반복영역 바로가기
주메뉴로 바로가기
본문으로 바로가기

유망기술찾기

유망기술검색

유망기술찾기 유망기술검색

중소기업 기술로드맵 조회결과

로드맵 분류표 보기    
머신비전 기반 지능형 영상처리 시스템 SW
* 발행 년도 : 2017년
1. 기술로드맵

머신비전 기반 지능형 영상처리 시스템 SW 기술로드맵

2. 개요
가. 정의 및 필요성
  • 정의 : 머신비전 시스템은 카메라를 사용하여 획득한 영상을 처리하여 의도하는 결과를 얻어내는 시스템으로, 기계에 시각을 부여함으로써 사람에 의해 처리되던 다양한 일들을 자동화하여 기계가 처리하도록 하는 기술을 의미
  • 범위 : 영상처리 시스템이란 입출력이 영상인 모든 형태의 정보 처리를 가리키며, 사진이나 동영상을 처리하는 것이 대표적인데, 현재 머신비전 시스템에 딥러닝과 같은 인공지능 기술을 이용한 다양한 영상처리 응용 기술들이 제안되고 있음
3. 시장환경 분석
가. 세계시장

Marketsandmarkets에 의하면 세계 머신비전 분야 세계시장은 2016년 약 90억 달러 수준에서 연평균 8.15%씩 증가해 2021년 133억 4,000만 달러에 이를 전망

머신비전 시장의 성장을 주도하는 주요 요인으로 제약 산업, 식품 및 포장 산업 분야의 비전 가이드 로봇 시스템에 대한 수요가 급증과 함께 특정 용도의 머신비전 시스템에 대한 수요가 늘어나고 있기 때문으로 분석

[ 머신비전 분야의 세계 시장규모 및 전망 ]

(단위 : 백만 달러, %)

대기관리 국내 시장 규모 및 전망
구분‘16‘17‘18‘19‘20‘21CAGR
세계시장 9,018 9,753 10,548 11,407 12,337 13,343 8.15

* 출처 : Machine Vision Market by Component and Software, Product, Application, Vertical, and Geography - Global Forecast to 2022(Marketsandmarkets, 2017)

한국전자통신연구원에 의하면 영상처리 시스템 분야의 세계시장은 2016년 약 100억 달러 수준에서 연평균 13.0%씩 증가해 2021년 약 191억 달러에 이를 전망

[ 영상처리 시스템 분야의 세계 시장규모 및 전망 ]

(단위 : 백만 달러, %)

영상처리 시스템 분야의 세계 시장규모 및 전망망
구분‘16‘17‘18‘19‘20‘21CAGR
세계시장 10,400 11,800 13,700 15,600 17,600 19,150 13.0

* 출처 : 한국전자통신연구원 기술경제연구본부 추정(2016)

트랙티카(Tractica)의 시장 분석 결과 기업용 AI 시스템 시장은 2015년 2억 달러에서 2024년 111억 달러로 연평균 56.1% 성장할 것으로 예상되며, 예측 분석 소프트웨어 시장은 2012년 20억 달러에서 2019년 65억 달러로 성장할 전망

AIA에 따르면, 2016년도 머신비전 콤포넌트 및 시스템의 북미 지역 판매량이 23억 달러로 최고치를 기록

  • 머신비전 콤포넌트는 약 1% 가량 성장했으며, 분야별로는 카메라(3%), 조명(1%), 소프트웨어 (1%) 등이 성장을 주도
  • 스마트 카메라는 3.26억 달러로 전년 대비 13% 성장한 반면, 특정 애플리케이션 머신비전(ASMV) 시스템은 2% 성장하는데 그치면서 16억 달러로 집계됨
  • 머신비전 업계의 약 47%는 올해 상반기 머신비전 시장이 계속해서 성장할 것으로 기대하고 있으나, 3%는 매출액이 크게 변하지 않을 것으로, 10%는 감소할 것으로 전망
  • 가장 커다란 영역인 머신비전 시스템의 경우, 응답자의 46%가 성장할 것으로 전망했고, 44%는 침체할 것으로 예측했다”고 말함

