0. 목차
- '머신비전'이란?
- '머신비전' 산업의 특성
- '3D 머신비전'의 핵심기술
- AI를 활용한 머신비전 개발 트렌드
- '3D 머신비전' 관련 기업
1. '머신비전'이란?
'머신비전(Machin Vision)'은 일반적으로 산업에서 '자동 검사(Automatic Inspection)', '공정 제어(Process Control)', '로봇 제어(Robot Control)' 분야에 대한 이미지 기반 검사·분석에 사용되는 기술이다. 소프트웨어와 하드웨어의 조합으로 이루어져, 여러 산업에서 생산 제품의 품질 관리를 위해 적용된다. 구체적으로 '머신비전(Machin Vision)'은 '카메라(Camera)', '렌즈(Lens)', '조명' 등 하드웨어를 통해 제품의 이미지를 획득한 후, 수행 작업의 목적에 따라 소프트웨어를 통해 '이미지 분석(Image Analysis)'과 검사를 수행하며, 주로 제조 분야에서 최종 제품의 품질과 불량을 검사하기 위해 사용되고 있다.
1-1. AI를 이용한 머신비전
'3D 머신비전(3D Machine Vision)' 기술은 '머신러닝(Machine Learning)', '딥러닝(Deep Learning)', '사물인터넷(IoT: Internet of Things)', '빅데이터(Big Data)', '클라우드(Cloud)', '5G' 등 '정보통신기술(ICT: Information & Communication Technology)'과 융합되면서 한 단계 더 발전하고 있다. '인공지능(AI)'으로 머신비전은 전통적인 '컴퓨터 비전(Computer Vision)'을 보완하고 학습을 통해 수용 가능한 변형과 결함을 구별하기 시작하면서, 기존 머신비전의 패러다임을 바꾸고 있다.
'딥러닝(Deep Learning)'을 이용한 '이미지 분석(Image Analysis)'은 첨단 알고리즘을 기반으로 신뢰할 수 있는 이미지 분석 기능이다. '딥러닝'을 이용한 이미지 분석은 기존 머신비전 기술의 복잡한 배경에서 비정형적인 불량을 검출하고, 변형이 많은 복잡한 패턴을 정확하게 인식할 수 없다는 문제를 해결하고 있다. '딥러닝(Deep Learning)'은 인간의 뇌구조를 묘사한 '뉴럴 네트워크(Neural Network)'에 기반한 학습기술로 '알파고(Alpha Go)'를 시작으로 대중에게 널리 인식되며 매우 다양한 분야에 활용·연구·개발되고 있다. '3D 머신비전(3D Machine Vision)' 분야 역시 이러한 '딥러닝(Deep Learning)' 기술을 접목해 사용자의 판단을 최소화한 신뢰성 있는 검사 기술 개발에 집중하고 있다.
1-2. 2D에서 3D로 확장된 머신비전
'머신비전(Machine Vision)'은 2D의 한계를 극복하고자 점차 3D로 진화하고 있다. 기존 산업 현장에서는 2D 머신비전 기술을 사용해 컨베이어 벨트 상의 '부품 추적', '제품 간의 간격 측정'을 비롯해 '생산 양산성을 개선'하고 '품질을 향상'시키고 있는 경우가 대부분이었다. 하지만 최근 증가하는 고객의 요구와 치열한 글로벌 시장 경쟁에 대응하기 위해서는 '3D 머신비전(3D Machine Vision)'을 통해 새로운 차원의 생산성 향상이 요구된다.
'3D 머신비전(3D Machine Vision)'은 '카메라(Camera)', '레이저 스캐너(Laser Scanner)' 등 광학 센서를 활용해 영상 기반 대상의 3차원 형상 정보에 대한 데이터를 수집·분석하는 기술이다. '3D 머신비전'은 물체를 촬영하는 과정에서 영상뿐만 아니라, 높이나 깊이 정보 등을 이용해 3차원 정보를 획득하는 방식이다. 이에 따라 획득 정보의 데이터가 많으며, 기존 '2D 머신비전'에 비해 시스템 복잡도가 높아진다. 하지만 대상의 입체적인 3차원 형상 정보를 사용할 수 있으므로, 기존의 2D 머신비전에 비해 검사의 종류가 다양하다. 따라서 '검사 기준' 및 '품목' 등을 높일 수 있는 장점이 있다.
