SuaKIT Deep Learning S/W Library for Machine Vision http://www.sualab.com sales@sualab.com 영업문의 02-6264-0362 일반문의 02-6264-0366
S UAL AB IN TROD UCTION S U A L A B INT RO DUCT IO N 수아랩 솔루션 고객사 수아랩은 딥러닝과 이미지 해석 기술을 기반으로, 기존 머신비전 기술로 검사가 어려웠던 다양한 적용 영역을 대상으로 빠르고, 정확하고, 사용이 간편한 딥러닝 머신비전 S/W Library를 제공합니다. 슈퍼컴퓨팅 딥러닝 머신비전 Super Computing Deep Learning Machine Vision 딥러닝 머신비전 솔루션 휴대폰 부품 검사 솔루션 전기/전자 부품 검사 솔루션 필름 분류 검사 솔루션 태양광 EL 검사 솔루션 철강 표면 검사 솔루션 보안 검색 영상 판독 솔루션 SuaKIT 적용산업 SuaKIT은 태양광, PCB, 디스플레이 등 전기/전자 산업군 뿐만 아니라 자동차, 식/음료, X-ray, 철강, 의약 분야 등 다양한 산업군에서의 실적을 보유하고 있습니다. 딥러닝 학습 최적화를 위해 SUALAB이 자체 개발한 학습망과 검사 리포트 생성, 머신비전 알고리즘 등 GPU컴퓨팅 기술을 활용하여 검사 결과 분석 지표 등이 다양한 기술을 활용하여 1000분의 1초 단위의 가능한 S/W를 제공합니다. 이미지 전처리를 수행합니다. 실시간 분석을 진행합니다. 태양광 셀/모듈 수상 실적 반도체/IC칩 디스플레이 PCB 철강 2017 Innovators Awards PLATINUM 수상 2018 Innovators Awards SILVER 수상 산업용 필름 <세계 최대 머신비전 전문 매체 Vision Systems Design 선정> 비파괴검사 2017 KGCCI Innovation Awards 디지털화 혁신 부문 수상 <한독상공회의소 선정> 식/음료 배터리 의약 머신비전 분야 2016 Global Top 8 Start-Up 선정 <세계 최대 머신비전 협회 AIA 선정 아시아 유일의 2016 Global Top 8 Start-Up > 2 카메라 모듈 자동차 부품 3
SuaKIT SOLUTION SuaKIT SOLUTION 수아랩딥러닝솔루션은기존머신비전검사와무엇이다를까요? SuaKIT 주요기능 기존머신비전검사 SuaKIT Segmentation Classification Detection 불량의위치 / 영역 / 형태를 픽셀단위로정확하게검출 여러이미지들을정한 기준에맞게분류 한이미지상의여러종류의 물체를박스형태로검출 / 분류 비정형이미지해석불가이미지가불규칙하고비정형인경우, 불량의특징값 (Feature) 을수동으로설정하기어려워이미지해석이불가능합니다. 비정형이미지해석가능이미지의복잡도와무관하게, 딥러닝알고리즘으로불량의특징값 (Feature) 을자동학습하여비정형이미지의해석이가능합니다. SuaKIT 학습방법론 V S OK NG 낮은정확도 기존에설정한불량의기준과조금이라도 어긋나는불량이발생해도검출이불가능하여 검사의정확도가낮아집니다. 높은정확도제조업이미지에특화된딥러닝알고리즘을자체개발하고, 다양한모델중최적화된망을선택하여검사정확도를높였습니다. Single Image Analysis 이미지를 1 개씩학습시키는 가장기본적인방법 Image Comparison 정상 / 불량이미지를세트로학습하여, 두이미지간의유의미한차이점을중점적으로학습 OK 검사자동화에대한높은진입장벽 검사자동화에대한낮은진입장벽 Multi Image Analysis One Class Learning 제조환경이바뀌었을때최적화작업및변화된불량특징값을수동설정하기위한 딥러닝을전공한엔지니어가아닌일반인들도편리한 GUI를통해 다양한광학조건하에서촬영된 이미지들을세트로학습하여학습시간단축 불량이미지가없을때 정상이미지로만학습가능 프로그래머인력이필요합니다. 손쉽게최적화작업을수행할수있습니다. 4 5