VDMA에 따르면, 2016년 유럽 비전산업은 약 8% 가량 성장할 것으로 전망

  • 독일에서만 비전산업의 시장규모가 최근 10년 사이 두 배 이상 증가
    유럽 머신비전 시장 중 독일이 차지하는 비중이 33%로 가장 크며 전년보다 12% 성장
  • 유럽 머신비전 시장에서 가장 점유율이 높은 산업은 자동차 산업으로 전체 매출의 20%를 차지하고 있으며 반도체를 포함한 전자산업이 12%의 점유율로 두 번째, 금속과 식음료 산업이 각각 7%씩 점유

중국은 자동화 장비 교체로 인한 수요 및 시장 규모가 증가하고 있음

전자제품 제조, 자동차, 제약, 포장 기계는 머신비전 수요처의 약 70%를 차지
2~3년 내에 이뤄질 이들 산업의 자동화 장비 교체로 인해 머신비전 제품의 수요가 급격히 증가할 것으로 예상
2014년 중국 머신비전 시장의 규모는 전년 대비 약 28% 증가한 29억 위안(약 4억 5000만 달러) 정도로 추산됨. 2012~2014년 연평균 성장률은 약 25%에 이름
중국산업전망연구원의 연구에 따르면 2016년 중국의 머신비전 시장 규모는 38억 위안(약 6억1100만 달러) 가량으로 추산되며, 2017년에는 45억 위안(약 7억2400만 달러)에 이를 것으로 전망됨

나. 국내시장

한국전자통신연구원에 의하면 국내 영상처리 시스템 분야의 국내 시장은 2016년 약 1,142억 원에서 연평균 11.6%씩 증가해 2021년 1,980억 원으로 확대될 전망

[ 영상처리 시스템 분야의 국내 시장규모 및 전망 ]

(단위 : 억 원, %)

영상처리 시스템 분야의 국내 시장규모 및 전망
구분‘16‘17‘18‘19‘20‘21CAGR
국내시장 1,142 1,297 1,509 1,720 1,904 1,980 11.6

* 출처 : 한국전자통신연구원 기술경제연구본부 추정(2016)

(사)한국머신비전산업협회(2016)의 국내 머신비전 시장조사에 의하면 (사)한국머신비전산업 협회의 회원사 전체 매출액(43개 사)은 약 4,671억 원 규모

평균 매출액은 109억 원으로 에어리어 스캔 카메라 매출 비중이 가장 높게 나타났고, 렌즈, 조명 순

[ 2015년 국내 머신비전 콤포넌트 시장 규모 ]

(단위 : 억 원)

2015년 국내 머신비전 콤포넌트 시장 규모
구분프레임 그래버에어 리어
스캔 카메라
라인 스캔
카메라
렌즈조명케이블스마트
비전 시스템
소프트 웨어기타전체 시장 규모평균 매출액
시장 규모 423 1,764 493 721 600 221 234 245 1,051 5,729 73.44

* 출처 : 국내 머신비전 컴포넌트 시장 5729억 원 규모...기업 평균 매출 74억 원(첨단뉴스, 2016)

4. 기술분석
가. 기술환경 분석

머신비전 기술은 비전 센서를 이용한 검사/가공 장비들에 대한 자동화를 실현하는 기술

최근 동향을 살펴보면 검사 대상이 소형화되고 내부 패턴이 복잡해지면서 고도의 영상처리 기술을 필요로 하고, 생산성 향상을 위한 고속처리 기술 또한 요구됨

기술적인 측면에서 알고리즘의 정확도 문제로 인해 완전 자동화는 힘들고 마지막 단계에서 검출된 결함들을 작업자가 한 번 더 확인하는 경우가 많아, 이러한 기술적인 한계를 극복하기 위해서는 빅데이터 기반의 딥러닝 기술을 활용해 검사 장비가 시간이 지남에 따라 자가 학습해 점점 정확도가 좋아지도록 해야 함

머신비전(machine vision) 시스템의 목표는 영상으로부터 실제의 모델을 추출하는 것

  • 머신비전 시스템은 전경의 2 차원 투영(projection) 으로부터 유용한 정보를 복원시키는 작업을 수행
  • 영상은 3차원 세상에 대한 2차원 투영이므로 정보를 곧바로 얻을 수 없고 적절한 복구과정을 거쳐야 함
  • 이 복구과정은 다 대 일 사상(many-to-one mapping)의 역과정을 거쳐야 하므로 배경 속의 물체에 대한 정보와 투영의 기하학적 정보가 필요함