2. '머신비전' 산업의 특성
'스마트 카메라(Smart Camera)'와 같은 머신비전의 하드웨어 기술의 발전으로 머신비전 시장 범위가 점차 확대되고 있는 추세이다. '제품의 품질 검사·공정 자동화에 대한 필요성 증가', '비전 가이드 로봇 시스템에 대한 수요 증가', '특정 용도의 머신비전에 대한 수요 증가' 등에 의해 머신비전 시장이 성장하고 있다. '3D 머신비전' 산업의 특징은 총 4자리로 요약할 수 있다.
- 국내 시장 수요가 높은 산업: 3D 머신비전은 해당 시스템의 도입이 가장 활발히 발생되는 '반도체', '전자', '자동차' 등의 대규모 제조 분야 전방 산업이 국내 시장에 기형성되어 있다. 따라서 '3D 머신비전'은 국내 시장 수요가 높은 산업에 해당된다.
- 기술 집약적 산업: 저전력·경량화를 위한 '첨단 하드웨어 제조 기술', '고용량 데이터의 실시간 처리를 위한 '영상 처리 기술', '딥러닝', '인공지능'과 같은 데이터 처리 알고리즘 등 첨단 기술에 대한 의존도가 높은 기술 집약적 산업이다.
- 구매자 교섭력이 높은 산업: 머신비전의 적용이 필요한 현장 별로 최적화된 맞춤형 솔루션을 제공해야 하며, 기존 현장의 생산성을 저해하지 않기 위한 요구 사항을 만족해야 하는 등 구매자 교섭력이 높은 산업에 해당한다.
- 높은 수익 창출이 가능한 고부가가치 산업: 적용된 기술 수준에 따라 수행할 수 있는 작업의 난이도가 크게 달라지며, 충분한 기술력이 확보되는 경우 높은 수익 창출이 가능한 고부가가치 산업으로 볼 수 있다.
3. '3D 머신비전'의 핵심기술
'3D 머신비전(3D Machine Vision)'의 핵심 기술로는 '영상 처리 기술(Image Processing Technology)', '딥러닝(Deep Learning)', '저전력 기술(Low Power Technology)'을 꼽을 수 있다. 이러한 '영상처리 기술', '딥러닝 기술', '저전력 기술'은 '스마트 제조(Smart Manufacturing)' 실현과 '소프트웨어 기술'에 맞춰 지속적으로 발전하고 있다.
- 영상 처리 기술(Image Processing Technology): '영상 처리 기술'은 컴퓨터를 이용하여 영상을 생성·처리·분석·인시하는 영상과 관련된 모든 분야의 기술을 뜻한다. 3D 머신비전 기술의 첫 단계이다.
- 딥러닝 기술(Deep Learning Technology): '딥러닝'은 산업 자동화 및 스마트 제조에서 머신비전의 역할을 혁신 시키고 있다.
- 저전력 기술(Low Power Technology): '저전력 기술'은 머신비전의 데이터 처리를 위한 에너지를 감소시키고 빠르고 효율적인 소프트웨어를 위해 '3D 머신비전'에서 중요한 역할을 한다.
