딥러닝은 데이터 중심의 기술로 충분한 양의 데이터 학습을 통해 원하는 검출 성능을 얻을 수 있다. 그러나 실제 제조 공정에서는 필요한 불량 데이터를 짧은 시간에 쉽게 얻기가 힘든 것이 현실인데, 이젠 충분한 불량 데이터 없이도 불량 검출율을 높일 수 있게 됐다.
첫 번째 특허는 불량 데이터가 부족한 환경에서 주어진 불량 데이터 만으로도 학습 데이터를 추가적으로 생성하는 데이터 증강(Data Augmentation)에 관한 기술이다. 이는 제품의 불량이 발생하는 위치와 형태를 고려해 제한된 학습 데이터만으로도 딥러닝 알고리즘 학습에 필요한 충분한 양의 학습 데이터를 만들 수 있어 원하는 검사 성능을 달성할 수 있게 된다.
두 번째 특허는 많은 데이터 중에서 자기지도학습과 이상탐지 기술을 이용해 학습에 도움이 되는 데이터만을 사용함으로써 딥러닝 모델의 성능을 높일 수 있는 방법이다. 이 기술로 작업자가 모든 학습 데이터를 레이블링 작업을 할 경우에 반영될 수 있는 개인별 데이터 편향성 문제를 줄일 수 있으며, 적은 비용으로 손쉽게 고성능의 딥러닝 모델을 생성할 수 있게 된다.
트윔의 기업부설연구소장인 김재현 전무는 "고객사와 개발자 입장에서 AI 딥러닝 비전 검사를 할 때마다 고민해 왔던 부분을 기술적으로 해결하게 됐다"라며 "이번 특허 기술을 통해 고객사가 불량 데이터 제공에 대한 부담없이 AI 비전 검사 설비를 도입할 수 있도록 기여할 것"이라고 말했다.