머신비전의 동작은 영상 획득, 영상 이진화, 영상 처리, 영상 분석, 영상 해석과 같은 다섯 단계로 나뉨

머신비전 시스템의 기본 5 단계 처리과정 [ 머신비전 시스템의 기본 5 단계 처리과정 ]

  • 1단계 : 영상 획득

    • 영상의 기하학적 구성과 컴퓨터 내에서의 표현과의 관계를 이해하는 것이 매우 중요
    • 머신비전 알고리즘을 개발하기 위한 수학적 표기와 프로그램에 사용되는 표현과는 서로 표현상의 변환이 필요
  • 2단계 : 영상 이진화

    • 해석에 필요한 영상 데이터를 저장하기 위하여 카메라와 이진화 시스템을 사용하여 영상 이진화를 수행
    • 카메라가 관심있는 물체에 초점을 맞추고 보이는 영역을 광도에 비례하는 값을 갖는 화상요소 (화소) 행렬로 분할해 영상을 얻고, 각 화소에 대한 강도 값은 A/D 변환기를 통하여 해당하는 디지털 값으로 변환됨
  • 3단계 : 영상 처리

    • 이 디지털 신호는 전체 영상에 걸쳐 광의 강도 값을 나타내고, 이 값이 메모리에 저장되어 디지털 영상을 얻게 되며 이는 분석과 해석을 가능하게 함
    • 영상 처리는 잘 발달된 분야로, 처리 기술은 대개 한 영상을 다른 영상으로 변환하는 기술이며, 예를 들면 영상 향상(enhancement), 영상 압축, 번졌거나 초점이 어긋난 영상의 보정 등이 있음
    • 한편 머신비전 알고리즘은 영상을 입력으로 받아들여 영상 내의 물체의 외곽선에 대한 표현과 같이 다른 방법으로 표현된 결과를 출력함
    • 이 단계에서 영상 처리 알고리즘은 특정 정보를 향상시키고 잡음을 제거하는 역할도 수행
    • 패턴 인식은 숫자 또는 기호 데이터를 분별하는 것으로, 패턴을 인식하기 위하여 많은 통계적이나 구문론적(syntactical) 기술들이 개발됨
    • 패턴 인식은 머신비전에서의 물체 인식에 중요한 역할을 하고 있음
    • 마이크로프로세서는 대개 1 초 이내에 영상을 처리할 수 있으며, 이 신호는 A/D 변환기에 의하여 디지털로 변환됨
  • 4단계 : 영상 분석

    • 영상 분석(image analysis)은 영상 처리로부터의 정보를 모아서 변환을 완료하는 데 필요한 시간 내에 이를 분석하는 것
    • 세그먼테이션 기술은 영상 내에 관심영역 (region of interest) 을 정의하고 분리하는 것
    • 두 개의 공통적인 세그먼테이션 기술은 스레쉬홀딩(thresholding)과 에지 검출(edge detection)이 있음
    • 스레쉬홀딩은 각 화소의 광도 레벨을 백색과 흑색을 표현하는 이진값으로 변환
    • 이 과정은 정의된 스레쉬홀드와 각 화소의 강도를 비교함으로써 진행되며 만일 화소의 값이 스레쉬홀드에 비하여 높으면 백색에 해당하는 이진값, 즉 1이 부여되며, 반대로 스레쉬홀드에 비하여 낮으면 흑색에 해당되는 0이 부여됨
    • 스레쉬홀딩에 의하여 영상을 이진화함으로써 다음 단계로 진행될 영상 속의 물체를 정의하고 식별하는 작업을 단순화함
    • 에지 검출은 영상 속의 물체와 그 배경 사이의 경계의 위치를 결정하는 데 관여하며, 물체의 경계에 인접한 화소들 간의 빛 강도의 대조를 이용하여 에지 검출이 이루어짐
    • 영상 처리에 있어서 세그먼테이션 다음으로 진행되는 기술은 특징 추출(feature extraction)에 관련된 것으로, 대부분의 머신비전 시스템은 물체의 특징에 의하여 영상 내의 물체를 정의함
    • 물체의 특징은 물체의 면적, 길이, 폭, 지름, 둘레, 무게중심, 종횡비(asliect ratio) 등이 될 수 있고, 특징추출 방법은 스레쉬홀딩과 에지 검출과 같은 세그먼테이션으로 물체의 면적과 그 경계를 근거로 물체의 특징들이 결정되도록 설계됨
    • 예컨대 물체의 면적은 물체를 구성하는 흑색 또는 백색의 모든 화소를 카운트함으로써 결정될 수 있으며, 물체의 길이도 물체의 양 끝점을 잇는 선을 따라 화소수를 카운트하여 구해질 수 있음
  • 5단계 : 영상 해석