3-1. 영상 처리 기술
'3D 영상 처리 기술(3D Image Processing Technology)'은 기존의 '머신비전 시스템(Machine Vision System)' 개발의 연장선 상에서 지속적으로 발전하고 있다. 지금까지 다양한 구성요소의 시스템 가용성이 급진적으로 증가했으며, 이러한 구성요소들은 '로봇 가이드', '고속 영상 촬영', '표면 프로파일링'과 같은 특정 애플리케이션 기반을 목표로 더욱 정교해지고 있다. '3D 머신비전 시스템'을 통해 원하는 기능을 구현하기 위해서는 '카메라 시스템'으로부터 획득한 대상의 영상 및 형상 데이터로부터 사용자가 원하는 특성을 추출하는 과정이 필요하다. 사용자가 원하는 목적에 따라 동일한 하드웨어 구성에서도, 서로 다른 '영상 처리 기술'을 적용함으로써 전혀 다른 목적의 '머신비전 시스템(Machine Vision System)' 구성이 가능하다.
'영상 처리 기술(Image Processing Technology)'에는 기본적으로 '이미지 합성·변형', '영역 분할', '문자 인식' 등의 '영상 분석 알고리즘(Image Analysis Algorithm)'과, 깊이 데이터 분석을 위한 '데이터 클러스터링 알고리즘(Data Clustering Algorithm)'이 활용되고 있다. 추가적으로 '영상 처리 기술'은 '평활화', '잡음 제거', '엣지 검출' 등 필요 없는 데이터를 제거하거나, 필요한 데이터를 기술하는 기술이 있다. 개선된 데이터에서 '점', '영역', '형태' 등을 분석하고 추출하는 과정을 거쳐 다양한 정보들과 사전 지식을 통해 영상을 인식하고 이해하는 과정을 거친다. 이러한 '영상 처리 기술'은 다양한 분야에 응용 가능하며, '스마트 제조(Smart Manufacturing)'에서 '3D 머신비전'에 접목시켜 '제품 검사', '불량 검출', '생산라인 모니터링' 등을 제공할 수 있다.
'3D 머신비전(3D Machine Vision)'에 사용되는 '영상 처리 기술'은 각 머신비전의 제조사 별로 자사의 머신비전 운용을 위해 자체 소프트웨어로 제작되며, 독립적으로 제공하는 것이 일반적이다. 이러한 '3D 머신비전 소프트웨어'는 대상의 영상과 형상 정보에 대한 편리한 분석을 위해 사용되며, 대상물의 '위치 탐색', '치수 측정', '결함 검사', '정보 인식' 등의 작업을 수행할 수 있다. 또한 적용 분야에 따라 로봇과 같은 '기계 제어(Machine Control)' 기능과 결합하기도 한다. 최근 해당 업계에서는 로봇 제조업체와 연계하여, 실제 산업 현장에서의 작업과 연계할 수 있는 '제어 기능'을 포함해 '자율화 로봇 솔루션 패키지(Autonomous Robotics Solution Package)'를 공급하는 사례가 증가하고 있다.
3-2. 딥러닝(Deep Learning)
'딥러닝(Deep Learning)'은 '산업 자동화' 및 '스마트 제조'에서 '머신비전(Machine Vision)'의 역할을 혁신시키고 있다. '딥러닝'과 '머신비전'의 통합으로 '머신비전 시스템'은 제조 현장에서 다양한 상황에 자율적으로 적응할 수 있다. 이는 이전의 비용 효율성이 떨어지는 소프트웨어의 운영 효율성을 개선하고, 검사 프로세스를 가속화하며 생산성을 향상시켜 머신비전의 가치를 크게 개선하고 있다. '딥러닝' 기술을 이용하면 '룰 기반 알고리즘'으로 프로그래밍하기 어려운 비전 응용 소프트웨어를 해결하고, 복잡한 표면 질감과 부품 외간의 변형이나 이상을 처리하며, 핵심 네트워크를 다시 프로그래밍하지 않고도 새로운 예제에 적응할 수 있다. 이 기술은 기존 '머신비전 시스템'과 비교할 때 판단 기반의 '부품 위치', '검사', '분류', '문자 인식' 문제를 효과적으로 처리한다.
