식품 포장용기 라인 AI 비전 전수검사

01 해결한 문제

• 사람 눈의 한계: 이물, 패드·인쇄 위치 이탈, 용기 깨짐을 검사원 눈으로만 봤습니다. 피로가 쌓이면 놓치기 쉬웠습니다.
• 납품처의 전수검사 요구: 유통사 납품을 이어 가려면 전수검사 기록이 필요했습니다. 사람이 본 검사는 기록으로 남지 않았습니다.
• 남지 않던 불량 이력: 불량이 나와도 사진과 유형이 MES에 남지 않았습니다. 원인을 거슬러 찾기 어려웠습니다.

02 활용 데이터

데이터	쓰임
라인 카메라 이미지 (산업용 조명·고해상도 카메라)	실시간 판정
분류별 라벨링 이미지 약 3만 장	모델 학습·검증
현장 검사원과 함께 정한 라벨링 기준	정상·불량 판정 기준 통일
MES 작업 정보	판정 결과를 작업 단위로 기록

라벨링 기준은 현장 검사원과 함께 정했습니다.
교차 검수로 학습 데이터 품질을 맞췄습니다.

03 구축 기능

1. 라인 카메라 촬영: 컨베이어를 멈추지 않고 제품을 찍습니다.
2. AI 불량 판정: 한 번의 판정으로 정상과 불량 4종을 가려냅니다.
3. 자동 배출·MES 기록: 판정 신호로 불량품을 빼내고, 결과를 MES에 남깁니다.

• 여러 불량 동시 판정: 이물, 위치 이탈, 패드 누락, 용기 파손을 한 공정에서 함께 봅니다.
• 설비 연동 자동 배출: 판정 결과를 PLC 신호로 보내 불량품을 자동으로 분류합니다.
• MES 비전 검사 리포트: 작업별 판정 결과와 사진 위치를 MES에 기록합니다. 화면은 1초마다 갱신됩니다.
• 현장 PC 판정: 모델이 현장 PC에서 돌아갑니다. 인터넷이 끊겨도 검사와 사진 보관은 계속됩니다.
• 원격 모델 관리: 카메라 환경이나 품목이 바뀌면 데이터를 모아 모델을 원격으로 갱신합니다.

04 효과

매번 같은 기준으로 검사합니다
검사원의 피로나 경험에 따라 달라지던 판정이 하나의 기준으로 맞춰졌습니다.

납품처에 보여 줄 검사 기록이 남습니다
제품마다 판정 결과가 기록됩니다.
그대로 전수검사 근거가 됩니다.

불량 원인을 데이터로 찾습니다
불량 사진과 유형별 이력이 쌓입니다.
공정 조건과 함께 원인을 분석할 바탕이 생겼습니다.

05 지표

실측은 현장에서 측정한 값, 사양은 시스템 성능·설정값입니다. 기준 2026-10.