표지


현장 사진 AI 검사, ‘정상’과 ‘불량’ 사이에 필요한 세 번째 답

사진 한 장에 AI 검사를 붙일 때 가장 먼저 나오는 질문은 “정상인가요, 불량인가요?”입니다.


현장 사진은 촬영 조건이 제각각입니다. 반사광이 결함을 가리고, 확인해야 할 부위가 화면 밖으로 잘리기도 합니다. 사진 자체를 판독하기 어려운데 AI에게 정상과 불량 중 하나를 고르라고 하면, 입력 문제와 모델 판단 오류를 구분하기 어려워집니다.


예시는 설명을 위한 가정이며, 실제 고객 사례나 당사 수행 결과가 아닙니다. 모델에 불량 여부를 묻기 전에 사진이 판정 자료로 쓸 만한지부터 가리고, 부족한 사진은 ‘재촬영’이나 ‘판독 보류’로 보내는 방법을 살펴보겠습니다.


판정에 쓸 사진인지 먼저 가려야 합니다

섹션1


금속 부품 표면을 휴대전화로 찍어 결함을 확인한다고 해보겠습니다. 사진에 반사광이 번지거나 초점이 가장자리에 맞을 수 있고, 검사할 부위가 프레임에서 벗어날 수도 있습니다. 같은 부품을 찍어도 모델이 읽을 수 있는 정보는 사진마다 달라집니다.


모델에 넘기기 전 사진이 다음 조건을 갖췄는지 확인합니다.


사진 적합성 확인은 고정된 촬영 위치와 짧은 촬영 안내에서 시작할 수 있습니다. 필요하면 초점이나 밝기 기준도 더합니다. 제품 상태를 판정하기 전에 사진이 검사에 쓸 수 있는지를 별도 항목으로 기록해야 합니다.


AWS의 이미지 분류 모델 문서는 학습 데이터와 시험 데이터가 실제 추론에 사용할 이미지 유형과 맞아야 한다고 안내합니다. 이는 특정 제품의 가이드이므로 모든 비전 모델에 그대로 적용되는 규칙은 아닙니다. 다만 실제 현장 사진의 촬영 조건이 검증에 포함돼야 한다는 점은 파일럿을 설계할 때 확인할 만한 기준입니다. (AWS 문서)


판정 결과에 재촬영과 보류도 포함합니다

섹션2


사진 적합성을 확인한 뒤에는 모델 결과와 다음 행동을 구분합니다. 업무 설계 단계에서 아래 네 가지 상태를 둘 수 있습니다.

결과 업무에서의 의미 다음 행동의 예
재촬영 사진이 흐리거나, 반사되거나, 대상 부위가 빠져 판정 자료로 부족함 정해 둔 위치와 각도로 다시 촬영
판독 보류 사진은 쓸 수 있지만 모델의 결과가 불확실하거나 기준이 겹침 담당자가 원본 사진과 제품을 함께 확인
결함 의심 정해 둔 결함 후보가 보여 추가 확인이 필요함 기존 검사 절차에 따라 확인하거나 보류
결함 미검출 현재 기준으로는 해당 결함 후보가 잡히지 않음 검증된 범위 안에서 다음 단계로 전달

‘결함 미검출’은 입력 사진에서 설정한 결함 표시가 나오지 않았다는 뜻입니다. 제품 전체의 정상 상태를 보증하지 않으며, 다른 면이나 내부 상태, 사진으로 구분하기 어려운 치수나 강도까지 확인한 결과도 아닙니다.


사진이 흐리거나 부위가 빠졌으면 다시 찍고, 사진이 충분한데 결과가 애매하면 검수 담당자에게 보냅니다. 두 기준을 나눠 두면 불필요한 재촬영과 애매한 결과의 자동 통과를 각각 줄이는 데 도움이 됩니다.


