[마이셀] 대체가죽(균사 피혁) 품질 검사를 위한 AI 솔루션 개발

with (주)마이셀, 성균관대학교 DXLab l 23. 05 - 23. 12

안녕하세요, 시각 인공지능 솔루션으로 제조 현장의 디지털 전환을 이끄는 파이미디어랩입니다.

오늘은 친환경 신소재의 미래로 주목받는 '균사체 기반 대체가죽(비건 레더)' 의 품질 검사 자동화 프로젝트를 소개해 드립니다. 중소기업기술정보진흥원의 산학연 Collabo R&D 사업 일환으로 (주)마이셀의 양산 공정을 대상으로 진행되었으며, 성균관대학교 DXLab과 협력하여 육안검사에 의존하던 비정형 가죽 소재의 품질 관리에 AI를 접목한 사례입니다. 비정형 유기체 품질 판별 정확도 98.15%를 공인 인증 기관(KOTCA)으로부터 검증받은 파이미디어랩의 기술력을 확인해 보세요.

---

Project Background

"육안 검사의 한계, 비정형 균사 원피의 품질을 어떻게 정량화할 것인가?"

균사체 기반 대체 가죽은 자동차 시트, 패션, 식품 등 제조 전반에서 주목받는 친환경 신소재입니다. 하지만 유기체 배양 특성상 생장 과정에서 노화, 물자국, 성장 불균형, 오염 등 매우 다양한 비정형 결함이 발생합니다. 기존의 인력 중심 육안 검사는 명확한 한계가 존재했습니다.

• 높은 오차율과 비용 손실: 균사 원피 100장 생산 시 약 10장은 정상품임에도 폐기되고, 약 8장은 불량품이지만 정상으로 판별되어 수율 저하의 주된 원인으로 작용

• 검사 기준의 비일관성: 검사자마다 판정 기준이 상이하여 품질의 객관성을 확보하기 어렵고, 검사 시간 지연(1장당 최대 30분)이 전체 공정 효율을 저하

• 데이터 자산화 부재: 수기 기록 중심의 검사 방식으로는 품질 데이터를 축적하고 인공지능 학습에 활용하는 데 한계 존재

---

Why Pai Media Lab

🔍 왜 '파이미디어랩'의 기술이었을까요?

유기체인 균사 원피는 반도체와 같은 무기체와 달리 결함 유형이 매우 다양하고 패턴이 비정형적입니다. 단순 분류 모델로는 양품과 불량을 구분하기 어려운 이 난제를, 파이미디어랩은 초고해상도 시각 AI 기술과 비정형 특화 딥러닝 알고리즘을 결합해 풀어냈습니다.

• 초고해상도 비전 인프라: 3,229만 화소급 DSLR 원격 제어 기술과 자체 제작 검사기 함체(2m × 2m)를 결합해, 1m × 1m 면적의 가죽 위에 존재하는 10mm 미만 미세 결함까지 빠짐없이 포착합니다.

• 비정형 특화 딥러닝 엔진: Mask R-CNN 기반 객체 검출 모델로 노화·오염·물자국·성장 불균형 등 5종 결함을 동시에 탐지하고, 품질 등급(A~E)을 자동 판정합니다.

• HW부터 MES까지 통합 구축: 카메라·조명 HW 설계, AI 추론 엔진, 운영 SW, MES 연동 DB까지 단일 사업자가 일원화 제공해 도입 리스크와 통합 비용을 최소화합니다.

버섯 균사체 기반 원피

균사 가죽 샘플

---

Solution

1. 균사 가죽 전용 AI 불량 탐지 모델 개발 (CAI-Inspection)

 "비정형 표면의 5가지 결함을 어떻게 정확하게 분류할까요?"

문제 :

1) 불량 유형의 모호성: 균사 가죽은 노화, 성장 불균형, 오염, 물자국 등 결함 유형이 다양하고 패턴이 비정형적이어서, 일반적인 분류 모델로는 정확하게 식별하기 어려웠습니다.

