전통적 비전검사와 딥러닝 기반 검사 쉽게 결합    

 

 

 

코그넥스(www.cognex.com)는 전기차 배터리의 품질 보장 및 수명 연장을 위한 제조 공정 자동화에 적용할 수 있는 딥러닝 기반 머신비전 솔루션을 제안했다. 

전기 자동차의 핵심이라 할 수 있는 리튬이온배터리는 제한된 공간 속에서 최고의 효율을 내야 하므로 부피당 높은 용량을 가져야 하고, 주행 중에 전달되는 충격을 견뎌야 할 뿐만 아니라 저온 및 고온도 버틸 수 있는 안정성과 내구성을 지녀야 한다. 잘못된 배터리 셀 하나만으로도 전체 전지 팩의 성능에 부정적인 영향이 미칠 수 있으므로 품질 제어가 제때 이루어지지 못하면 많은 불량품이 생산될 수 있다. 그래서 품질은 전체 배터리 생산 과정에서 계속해서 점검해야 하는 부분이며, 제조회사가 높은 품질을 유지하면서도 경제적으로 검사를 진행할 수 있는 효율적인 자동화 솔루션의 필요성이 대두되고 있다.

코그넥스코리아가 발표한 전기차 배터리 제조 공정 자동화를 위한 머신비전 딥러닝 솔루션은 ▶ ‘캡 용접 검사’와 ‘배터리 셀 사출 씰 용접 검사’를 위한 코그넥스 딥러닝 기반 ‘인사이트 비디(In-Sight ViDi) 분류 및 결함 감지 툴’, ▶ ‘셀 표면 검사‘를 위한 코그넥스의 딥러닝 기반 스마트 카메라 ‘인사이트(In-Sight) D900’, ▶ ‘파우치 표면 검사‘를 위한 코그넥스의 딥러닝 기반 이미지 분석 소프트웨어 ‘비전프로비디(VisionPro ViDi)’, ▶ ‘측면 및 상단 패널 용접 검사’ 진행을 위한 코그넥스 ‘인사이트 비디(In-Sight ViDi) 결함 감지 및 세그먼테이션 툴’ 등이다. 
 

잘못 제조된 배터리 셀은 효율이 떨어져 전체적인 배터리 팩의 수명을 줄어들게 하며, 셀 사이에 불균일한 부하를 형성해 배터리 관리를 어렵게 만든다. 그리고 셀 제조 과정에서 발생한 오류는 모듈과 팩으로 통합된 이후에는 해결하기 어렵기 때문에 셀을 배터리 모듈 또는 단일 셀로 사용하기 전에 먼저 캡 용접 결과를 테스트하고 확인해야 한다. 하지만 기존의 비전 시스템으로는 용접된 캡의 외관과 기능적으로 크게 차이가 나는 종류를 분리하기가 거의 불가능하다는 문제를 안고 있었다. 

 

 

코그넥스는 딥러닝 소프트웨어 ‘인사이트 비디(In-Sight ViDi) 결함 감지 및 분류 툴’로 광범위한 용접 종류를 시스템이 학습하여 개체나 용접 종류와 상관없이 결함 유형을 정확하게 분류하고 구분할 수 있게 했다. 이를 통해 배터리 전체 기능 및 수명 보장을 위한 ‘캡 용접 검사’와 ‘배터리 셀 사출 씰 용접 검사’의 정확성을 높여준다. 

배터리 셀의 상단 캡을 용접하고 검사를 진행한 후에는 액상 전해질을 채우고 충전 구멍을 용접하여 밀봉한다. 충전 및 밀봉된 셀을 전기로 테스트하여 모듈에 셀이 설치되기 전 문제 유무를 파악할 수는 있지만, 이 방법을 완전히 신뢰할 수는 없는 것이 문제다. 이에 사출 씰 검사에도 코그넥스의 ‘인사이트 비디 결함 감지 및 분류 툴’ 사용이 적합하다. 

 

 

용접을 마친 후 배터리 셀은 내구성이 우수한 보호 코팅으로 처리된다. 하지만 코팅 아래의 기포와 포함물, 코팅으로 인한 긁힘, 부적절한 코팅 등과 같은 결함이 존재할 수 있으며 이러한 셀이 배터리 모듈에 빽빽하게 패킹될 경우 누전이나 과열이 발생할 수도 있다. 배터리 셀 코팅 품질을 확인할 때에는 기능에 영향을 주지 않는 사소한 얼룩이나 외관상의 가벼운 긁힘이 있는 코팅의 누락을 최소화하는 것이 중요하다.