'딥러닝(Deep Learning)'은 여러 비선형 기법의 조합을 통해, 높은 수준의 추상화를 시도하는 학습 알고리즘의 집합으로 정의된다. 큰 의미에서는 사람의 사고방식을 컴퓨터에게 가르치는 '기계학습(Machine Learning)'의 한 분야이다. '딥러닝'에서는 컴퓨터 모델이 직접 '이미지(Image)', '텍스트(Text)', '사운드(Sound)'로부터 분류 작업 방법을 학습하여, 경우에 따라 사람의 인지능력을 뛰어넘는 높은 수준의 정확도에 도달하는 것이 가능하다. 따라서 '딥러닝'으로 제품 결함에 대한 데이터를 수집하고 입력함으로써, 자체적으로 학습하고 개선하는 시스템을 통해 '3D 머신비전'의 정확도와 검사 프로세스의 오류를 크게 감소시킬 수 있다.
일례로 '코그네스(Cognex)' 사의 '딥러닝(Deep Learning)'을 접목시킨 '머신비전 시스템(Machine Vision System)'의 경우, 대상 특징이 표시된 이미지에 대한 딥러닝 기반 데이터 학습을 통해, 하나의 이미지에서 하나 또는 여러 개의 특징을 찾아 위치를 파악할 수 있다. 또한 '노이즈가 많은 배경에 있는 심각하게 변형된 문자', '여러 개의 복잡한 물체' 등 특징이 복잡한 개체에서도 주석이 있는 이미지를 인식하는 방식을 통해 위치를 찾아 식별할 수 있다.
한편, '딥러닝' 적용 시 '빅데이터 처리' 및 '응용 프로세스'의 복잡도로 인해, 머신비전 용량 증가 및 효율성 저하 문제가 나타날 수 있다. 따라서 실시간 처리가 필요한 머신비전에서는 더 적은 연산량으로 '추론'과 '결과 도출'이 가능하도록 딥러닝 경량화 기술이 요구된다. 이러한 '딥러닝 경량화'는 모델 구조를 변형하거나, 효율적인 '합성곱(Convolution)' 필터를 생성하고, 경량 모델을 자동으로 탐색하는 기술 등 다양한 방법으로 연구되고 있다.
3-3. 저전력 기술
'머신비전'에서 '딥러닝'을 활용한 '영상 처리 기술'을 제공하기 위해서는 에너지를 효율적으로 사용하는 '저전력 기술'이 필요하다. '머신비전이 창출하는 가치'는 '영상 처리를 위해 사용하는 비용'보다 커야 한다. 따라서 머신비전에 딥러닝 활용이 경제성을 가지기 위해서는 저전력 기술을 통해 에너지를 효율적으로 사용해야 한다. 나아가 '머신비전'은 산업 현장에 설치되고 지속적이고 반복적인 작업환경에서 이용되는 것이 일반적이므로, 효율적인 '전원 관리 기술'이 요구된다. 즉, 소비자가 '머신비전'을 통해 '스마트 제조(Smart Manufacturing)'와 같은 생산 자동화를 실현하기 위해서는 머신비전의 '저전력 기술', '효율적인 전력 관리 기술'을 통해 '올웨이즈온(Always-On)' 기기로서의 성능 향상이 필요하다. 이를 위해 '소프트웨어적인 접근'과 더불어 '하드웨어적인 개선'이 요구된다.
4. AI를 활용한 머신비전 개발 트렌드
4-2. 제조업에서의'3D 머신비전'
최근 제조 분야의 핵심 트렌드는 '스마트 제조(Smart Manufacturing)'이다. '스마트 제조(Smart Manufacturing)'은 제품의 설계, 개발, 양산, 유통, 물류 등 제품 생산을 위한 전 공정에서 정보통신기술을 적용하여, '생산성', '품질', '고객만족도'를 높이는 지능형 생산체계를 의미한다. 따라서 기계와 시각을 접목시켜 인력 의존적인 다양한 작업들을 기계가 처리하도록 자동화하는 '3D 머신비전(3D Machine Vision)' 기술은 '스마트 제조(Smart Manufacturing)' 시대에 핵심적인 요소 기술이라고 할 수 있다. 특히 '3D 머신비전(3D Machine Vision)'에 '로봇(Robot)', '컨트롤러(Controller)', '컴퓨터 지원설계(CAD: Computer-Aided Design)' 등 기술들이 결합하는 경우, 제조업 분야의 본질을 변화시키는 '스마트 제조'의 시대는 더욱 가속화될 것으로 예상된다.