해결 :

1) 클라우드 기반 AI 추론 엔진: TorchServe를 활용한 클라우드 배포 구조를 설계해, 검사기 운영 PC에서 API를 호출하면 실시간으로 5종(aging, imbalance, normal, CONTAM, watermark) 클래스를 분류하고 결과를 반환합니다.

2) 공인 인증 기관 검증: 한국시험인증원(KOTCA) V&V 시험에서 시험 데이터셋 1,137장 기준 Accuracy 98.15%, F1-Score 96.81% 의 성능을 공식 인증받았습니다.

시스템 구성도

KOTCA 시험 성적서

Solution

2. 고해상도 스트리밍 검사 인프라 구축

 "최대 1m × 1m 크기의 가죽을 어떻게 빠짐없이 촬영하고 분석할까요?"

문제: 

1) 대형 비정형 제품의 해상도 한계: 양산 제품의 최종 크기는 1m × 1m에 달하고 최소 불량 크기는 10mm 수준이어서, 일반 카메라로는 미세 결함을 빠짐없이 포착하기 어려웠습니다.

2) 실시간 분석 처리의 한계: 단순히 고해상도로 촬영하는 것만으로는 라인 속도에 맞춘 실시간 양불 판정이 사실상 불가능했습니다.

해결 :

1) 2m × 2m 검사기 함체 자체 제작: 머신비전 카메라, IR 뎁스 카메라, LED 조명을 통합한 전용 함체를 직접 설계·제작해, 왜곡 없이 초고해상도 이미지를 획득할 수 있는 환경을 마련했습니다.

2) 3,229만 화소 정밀 촬영 방식 구현: 평소에는 4K h.264 스트리밍 영상으로 실시간 모니터링하다가, 분석 시점에 3,229만 화소 정밀 촬영으로 자동 전환하는 하이브리드 방식을 적용했습니다.

3) DSLR 원격 제어 통합 SW: 품질 검사 운영 SW 안에 DSLR 카메라(Canon EOS 90D 등) 원격 제어 기능을 내장해, 클라이언트 PC에서 촬영 → AI 분석 → 결과 표출까지 일원화된 워크플로우를 완성했습니다.

하드웨어 구성도

고해상도 카메라 설비 실물

양불 판정 검사기 화면

Solution

3. 제조 실행 시스템(MES) 연동 트래킹 ID 시스템 개발

 "수많은 불량을 어떻게 추적·관리하고 생산 시스템에 반영할까요?"

문제 :

1) 불량 이력 관리 체계의 부재: 불량 단위별 식별·추적 체계가 없어, 품질 이력 분석과 개선 활동에 큰 제약이 따랐습니다.

2) 생산 관리 시스템과의 단절: 검사 결과가 MES 등 기존 생산 관리 시스템과 연동되지 않아, 데이터 활용도가 크게 떨어졌습니다.

해결 :

1) 불량 단위별 자동 ID 부여 체계: AI가 불량 확률을 수치화한 뒤 품질 레벨 및 판단 시간과 함께 데이터베이스에 자동 저장되도록 설계해, 일자별·불량 유형별로 모든 검사 이력을 추적할 수 있습니다.

2) MES 실시간 연동 DB: 검사 결과를 MES에 직접 연동해 일자별 검사 결과 화면, 품질 관리 Statistics 페이지(Production, NG Trend, Grade Score 등)에서 통합적으로 관리할 수 있도록 했습니다.

MES 연동 웹 페이지 개발 화면

MES 연동 웹 페이지 내 품질 관리 Statics 화면

Solution

4. 현장 실증 기반 학습 데이터 파이프라인 구축

 "AI의 성능을 좌우하는 학습 데이터를 어떻게 충분히 확보할까요?"

문제 :

1) 균사 가죽 전용 학습 데이터의 부재: 신소재 특성상 공개 데이터셋이 존재하지 않아, 학습용 데이터를 처음부터 직접 구축해야 했습니다.

2) 라벨링 일관성 확보의 어려움: 불량 유형 정의가 모호한 비정형 데이터의 특성상, 라벨링 결과의 일관성을 유지하는 것이 가장 큰 과제였습니다.

