Edge AI 머신비전 | PC 없이 고속 비전검사를 구현하는 설계 기준

AI 비전검사가 Edge로 이동하는 이유

AI 비전검사는 과거 외부 산업용 PC와 GPU를 중심으로 구성되는 경우가 많았지만 최근에는 카메라 또는 전용 Vision Controller에서 AI 추론을 직접 수행하는 Edge 구조가 빠르게 확대되고 있습니다. 배선과 시스템 구성을 단순화할 수 있지만 모든 검사에 Embedded Vision이 적합한 것은 아닙니다.

1. 먼저 검사 난이도와 Cycle Time을 분리해 봅니다

검사 대상의 이동속도, 촬영 매수, 해상도, 검사 ROI 수, 허용 판정시간과 PLC Handshake 시간을 먼저 계산해야 합니다. AI 모델의 추론시간만으로 설비 Takt를 판단하면 Trigger, Exposure, Image Transfer, 후처리와 통신 지연을 놓칠 수 있습니다.

2. 카메라보다 조명과 광학계가 먼저입니다

Edge AI도 입력 영상이 불안정하면 안정적인 판정을 만들기 어렵습니다. 반사, 외광, 제품 위치편차, 표면 질감에 맞춰 Lens, Working Distance, FOV, 조명 각도와 파장을 먼저 고정하고 학습 데이터가 실제 양산 조건을 대표하도록 구성해야 합니다.

3. Rule-based와 AI를 역할 분담합니다

치수, 위치, 존재유무처럼 규칙이 명확한 검사는 기존 Vision Tool이 유리할 수 있고, 미세 스크래치나 복잡한 외관처럼 규칙 정의가 어려운 영역은 AI가 유리할 수 있습니다. 한 검사에서 두 방식을 조합하면 모델 복잡도와 오검출을 줄이는 데 도움이 됩니다.

4. Edge 구조의 장점과 한계를 같이 검토합니다

외부 PC가 줄어들면 설치공간과 OS 관리 부담을 낮출 수 있고 현장 추론을 통해 네트워크 의존도를 줄일 수 있습니다. 반면 다수 카메라의 대용량 연산, 복잡한 3D 처리, 여러 모델 동시 실행이나 장기간 이미지 저장이 필요한 경우에는 별도 Controller 또는 IPC가 더 적합할 수 있습니다.

5. PLC 연동은 PASS/FAIL 한 비트로 끝내지 않습니다

Trigger Ready, Inspection Busy, Result Valid, PASS/FAIL, Error Code, Recipe ID와 이미지 저장 상태를 명확하게 Handshake 해야 합니다. NG 발생 시 Reject 장치까지의 Tracking 거리와 Encoder 또는 제품 ID 연결도 함께 검증해야 오배출을 방지할 수 있습니다.

2026년 Embedded AI Vision의 변화

Cognex는 2026년 5월 In-Sight 3900을 발표하며 외부 PC 없이 Edge에서 AI 검사를 수행하는 통합 Vision System을 공개했습니다. 같은 해 In-Sight 6900 Vision Controller도 NVIDIA Jetson 기반 Edge AI 처리를 강조했습니다. 특정 제품 성능을 일반화하기보다 이러한 방향이 검사 아키텍처 선택지를 넓히고 있다는 점이 중요합니다.

PoC에서 반드시 검증할 항목

양품·불량 Sample을 실제 생산속도로 반복 투입하고 조명 편차, 제품 위치편차, Lot 변화, 오염과 반사를 포함해 False Reject와 False Accept를 각각 측정해야 합니다. 목표 정확도는 Sample Test 결과가 확보되기 전에는 보장값으로 제시하지 않는 것이 안전합니다.

아진네트웍스 적용 검토 포인트

제품 Sample, 검사 항목, 최소 결함 크기, Line Speed, 설치공간과 Reject 방식이 확보되면 2D Rule-based, Embedded AI, IPC AI 또는 3D Vision 중 어떤 구조가 가장 경제적인지 비교할 수 있습니다.

AI 비전검사 적용 상담이 필요한 경우 아진네트웍스 서비스에서 제품 Sample과 검사조건을 기준으로 PoC 범위와 광학계 구성을 검토할 수 있습니다.