인공지능 검사가 대세가 된 지금, 다시 조명을 말해야 하는 이유

제조 현장의 외관 검사는 빠르게 인공지능으로 옮겨가고 있다. 오는 10월 21일부터 23일까지 경기 고양 킨텍스에서 열리는 ‘2026 산업AI EXPO’를 앞두고, 인공지능 영상 검사 기업들도 새로운 검사 방식을 예고하고 있다. 한 영상 검사 전문기업(A사)은 신규 불량이 생기거나 공정 조건이 바뀌면 현장 자료로 판정 모델을 다시 학습시키는 운영 방식을 함께 제안한다.

그런데 현장에서 인공지능 검사를 도입한 뒤 가장 자주 듣는 불만은 판정 모델의 성능이 아니다. “시험할 때는 잘 되던 검사가 양산에 들어가자 흔들린다”는 것이다. 원인을 추적하면 상당수가 판정 방식이 아닌 영상 자체의 문제, 즉 조명과 촬영 조건에서 출발한다.

자동화 산업 단체인 미국 자동화진흥협회(A3)는 아무리 강력한 기술을 갖춘 기계 시각 체계라도 알맞은 조명 없이는 제대로 작동하지 않는다고 강조한다¹⁾. 이 글은 이 원칙을 실무 관점에서 풀어, 검사 정확도를 높이려면 무엇부터 설계해야 하는지를 정리한다.

출처: 헬로티, “[산업AI EXPO 프리뷰] 제조 AI ⑪ | 비전 검사 판 다시 짠다” (2026.09) – https://www.hellot.net/news/article.html?no=114828

1. 인공지능은 영상에 없는 정보를 만들어내지 못한다

기계 시각 검사는 크게 영상 획득 → 전처리 → 판정의 세 단계로 이루어진다. 인공지능이 관여하는 곳은 마지막 판정 단계다. 판정 모델이 아무리 뛰어나도, 앞 단계에서 결함이 영상에 드러나지 않았다면 찾아낼 방법이 없다.

영상 획득은 세 가지 요소의 조합이다.

• 조명: 결함이 드러나도록 빛의 방향, 색, 세기를 만든다.
• 광학계(렌즈): 빛을 모아 촬영 면에 상을 맺고, 보이는 범위와 선명도를 정한다.
• 촬영기(카메라): 빛을 전기 신호로 바꿔 화소 단위의 영상으로 만든다.

이 중 조명은 결함 정보를 ‘만들어내는’ 유일한 요소다. 광학계와 촬영기는 들어온 빛을 얼마나 정확하게 담을지를 결정할 뿐, 없는 명암 차이를 만들어주지 못한다. 반대로 조명을 잘 설계하면 저사양 촬영기로도 안정적인 검사가 가능하다.

주의할 점은 사람 눈에 잘 보이는 것과 촬영기에 잘 보이는 것이 다르다는 사실이다. 촬영기의 파장별 감도와 광학계의 빛 투과 특성에 따라 같은 조명에서도 얻어지는 명암이 달라지며, 사람 눈으로 확인한 성공이 다른 촬영기·광학계 조합에서 그대로 재현되지 않는다³⁾. 조명 시험은 반드시 실제 사용할 촬영기와 광학계로 해야 한다.

조명과 짝을 이루는 광학계와 촬영기도 검사 목적에 맞게 골라야 한다. 촬영기의 화소 수는 잡아야 할 최소 결함이 영상에서 여러 화소에 걸쳐 나타나도록 검사 범위와 함께 정한다. 결함이 한두 화소에만 걸치면 조명이 아무리 좋아도 잡음과 구분하기 어렵다.

치수 측정처럼 제품 높이가 조금만 달라져도 크기가 다르게 찍히면 안 되는 검사에는, 물체와의 거리가 바뀌어도 배율이 거의 변하지 않는 평행광 광학계(텔레센트릭 렌즈)를 검토한다. 이 광학계는 평행하게 퍼지는 투과 조명과 함께 쓸 때 윤곽이 가장 선명하게 드러난다.

2. 좋은 검사 영상의 조건: 명암 대비·균일성·반복성

검사용 영상의 품질은 ‘예쁜 사진’이 아니라 결함과 정상 부위가 얼마나 확실하게 구분되는가로 판단한다. 이를 수치로 나타내는 대표적인 지표가 명암 대비다.