최근 제조업 현장에서는 '머신비전(Machine Vision)'과 '딥러닝(Deep Learning)'을 활용한 공정들이 빠르게 개발되고 있으며, 일부 산업에서는 이미 이러한 기술을 적용하여 제품을 생산 중에 있다. 기계의 눈이라고 할 수 있는 머신비전 기술은 주로 제조 라인에서 부품의 결함이나 불량을 검출하는데 활용되고 있다. 이러한 제품·품질 검사 공정은 제조공정 중 자동화가 가장 늦게 이루어진 영역이긴 하나, 최근 머신비전, 특히 3D 머신비전의 발달과 함께 급속도로 자동화되고 있다.
특히 최근 개발 트렌드는 기존 '센서(Sensor)'와 '머신비전 시스템(Machine Vison System)'에 '인공지능(AI)' 기술을 접목하는 방향이다. 이를 통해 보다 정확하고 신속하게 제품의 결함과 불량을 검출할 수 있도록 한다. '머신비전 시스템'에 '딥러닝'과 '3D 기술'이 통합된 '3D 머신비전'은 기존 머신비전의 단점을 개선하고 컴퓨터와 카메라로 검사 가능한 범위를 확장시켜 4차 산업혁명 시대에 그 활용도를 넓히고 있다. 기존 공정 설비는 이미 입력된 정형화된 프로세서만을 가지기 때문에, 제품은 동일한 형태로 항상 정렬되어 있어야 한다. 또한 제품의 결합과 불량을 검출하는 요소는 미리 지정된 단순한 그레이 픽셀 기준 값으로 한정되었다. 그러나 4차 산업혁명 시대는 '스마트 제조'를 선두로 '공장 상황' 및 '제품 변화'에 따라 능동적인 공장 설비 제어기술을 요구한다. 제품의 정량과 형상에 상관없이 로봇은 제품을 인식해 Pick & Place를 수행해야 하며, 그레이 픽셀 기준 값으로 한정된 값이 아닌 불량의 다양한 원인에 따라 기술자의 경험을 바탕으로 불량 선별을 요구한다. 이에 많은 머신비전 업체들이 '3D 시스템 · 딥러닝 기반 이미지 분석 소프트웨어', '협업 로봇과의 연동 소프트웨어' 개발에 집중하고 있다.
4-2. 비제조업에서의 '3D 머신비전'
나아가, 이러한 '인공지능(AI)'과 접목한 '3D 머신비전' 기술은 '레이저 스캐닝(Laser Scanning)', '구조광 카메라(Structured Light Camera)' 등 관련 산업의 하드웨어 기술의 발전과 더불어 '로봇 제어기술'과 결합하여, '자율 작업 로봇 솔루션'의 출시 및 수요 증대로 이어질 것으로 전망된다.
현재 딥러닝이 적용된 머신비전은 '전통적인 PCB 기판', '전기', '전자', '자동차' 분야와 같이 첨단 정밀 소재와, 제품을 이루는 핵심 부품에 대한 '외관 검사'에 주로 사용되고 있다. 하지만 점차적으로 사람이 장기간 검사하기 어려운 '라벨 품질 검사', '광학 문자 판독(OCR: Optical Character Reader)', '바코드 판독' 등에도 활용되고 있는 추세이다. 이에 따라 일반적인 '제조업' 이외에도 '식음료', '헬스케어', '우편 분류', '교통' 등 비제조업의 광범위한 영역까지 그 활동 반경을 넓히고 있다.
