스마트팩토리 고도화 속 하드웨어 비용 장벽…뉴로클 'VLM·Edge AI' 해법 제시

[프라임경제] 제조업 전반에 걸쳐 불량률 감소와 무인화를 위한 스마트팩토리 전환이 가속화되고 있다. 하지만 현장에서는 여전히 고성능 그래픽카드(GPU) 등 천문학적인 설비 비용과 복잡한 AI 모델 개발 프로세스가 진입 장벽으로 꼽히고 있다. 

특히 정형화되지 않은 부품을 판별하고 미세한 불량을 걸러내기 위해선 숙련된 인력의 반복적인 데이터 작업이 수반돼 효율 개선에 한계가 있었다.

중소기업중앙회가 지난해 10월 발표한 'AI 도입 의견조사'에 따르면 중소제조업계가 AI 도입이 가장 시급한 분야로 '머신비전을 활용한 불량 검출·원인분석(33.9%)'을 꼽을 만큼 수요가 높았다. 

반면 스마트공장 운영 기업의 44.2%가 'AI 기술 도입을 위한 초기 비용'을, 20.5%가 'AI 기술을 다룰 전문 인력의 부족'문제를 호소했다. 이에 대해 68.9%는 AI 도입을 위해 1억원 이하만 투자할 의향이 있다고 답했다. 실질적인 고도화에 한계가 있다는 의미기도 하다.

이같은 문제를 해결하기 위해 AI 딥러닝 비전검사 소프트웨어 기업 뉴로클(대표 이홍석)은 오토딥러닝 비전검사 소프트웨어 ‘Neuro-T(뉴로티)’와 런타임 라이브러리 'Neuro-R(뉴로알)'의 신규 5.0 버전을 선보였다. 

지난 7년간 제조 현장에서 축적한 기술력을 바탕으로, AI 모델 구축부터 실제 라인 적용까지의 비용·시간을 획기적으로 낮춘 것이 핵심이다.   

가장 눈에 띄는 변화는 데이터 준비 단계의 효율화다. 뉴로클은 비전언어모델(VLM) 기반의 'Prompt Labeler(프롬프트 레이블러)'를 도입해 텍스트나 이미지 프롬프트 입력만으로 원하는 대상을 지정할 수 있게 했다. 이를 통해 언어나 단순 사진으로 정의하기 까다롭던 복잡한 검사 객체도 직관적이고 빠르게 라벨링할 수 있도록 지원한다.   

로봇 기반 자동화 공정의 정밀도를 끌어올리기 위한 'Oriented Object Detection(회전 객체 검출)' 모델도 새롭게 탑재됐다. 기존 단순 수평 사각 박스 검출과 달리 객체의 기울기와 회전 방향까지 인식, 부품이 불규칙하게 흩어져 있는 로봇 피킹, 조립, 정렬(얼라인먼트) 검사 공정 등에서 오차를 줄였다.   

하드웨어 부담 완화와 구동 속도 개선에도 공을 들였다. 자체 엔진 최적화를 통해 주요 모델의 학습 시간은 최대 79%, 추론 시간은 최대 28% 줄였으며, 여러 GPU에 작업을 분산시키는 'Multi-GPU 동시 학습' 기능을 강화했다.   

특히 Neuro-R 5.0은 인텔의 추론 최적화 툴킷인 'OpenVINO'와 연동돼 인텔 CPU, 내장 GPU(iGPU), NPU 등 다양한 칩셋 환경을 폭넓게 지원한다. 고성능 외장 GPU에 대한 높은 의존도를 낮춰, 공간적·비용적 한계로 AI 비전검사 도입을 망설이던 중소 제조 현장에도 실질적인 대안을 마련했다는 평가다.   

아울러 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 Score 등 핵심 성능 지표를 한눈에 볼 수 있도록 개편된 'Result Tab'을 지원해, 개발자가 데이터에 근거해 손쉽게 모델 저하 요인을 파악하고 성능을 보완할 수 있도록 했다.   

이홍석 뉴로클 대표는 "현장 적용 과정에서 고객들이 마주하는 실제적인 병목 현상을 해소하는 데 집중했다"며 "단순한 기능 확장을 넘어 제조 현장의 실질적인 요구에 부응하는 기술 혁신으로 산업 현장의 검사 표준을 선도해 나갈 것"이라고 말했다.