Semiautomatic dimensional screening of plastic scintillator cubes using image analysis and robotics

이 논문은 미래 중성미자 검출기에 사용될 1cm³ 플라스틱 섬광체 큐브의 치수, 표면 결함, 광섬유 구멍 위치 등을 정밀하게 측정하고 분류하여 대규모 입자 물리 검출기의 품질 관리를 자동화하는 반자동 시스템 개발 및 검증을 보고합니다.

핵심

이 논문은 거대한 입자 물리 실험을 위해 필요한 **수백만 개의 작은 플라스틱 큐브 (스칸틸레이터)**를 빠르고 정확하게 검사하는 새로운 시스템을 개발한 이야기입니다. 마치 거대한 퍼즐을 맞추기 전에, 한 장 한 장의 퍼즐 조각이 완벽하게 맞는지 확인하는 작업이라고 생각하시면 됩니다.

이 복잡한 내용을 일상적인 비유로 쉽게 설명해 드릴게요.

1. 왜 이런 일이 필요할까요? (배경)

미래의 중성미자 실험 (예: 슈퍼 FGD) 에는 1cm 크기의 플라스틱 큐브가 약 200 만 개나 쌓여 있습니다. 이 큐브들 사이로 아주 가는 광섬유 (WLS 섬유) 를 통과시켜 빛을 감지해야 합니다.

• 비유: 200 만 개의 큐브를 3 차원 격자로 쌓아 올린다고 상상해 보세요. 이때 각 큐브에 뚫린 구멍의 위치가 조금이라도 어긋나면, 200 만 개가 쌓이면서 그 오차가 누적되어 광섬유가 구멍에 들어가지 못하게 됩니다.
• 문제: 예전에는 이 작업을 사람이 수동으로 했습니다. 스테인리스 막대를 구멍에 꽂아보고 "아, 좀 빡빡하네? 이건 버려야겠다"라고 눈대중으로 판단했습니다. 하지만 이는 시간이 너무 오래 걸리고 (큐브 하나당 16 초 이상), 사람마다 판단 기준이 달라서 일관성이 없었습니다.

2. 첫 번째 시도: "스마트 카메라 로봇" (프로토타입)

연구진은 이 문제를 해결하기 위해 카메라 6 대와 회전하는 무대, 그리고 로봇 팔을 활용한 자동화 시스템을 만들었습니다.

• 작동 원리:

  1. 사람이 큐브를 무대에 올려놓고 버튼을 누릅니다.
  2. 무대가 45 도씩 두 번 돌아서 큐브의 6 면을 모두 보여줍니다.
  3. 카메라 6 대가 큐브의 크기, 표면의 튀어나온 부분, 그리고 구멍의 위치를 정밀하게 찍습니다.
  4. **컴퓨터 (이미지 분석)**가 "이 구멍은 너무 왼쪽으로 치우쳤네?"라고 계산합니다.
  5. 판단 결과에 따라 큐브는 자동으로 '양품' 상자에 떨어지거나 '불량품' 상자로 분류됩니다.

• 성과: 이 시스템은 사람이 하는 것보다 3 배 더 빠르고 (큐브당 6 초), 눈으로 보기 힘든 10 마이크로미터 (머리카락 굵기의 1/10) 단위의 오차까지 잡아냈습니다. 사람이 수동으로 검사한 결과와 80% 이상 일치했습니다.

3. 두 번째 시도: "구멍 위치별 분류 로봇" (완성형)

하지만 첫 번째 시스템에는 큰 문제가 있었습니다. "구멍 위치가 조금만 어긋나도 불량으로 치부해서 20% 가량을 버리게 되었다"는 점입니다.

• 핵심 통찰: 연구진은 깨달았습니다. "구멍이 왼쪽으로 0.1mm 치우친 큐브들끼리 모아서 쌓으면, 광섬유가 들어갈 수 있지 않을까?"라고요. 즉, 완벽한 정중앙이 아니라, 서로 비슷한 오차를 가진 큐브끼리 그룹을 지으면 쓸모가 있다는 것입니다.

• 해결책: 6 축 로봇 팔 도입

  • 기존 시스템은 큐브를 떨어뜨려서 분류했기 때문에 큐브의 방향을 알 수 없었습니다.
  • 하지만 6 축 로봇 팔을 도입하자, 큐브를 잡아서 (진공 흡착) 원하는 상자에 정확한 방향을 유지한 채 넣을 수 있게 되었습니다.
  • 이제 큐브는 단순히 '양품/불량'으로 나누는 게 아니라, 구멍이 치우친 방향과 정도에 따라 48 개의 그룹으로 세밀하게 분류됩니다.

