-
휴머노이드가 물체를 잡을 때, 카메라는 무엇을 봐야 하나
휴머노이드가 물체를 조작하려면 무게·자세에 따라 동작을 실시간 조절해야 한다. 이 조절이 부정확하면 파지 실패나 낙하로 이어진다. 결국 물체 인식·자세 추정을 담당하는 비전·엣지AI 파이프라인이 정확도를 좌우한다. 전신제어·물체 조작 연구는 결국 엣지 추론 속도와 정확도…
-
물류자동화가 전공정으로 넘어갈 때, 비전 검사는 무엇이 달라지나
반도체 전공정 물류자동화(스토커·리프터·OHT)가 확대되면 반송 과정에서 소재 접촉·진동 리스크가 늘어난다. 방치하면 미세한 정렬 오차가 후공정 수율에 그대로 전이된다. 결국 물류 구간에 비전 기반 위치·상태 확인 체크포인트를 두는 것이 표준 대응이다. 물류자동화 확장 구간일수록…
-
서버에선 잘 됐는데 엣지에선 왜 정확도가 떨어지나
엣지 배포 시 정확도가 떨어지는 주된 원인은 모델이 아니라 양자화(FP32→INT8)다. 속도를 얻는 대가로 어디서 정밀도를 내주는지 클래스 단위로 확인해야 한다.
-
-
반사가 심한 표면 촬영 대응법
금속 가공면이나 광택 표면에서 반사광이 화면을 날릴 때 쓸 수 있는 다섯 가지 방법과 각각의 한계. 상황별 선택 기준과 비용을 고려한 시도 순서를 정리한다.
-
머신비전 렌즈 초점거리 계산하는 법
작동거리·시야·센서 크기 세 값으로 초점거리를 계산하는 공식과 예제. 센서 규격별 치수 표, 분해능 검토 방법, 선정 순서와 주의점까지 정리한다.
-
Jetson Orin Nano 초기 셋업에서 막히는 네 가지
Jetson Orin Nano 개발자 키트를 처음 켤 때 마주치는 문제들. DisplayPort 전용 출력, QSPI 펌웨어 불일치, SD와 NVMe 부팅 충돌, 전력 모드까지 순서대로 정리한다.
-
딥러닝 vs 룰베이스, 언제 무엇을 쓰나
비전 검사에서 딥러닝과 룰베이스 중 무엇을 고를지 판단하는 기준. 두 방식의 성격 비교와 함께 룰베이스로 충분한 경우와 딥러닝이 필요한 경우를 구체적 조건으로 정리한다.
-
머신비전 검사, 소프트웨어보다 물리가 먼저다
광학 분해능, 노출 중 이동량, 피사계심도. 이 세 가지가 확보되지 않으면 알고리즘으로는 복구할 수 없다. 검사 시스템 설계에서 물리량을 먼저 검토해야 하는 이유와 순서를 정리한다.
-
머신비전 조명 6가지 방식과 선택 기준
링·바·동축·백라이트·돔·로우앵글 여섯 가지 산업용 조명의 원리와 적합·부적합 상황을 정리하고, 검사 목적과 표면 상태에 따른 선택 기준을 표로 제시한다.