 

 

코그넥스는 딥러닝 기반 산업용 머신비전 스마트 카메라 ‘인사이트(In-Sight) D900’을 이용해 배터리 셀 표면에 대한 검사를 제안하고 있다. 공정 라인에 PC를 추가로 설치하지 않아도 사용 가능하며, 내장된 인사이트 비디 소프트웨어가 별도의 프로그래밍이 필요 없는 인터페이스를 제공하기 때문에 전문 지식이 없는 일반 공정 담당자도 쉽게 사용할 수 있다. 인사이트 D900은 빛 반사와 같이 자연스럽게 발생하는 변형을 고려해 허용 범위 내의 표면을 식별해 통과시키고 허용할 수 없는 결함이 있는 표면을 표시한다.

 

 

 

파우치형 배터리 표면 검사 솔루션 

파우치형 배터리 셀은 가스 제거 공정 중 불규칙한 형태로 생성된다. 파우치의 복잡한 표면 텍스처로 인해 혼동되는 배경이 형성되어 주름, 기체 방울, 기타 결함이 잘 보이지 않을 수도 있다. 셀 파우치의 형태는 파우치마다 크게 달라질 수 있기 때문에 모든 결함을 직접적으로 검색하는 작업은 매우 복잡하고 많은 시간이 소요된다.

 

 

 

코그넥스는 공장 자동화 전용으로 개발된 딥러닝 기반 이미지 분석 소프트웨어인 ‘비전프로비디(VisionPro ViDi)’를 통한 이미지 학습으로 기체 방울이나 주름 같은 결함을 식별한다. 비전프로비디는 구축하기 쉬운 하나의 인터페이스에 육안 검사의 정교함과 유연성 그리고 컴퓨터 시스템의 기능과 반복성, 신뢰성을 모두 결합한 시스템으로 결함에 해당되지 않는 자연적인 변형을 포함한 파우치 표면의 정상 모습을 학습하고, 정상적 외형에서 벗어난 모든 특징을 비정상으로 분류하는 방법으로 광범위한 결함 이미지 없이도 높은 신뢰성과 일관성으로 모든 비정상적인 요소들을 감지할 수 있다.

 

측면 및 상단 패널 용접 검사 솔루션   

파우치나 원통형이 아닌 각형 배터리 셀 제조 시에는 전극 시트 주위에 직사각형 케이스를 용접하고, 이어 상단 패널을 용접한다. 배터리의 사용 중 가열과 냉각이 반복되기 때문에 뚜껑은 셀의 팽창과 수축을 대비해 어느 정도 여유가 있어야 하며 이는 각형 셀의 모양이 공간의 효율성 문제로 조밀하게 배치될 수 있기 때문에 특히 중요한 고려 사항이다. 그래서 배터리 셀을 모듈에 설치하기 전 측면 패널과 상단 패널 용접부에 결함이 없는지 검사하는 것이 중요하다.

각 셀에서 용접부의 적절한 평가는 배터리 전체의 기능과 수명을 보장하는 핵심 요소이기 때문에, 코그넥스는 2D 및 3D 비전 시스템과 딥러닝 기술을 결합함으로써 하나의 기술만을 사용할 때보다 훨씬 더 많은 잠재적인 결함 유형을 감지할 수 있도록 한다. 코그넥스 ‘인사이트 비디 결함 감지 및 세그먼테이션 툴’은 다양한 종류의 용접 이미지를 트레이닝하고 학습해 외관만으로 기능상의 결함을 정확히 분류하고 구분할 수 있다.

 

 

코그넥스코리아의 문응진 대표는 “개별 배터리 셀은 배터리 모듈 그리고 마지막으로 전지 팩으로 조립되어 전기 자동차에 장착되는데, 배터리 조립 시에는 모든 생산 및 출처 관련 데이터를 완벽하게 추적해야만 모든 구성 요소의 품질을 보장할 수 있다”면서, “이에 코그넥스는 전기차 배터리 셀 생산의 첫 공정부터 최종 제품의 출하에 이르기까지 모든 과정에서의 품질 보증을 위해 비전검사 장비를 도입해 불량률을 수시로 점검하고 있으며, 딥러닝을 기반으로 한 비전 센서, 핸드 스캐너, 소프트웨어가 통합된 카메라 및 관련 용품과 조명 등을 제공하고 모든 솔루션을 하나로 통합해 제조 공정 자동화를 위한 요구를 정확하게 충족시키고 있다”고 말했다.