V-ONE’s Solution
-
의료 & 제약
- 초음파 영상 진단
- 시약 분류
- 배양 세포 검사
- 주사기 검사
- 수액 이물 검사
- 알약 표면 검사
-
디스플레이
& 2차전지- 압흔 이물 검사
- 이물, 크랙, 버 검사
- 스크래치 검사
- 핸드폰 외관 검사
- 리드 불량 검사
- 얼룩 검사
-
부품 & 소재
- 금속 보빈 표면 검사
- 액체 캡슐 내용물 검사
- 고무 소재 표면 검사
- 전선 분류/불량 검사
- 납 도포 검사
- 웨이퍼 크랙 검사
-
물류 & 유통
- 박스/포장 분류
- 조립 부품 분류
- 물품 유실 감시
- 농산물 자동 분류
- 소비자 주문물품 검사
- 포장/용기 OCR 판독
withAI
V-ONE Solution* 기반위에 다양한 모델을 활용하여 솔루션 개발을 신속히 진행할 수 있으며, 사용자 친화적인 인터페이스를 통해 쉽고, 명확하게 작업을 수행할 수 있다.
-
PRE Block
검사 영상의 검출력 향상을 위한 전처리 알고리즘
-
AI Block
학습 및 추론(검사)을 위한 API
-
APP Block
AI 프로젝트를 위한 API
V-ONE Solution 은 디스플레이, 2차 전지 등 다양한 머신 비전 프로젝트를 성공적으로 수행한 기술력과 품질 우수성을 인정 받은 자사의 M/V 솔루션입니다.
Feature
-
다양한 비즈니스 요구에 유연하게 대응 할 수 있는 확장성과 유연성을 갖추고 있다.
-
하나의 Task에서 다양한 모델을 필요에 따라 검사 할 수 있는 기능을 제공한다.
-
기존 검사 장비에서 검사 불가였던 항목을 검출 할 수 있다.
-
자체 개발한 고속 처리기술과 다중 병렬 처리 기술을 지원하여 신속한 검사가 가능하다.
-
대용량 이미지 데이터를 검사하기 위한 최적화 모듈을 지원한다.
-
블록 구조 기반으로 사용자가 원하는 블록만 사용할 수 있다.
-
검사 대상에 따른 특화된 모델 제안으로 검출력을 향상시킨다.
-
제조, 의료, 소재, 부품, 유통, 물류 등 다양한 분야에서 통용될 수 있는 모델을 지원한다.
시스템 구성
-
-
고객사 요청
-
데이터
수집 & 가공
-
-
PRE Block
- 고객사 데이터 가공
- 정제된 영상으로 학습
- 검출력 향상을 위한 룰베이스 전처리 알고리즘
-
AI Block
Object
DetectionSegmentation
Classification
Anomaly
- 레이블링 툴 제공으로 손쉽고, 직관적으로 작업
- 검출 클래스 정의
- 라벨링 확인 후 바로 학습 진행
- 지속적인 모델 고도화
- 멀티 학습 지원(Multi GPU)
- 모델 생성
- 최적화 모델 변환
- 모델 검증
- 해당 검사자를 통한 모델 품질 확인
-
-
APP Block
-
V-ONE
Solution
- 검사 모델 제공
- AI 프로젝트를 위한 API 지원
- 고객이 원하는 방식으로 S/W 커스터 마이징 지원
- 지원 방식 (프로젝트, 모듈, 컨설팅)
- 장비개발*
- 광학 모듈 + 모델 + API*
- 모델 + API*
-
-
-
모델 제공 &
컨설팅, 프로젝트 -
고객사 전달
-
-
Equipment*
-
- AOI
- AMI
- DMS
- 기타
-
withAI
-
-
Part’s (Module)*
-
- 광학
- V-one Solution
- withAI
-
- 디스플레이
- 2차전지
- 의료
- 부품
-
-
Application*
-
withAI
-
API
-
상세 소개
withAI
PRE BlockPreprocess
- 검출력 향상을 위한 룰베이스 전처리 알고리즘
- Auto-Tuning
- GAN
- 영상 화질 개선을 위한 알고리즘
- 모델에 적합한 영상으로 형태 조정 알고리즘
- 모델 정확도를 높이기 위해 정보를 단순화 하는 알고리즘