5. '3D 머신비전' 관련 기업
'3D 머신비전' 시장에 참여하고 있는 해외의 주요 업체로는 '코그넥스(Cognex)'를 비롯하여, 'SICK', 'Keyence', 'Basler AG' 등이 있으며, 우수한 기술력을 바탕으로 고가 제품 시장을 선점하고 있다. 국내 '3D 머신비전' 시장의 경우, 대기업보다 중소기업의 참여가 활발한 것으로 보인다. 이들 업체들은 해외 대기업과 기술 제휴 및 자체 연구개발을 통해 '3D 머신비전'에 대한 기술 경쟁력을 강화하고 있다.
5-1. 코그넥스(Cognex)
- 국적: 미국
- 설립: 1981년
'코그넥스(Cognex)'는 자동화 프로세스를 위한 '머신비전 시스템(Machine Vision System)', '소프트웨어(Software)', '센서(Sensor)', '표면 검사 시스템', '산업용 ID 리더' 등을 제조·판매하며, 딥러닝 기반의 산업용 머신비전 분야에서 세계적인 선도 기업이다. '3D 머신비전' 주요 제품은 구조광 카메라 '3D-A5000' 시리즈나, 레이저 스캐닝 시스템 'In-Sight', 'DS1000', 'DSMax' 등이 있다.
'코그넥스'는 2019년 10월에 한국의 딥러닝 기반 '인공지능 스타트업 '수아랩(SUALAB)'을 인수하여 기술경쟁력을 강화하였다. 코그넥스는 이 인수로 수아랩 엔지니어링 팀을 포함한 전체 조직과 '지적재산권(IP)'을 획득하게 되었다. '수아랩(SUALAB)'은 2013년 '송기영' 대표 등 서울대 출신 AI 연구자들이 모여 만든 소프트웨어 솔루션 기업이다. 2017년 AI 딥러닝 기반 '수아키트(SuaKit)'를 개발해 상용화했다. '수아키트'는 컴퓨터가 사람처럼 사물을 인지하는 머신비전과 기계에 학습을 시키는 딥러닝을 융합한 플랫폼이다.
2020년 4월에는 '코그넥스 데이터맨 475V'를 출시하여, 생산속도 저하 없이 코드 인쇄 품질이 '국제표준화기구(ISO: International Standard Organization)'의 평가 표준을 준수할 수 있도록 검증 기능을 구현하는 등 그 기술력을 과시하고 있다. 2020년에는 가격 경쟁력을 구비한, 산업용에서 사용되는 딥러닝 기반 스마트 카메라 'In-Sight D900'를 출시하였다.
5-2. 바슬러(Basler AG)
- 국적: 미국
- 설립: 1988년
'바슬러(Basler AG)'는 '머신비전 솔루션(Machine Vision Solution)' 업체로, '대량 생산 검사용 디지털 카메라 구성요소', '컬러 및 흑백 라인 스캔', '영역 스캔', '디지털 카메라' 등을 제조·판매 중이다. 2016년부터 '3D 머신비전' 관련 제품을 생산하고 있으며 'ToF(Time of Flight)' 기반의 'Basler Blaze'와 'Basler ToF' 카메라 등이 있다.
5-3. 키엔스(Keyence)
- 국적: 일본
- 설립: 1974년
'키엔스(Keyence)'는 '공장 자동화용 센서', '계측기' 생산 업체아며, '정밀제어 계측' 전문 업체이다. '머신비전용 카메라'에서부터 '조명', '렌즈', '머신비전 시스템 데이터베이스'에 이르기까지 머신비전과 관련된 모든 제품을 판매 중이다. 주요 제품으로는 '3D Vision' 시리즈로 '3D 머신비전 솔루션(3D Machine Vision Solution)'과 3D 머신비전 기반 로봇제어 '3D VGR' 시리즈 제품 등을 모유하고 있다. '스마트 제조(Smart Manufacturing)'의 변화 물결에 따라 불량분석 센서의 수요가 증가하고 있어, 이에 따른 매출이 증가하고 있는 것으로 파악된다.