    • 주어진 어떤 응용에 대하여 영상으로부터 추출된 특징들을 기반으로 영상 해석(image interpretation)이 수행됨
    • 영상 해석 단계는 물체의 인식에 관여되며, 이 작업의 목표는 미리 정의된 모델이나 표준값과 비교하여 영상 속의 물체를 식별하는 것임
    • 일반적으로 사용되는 해석 기술으로는 템플릿 매칭(template matching)과 특징 가중(feature weighting)이 있음
    • 템플릿 매칭은 영상의 한 개 이상의 특징을 컴퓨터 메모리에 저장된 모델 또는 템플릿의 해당 특징과의 비교를 시도하는 다양한 방법에 붙여진 이름으로, 가장 기초적인 템플릿 매칭 기술은 영상의 화소를 일일이 컴퓨터 내의 모델의 화소와 비교하고 통계적 허용공차 이내에 템플릿과 영상이 매칭 되는지를 컴퓨터로 판단하는 것
    • 이 방법을 사용할 때 발생하는 기술적 문제는 카메라 앞에 물체를 어떻게 일정한 위치에 배치시켜 간단하게 비교작업이 진행되도록 하는 가임
    • 특징 가중은 여러 특징에 물체를 구별하는 데 필요한 상대적인 중요도인 가중치를 부여하고 이들을 조합하여 하나의 척도로 만들어 내는 기술로 물체를 적절하게 식별하기 위하여 영상 내의 물체의 점수와 컴퓨터 내의 저장된 이상적인 물체의 점수가 비교됨
    • 또 다른 영상 해석에 대한 미래의 기술은 인공지능(artificial intelligence)임
    • 인공지능은 지능을 계산적 관점에서 구현할 수 있는 시스템으로 설계하는 것으로 이 시스템은 특징 추출을 완료한 후 전경의 내용에 대한 기호적 표현을 계산함으로써 전경을 해석하는 데 이용됨
    • 인공지능은 인지(perception), 지각(cognition), 행동(action) 세단계로 분리할 수 있으며, 인지는 관찰대상에서 오는 신호를 식별하여 기호로 표현하고, 지각은 기호를 조작하여 신호로 만들며 행동은 신호를 해석하여 관찰대상을 변화할 새로운 영상을 만들어 내는 것을 뜻함

회선 신경망(Convolutional Neural Network, CNN)은 최소한의 전처리(Preprocess)를 사용하도록 설계된 다계층 퍼셉트론(Multilayer Perceptrons)의 한 종류임

  • CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(Pooling Layer)들을 추가로 활용

    이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수

  • 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여줌
    • CNN은 또한 표준 역전달(Back Propagation)을 통해 훈련될 수 있음
    • CNN은 다른 피드포워드(Feed Forward) 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있음

Convolutional Neural Network의 프로세스 [ Convolutional Neural Network의 프로세스 ]

산업용 비전시스템은 학업/교육 비전 시스템보다 높은 견고성, 신뢰성, 안정성이 요구되며 일반적으로 정부/군사용 애플리케이션에 사용되는 비전시스템보다 훨씬 저렴함

따라서 산업용 머신비전은 저렴한 비용, 용인되는 수준의 정확성, 높은 견고성, 우수한 신뢰성, 뛰어난 기계적 안정성과 온도 안정성을 의미

머신비전시스템은 특수 광학 장치를 사용하여 산업용 카메라 내부에서 보호되는 디지털 센서로 이미지를 획득하며 이를 통해 컴퓨터 하드웨어와 소프트웨어가 의사 결정을 위한 다양한 특성을 처리, 분석, 측정할 수 있음