4. 최종 결과

이 새로운 시스템으로 약 6,500 개의 큐브를 테스트한 결과:

• 불량률이 20% 에서 3.1% 로 대폭 감소했습니다. (버려지는 큐브가 확 줄어든 셈입니다!)
• 로봇이 큐브를 잡아서 분류하는 과정이 매우 안정적이었습니다.
• 향후 로봇 팔 두 개를 쓰면 사람이 큐브를 올리는 작업까지 자동화되어 완전 무인 시스템이 될 수 있습니다.

요약

이 논문은 **"거대한 입자 실험을 위해 수백만 개의 작은 블록을 검사할 때, 단순히 '나쁜 것'을 버리는 게 아니라, '비슷한 특징'을 가진 것끼리 지혜롭게 그룹화하여 로봇과 카메라가 자동으로 분류하는 시스템"**을 개발했다는 것을 보여줍니다.

이는 마치 수천 개의 퍼즐 조각을 분류할 때, 모양이 완벽하지 않아도 조각끼리 잘 맞는 그룹을 찾아내어 전체 그림을 완성하는 똑똑한 자동화 기술이라고 할 수 있습니다. 이 기술은 앞으로 더 크고 복잡한 과학 실험을 위해 필수적인 품질 관리의 새로운 표준이 될 것입니다.

기술 요약

1. 문제 제기 (Problem)

• 배경: 현대 입자 물리 실험 (예: T2K 실험의 SuperFGD) 은 수백만 개의 정밀 부품으로 구성됩니다. 특히 1cm³ 크기의 플라스틱 섬광체 큐브 195 만 개 이상을 3 차원 격자로 조립할 때, 각 큐브의 치수 오차와 구멍 (WLS 광섬유 삽입용) 의 위치 편차가 누적되면 광섬유 삽입이 불가능하거나 광학 품질이 저하될 수 있습니다.
• 기존 방식의 한계: SuperFGD 의 경우, 기존에 러시아에서 수행된 수동 선별 방식 (스테인리스 강봉을 구멍에 삽입하여 저항을 확인하는 방식) 은 다음과 같은 문제가 있었습니다.
  • 시간 소모: 큐브 1 개당 16 초 이상 소요 (15x15 큐브 배치당 1 시간 이상).
  • 정량성 부족: 삽입 저항에 대한 주관적 판단에 의존하여 재현성이 낮음.
  • 효율성: 수백만 개의 큐브를 처리하는 대규모 검사는 인력과 시간이 과도하게 요구됨.
• 목표: 수동 방식보다 빠르고 정량적이며 정밀한 자동화된 품질 관리 (QC) 시스템 개발.

2. 방법론 (Methodology)

논문의 연구는 프로토타입 시스템과 완성된 시스템 (로봇 암 도입) 두 단계로 진행되었습니다.

A. 프로토타입 시스템 (카메라 및 회전 스테이지 기반)

• 하드웨어 구성:
  • 광학계: 6 개의 8 메가픽셀 USB 카메라, 2 배 텔레콘버터 렌즈, 링형 LED 조명 (3 방향 조명으로 그림자 최소화).
  • 기계적 구조: 8 개의 플랫폼이 장착된 5 상 스테핑 모터 구동 회전 스테이지. 큐브는 플랫폼의 경사로 인해 중력에 의해 자연스럽게 정렬됨.
  • 제어: PC, Arduino, 서보 모터 (분류 밸브 제어).
• 작동 원리:
  1. 큐브를 플랫폼에 수동으로 배치.
  2. 회전 스테이지가 45 도씩 회전하여 Imaging Point 1 과 2 에서 6 면의 이미지를 촬영.
  3. 이미지 분석을 통해 치수, 돌출부, 구멍 위치 측정.
  4. 결과에 따라 서보 모터가 제어하는 밸브를 통해 '양품', '재검사', '불량'으로 분류.
• 영상 분석 알고리즘 (OpenCV 기반):
  • 전처리: 노이즈 제거 (가우시안 필터), 이진화.
  • 형태 인식: 컨투어 (Contour) 추출, Hough Transform 을 이용한 직선 (큐브 가장자리) 과 원 (구멍) 검출.
  • 보정: 조명 불균일 및 정렬 오차 보정을 위해 16 개의 큐브를 이용한 캘리브레이션 수행 (선형 피팅).
  • 측정 항목: 구멍 위치 ($x, y$), 큐브 크기 ($L_x, L_y$), 표면 돌출부 지수 ($P_{bump}$).