- 분류, 구분을 위한 알고리즘
- 얼룩형 검사를 위한 주파수 변환 알고리즘
- 영상에서 특징 추출 알고리즘
- 영상 정보를 기준으로 형태를 찾는 알고리즘
- 신경망 (MLP)
- Customizing 전용 모듈
withAI
APP BlockApplication
- AI 프로젝트를 위한 API
- AI 모델 검사를 위한 공용 Lib 지원
- ONNX 지원
- 검사 속도를 향상시키기 위한 최적화 엔진 지원
- 대용량 이미지 처리 엔진 지원
- 멀티 프로세스 지원
- 학습 및 검사 서버운영으로 C/S App 지원
- 고객의 요구에 맞춤 App 지원
- 업종별 비즈니스 모델 제공
- Customizing 전용 모듈
withAI
AI BlockObject Detection
- 객체에 대한 분류, 위치를 검출 후 객체라고 판단되면 직사각형으로 표시
- 한 영상에서 여러 개의 객체를 검출
- 사전 학습된 모델을 사용하여 학습시간 및 검출 정확도를 향상
- 공정, 업무에 따른 적합한 모델을 선정 후 학습 및 검사
의료/제약
- 알약 외관 검사 모델 제공
- 주사 수액 이물질 검사 모델 제공
- 검체통 이물 검사 모델 제공
디스플레이
- 엣지 크랙 검사 모델 제공
- 리드 버 검사 모델 제공
- 핸드폰 외관 검사 모델 제공
부품/소재
- 금속성 외관 검사 모델 제공
- 고무재질 외관 검사 모델 제공
- 전자 부품/기판 검사 모델 제공
- 웨이퍼 표면 검사 모델 제공
물류/유통
- 물품 분류 모델 제공
- 농산물 분류 모델 제공
- OCR 판독 모델 제공
Segmentation
- 객체를 픽셀단위로 분할하여 분류, 위치를 표시
- 한 영상에서 여러 개의 객체를 검출
- 사전 학습된 모델을 사용하여 학습시간 및 검출 정확도를 향상
- 공정, 업무에 따른 적합한 모델을 선정 후 학습 및 검사
의료/제약
- 초음파 영상 진단 모델 제공
- 배양 세포 검사 & 분류 모델 제공
디스플레이
- 얼룩 검사 모델 제공
- 크랙, 이물, 오염등 검사 모델 제공
부품/소재
- 웨이퍼 표면 검사 모델 제공
Classification
- 객체가 무엇인지 유형만을 판단하여 분류
- 한 영상에서 한 개의 객체를 판단
- 사전 학습된 모델을 사용하여 학습시간 및 검출 정확도를 향상
- Pre-Block과 융합 시 출력 향상 기대
- 공정, 업무에 따른 적합한 모델을 선정 후 학습 및 검사
의료/제약
- 약재 분류 모델 제공
- 검체통 분류 모델 제공
물류/유통
- PRE-Block 조합, OCR 판독 모델 제공
Anomaly
- 정상과 비정상 이진 유형으로 판단
- 한 영상에서 정상/불량으로 판단
- 정상 영상으로만 학습하여 학습시간이 빠름
- 학습 불량 데이터 수집
- 사전 학습된 모델을 사용하여 학습시간 및 검출 정확도를 향상
부품/소재
- 기판 납 도포 유무 검사 모델 제공
물류/유통
- 박스 파손 검사 모델 제공
적용 분야
-
의료 & 제약
-
초음파 영상 진단
-
배양 세포 검사 - Live, Dead, Debris 구분
-
약재 종류/등급 분류
-
주사 수액 내 이물질, 인쇄 검사
-
검체통 종류별 분류
-
알약 깨짐, 스크래치, 색, 모양 검사
-
-
소재 & 부품
-
금속 보빈 찍힘, 스크래치 검사
-
전선 단면의 케이블 색 검사
-
캡슐 내용물의 기포, 터짐 검사
-
웨이퍼 스크래치, 얼룩 검사
-
납 도포 검사 (미납, 과납, 소납, 쇼트)
-
고무링 유색 이물, 뜯김, 엣지 검사
-
-
디스플레이 & 2차 전지
-
압흔 이물 검사
-
엣지 크랙, 깨짐 검사
-
리드 버, 오픈, 쇼트 불량 검사
-
얼룩 (점, 선, 물결, 조개) 검사
-
