사람 눈으로 하던 검사를, 빠르고 균일하게
이런 문제를 해결합니다
- 검사자마다 다른 기준: 사람이 눈으로 검사하면 숙련도와 피로도에 따라 판정이 달라집니다.
- 기록 부족: 검사 결과와 사진이 남지 않아 클레임이나 원인 분석에 대응하기 어렵습니다.
- 분석 지연: 불량 유형별 집계를 수작업으로 하느라 개선 조치가 늦어집니다.
이런 곳에 씁니다
- 제조 품질 검사: 제품 외관 결함, 찍힘, 이물 탐지
- 물류 검품: 반품·입고 상품의 파손과 오염 여부 판별
- 불량 분석: 불량 유형별 집계와 원인 분석
주요 기능
- 이미지 기반 결함 탐지·분류 모델
- 태블릿·카메라 촬영 이미지 자동 업로드와 검사
- 검사 결과와 사진 기록으로 클레임 대응
- 불량률·불량 유형 대시보드
도입 과정
- 상담: 검사 대상, 찾아야 할 불량 유형, 현재 검사 방식을 정리합니다.
- 진단·사업 매칭: 보유한 양품·불량 이미지를 확인하고, 활용할 정부 지원사업을 찾습니다.
- 계획·신청: 지원사업을 활용하는 경우 사업계획서와 서류를 함께 준비합니다.
- 구축: 이미지 수집과 라벨링, 모델 학습과 검증, 촬영 환경과 검사 화면 연동을 진행합니다.
- 운영·고도화: 새로 쌓이는 검사 데이터로 모델을 보완하고 대상 품목을 넓힙니다.
AI 모델의 성능은 학습 이미지에 크게 좌우됩니다. 불량 사진이 충분하지 않다면 검사 사진을 자동으로 모으는 환경부터 갖추는 것이 좋습니다.
정부 지원사업으로 도입하기
- 데이터바우처: 검사 이미지 수집·라벨링 등 데이터 가공 비용 지원
- AI 바우처: 불량 탐지 AI 솔루션 도입 비용 지원
- 중소기업 혁신바우처: 제조기업의 이미지 기반 불량 탐지 적용 기술지원
관련 사례
- 물류 서비스 플랫폼 구축: 검품 태블릿앱과 검품 이미지 자동 업로드, 검품 데이터 기반 AI 모델 개발 협약
- 다이캐스팅 공장 MES 구축: 양품·불량 집계와 불량 유형별 분석
도입 상담: 문의하기 · lipis@lipis.kr