명암 대비가 높을수록 판정 경계가 넓어져, 작은 밝기 변동에도 판정이 흔들리지 않는다. 반대로 대비가 낮은 영상에서는 판정 기준을 아무리 정교하게 맞춰도 양품을 불량으로 오판하거나 불량을 놓치는 일이 반복된다.

좋은 검사 영상은 명암 대비 외에도 두 가지 조건을 갖춰야 한다.

1. 균일성: 검사 영역 전체의 밝기가 고르게 분포해야 한다. 가장자리가 어둡거나 한쪽에 빛 뭉침이 생기면 위치에 따라 판정 기준이 달라진다.
2. 반복성: 같은 제품을 몇 번 찍어도 같은 영상이 나와야 한다. 조명 세기, 제품 위치, 외부 빛이 변하면 영상도 변한다.

이 세 조건 가운데 인공지능이 보완할 수 있는 것은 제한적이다. 균일성과 반복성이 무너진 영상으로 학습한 모델은 결함이 아니라 조명의 흔들림을 학습하게 된다.

3. 조명 방향이 결함을 드러낸다: 대표 조명 기법

같은 결함이라도 빛이 어느 방향에서 들어오느냐에 따라 영상에서 완전히 다르게 보인다. 조명 기법은 크게 빛의 입사 각도와 퍼짐 정도에 따라 나뉜다¹⁾²⁾.

투과 조명은 밝은 배경 위에 어두운 윤곽을 만들어 즉각적인 명암 대비를 얻을 수 있어, 부품 배치와 방향 확인, 틈새 유무, 단순 치수 측정에 널리 쓰인다¹⁾. 반면 암시야 조명은 중간 또는 낮은 입사각을 쓰기 때문에 검사면에 가까이 설치해야 하며, 특히 직선형 암시야 조명은 가장 가까운 거리를 요구해 설계와 운용이 가장 까다로운 방식으로 꼽힌다¹⁾.

조명 기법을 고른 뒤에는 조명의 크기와 설치 거리도 함께 정해야 한다. 조명이 검사 영역보다 작으면 가장자리가 어두워지고, 너무 멀리 떨어지면 빛의 세기가 급격히 약해진다. 거울면 제품에서는 조명의 모습이 제품 표면에 그대로 비쳐 보이므로, 촬영기에서 보이는 반사 범위 전체를 조명이 덮을 수 있는 크기인지 확인해야 한다.

광택이 있거나 반사 특성이 섞인 제품에는 여러 방향에서 고르게 빛을 보내는 확산 조명이 효과적이다¹⁾. 실제 현장에서는 한 가지 기법만으로 모든 결함을 잡기 어려워, 공간과 표면 형상, 검사 장치 구성에 따라 여러 조명을 조합하는 경우가 많다²⁾.

4. 파장과 편광: 빛의 색과 결을 설계하라

조명의 방향만큼 중요한 것이 빛의 파장, 즉 색이다. 물체는 자신과 같은 색의 빛은 잘 반사하고, 보색의 빛은 흡수한다. 이 원리를 이용하면 특정 색의 결함이나 표시만 골라서 도드라지게 할 수 있다.

• 같은 색 조명: 해당 색의 영역을 밝게 만들어 배경처럼 지운다.
• 보색 조명: 해당 색의 영역을 어둡게 만들어 뚜렷하게 드러낸다.
• 적외선 조명: 인쇄 잉크나 얇은 색 층을 투과해 그 아래의 상태를 보거나, 색상 편차의 영향을 줄인다.
• 자외선 조명: 형광 물질이 섞인 접착제, 도포 상태, 오염 여부를 확인한다.

정밀한 윤곽 검출이 필요하다면 적색·녹색·청색 중 하나의 단색 조명에 편광 제어를 더하는 구성을 검토할 만하다¹⁾. 여러 파장이 섞인 백색광은 광학계를 지나며 파장마다 초점이 조금씩 어긋나 윤곽이 흐려질 수 있기 때문이다. 이런 이유로 치수 측정에는 흑백 촬영기와 단색 조명의 조합이 흔히 쓰인다.

편광은 빛의 진동 방향을 정리하는 기법이다. 조명 앞과 광학계 앞에 편광판을 서로 교차되게 설치하면, 금속이나 비닐 포장처럼 번들거리는 표면의 정반사광을 크게 줄일 수 있다. 빛 뭉침 때문에 결함이 가려지는 제품이라면 조명을 바꾸기 전에 편광부터 시험해 보는 것이 효율적이다.