핸드폰 스크래치, 카메라 및 지문센서 스크래치, 깨짐 외관 검사
-
-
물류 & 유통
-
이동중인 박스 분류
-
완제품 조립을 위한 나사 분류 및 정렬
-
농산물 자동 분류
-
소비자 주문 상품 검사 및 출하, 반품상품 비교 검사
-
포장지, 용기 등 OCR 판독
-
-
식품 & 포장재
-
화장품 용기 깨짐, 스크래치, 이물 검사
-
포장지내 유통 기한 인쇄 검사
-
캔, 병, 통조림 인쇄 및 파손 검사
-
식품 내 오염, 이물질 검사
-
-
로봇틱스 자율주행
-
AMR (Autonomous Mobile Robots)
-
위지 측정 및 동시 지도 생성 방식
-
장애물 인식(Object Detection)을 통한 경로 생성, 물체 회피, 충돌 방지
-
Segmentation을 이용한 주행 가능 지역 예측
-
강화학습기반 멀티로봇 및 장애물 회피, 이상 탐지
-
카메라 감지와 DDS 결합 센서로 실시간 공동 작업 인식
-
제품군
withAILite |
withAIProfessional |
withAIMedical |
|||
---|---|---|---|---|---|
Object-Detection | |||||
Instance Segmentation | |||||
Classification | |||||
Anomaly | |||||
Semantics Segmentation | |||||
Learning Model | Small | Large | Large | ||
Multi GPU | 1 | 2 | 2 | ||
ONNX | |||||
Optimized Inference | |||||
Multi Threading | |||||
Auto Learning | |||||
Customizing | |||||
물류 / 유통 |
산업용 |
의료 / 제약 |
제품 사양
withAI Lite
withAI Professional
구분 | 최소 사양 | 권장 사양 | |
---|---|---|---|
Train PC | CPU | Intel i7 이상 | Intel i7 이상 |
RAM | 16GB | 32GB | |
CUDA Compute Capability | 3.5 | 3.5 | |
GPU | Geforce RTX 4070 (12GB 이상) | Geforce RTX 4090 (24GB 이상) | |
OS | Windows 10 x64, Windows 11 x64 | ||
Inference PC | CPU | Intel i7 이상 | Intel i7 이상 |
RAM | 16GB 이상 | 32GB 이상 | |
GPU | Geforce RTX 4070 (12GB 이상) | Geforce RTX 4080 (16GB 이상) | |
OS | Windows 10 x64, Windows 11 x64 | ||
개발 환경 | Visual Studio 2017 이상 |
withAI Medical
구분 | 최소 사양 | 권장 사양 | |
---|---|---|---|
Train PC | CPU | Intel i7 이상 | |
RAM | 32GB | ||
CUDA Compute Capability | 3.5 | ||
GPU | GeForce RTX 4090 (24GB 이상) | ||
OS | Windows 10 x64, Windows 11 x64 | ||
Inference PC | CPU | Intel i7 이상 | Intel i7 이상 |
RAM | 16GB 이상 | 32GB 이상 | |
GPU | Geforce RTX 4070 (12GB 이상) | Geforce RTX 4080 (16GB 이상) | |
OS | Windows 10 x64, Windows 11 x64 | ||
개발 환경 | Visual Studio 2017 이상 |