해결 :

1) 현장 직접 수집 + 전문가 가이드라인: 고객사인 (주)마이셀 생산 공장(용인시 기흥구)에서 원시 데이터(Raw Data)를 직접 수급하고, 검수 전문가를 통해 샘플 라벨링 가이드라인을 마련했습니다.

2) 20,424장 페어 데이터셋 확보: 양품/불량 이미지(JPG)와 불량 유형이 정의된 JSON 페어 데이터를 목표(2만 건) 대비 102% 초과 달성하여 AI 모델 학습에 활용했습니다.

학습용 이미지 클라우드 저장소

라벨링된 원천 데이터 파일

---

Achievement & Results

공인 인증 기관 검증, 5개 핵심 지표 100% 초과 달성

이번 프로젝트는 한국시험인증원(KOTCA) 의 V&V 시험을 통해 모든 정량 지표가 Pass 판정을 받았으며, 외부 전문가(인천대 컴퓨터공학부, 한양대) 검토에서도 '매우 우수' 평가를 획득한 검증된 솔루션입니다.

항목	목표 성능	달성 결과	검증 방법
AI 불량 측정 정확도	90% 이상	98.15% (Accuracy) / 96.81% (F1-Score)	공인 인증 기관(KOTCA)
AI 감지 오탐지율	200만 화소 이상	3,229만 화소 (16배 초과)	외부 전문가 검증
안전 시스템 설치	MES 연동 지원	MES DB 연동 완료	외부 전문가 검증
무선 통신 거리	2만 건 이상	20,424장 (102% 달성)	외부 전문가 검증
에너지 자립 가동	1,000ms 이내	112ms (목표 대비 89% 단축)	공인 인증 기관(KOTCA)

단순한 자동화를 넘어, 실제 현장 데이터의 지속적인 학습을 통해 완성된 파이미디어랩의 시각 지능 알고리즘은 대체 가죽의 수율을 극대화했습니다. 특히 공인인증기관(한국시험인증원)과 외부 전문가를 통해 검증된 성능은 향후 가죽뿐만 아니라 식품, 섬유 등 다양한 비정형 제품 제조 분야로의 확장을 가능하게 합니다.

---

Contact

혹시 비슷한 문제로 고민하고 계시다면

아직도 패턴이 불규칙하고 결함 유형이 다양한 비정형 제품의 품질 검사를 작업자의 육안과 경험에만 의존하고 계신가요? 파이미디어랩은 이번 마이셀 프로젝트를 통해 공개 데이터셋이 전무한 신소재 분야에서도 98% 이상의 정확도로 자동화된 품질 검사가 가능함을 공인 인증 기관을 통해 명확히 증명했습니다.

저희는 단순한 AI 모델 납품을 넘어, 데이터 수집·라벨링부터 HW 검사기 설계, AI 엔진 개발, MES 시스템 연동, 사용자 인터페이스 구현까지 All-in-one 통합 솔루션을 제공합니다.

• 비정형 제품 품질 검사: 천연 피혁, 온감 소재(면·실크), 차량 공정, 비건 식품, 제빵 발효 등 표면 패턴이 불규칙해 자동화가 어려웠던 산업

• 신소재 도입 기업: 공개 데이터가 부족해 AI 적용을 망설이고 있는 R&D 단계의 신소재 제조사

• MES 통합형 검사 시스템: 기존 생산 관리 시스템과 끊김 없이 연동되는 스마트 팩토리 솔루션이 필요한 사업장

현장의 거친 변수 속에서 검증된 파이미디어랩의 시각 지능 기술로, 귀사의 사업장을 더욱 안전하고 효율적으로 업그레이드해 보세요. 지금 바로 전문가의 상담을 통해 현장 맞춤형 기술 로드맵을 확인하실 수 있습니다.

상담 신청하기

#파이미디어랩 #대체가죽 #균사가죽 #품질검사AI #비정형데이터 #친환경신소재 #스마트팩토리 #디지털전환 #DX