다만 명암 대비를 높이는 방법은 빛의 방향과 파장이라는 물리적 조건에 의해 처음부터 제약을 받을 수 있다²⁾. 설치 공간, 설비 간섭, 제품 형상 때문에 이상적인 조명을 쓸 수 없는 경우도 많으므로, 조명 설계는 설비 배치 설계와 함께 진행해야 한다.

5. 표면 특성별 조명 선택 기준

조명 선택의 출발점은 검사할 결함이 아니라 제품 표면이 빛을 어떻게 반사하는가다. 같은 긁힘이라도 무광 수지 표면과 거울처럼 매끄러운 금속 표면에서는 전혀 다른 조명이 필요하다.

표를 참고하되, 최종 선택은 반드시 실제 양품과 불량품 시료로 여러 조명을 비교 촬영해 결정해야 한다. 같은 금속이라도 가공 방향, 도금 두께, 표면 거칠기에 따라 최적의 조명이 달라진다.

6. 현장 변수 관리: 검사 영상을 흔드는 요인들

시험실에서 완벽했던 조명도 생산 현장에 설치되면 여러 변수에 노출된다. 특히 주변 빛은 조명 환경을 불안정하게 만들어 검사 결과에 큰 영향을 줄 수 있다²⁾. 창문으로 들어오는 햇빛, 천장 조명의 교체, 옆 설비의 경광등까지 모두 변수가 된다.

현장에서 검사 영상을 흔드는 대표 요인과 대응 방법은 다음과 같다.

• 주변 빛 유입: 차광 덮개로 검사 영역을 가리고, 조명 세기를 주변 빛보다 충분히 높인다. 특정 파장의 조명과 같은 파장만 통과시키는 파장 거름판(필터)을 함께 쓰면 효과가 커진다.
• 조명 밝기 저하: 발광 다이오드(LED) 조명도 사용 시간과 온도에 따라 밝기가 서서히 떨어진다. 기준 시료로 밝기를 정기 점검하고 보정 주기를 정한다.
• 제품 위치·높이 편차: 암시야 조명처럼 거리에 민감한 방식은 몇 밀리미터의 높이 차이에도 영상이 달라진다. 제품 고정 방식과 조명 설치 위치를 함께 설계한다.
• 이동 중 번짐: 움직이는 제품은 노출 시간 동안 흔들려 영상이 번진다. 짧은 순간에 강하게 빛을 내는 순간 발광(스트로브) 방식으로 번짐을 줄인다.
• 오염과 진동: 조명 표면과 광학계에 쌓이는 먼지, 기름 안개, 설비 진동도 영상 품질을 떨어뜨린다. 청소 주기와 고정 상태를 점검 항목에 넣는다.

이 변수들은 한 번의 설정으로 해결되지 않는다. 조명 조건을 공정 조건처럼 관리해야 한다. 조명 밝기, 설치 거리, 각도, 노출 시간을 기준값으로 기록하고, 정비 후에는 기준 시료로 영상이 원래 상태로 돌아왔는지 확인하는 절차가 필요하다.

7. 인공지능과 조명의 올바른 역할 분담

조명이 중요하다는 것이 인공지능이 필요 없다는 뜻은 아니다. 인공지능, 특히 심층 학습(딥러닝) 기반 판정은 모양과 크기가 제각각인 비정형 결함이나 규칙으로 정의하기 어려운 외관 불량을 찾는 데 강점이 있다. 문제는 역할의 순서다.

• 조명의 역할: 결함 정보를 영상에 최대한 뚜렷하고 일정하게 담는다.
• 규칙 기반 판정의 역할: 치수, 위치, 유무처럼 기준이 명확한 항목을 빠르고 설명 가능하게 판정한다.
• 인공지능 판정의 역할: 규칙으로 표현하기 어려운 결함을 영상 속 패턴으로 구분한다.

조명이 불안정한 상태에서 인공지능을 도입하면 두 가지 문제가 생긴다. 첫째, 학습 자료 자체의 품질이 떨어져 모델이 결함 대신 밝기 변화나 반사 무늬를 특징으로 학습한다. 둘째, 조명 조건이 바뀔 때마다 모델을 다시 학습시켜야 하므로 운영 부담이 커진다.