B. 완성된 시스템 (6 축 로봇 암 도입)

• 도입 동기: 프로토타입에서 구멍 위치 편차로 인해 약 20% 의 큐브가 '불량'으로 분류됨. 그러나 편차가 유사한 방향으로 발생한 큐브들을 그룹화하면 광섬유 삽입이 가능하므로, 단순 폐기가 아닌 세분화된 그룹 분류가 필요함.
• 핵심 변경 사항:
  • 로봇 암 도입: 서보 밸브 대신 6 축 로봇 암 (UFACTORY xArm 6) 과 진공 그리퍼 사용.
  • 방향 유지: 큐브가 떨어지기 전에 로봇 암이 픽업하여 촬영 시의 방향 (Orientation) 을 유지한 채 분류함.
  • 고급 분류: 3 면 (X, Y, Z) 의 구멍 위치를 기반으로 48 개의 그룹으로 세분화 (3 방향 $\times$ 48 그룹).
  • 자동화: 로봇 암이 플랫폼에 큐브를 적재하는 과정까지 자동화 가능.

3. 주요 기여 (Key Contributions)

1. 정밀한 비접촉 측정 시스템 개발: 10 $\mu$m 의 측정 정밀도를 달성하고, 조명 및 기계적 오차를 보정하는 알고리즘을 제안.
2. 지능형 분류 전략: 단순 '합격/불합격'을 넘어, 구멍 위치 편차를 활용한 48 개 그룹 분류 시스템을 구축하여 불필요한 폐기율을 획기적으로 낮춤.
3. 로봇 공학 적용: 영상 분석 결과를 실시간으로 로봇 제어에 반영하여 큐브의 방향을 유지하면서 정밀하게 분류하는 하이브리드 시스템 구현.
4. 확장성 증명: 대규모 입자 검출기 (SuperFGD 및 향후 DUNE 등) 에 적용 가능한 확장 가능한 품질 관리 프로세스 제시.

4. 결과 (Results)

• 측정 정밀도: 프로토타입 시스템의 측정 재현성 (표준 편차) 은 10 $\mu$m으로, 기존 캘리퍼 측정 (30 $\mu$m 이상) 보다 우수함.
• 수동 검사와의 일치도: 수동으로 선별된 395 개 큐브 (양품 154 개, 불량 241 개) 를 테스트한 결과, 80% 이상의 일치율을 보임.
• 불량률 개선:
  • 프로토타입 (단순 합격/불합격): 약 20% 불량률.
  • 완성된 시스템 (48 개 그룹 분류): **3.1%**로 불량률이 크게 감소.
• 처리 속도:
  • 프로토타입: 큐브당 약 6 초 (수동 방식의 1/3).
  • 완성된 시스템 (로봇 암 포함): 큐브당 약 15 초 (수동 방식인 16 초보다 빠름).
• 안정성: 6,500 개 이상의 큐브 테스트에서 로봇 암의 그리핑 및 분류 실패는 거의 없었으며, 광섬유 삽입 허용 오차 (500 $\mu$m) 내의 그룹 분포를 확인함.

5. 의의 (Significance)

이 연구는 대규모 입자 물리 실험에서 필수적인 수백만 개의 부품에 대한 품질 관리를 정량적, 자동화, 고평정밀하게 수행할 수 있는 새로운 패러다임을 제시했습니다.

• 비용 및 시간 절감: 수동 검사의 인력 및 시간 비용을 획기적으로 줄였습니다.
• 자원 최적화: 단순히 '불량'으로 폐기되던 부품들을 정밀한 그룹 분류를 통해 재사용 가능하게 만들어 실험 비용 절감과 자원 효율성을 높였습니다.
• 미래 적용 가능성: T2K 의 SuperFGD 뿐만 아니라 DUNE 등 차세대 대규모 중성미자 검출기 및 기타 정밀 부품이 필요한 산업 전반에 적용 가능한 확장 가능한 솔루션을 제공합니다.

결론적으로, 이 논문은 컴퓨터 비전, 정밀 기계 공학, 로봇 공학을 융합하여 대규모 과학 장비 제조의 핵심 병목 현상이었던 품질 관리 문제를 성공적으로 해결한 사례입니다.