이상 탐지 모델은 "정상 부품은 이렇게 생겼다"를 배웁니다. 그런데 정상 부품이 매번 다른 각도로 찍히면, 모델이 배워야 할 '정상'의 범위가 회전한 모든 모습으로 넓어집니다. 범위가 넓어질수록 작은 결함은 그 안에 묻힙니다. 정렬은 이 문제를 촬영 직후에 없앱니다.
원형 부품 — Ring 정렬
밴드, 링, 베어링처럼 둥근 부품은 다음 순서로 정렬합니다. Multi-Inspector의 rotation-fix 모드가 이 방식입니다.
- 중심 찾기 — 원 검출(Hough Circle)이나 윤곽에 원을 맞춰(circle fitting) 부품의 중심을 구합니다.
- 방향 찾기 — 원은 돌려도 똑같아 보이므로, 탭이나 귀(ear)처럼 한 곳에만 있는 특징의 각도를 찾습니다.
- 회전·이동 — 중심을 화면 중앙으로, 특징을 12시 방향으로 옮깁니다.
임의 형상 — Shape(PCA) 정렬
시트벨트 버클처럼 둥글지 않은 부품은 원을 찾을 수 없습니다. 이때는 부품 영역의 이미지 모멘트로 자세를 구합니다.
- 1차 모멘트(무게중심) — 부품의 위치.
- 2차 모멘트(주축) — 부품이 가장 길게 뻗은 방향. 주성분 분석(PCA)과 같은 계산입니다.
- 3차 모멘트(비대칭도) — 주축만으로는 앞뒤가 180° 뒤집혀도 구분이 안 됩니다. 질량이 더 쏠린 쪽을 앞으로 정해 이 모호함을 없앱니다.
자세한 계산과 설정은 기술 노트 원형이 아닌 부품을 정렬하는 법에 있습니다. 방향은 필요 없고 위치만 맞추면 되는 경우에는 Center-Only 정렬을 씁니다.
정렬 후 판정 — yolo_align
Multi-Inspector EB 라인 빌드는 v2.2부터 yolo_align 모드를 지원합니다. 부품을 정렬·중앙 정렬한 뒤 YOLO로 결함을 찾습니다. 결함이 항상 비슷한 위치·방향으로 나타나므로, 같은 양의 데이터로도 탐지가 안정됩니다. 자세한 설정은 yolo_align 모드 노트를 참고하세요.
학습과 검사는 같은 정렬을 써야 한다
정렬은 학습할 때 한 번, 현장에서 검사할 때 또 한 번 실행됩니다. 두 정렬이 조금만 달라도 모델은 학습 때와 다른 영상을 받습니다. 그래서 fineAi Image Processing Tool에서 만든 정렬 설정을 Multi-Inspector가 그대로 가져다 씁니다. 데이터를 준비한 정렬과 라인에서 돌아가는 정렬이 같은 결과를 냅니다.
실패에 대비하기
정렬은 영상에서 특징을 찾는 과정이라 실패할 수 있습니다. 부품이 반쯤 잘려 찍혔거나 조명이 순간적으로 흔들린 경우입니다. Multi-Inspector는 정렬에 실패하면 원본 영상으로 판정을 계속하고 로그를 남깁니다. 정렬 오류 때문에 라인이 멈추지 않으며, 실패한 영상은 나중에 모아 원인을 분석할 수 있습니다.
언제 정렬을 쓰지 않는가
- 부품이 지그에 고정되어 항상 같은 자리에 찍히면, 정렬 없이도 충분합니다.
- 형상이 일정하지 않은 대상(식품, 농산물 등)은 정렬 기준을 정하기 어렵습니다. 이때는 위치 변화에 강한 모델(AnomalyDINO 등)이나 정렬 없는 YOLO가 맞습니다. 이상 탐지 알고리즘 선택 강의를 참고하세요.