비전 검사 모델은 학습 때보다 현장의 빛과 카메라가 달라지면 같은 제품도 다르게 볼 수 있습니다. 성능 저하를 모델만의 문제로 보고 재학습하기 전에 촬영 조건이 일정한지 점검해야 합니다.
촬영 조건을 사양으로 만든다
카메라 위치, 렌즈, 노출, 조명 밝기와 각도, 제품과의 거리를 기록합니다. 양품·불량품 기준 이미지도 함께 보관합니다. 사람이 눈으로 보기에 비슷한 사진이라도 반사나 그림자의 위치가 달라지면 모델 입력은 크게 변할 수 있습니다.
매일 확인할 기준물을 둔다
알려진 기준 샘플을 같은 조건에서 촬영해 밝기와 초점, 위치가 허용 범위 안에 있는지 확인합니다. 렌즈 오염과 조명 노후화는 서서히 생겨 발견하기 어렵습니다. 기준물 확인을 검사 시작 전 점검 절차에 넣습니다.
카메라 문제와 모델 문제를 구분한다
오탐이 증가하면 모델 점수 분포만 보지 말고 원본 이미지의 선명도와 밝기, 제품 위치를 함께 봅니다. 특정 설비·교대 시간에만 오류가 늘면 촬영 환경이 원인일 수 있습니다. 원인을 모른 채 새 데이터를 학습하면 환경 문제를 모델에 떠넘기게 됩니다.
설정 변경도 배포로 취급한다
조명 각도를 바꾸거나 카메라를 교체하면 검사 기준이 달라질 수 있습니다. 변경 전후 동일 샘플을 촬영해 판정 차이를 보고, 설정 버전과 모델 버전을 함께 기록합니다. 안전·품질 영향이 큰 공정은 사람 검수를 거쳐 전환합니다.
지표를 조건별로 본다
전체 불량 재현율뿐 아니라 설비, 제품, 조명 조건별 오탐과 미탐을 추적합니다. 이미지 품질이 나쁜 건을 자동 판정에서 제외해 재촬영하도록 하면 잘못된 확정을 줄일 수 있습니다.
현장에 적용할 때의 순서
- 촬영 조건·기준 샘플 기록
- 일상 이미지 품질 검사
- 설정 변경 전후 판정 비교
주의할 실패: 환경 문제를 재학습만으로 해결
관찰할 지표: 조건별 오탐·미탐과 재촬영률
적용 전 체크리스트
- 카메라·조명 설정과 기준 이미지가 보관되는가
- 기준 샘플로 일상 점검하는가
- 환경 변경 전후 같은 샘플에서 판정을 비교하는가
참고 자료
NIST AI Risk Management Framework. 운영 환경 변화가 AI 신뢰성에 영향을 준다는 위험 관리 관점을 참고했습니다. 촬영 점검 절차는 글의 현장 적용 제안입니다.
이미지와 도식은 이해를 돕기 위한 개념 시각화입니다. 특정 고객의 실제 설비·데이터·화면을 재현한 것이 아닙니다.
#비전검사 #조명관리 #카메라교정 #제조AI #불량검사 #이미지품질 #컴퓨터비전 #스마트팩토리 #모델운영 #품질관리