반대로 조명이 안정적이면 인공지능은 적은 학습 자료로도 높은 성능을 내고, 재학습 주기도 길어진다. 신규 불량이나 공정 조건 변화에 따른 재학습이 필요하다는 점은 인공지능 검사의 숙명이지만, 조명 변화 때문에 생기는 재학습은 설계로 줄일 수 있는 비용이다.

따라서 인공지능 검사 도입 비용을 산정할 때는 판정 프로그램 가격만 볼 것이 아니라, 조명·광학계 설계와 현장 안정화에 드는 비용과 기간을 함께 반영해야 한다.

8. 검사 장치 도입 절차와 체계 통합 기업 선정 기준

기계 시각 검사 도입의 실패를 줄이려면 판정 방식보다 영상 조건을 먼저 확정하는 순서로 진행해야 한다.

1. 결함 정의: 잡아야 할 결함의 종류, 최소 크기, 허용 기준을 품질 부서와 함께 문서로 정한다.
2. 시료 확보: 양품과 결함 유형별 불량품 시료를 충분히 모은다. 경계가 애매한 한도 시료도 반드시 포함한다.
3. 조명 비교 시험: 실제 사용할 촬영기와 광학계로 여러 조명 기법·파장·편광 조합을 비교 촬영하고, 명암 대비를 수치로 기록한다.
4. 장치 설계: 선정한 조명에 맞춰 설치 거리, 차광 구조, 제품 고정 방식, 순간 발광 여부를 확정한다.
5. 판정 방식 선정: 규칙 기반과 인공지능 판정 중 결함 특성에 맞는 방식을 고르거나 조합한다.
6. 양산 조건 장기 검증: 실제 생산 속도와 주변 환경에서 충분한 기간 동안 놓침률과 오판정률을 측정한다.

체계 통합 기업(SI)을 선정할 때는 판정 프로그램의 기능 목록보다 조명 설계 역량과 사전 검증 방식을 확인하는 것이 중요하다. 예를 들어 인공지능 판정 기술을 내세우는 B사라도, 조명 비교 시험 결과를 명암 대비 수치로 제시하지 못한다면 양산 안정성을 장담하기 어렵다. 다음 질문으로 역량을 가늠할 수 있다.

• 우리 제품 시료로 몇 가지 조명 조합을 비교했고, 그 결과를 수치로 보여줄 수 있는가
• 주변 빛과 조명 밝기 저하에 대한 대책이 설계에 포함되어 있는가
• 조명 조건이 바뀌었을 때 재학습 또는 재설정 절차가 정의되어 있는가

검사 정확도는 빛을 설계하는 데서 시작된다

기계 시각 검사의 정확도는 판정 모델이 아니라 영상에 결함 정보를 얼마나 뚜렷하고 일정하게 담았는가에서 먼저 결정된다. 인공지능은 강력한 판정 도구지만, 영상에 없는 정보를 만들어내지 못하고 흔들리는 영상 위에서는 안정적으로 작동하지 못한다.

본문의 핵심을 정리하면 다음과 같다.

• 원리: 조명은 결함 정보를 만들어내는 유일한 요소이며, 좋은 영상은 명암 대비·균일성·반복성을 갖춰야 한다.
• 기법: 명시야·암시야·투과·확산·동축·구조광 조명과 파장·편광을 표면 특성에 맞게 조합한다.
• 운영: 주변 빛, 밝기 저하, 위치 편차, 번짐을 관리하고 조명 조건을 공정 조건처럼 기록한다.
• 역할 분담: 조명이 영상을 안정시키고, 규칙 기반과 인공지능 판정이 각자 잘하는 결함을 맡는다.

제조기업은 인공지능 검사를 검토할 때 판정 프로그램보다 먼저 자사 제품 시료로 조명 비교 시험을 요구하고, 조명 설계와 현장 안정화 비용을 투자 계획에 포함할 것을 권한다. 체계 통합 기업은 판정 기술 경쟁을 넘어 광학 설계와 현장 조건 관리 역량을 차별화 요소로 삼아야 한다. 인공지능 시대에도 검사의 첫 단추는 여전히 빛이다.

본 게시물은 AI 어시스턴트를 활용하여 초안을 작성하고 편집자의 검수를 거쳤습니다. 타 기업명 및 영업 기밀 보호를 위해 본문 중 일부 고유명사는 익명화(A/B) 처리되었습니다.