카메라 위치가 조금만 달라져도 검사 모델이 흔들리는 이유

학습 때 보던 각도에서 카메라가 조금만 틀어져도 같은 부품이 다르게 찍힙니다. 모델 성능 저하를 모델 재학습 문제로만 보면 원인을 놓칠 수 있습니다.

현장의 문제를 구체화한다

렌즈 교체, 진동, 유지보수, 지그 변경은 시야와 픽셀 위치를 바꿉니다. 기준 이미지와 현재 이미지를 비교할 때 제품 윤곽, 기준점, 초점, 노출을 따로 확인합니다. 장비 변경 이력을 함께 보면 돌연한 오검출의 원인을 빨리 좁힐 수 있습니다.

판정과 데이터 기준을 세운다

카메라 보정과 모델 학습은 다른 작업입니다. 좌표계를 맞추는 보정이 필요한지, 조명 조건이 변한 것인지, 실제 결함 분포가 달라진 것인지 분리해야 합니다. 무조건 재학습하면 잘못된 촬영 조건을 데이터로 굳힐 수 있습니다.

제한된 조건에서 시험한다

기준 패턴이나 고정 샘플을 정해 정기적으로 촬영합니다. 기준점 위치와 선명도 허용 범위를 문서화하고 벗어나면 생산 데이터 수집 전에 점검합니다. 여러 카메라를 쓰면 장비별 프로파일과 보정 날짜를 따로 관리합니다.

성능과 비용을 함께 본다

기준점 이동량, 블러 지표, 노출 분포, 오검출률을 함께 봅니다. 하나의 수치만 넘었다고 즉시 멈추기보다 제품군별 허용 범위를 시험합니다. 야간 교대나 온도 변화에 따라 위치가 흔들리는 패턴도 확인합니다.

조건 변화에 대응한다

보정 후에는 과거 대표 샘플을 다시 촬영해 판정 차이를 검증합니다. 기하 보정이 되었더라도 이미지 처리 영역이 바뀌면 모델 입력이 달라질 수 있습니다. 카메라 설정을 복원할 수 있게 버전과 백업을 남깁니다.

현장에 적용할 때의 순서

1. 장비 변경과 오류 시점 대조
2. 기준 샘플로 위치·초점 측정
3. 보정 뒤 과거 샘플 재검사

주의할 실패: 촬영 문제를 재학습만으로 덮기

관찰할 지표: 기준점 이동·블러·오검출률

적용 전 체크리스트

• 장비 변경과 오류 시점 대조
• 기준 샘플로 위치·초점 측정
• 보정 뒤 과거 샘플 재검사

참고 자료

OpenCV — Camera Calibration. 카메라 보정의 기본 개념은 OpenCV 공식 문서를 참고했습니다. 현장 점검 지표와 주기는 적용 제안입니다.

이미지와 도식은 이해를 돕기 위한 개념 시각화입니다. 특정 고객의 실제 설비·데이터·화면을 재현한 것이 아닙니다.

#카메라보정 #비전AI #검사품질 #영상드리프트 #스마트팩토리 #네이처프랙탈 #제조혁신 #스마트공장 #현장데이터 #AI도입