많은 제조업체는 인공시각기술인 머신비젼 기술을 도입하여 그동안 진행해왔던 전통적 관능 결함 검사 방법에 발생되는 휴먼에러 및 검사 효율성을 개선하고자 한다. 하지만 비젼 기술은 기대와 달리 검사 제품의 종류와 검출 대상, 검사 방법, 환경적인 요소에 따라 적용이 쉽지 않은 것이 사실이다. 또한 기존 관습에서 탈피하여 새로운 것을 도입한다는 것은 제품 품질에 큰 리스크를 초례 할 수 있는 부분이다. 이러한 문제점들을 극복하고 도입한 사례를 소개하고자 한다. 육안검사는 작업자의 신체상태나 작업자간 능력에 따라 검출력 및 검사속도 등이 달라져 검사 품질의 일관성을 유지하기에는 어려움이 있다. 특히 Plastic Pellet 제품 검사의 경우 검출하고자 하는 이물을 미크론 단위의 크기, 색상 별 구분 검사하는 것은 머신비젼 기술 도입에서도 쉽지 않아 광학계(카메라와 조명) 선정이 매우 중요하다. 카메라의 경우도 최소 이물의 크기를 3픽셀이상 표현이 되는 고해상도 카메라와 렌즈가 필요하며, 조명도 다양한 이미지를 추출하기 위해 각도 별, 조명 종류별로 선정해야 하며, 특히 색상 검사를 위해서는 발색이 정확히 발현될 수 있게 연색지수도 고려해야 한다. 이러한 여러 요소를 고려하여 개발된 머신비젼기술 장비를 검증한 결과 육안 검사보다 약 3배 이상 높은 검출력 및 현저한 검사 오차 감소도 확인되었으며, 검사 시간도 40% 이상 단축 효과를 확인하였다. 이러한 데이터를 가지고 시범 운영을 거쳐 현장 설치가 가능하였다. 향후 이러한 머신비젼 기술에 딥러닝 기술을 추가하여 비정형화된 제품 검사도 가능할 수 있도록 기술 개발예정이며, 자동 검사 장비로 수집된 여러 데이터를 활용하여 검사 프로세스를 개선시키면 품질 검사에 큰 도움이 될 것으로 예상된다.