SuaKIT NEW FEATURES SuaKIT NEW FEATURES SuaKIT 만의차별화된기능 Pixel-wise Labeling (Classification 성능강화 ) 이어학습하기로학습시간단축및학습이미지수감소 Classification 에서도이미지상결함영역에라벨링을하여검사정확 Pixel-wise Labeling 이란무엇인가요? 같은산업군내유사제품검사시, 기존모델을활용하여학습시간과 이어학습하기란무엇인가요? 도를높일수있습니다. 이미지데이터가적은상황에서도검사성능을대폭향상시킬수있습니다. Classification 기능사용시, 이미지상결함영역에대한라벨링을통해검출 / 분류성능을극대화하는기능입니다. 필요이미지수량을줄일수있습니다. 기존 기존에학습이완료된모델을불러와이어서학습할수있는기능으로, 학습시간을단축시키고학습에필요한이미지의수 OK OKOK NG NGNG OK OKOK NG NGNG A 모델생성망 B 모델생성망 량을감소시킵니다. VS * 해당기능은 Classification 에서만지원되는기능입니다. * 해당기능은 Single x Classification 에서만지원되는기능입니다. 이미지다수필요 기존모델용딥러닝망활용불가 새로운딥러닝망 (Contextual 망 ) 추가 신규 두가지딥러닝망 (Network) 중, 검사에적절한딥러닝망선택을통해결함검사결과를최적화할수있습니다. Contextual 망이란무엇인가요? 미검률을최소화할수있는기존의 Sen- A 모델생성망 이어학습하기 B 모델생성망 sitive 망 과는달리, 과검률을최소화할수 과검룰 * Contextual : 과검률을최소화하는딥러닝망 Sensitive : 미검률을최소화하는딥러닝망 있는망입니다. 사용자의상황에맞게두가지종류의딥러닝망중하나를선택함으로써, 소수이미지만필요 Sensitive 검사결과의최적화가가능합니다. 기존모델용딥러닝망활용가능 * 해당기능은 Segmentation 에서만 Contextual 지원되는기능입니다. 미검률 경계성데이터분석을통한손쉬운학습데이터검토 Visual Debugger 분류를진행하는 classification 모델에서도사용자의의도에맞게실제검사가진행되었는지확인할수있습니다. Visual Debugger란무엇인가요? 딥러닝알고리즘이어떤영역을분석하여 정상, 불량의구분이모호한경계성데이터를확인하고추출할수있습니다. 라벨링이잘못되어경계성데이터로분류된이미지를확인하고수정할수있습니다. 경계성데이터검토란무엇인가요? 사용자에게정상과결함의경계정도를보여주어, 모델성능에영향을끼칠수있는이미지들을추출한후검토하여모델의성능을손쉽게향상시킬수있습니다. Class 를구분했는지시각화하여보여줍니 Class : 12R0 다. 사용자의도에맞게학습이진행되는지 점검할수있는기능입니다. * 해당기능은 Classification 에서만 분석이잘못된경우 올바른경우 지원되는기능입니다. 정상 불량 6 7
How to Use SuaKIT SuaKIT BENEFITS SuaKIT 사용 Process 1 이미지로딩 학습 / 테스트를위한정상및결함이미지를불러옵니다. 2 이미지분류 불러온이미지들을학습용 / 검증용 / 테스트용이미지로분류합니다. 왜 SuaKIT 솔루션이여야할까요? 제조업특화알고리즘으로높은검사정확도확보 다양한제조업분야의이미지데이터확보및제조업에특화된딥러닝알고리즘개발을통해검사정확도대폭향상 경쟁사대비높은검사정확도로삼성, LG, SK 등유수제조기업들에솔루션제공 4 모델생성 다양한학습조건들을설정하여딥러닝모델을생성합니다. 3 라벨링 라벨링 Tool 을이용해이미지상의불량을라벨링하거나, 이미지의 class 를지정합니다. 