뉴로클, AI 비전검사 소프트웨어 5.0 출시…학습 시간 최대 79% 단축

제조 현장에서 인공지능(AI) 비전검사의 활용 범위가 단순한 불량 판별을 넘어 로봇 제어와 공정 자동화로 확대되고 있다. 생산라인에 AI를 적용하려면 검사 정확도뿐 아니라 학습 데이터 구축에 필요한 시간, 모델의 처리 속도, 현장 하드웨어와의 호환성까지 고려해야 한다. 특히 다양한 각도로 놓인 부품을 인식하거나 고성능 외장 GPU를 설치하기 어려운 환경에서는 기존 비전검사 시스템의 한계가 드러나기도 한다. AI 비전검사 소프트웨어 전문기업 뉴로클이 이러한 제조 현장의 요구를 반영해 데이터 구축부터 모델 학습, 실제 검사까지 전 과정을 개선한 신규 버전을 선보였다.

뉴로클(대표 이홍석)은 오토딥러닝 비전검사 소프트웨어 ‘Neuro-T(뉴로티)’와 런타임 라이브러리 ‘Neuro-R(뉴로알)’의 5.0 버전을 10월 공식 출시했다. 이번 업데이트는 지난 7년간 제조 현장에서 축적한 기술과 고객 경험을 바탕으로 AI 비전검사의 개발 및 운영 효율성을 높이는 데 초점을 맞췄다. 주요 개선 사항은 비전언어모델(VLM) 기반 레이블링, 회전 객체 검출 모델 추가, 학습·추론 엔진 최적화, 다중 GPU 학습 지원, 모델 성능 분석 기능 강화, 엣지 AI 하드웨어 지원 확대 등이다.

먼저 데이터 구축 단계에는 VLM 기반 ‘Prompt Labeler(프롬프트 레이블러)’ 기능을 새롭게 도입했다. 기존 파운데이션 모델 기반 AI 레이블링 기능을 확장한 것으로, 사용자가 텍스트나 이미지 프롬프트를 입력해 레이블링할 객체를 지정할 수 있다.

텍스트와 이미지 프롬프트를 함께 활용하는 것도 가능하다. 검사 대상의 특징을 문장이나 참조 이미지로 설명하면 AI가 해당 객체를 탐색하고 레이블링하도록 지원하는 방식이다.

제조 현장에서는 부품의 형태나 결함의 특징이 복잡해 학습 데이터를 구축하는 데 많은 작업이 필요하다. 뉴로클은 프롬프트 기반 레이블링을 통해 검사 대상을 지정하는 과정을 간소화하고, 데이터 준비에 필요한 시간과 작업 부담을 줄일 수 있도록 했다.

객체 검출 기능에는 ‘Oriented Object Detection(회전 객체 검출)’ 모델을 추가했다. 일반적인 객체 검출 모델이 수평 방향의 사각형으로 객체의 위치와 크기를 표시하는 것과 달리, 이 모델은 객체의 회전 방향을 반영한 바운딩 박스를 사용한다. 이에 따라 비스듬하게 놓인 부품의 위치와 크기뿐 아니라 회전 각도와 방향까지 검출할 수 있다. 이러한 정보는 로봇이 부품을 집어 올리는 피킹 작업이나 부품 조립, 얼라인먼트(정렬) 검사처럼 객체의 방향을 정확히 파악해야 하는 공정에 활용된다.

뉴로클은 이번 모델 추가로 Neuro-T에서 총 11가지 검사 모델을 제공하게 됐다.

학습·추론 속도 개선에 엣지 AI 지원까지…현장 적용 효율 강화

Neuro-T와 Neuro-R 5.0은 학습 및 추론 엔진을 최적화해 AI 모델 개발과 실제 검사에 소요되는 시간을 줄였다. 회사에 따르면 주요 모델의 학습 시간은 최대 79%, 추론 시간은 최대 28% 단축됐다.

학습 시간 단축은 여러 데이터와 학습 조건을 적용해 모델을 반복적으로 개발하고 검증하는 과정의 효율을 높이는 데 도움이 된다. 추론 속도 개선은 생산라인에서 연속적으로 들어오는 이미지를 처리해야 하는 인라인 검사 환경에서 활용할 수 있다.

여러 GPU에서 학습 작업을 동시에 수행하는 Multi-GPU 기능도 강화했다. 학습 작업을 복수의 GPU에 분산해 하드웨어 활용도를 높이고, 여러 모델을 반복적으로 학습하거나 성능을 비교하는 개발 환경에서 작업 처리 효율을 개선하도록 했다.