 대비 정확도 상승 및 유출률 감소

■ 육안 검사자의 Human Error 감소 (일관성 있는 검사 가능)

및 향후 소인화

NG Image

직면과제

태양광 EL 패널외관검사

■ 태양광 패널의 정형화되지 않고 불규칙한 패턴으로 육안검사 필요

■ 기존 검사장비가 있으나, 사람이 다시 재검사를 해야 하는 상황

수아랩 솔루션 도입 효과

■ 모호한 불량 이미지 구분률 향상 및 소인화

NG Images

주요 적용 사례

10

FAQ

유형별로 몇 장 정도의 이미지 데이터를 학습시켜야 하나요?Q

이미지의 복잡성 정도에 따라 다르지만, 초기에는 불량 유형별 100장 내외를 학습하면 됩니다.A

망 학습에 소요되는 시간은 어느 정도 걸리나요?Q

학습시키는 이미지 개수에 따라 다르지만 1024ｘ1024 사이즈, 1,000장 기준으로 20분 내외의 시간이 소요됩니다.A

검사라인에서 이미지 데이터를 처리하는 속도가 어떻게 되나요 ?Q

Segmentation / Geforce GTX-1080Ti 기준 1024ｘ1024 사이즈 이미지에 대해 실시간으로 초당 20장 내외

로 처리가 가능합니다.

A

SuaKIT 필요 사양

11

SuaKIT 사양

Windows 7 64bit / Windows 10 64bit / Windows 2012 R2 / Windows Server2016※ 32비트 운영체제는 지원하지 않습니다.

Ubuntu 16.04 LTS (Runtime 한정)

Intel® Core™ i5 이상 Intel® Core™ i7 이상

16GB (여유 메모리 8GB이상) 32GB 이상

NVIDIA® GeForce® GTX 980(여유 메모리 4GB 이상)

NVIDIA® GeForce® GTX 1080

NVIDIA® GeForce® RTX 2080 TiNVIDIA® GeForce® RTX 2070

※ NVIDIA Graphic Driver 최신버전 업데이트 필수

Visual studio 2010 Visual studio 2017

Full HD (1920*1080) 이상 ※ Developer kit에만 해당

설치 디스크 (USB) 및 디지털 다운로드

여유 용량 8GB 이상 (SSD권장)

동글키 꽂혀 있는 경우에만 사용 가능

CPU

RAM

GPU

GTX

RTX

개발 환경

해상도

설치 필요용량

매체

보안

최소 지원 사양

운영체제

권장 사양

(주)수아랩 서울시 서초구 서초대로38길 12 마제스타시티 타워2, 6층 http://www.sualab.com

영업문의 02-6264-0362 일반문의 02-6264-0366 E-mail sales@sualab.com