산업용 비전 툴체인 고르기: Halcon, VisionMaster, OpenCV, YOLO는 각각 어떤 시나리오에 맞는가
비전 프로젝트가 멈추는 이유는 알고리즘 라이브러리가 부족해서보다, 시나리오가 정리되기 전에 도구를 고른 경우가 많습니다. 규칙으로 적을 수 있는 결함과 샘플로만 배울 수 있는 결함은 가는 길이 전혀 다릅니다. 이 글은 Halcon, Hikvision VisionMaster, OpenCV, YOLO 네 종류를 시나리오별로 대조해, 각각 어디에 맞는지, 어떤 전제를 먼저 갖출지, 선정 밖에서 성패를 가르는 조건을 정리합니다.
시나리오를 먼저 정하고, 그다음 도구를 고른다
선정의 첫 질문은 '어느 공급사 소프트웨어인가'가 아니라 '이 공정에서 판정할 결함을 규칙으로 적을 수 있는가'입니다. 치수 이탈, 나사 하나 누락, 바코드를 읽지 못함 — 기하, 대비, 템플릿 매칭으로 판정 로직에 넣을 수 있습니다. 형태가 바뀌는 표면 긁힘, 원단 텍스처에 섞인 흠, 조립 동작이 절차에 맞는지 — 규칙을 다 셀 수 없어 샘플 학습이 필요한 경우가 많습니다.
이 구분을 잘못하면 나중에 도구를 바꿔도 프로젝트를 살리지 못합니다. 규칙으로 충분한 시나리오에 딥러닝을 올리면 샘플 수집, 라벨링, 모델 유지가 장기 부담이 됩니다. 반대로 형태가 바뀌는 외관 결함을 규칙으로 적으면 오보와 미검으로 현장 검사원이 시스템을 끕니다.
- 규칙으로 기술 가능: 치수, 위치, 유무, 바코드와 문자 판독 — 전통 알고리즘이 맞음
- 다 셀 수 없음: 외관 결함 형태가 다양하고, 텍스처 배경이 복잡하며, 동작 시퀀스가 절차에 맞는지 — 샘플과 딥러닝이 필요
- 혼합 시나리오는 흔함: 같은 공정에서 치수도 재고 외관도 봄. 두 툴체인을 병렬로 두고, 하나로 전부를 덮으려 하지 말 것
네 종류 툴체인은 각각 어디에 맞는가
아래는 당사가 실제로 수주한 엔지니어링 역량에 따른 대조이며, 공급사 홍보 문구가 아닙니다. 산업용 머신비전 개발은 Halcon, Hikvision VisionMaster(VM), OpenCV, YOLO 딥러닝 등 툴체인을 아우릅니다. 반도체·디스플레이 공정을 비롯해 외관 결함, 치수 측정, 위치 가이드, OCR, 조립 오방지, 결속 검출을 시나리오별로 수주하고 비전 데이터를 이력 체인에 편입합니다.
- Halcon: 알고리즘 라이브러리가 갖춰져 치수 측정, 위치 가이드, 기하와 형태학 처리 같은 규칙 시나리오에 쓸 수 있음. 엔지니어링 완성도가 높아 측정 반복성과 교정 요구가 분명한 공정에 맞음
- Hikvision VisionMaster: 그래픽 설정으로 표준 검사 항목을 빠르게 올리고, 라인 측 엔지니어가 검사 흐름 일부를 직접 유지하는 공정에 맞음. Hikvision 카메라와 조명 생태계와의 연결이 긴밀함
- OpenCV: 자유도가 높고 기존 상위 기기나 MES 클라이언트에 넣기 쉬움. 소프트웨어 구성이 이미 있고 비전 판정 모듈만 부족한 프로젝트에 맞음. 알고리즘과 엔지니어링 뼈대는 직접 만들어야 함
- YOLO 등 딥러닝: 규칙으로 다 셀 수 없는 외관 결함과 객체 검출에 맞음. 샘플, 라벨 규범, 추론 연산 자원이 필요하고, 가동 후에도 오보와 미검을 계속 유지할 사람이 있어야 함
툴체인, 맞는 시나리오, 먼저 갖출 전제
'어디에 맞는가'와 '이 전제가 없으면 착수하지 않는다'를 같은 표에 두면 선정이 실무적으로 됩니다. 전제가 하나라도 빠지면 공기가 늘어나고, 대개 소프트웨어 자체가 아닌 쪽에서 늘어납니다.