자체개발한알고리즘으로처리속도극대화 CUDA, cudnn 등 GPU 전용처리언어를활용, 자체딥러닝알고리즘을구현하여이미지처리속도극대화 Multi-GPU 활용, Batch processing 을통해실제생산환경에서의이미지처리속도극대화가능 딥러닝전문솔루션개발팀운영으로맞춤형솔루션제공 딥러닝전문솔루션개발팀운영으로고객별 / 제품별맞춤형딥러닝모델생성을지원 5 6 고객을위한딥러닝모델생성노하우제공 테스트 모델추출 학습된모델을통해테스트를수행하고결과를확인할수있습니다. 생성된딥러닝모델을추출하여기존의 C++/C# 기반검사알고리즘과연동하여사용할수있습니다. 높은호환성으로기존검사알고리즘과연동가능 C++, C# API 를제공하여동일언어로작업된기존의검사알고리즘과연동하여사용가능 8 9
SuaKIT INFORMATION GLOBAL NETWORKS FAQ GLOBAL NETWORKS Q A 유형별로몇장정도의이미지데이터를학습시켜야하나요? 이미지의복잡성정도에따라다르지만, 초기에는불량유형별 100 장내외를학습하면됩니다. Q A 망학습에소요되는시간은어느정도걸리나요? 학습시키는이미지개수에따라다르지만 1024*1024 사이즈, 1,000장기준으로 20분내외의시간이소요됩니다. Q A 검사라인에서이미지데이터를처리하는속도가어떻게되나요? Segmentation / Geforce GTX-1080Ti 기준 1024*1024 사이즈이미지에대해실시간으로초당 20장내외로처리가가능합니다. www.sualab.com Korea, Republic of HQ China China Subsidiary SuaKIT 필요사양 www.ads-tec.co.jp Distributor www.infaimon.com 최소지원사양 권장사양 Japan HQ Spain HQ Argentina 운영체제 CPU Windows 7 64bit / Windows 10 64bit / Windows 2012 R2 / Windows Embedded 7 Linux 지원 Developer Kit : N/A Runtime Kit : Ubuntu Only Intel Core i3 이상 Intel Core i5 이상 Singapore HQ Malaysia Thailand www.jm-vistec.com Vietnam Myanmar Portugal Mexico Brazil Chile Colombia Peru Morocco RAM 16GB ( 여유메모리 8GB 이상 ) 32GB GPU GTX RTX NVIDIA GeForce GTX 980 NVIDIA GeForce RTX 2070 NVIDIA GeForce GTX 1080 Ti NVIDIA GeForce RTX 2080 Ti 단, RTX 계열 GPU 이용시 NVIDIA Driver 최신버전설치필수 (416.94 버전이상 ) 개발환경 Visual studio 2010 Visual studio 2015 Taiwan HQ India HQ www.g4.com.tw www.onlsol.com Switzerland HQ USA HQ in MA www.fabrimex-systems.ch Liechtenstein www.axisne.com 해상도 Full HD (1920*1080) 이상 Developer Kit 에만해당 www.1vision.co.il www.physimetrics.com 필요용량여유용량 8GB 이상 (SSD 권장 ) Israel HQ CSI (Certified SuaKIT Integrator) USA HQ in GA 설치방법 설치디스크 (USB) 및디지털다운로드 www.i-mation.de 프로그램보안동글키꽂혀있는경우에만사용가능 ( 로컬 PC 기반환경에서만작동 ) Germany HQ 10 11