Automatic Defect Detection and Intelligent Grading System for University Ceramics Integrating Computer Vision

도자 공예의 세계에서, 가공되지 않은 흙이 완성된 빛나는 접시나 타일로 변모하는 과정은 열과 화학의 섬세한 춤과 같습니다. 마지막 단계인 소성(firing)은 재료를 변화시키지만, 동시에 지속적인 적 또한 불러옵니다. 바로 표면 결함입니다. 미세한 균열, 갇힌 기포, 또는 미묘한 색상의 변화는 작품을 망쳐놓을 수 있으며, 잠재적인 걸작을 폐기물로 만들어 버립니다. 수 세기 동안 이러한 결함을 잡아내는 유일한 방법은 인간의 눈이었습니다. 숙련된 검사원은 머리카락처럼 가늘거나 바늘구멍처럼 작은 결함을 찾기 위해 표면을 훑습니다. 그러나 이 방식은 느리고, 피로를 유발하며, 오류가 발생하기 쉽습니다. 피로가 쌓이면 눈은 아주 미세한 디테일을 놓치게 되고, 무엇을 '결함'으로 간주할지에 대한 판단은 사람마다 달라질 수 있습니다. 학생들과 연구원들이 독특하고 예술적이거나 실험적인 소량의 도자기를 제작하는 대학 실험실에서는 이러한 도전 과제들이 더욱 증폭됩니다. 작품들은 종종 단 하나뿐인 형태이며, 생산량은 매우 적고, 교육과 연구를 안내하기 위한 정밀하고 반복 가능한 데이터에 대한 필요성은 매우 높습니다.

이 지점에서 고대 기술과 현대 기술의 교차점이 새로운 길을 제시합니다. 경덕진 도자기 대학교(Jingdezhen Ceramic University)의 연구진은 이 도자기 조각들을 위해 지칠 줄 모르고 초집중하는 관찰자 역할을 하는 시스템을 개발했습니다. 특수 카메라와 고급 인공지능을 결합함으로써, 그들은 인간의 눈이 흔히 놓치는 것을 보고 각 작품의 품질을 수학적 일관성을 가지고 등급화하는 방법을 만들어냈습니다. 목표는 예술가를 대체하는 것이 아니라, 반복적이고 중대한 검사 작업을 처리할 수 있는 신뢰할 수 있는 도구를 제공하여, 인간 전문가들이 창의적이고 교육적인 측면에 집중할 수 있도록 자유를 주는 것이었습니다. 그 결과, 보이지 않는 것을 보고, 셀 수 없는 것을 세며, 소량 생산 학술 환경에서 품질 관리가 이루어지는 방식을 변화시키는 속도와 정확도로 결정을 내리는 시스템이 탄생했습니다.

여정은 카메라 자체로부터 시작됩니다. 카메라는 독특한 과제에 직면해 있는데, 도자기를 아름답게 만드는 바로 그 요소인 반짝이는 유리 같은 유약이 검사를 어렵게 만드는 원인이 되기 때문입니다. 빛이 광택이 나는 표면에 닿으면 빛이 반사되어 눈부신 눈부심(glare)을 일으키며, 이는 시스템이 찾아내고자 하는 균열이나 기포를 가려버리곤 합니다. 이를 해결하기 위해 연구진은 특수한 조명 설계를 고안했습니다. 그들은 빛의 파동이 단일 방향으로 진동하는 특수한 편광광을 내보내는 링 형태의 조명을 사용했습니다. 이 빛이 매끄럽고 빛나는 유약에 닿으면 방향이 변하지 않은 채 그대로 반사됩니다. 하지만 빛이 균열이나 기포 같은 결함에 부딪히면, 빛은 산란되고 방향을 잃습니다. 카메라 앞에 필터를 배치하여 변화 없는 눈부신 반사광은 차단하고 결함으로부터 산란된 빛만 통과하게 함으로써, 시스템은 결함이 배경 위로 선명하게 두드러지는 높은 대비의 이미지를 만들어냅니다. 이는 마치 태양의 눈부심을 차단하면서도 그 아래의 지형지물을 볼 수 있게 해주는 선글라스를 쓰는 것과 같습니다.