| 툴체인 | 맞는 시나리오 | 먼저 갖출 전제 |
|---|---|---|
| Halcon | 치수 측정, 위치 가이드, 기하 판정, 교정 요구가 분명한 공정 | 광학과 교정 방안, 측정 반복성 지표, 해당 알고리즘 라이브러리에 익숙한 엔지니어 |
| VisionMaster | 표준 외관 검사 항목, 라인 측에서 그래픽 유지가 필요한 공정 | 안정된 촬상 조건, 검사 항목을 그래픽 흐름으로 나눌 수 있음, 현장에서 흐름을 고칠 사람이 있음 |
| OpenCV | 기존 소프트웨어에 삽입, 판정 로직 맞춤, 상위 기기와 깊은 통합 | 기존 소프트웨어 구성과 개발 팀, 알고리즘과 엔지니어링 뼈대를 직접 만들 능력 |
| YOLO 등 딥러닝 | 형태가 바뀌는 외관 결함, 객체 검출, 규칙으로 다 셀 수 없는 판정 | 충분한 샘플, 라벨 규범, 추론 연산 자원, 오보와 미검을 계속 유지하는 체계 |
같은 공정에서 두 툴체인을 함께 쓸 수 있습니다. 예를 들어 치수는 Halcon, 외관은 YOLO, 판정 결과는 같은 이력 기록으로 모읍니다. 하나의 도구로 전부를 덮기 위해 각 판정의 신뢰성을 희생하지 마십시오.
선정 밖에서 성패를 가르는 다섯 가지
- 조명과 지그: 광원 각도·색·편광과 공작물 위치 반복성이 알고리즘보다 검출 안정을 가르는 경우가 많음. 이 둘이 정해지지 않은 채 툴체인을 바꾸는 것은 도박
- NG 판정 기준을 글로 적을 것: 무엇이 불량인지, 경계 샘플 처리, 임계값을 바꿀 권한은 누구인지. 검수 전에 서면으로 합의하지 않으면 가동 후 품질과 공정이 엇갈림
- 샘플은 실제 라인에서 쌓을 것: 딥러닝은 기종 교체, 자재 교체, 교대 이후 샘플에 특히 의존함. 실험실 사진은 현장을 대표하지 않음
- 라인 택트 제약: 촬영 트리거부터 OK/NG를 내기까지 시간은 공정 택트보다 짧아야 하고 기계 동작 여유도 남김. 시간을 넘기는 시스템은 현장에서 꺼짐
- 비전 결과를 이력 체인에 넣을 것: 판정 결과, NG 촬영, 공정, 공작물 번호, 타임스탬프를 함께 기록해야 이후 클레임과 품질 분석에 쓸 수 있음
조립 오방지 라인에서는 역량을 루트별로 나눠 말해야 하며, 'AI-SOP가 이미 성숙했다'고 한꺼번에 약속하지 않습니다. HkVisionPro 다층 조립 층별 특징점 검출 — 해당 층이 전부 OK이면 자동 흐름, NG 알람과 촬영 증거 보존 — 은 배포되어 있습니다. OrpaonVision 동작 인식 단일 기기 루트는 상용화에 근접하지만, 공정 데이터·택트·검수 기준과 결합한 시나리오 검수가 필요하며, 이미 규모 납품했다고 쓰면 안 됩니다. OrpaonSOP의 Hikvision VM 플러그인 루트는 연구개발과 공동 검증 단계이며 표준 납품을 약속하지 않습니다. 정확도는 구체 공정, 샘플, 검수 기준에 따라 시나리오 검수에서 확인하며, 이 글에서는 숫자 약속을 하지 않습니다.
정리
모든 공정에 맞는 비전 툴체인은 없습니다. 규칙으로 적을 수 있으면 전통 알고리즘, 형태가 바뀌면 딥러닝, 소프트웨어 구성이 이미 있으면 OpenCV를 넣고, 라인 측에서 흐름을 직접 유지하려면 VisionMaster를 검토합니다. 시나리오와 전제를 먼저 나열한 뒤 툴체인을 대조하는 편이, 브랜드를 먼저 정하고 시나리오를 찾는 것보다 안정적입니다.
공정 상황이 아직 정리되지 않았다면, 한 공정을 골라 시나리오 검수부터 시작하는 방법이 있습니다. 조명, 지그, NG 정의, 택트 제약을 먼저 맞춘 다음 툴체인과 파일럿 범위를 정합니다.