결함별 오판 비용에 맞춰 지표를 읽습니다

섹션3


신뢰도 점수는 결함별 오판 비용과 함께 봐야 합니다. 결함을 놓치는 일과 멀쩡한 부품을 결함으로 표시하는 일은 비용이 다릅니다. 어떤 부품에서는 작은 흠집을 놓치는 일이 더 큰 문제이고, 다른 업무에서는 오탐으로 검사 대기열이 쌓이는 일이 부담일 수 있습니다.


Amazon Rekognition Custom Labels는 정밀도(precision)와 재현율(recall)을 제공하고, 신뢰도 기준을 높이면 일반적으로 정밀도가 높아지는 대신 재현율이 낮아질 수 있다고 설명합니다. 이 내용은 AWS 제품에 한정됩니다. 다른 모델은 점수와 임계값을 산정하는 방식이 다를 수 있습니다. 파일럿에서는 전체 정확도와 별도로 결함 유형별 오탐과 누락을 확인해야 합니다. (평가 지표 설명)


작은 시험에서는 다음을 따로 기록해 보세요.

  1. 사진이 판독 가능한데도 결함을 놓친 경우
  2. 정상 부품을 결함 후보로 잘못 표시한 경우
  3. 사진이 부족해 재촬영을 요청한 경우
  4. 모델 결과를 사람이 다시 확인하거나 뒤집은 경우

네 가지 결과를 결함 종류와 촬영 조건에 따라 기록하면 먼저 고칠 부분을 찾기 쉽습니다. 특정 조명에서만 오탐이 늘면 촬영 조건이나 검사 위치를 살펴볼 수 있습니다. 특정 결함을 반복해서 놓친다면 결함 정의와 예시 사진, 판정 기준을 다시 확인합니다. 이 점검 방식은 실무 제안이므로 실제 현장 데이터와 검사 기준으로 검증해야 합니다.


한 가지 결함부터 기존 검사와 비교합니다

섹션4


첫 과제는 사진에서 판정 기준을 설명할 수 있는 결함 하나로 정합니다. 특정 부품의 표면 긁힘, 마개 누락, 조립 방향 오류처럼 확인 기준이 분명한 항목이 예가 될 수 있습니다.


실제 사용할 사진 조건을 반영해 자료를 모읍니다. 밝고 정면인 사진뿐 아니라 현장에서 나올 수 있는 거리, 각도, 반사광, 가림도 포함합니다. 각 사진에는 결함 여부와 함께 ‘판독 가능한 사진인가’를 표시합니다. 모델이 결함을 놓친 경우와 판정 자료가 부족한 경우를 구별할 수 있습니다.


파일럿은 기존 검사와 함께 실행합니다. 초기에 AI 결과만으로 제품을 출고하거나 폐기하지 말고, 담당자의 판정과 AI 결과가 다른 지점을 기록합니다. AWS는 시험 이미지가 실제 추론에 쓸 이미지와 맞아야 한다고 안내합니다. NIST AI 위험관리 프레임워크도 배포 전 시험과 운영 중 정기 점검을 권고합니다. AI RMF는 자발적으로 활용하는 위험관리 프레임워크입니다. 산업별 검사 표준이나 인증을 대신하지 않습니다. (NIST AI RMF 1.0)


촬영 방식, 조명, 제품 재질이 바뀌면 모델 성능을 다시 확인합니다. 첫 시험에서 자동 판정 기준을 수치로 정하고, 재촬영 조건과 판독 보류 담당자, 오판 기록 방법도 함께 정합니다.


AI/AX 컨설팅에서는 적용할 업무를 정하고 촬영 조건, 결함 기준, 재촬영 및 보류 절차와 파일럿 지표를 함께 설계합니다. 현장 사진 AI를 검토 중이라면 제품 종류, 현재 사진 촬영 방식, 놓쳤을 때 부담이 큰 결함을 알려 주세요. 먼저 사진으로 판단할 수 있는 업무와 별도 검사가 필요한 항목을 나누겠습니다.


💬 카카오톡 오픈채팅으로 AI/AX 컨설팅 문의하기


👤 류웅수 프로필 보기


#AI비전 #현장검사 #품질관리 #AX