영상처리 시스템 산업은 소프트웨어뿐만 아니라 기술 발전을 통한 하드웨어 산업에도 영향을 미치며, 여기에는 영상처리 시스템을 이용한 비즈니스도 포함됨

빠른 속도로 발전하는 기술로 급격하게 변화하는 IT 환경은 시장 독점이 어려워 품질 경쟁 구도로 이어지기 때문에 선진 IT 국가의 사례를 찾아보기 어려우므로 안전보다 적극적인 신기술 개발에 집중할 필요 있음

국내 일부 대기업과 IT 기업에서 AI 연구에 투자를 시작하면서 시장 형성에 돌입했으나 국내 AI 산업은 아직 초기 단계에 머물러 있음

  • AI, 영상처리와 영상인식, 음성인식과 통번역 등 3개 부문으로 구성된 국내 AI 산업은 2013년 3조 6,000억 원에서 2017년 6조 4,000억 원으로 성장할 전망
  • 기존 IT 분야의 경쟁력을 유지하고 외국기업들과의 기술 격차를 줄이기 위해 정부 주도의 장기간 국책 사업을 추진하고 있음
  • 과학기술정보통신부는 정보통신 분야의 4세대 패러다임이 AI 기반의 지능형 플랫폼으로 발전될 것으로 예측하고, 2013년부터 10년간 빅데이터로부터 스스로 학습해 지식을 축적하고, 시스템과 기기 간의 자율 협업 방식으로 새로운 문제를 해결하는 ‘엑소브레인(ExoBrain)’ 기술 개발 과제를 한국전자통신연구원(ETRI)를 통해 진행하고 있음

정부는 제2차 과학 기술 전략 회의에서 AI를 비롯한 9대 국가 전략 프로젝트 추진 계획을 발표

지능정보사회 구현과 4차 산업혁명을 주도할 AI 핵심 기술 개발을 통해 국가 AI 기술 역량을 제고하고 글로벌 AI 시장 선점을 위한 10개년 계획을 추진

5. 핵심요소기술 선정

확정된 요소기술을 대상으로 중소기업에 적합한 핵심요소기술 선정

[ 머신비전 기반 지능형 영상처리 시스템 SW 분야 핵심요소기술 ]

머신비전 기반 지능형 영상처리 시스템 SW 분야 핵심요소기술
분류핵심요소기술개요
획득 영상 전처리 기술 영상 향상 및 압축 기술 이진화된 영상 데이터 내 물체의 외곽선에 대한 표현 향상(enhancement), 압축 기술
영상 노이즈 제거 및 보정 기술 번졌거나 초점이 어긋난 영상의 보정 등 계측에 필요한 정보를 향상시키고 잡음을 제거하는 기술
영상 분석 기술 영상 세그먼테이션 기술 스레쉬홀딩 (thresholding) 과 에지 검출 (edge detection) 등 영상 내에 관심영역(region of interest)을 정의하고 분리하는 기술
영상 특징 추출 기술 세그먼테이션으로 얻어진 물체의 면적과 그 경계를 근거로 물체의 특징들을 추출, 결정하는 기술
지능형 고속 영상 해석 기술 특징 기반 영상 해석 기술 템플릿 매칭 (template matching) 과 특징 가중 (feature weighting) 등 영상으로부터 추출된 특징들을 기반으로 물체의 인식, 식별하는 영상 해석 (image interpretation) 기술
실시간 고속 영상 처리 기술 생산성 향상을 위해 CPU 프로세서의 부담을 줄이고 실시간의 고속 영상 처리 및 전송 기술
3D 비전 검사 처리 기술 3D 공간에 있는 부품의 위치와 방향을 찾아내고 유도, 정렬할 수 있는 3D 검사 기술
인공지능(딥러닝) 기반 영상 해석 기술 특징 추출을 완료한 후 전경의 내용에 대한 기호적 표현을 계산함으로써 전경을 해석하는 딥러닝 기반 영상해석기술