카메라가 이 선명한 이미지를 포착하면, 컴퓨터는 이를 정돈해야 합니다. 컨베이어 벨트의 진동이나 가마 주변의 공기 흐름으로 인해 이미지가 약간 흐릿하거나 왜곡될 수 있습니다. 시스템은 결함의 날카로운 가장자리를 뭉개뜨리지 않으면서 무작위적인 노이즈를 매끄럽게 만드는 정교한 디지털 필터를 사용합니다. 그런 다음, 시스템은 유약 질감의 규칙적이고 반복적인 패턴과 결함의 불규칙하고 혼란스러운 패턴을 분리하는 방식으로 이미지를 분석합니다. 이를 통해 컴퓨터는 도자기의 자연스러운 결을 무시하고 오로지 결함에만 집중할 수 있습니다. 그 결과, 다음 단계인 인공지능을 위한 깨끗하고 향상된 이미지가 준비됩니다.

시스템의 핵심은 패턴을 인식하도록 훈련된 컴퓨터 프로그램인 딥러닝 모델입니다. 연구진은 이미지를 거의 즉각적으로 탐지할 수 있는 "You Only Look Once(YOLO)"라고 불리는 강력한 아키텍처를 선택했습니다. 그러나 표준 버전의 YOLO는 일부 기포의 아주 작은 크기나 균열의 복잡한 형태와 같은 도자기 특유의 과제들로 인해 어려움을 겪었습니다. 이를 해결하기 위해 연구진은 컴퓨터가 인간이 특정 지점에 시선을 집중하는 것처럼 이미지의 가장 중요한 부분에 집중할 수 있도록 돕는 특별한 '어텐션 메커니즘(attention mechanism)'을 추가했습니다. 또한 모델이 다양한 스케일에서 이미지를 보는 방식을 최적화하여, 아주 작은 핀홀을 긴 톱니 모양의 균열만큼 쉽게 찾아낼 수 있도록 했습니다.

이러한 시스템을 훈련시키는 데 있어 큰 장애물은 데이터의 부족입니다. 대학 실험실에서는 한 번에 수십 점의 작품만을 생산할 수 있고, 결함은 드물게 나타납니다. 이는 컴퓨터가 학습할 수 있는 균열이나 기포의 사례가 매우 적음을 의미합니다. 이를 극복하기 위해 연구진은 생성형 인공지능 도구를 사용하여 수천 개의 사실적인 합성 결함 이미지를 생성했습니다. 이것들은 단순한 무작위 그림이 아닙니다. 실제 결함처럼 보이고 행동하는 고충실도의 시뮬레이션된 균열과 기포이며, 훈련 데이터의 공백을 메워줍니다. 이를 통해 시스템은 실제 실험실에서 생산된 결함 있는 조각이 적음에도 불구하고, 방대한 사례 라이브러리로부터 학습할 수 있었습니다.

시스템이 결함을 식별하면, 이제 그것이 얼마나 심각한지 결정해야 합니다. 여기서 '등급 매기기(grading)' 개념이 등장합니다. 단순히 "결함 발견"이라고 말하는 대신, 시스템은 결함의 크기, 모양, 위치를 기반으로 심각도 점수를 계산합니다. 길고 가는 균열은 작고 둥근 기포와 다르게 취급됩니다. 시스템은 '동적 임계값(dynamic threshold)'을 사용하는데, 이는 검사 중인 도자기 배치의 특성에 따라 기준을 조정한다는 것을 의미합니다. 원재료가 바뀌거나 소성 조건이 약간 변하더라도 시스템은 무엇이 허용 가능한지에 대한 정의를 재조정하여, 외부 변화와 상관없이 공정하고 일관된 등급을 유지합니다. 이러한 동적 접근 방식은 조건이 변할 때 실수를 유발하기 쉬운 고정된 규칙보다 훨씬 더 정확하다는 것이 입증되었습니다.

