코그넥스가 포장, 소비재, 식음료, 제약, 의료기기 등의 산업에서 제품 품질과 소비자 안전 보장을 위한 패키징 검사 자동화에 사용되는 딥러닝 기반 머신비전 솔루션인 ‘인사이트(In-Sight) 비전 시스템’과 이미지 기반 바코드 리더기의 활용 사례를 발표했다.

결함이 있거나 손상된 패키징은 제품 품질, 안전, 가치에 대한 유통업체와 소비자의 인식에 부정적 영향을 미쳐 제품 리콜의 원인이 될 수 있다. 특히 건강 및 안전 이슈로 인한 리콜은 기업과 브랜드 신뢰도에 큰 타격을 주며 막대한 비용을 발생시키는 치명적 문제가 된다. 만약 공급업체 단일 리콜일지라도 이는 곧 공급망 전체의 수많은 회사에 영향을 미칠 수 있는 사항이기에 제조와 유통의 전 과정에서 철저한 패키징 검사는 필수적이다.

이에 코그넥스는 딥러닝 기반 머신비전 솔루션으로 제조에 더 높은 수준의 자동화 기술을 통합해 기업이 패키징 검사를 보다 효율적으로 수행할 수 있도록 한다. 코그넥스의 머신비전, 딥러닝, 바코드 판독, 바코드 검증 기술의 조합은 제조 및 유통의 전 과정에서 1차 및 2차 패키징이 적절하게 밀봉되고, 조작된 부분 없이 올바르게 조립되었으며, 최종적으로 결함이 없음을 보장해 불필요한 재작업을 줄일 수 있고, 많은 비용이 발생하는 제품 리콜 또한 막을 수 있다.

패키징 보호 - 패키징 밀봉 검사

패키징 보호 위한 ‘패키징 밀봉 검사’

Stericycle 전문가 솔루션 리콜 지수 2018에 따르면 식음료 분야에서 발생한 제품 리콜 원인 중 가장 높은 점유율을 차지한 것은 세균오염(52%)이었다. 그러므로 제품의 멸균과 오염 방지의 최전선이라 할 수 있는 패키징 씰의 무결성을 판단하는 패키징 밀봉 검사는 최종 제품의 품질을 보장해 리콜 방지에 매우 중요한 역할을 한다. 하지만 제품 밀봉 시 발생할 수 있는 결함의 외형 변화로 인해 검사가 쉽지 않은 편이며, 기존의 룰베이스 비전 시스템으로는 검사 시 발생하는 변경 사항에 맞추어 조정하거나 씰에 문제가 생긴 이유를 분류하거나 정량화 하기 어려웠다. 이에 코그넥스는 딥러닝 기반 머신비전 솔루션을 통해 실시간으로 패키징의 외형을 달라지게 만드는 입자 크기의 변화, 대비의 변형 및 무작위 결함 등의 문제를 표시하고, 작업자나 기계가 문제를 분류할 수 있도록 지원해 이물질, 빈 공간이 있는 씰, 오염을 비롯해 제품 씰에 영향을 미칠 수 있는 수많은 문제를 안정적으로 식별할 수 있도록 했다.

라벨 및 코드 품질 보장 - 라벨 품질 검사

제품에 대한 올바른 정보를 전달하기 위한 ‘라벨 품질 검사’와 ‘알레르겐 라벨 검사
라벨에는 제품의 데이터가 포함되어 있기 때문에 제품 라벨 부착 시 결함과 오류가 없도록 보장하는 라벨 품질 검사는 원활한 제품 이력관리를 위해 매우 중요한 과정이다. 하지만 공장 컨베이어 벨트의 방향이나 제품의 곡선형 표면으로 인해 라벨 상 감지하기 어려운 결함이 많아 제조업체들은 검사에 어려움을 겪고 있었다. 이에 코그넥스는 외관 결함 감지 기술이 탑재된 머신비전 시스템을 이용해 라벨이 주름, 기포, 찢어짐 또는 기타 오류 없이 깔끔하고 정확하게 부착되었는지 검사하고, 특징 추출 기술이 탑재된 인사이트(In-Sight) 비전 시스템의 조명과 소프트웨어 알고리즘으로는 찢어지거나 뒤틀린 라벨 등의 오류와 결함까지도 모두 포착할 수 있도록 제품에서 3D 특징을 강화하는 고대비 이미지 생성을 지원한다.

라벨 및 코드 품질 보장 - 알레르겐 라벨 검사

제조업체는 땅콩, 대두, 우유, 달걀, 조개류, 견과류, 밀 등의 일반적인 알레르겐(알레르기 유발 물질)이 표시된 라벨을 제품에 부착하고 유통의 전 과정을 추적해야 한다. 만약 해당 내용이 라벨에 올바르게 표시되지 않을 경우, 곧바로 소비자 건강을 위협해 막대한 비용과 브랜드 평판을 손상하는 리콜을 야기할 수 있다. 코그넥스의 인사이트(In-Sight) 비전 시스템은 탑재된 패턴 매칭 기술을 활용하여 포장, 용기, 기타 품목에서 알레르겐 라벨의 유무와 더불어 올바른 라벨이 부착되어 있는지, 라벨이 선명히 인쇄되어 있는지 등을 철저히 검사하여 고객 안전을 보장하고 제품 리콜 가능성을 낮춘다.