전체 과정은 순식간에 일어납니다. 시스템은 분당 약 30개의 조각이 이동하는 속도의 컨베이어 벨트에서 테스트되었는데, 이는 대학 실험실에서는 감당할 수 있는 속도이지만 인간 검사자가 장시간 높은 정확도를 유지하며 수행하기에는 불가능한 속도입니다. 연구진은 평평한 타일, 식기류, 심지어 양각 패턴이 있는 저부조 예술품을 포함한 360개의 서로 다른 조각을 대상으로 시스템을 테스트했습니다. 결과는 놀라웠습니다. 시스템은 거의 90%의 정확도로 결함을 탐지하여, 가시적인 결함의 약 12%를 놓쳤던 인간 검사사의 성능을 크게 앞질렀습니다. 자동화된 시스템은 미탐지율을 3% 미만으로 낮추었습니다. 또한, 결함 유형을 분류하고 세 명의 독립적인 전문가 합의와 일치하는 91% 이상의 정확도로 등급을 부여할 수 있었습니다.

시스템은 실험실의 실제 현장에서도 그 가치를 입증했습니다. 시스템은 조각들을 검사할 뿐만 아니라 데이터를 중앙 컴퓨터로 전송하는 워크플로우에 통합되었습니다. 이 데이터는 결함이 정확히 어디에서 얼마나 자주 발생하는지를 보여주는 보고서를 생성하는 데 사용되었습니다. 이 데이터를 분석함으로써 연구진은 숨겨진 패턴을 발견할 수 있었습니다. 가마의 가열 속도가 최종 제품에 나타나는 기포의 수와 직접적으로 연결되어 있다는 사실이었습니다. 이 통찰력을 통해 연구진은 소성 과정을 조정할 수 있었고, 이후 배치에서 기포 발생을 거의 3분의 1 가까이 줄였습니다. 검사와 공정 개선의 이 폐쇄 루프(closed loop)가 바로 이 시스템의 진정한 힘입니다. 시스템은 단순히 나쁜 조각을 찾아내는 것에 그치지 않고, 그러한 조각이 만들어지는 것을 방지하는 데 도움을 줍니다.

물론 이 2D 비전 시스템이 할 수 있는 일에는 한계가 있습니다. 도자기 조각이 깊은 홈이나 융기된 패턴이 있는 복잡한 3차원 형태를 가진 경우, 시스템은 때때로 어려움을 겪습니다. 융기된 부분에 의해 생기는 그림자가 카메라에는 균열처럼 보일 수 있어, 이러한 예술적 작품들에 대해서는 정확도가 약간 낮아집니다. 연구진은 이를 인정하며, 향후 버전에서는 3D 스캐닝 기술을 사용하여 모퉁이 너머와 그림자 속까지 볼 수 있게 함으로써 가장 복잡한 형태까지 아우를 수 있을 것이라고 제안합니다. 그러나 현재로서는, 이 시스템이 대학 도자 분야의 중대한 도약을 의미합니다. 이는 학술 및 예술적 생산의 특징인 소규모의 다양하고 고품질인 배치를 정밀도와 속도를 갖추어 다룰 수 있는 방법을 제공합니다.

결국, 이 작업은 단순히 균열을 잡아내는 것 이상의 의미를 갖습니다. 이는 미래의 도구를 수용하면서도 공예의 온전함을 보존하는 것에 관한 것입니다. 지루하고 오류가 발생하기 쉬운 검사 작업을 자동화함으로써, 시스템은 대학 실험실의 인간 전문가들이 그들이 가장 잘하는 일, 즉 가르치고, 창조하며, 흙과 불로 가능한 한계를 넓히는 일에 집중할 수 있도록 해줍니다. 기술는 예술가를 대체하는 것이 아니라, 예술가를 지원하며, 최종 제품이 그것을 만든 비전만큼 완벽하도록 보장합니다. 이 시스템은 특수 광학, 고급 인공지능, 그리고 재료에 대한 깊은 이해를 결합하여 수 세기 동안 도공들을 괴롭혀온 문제를 해결하는 힘을 보여주는 증거입니다.