5-4. SICK
- 국적: 독일
- 설립: 1946년
'SICK'은 센서 솔루션 전문 업체이며, '구조광(Structured Light)', '레이저 스캐닝(Laser Scanning)', 'ToF(Time of Flight)' 등 거의 모든 방식의 3D 머신비전 솔루션을 취급하고 있다. 'SICK'의 주요 제품은 'Visionary-B', 'PLR', 'Ruller', 'Ranger' 등이 있다. 2019년에는 'Vsionary T'라는 3D 머신비전용 카메라를 출시하여, 머신비전 어플리케이션 관련 시장에도 진출하였다. 2020년에는 기존 안전 스캐너 중 가장 크기가 작고, 지능형 알고리즘을 사용해 물체 식별을 용이하게 한 NanoScan3를 출시하였다.
5-5. 앤비젼(Envision)
- 국적: 한국
- 설립: 2003년
'앤비젼(Envision)'은 비전 검사 솔루션 제공 업체로, 머신비전과 관련된 제품과 엔지니어링 컨설팅 및 기술 지원 서비스를 제공하고 있다. '앤비젼'의 판매 제품은 제조 산업에서 '형상 및 결함 추적'과 '표면 검사', '색상 검사' 등에 사용된다. 한편, 2017년 9월에는 기술경쟁력 확보를 위해 품질관리 및 검사 측정을 위한 '고정밀 광학 센서'를 설계 제조하는 핀란드의 '포칼스펙(Focalspec)'과 협력 관계를 맺었다.
5-6. 다트비젼
- 국적: 한국
- 설립: 1997년
'다트비전(Datvision)'은 '반도체(Semiconductor)', '디스플레이(Display)', '모바일(Mobile)' 및 제조업과 다양한 분야에서 '머신비전 솔루션(Machine Vision Solution)'을 공급하고 있으며, 머신비전 관련 제품을 생산하는 기업이다. PC 비전과 스마트 카메라의 장점을 통해 '스마트 임베디드 비전 솔루션'을 출시하였다. 주요 제품은 임베디드 비전 개발용 키트 'Basler dart BCON for MIPI 카메라 키트'와 산업용 초분광 카메라 'SPECIM FX 10' 등이 있다. Basler의 3D 카메라 제품 라인을 수입하여 판매하고 있다.
5-7. 화인스텍(Fainstec)
- 국적: 한국
- 설립: 2009년
'화인스텍(Fainstec)'은 '반도체', '전기 전자 분야', '자동차' 생산에 사용되는 '머신비전 시스템(Machine Vision System)'의 '카메라(Camera)', '렌즈(Lens)', '프레임 그래버(Frame Grabber)' 등을 취급하는 기업이다. '프레임 그래버(Frame Grabber)'는 '텔레비전(TV)', 'CCD 카메라' 등과 같은 영상 매체를 통해 나타나는 아날로그 영상 신호를 샘플당 정의된 비트로 디지털화하여 개인용 컴퓨터가 처리할 수 있는 신호로 바꾸어 주는 영상장비이다.
2021년 기준, 일본의 카메라 전문 기업 '센테크(SENTECH)', 덴마크의 '자이(JAI)', 미국의 '플리어(FLIR)' 등 15개의 머신비전 기업 제품의 수입 및 대리 판매를 진행 중이다.
5-8. 라온피플
- 국적: 한국
- 설립: 2010년
'라온피플(LaonPeople)'은 인공지능 기반 머신비전 전문 회사로, AI 머신비전 사업에서 하드웨어 및 소프트웨어 인공지능 솔루션을 국내 독자 기술로 개발 및 상용화하였다. '3D 카메라/스캐너', '열화상 카메라' 등 다양한 카메라 및 부속 제품 관련 사업을 영위 중이다. 2020년 2월에는 'AEEDE-Dubai2020' 전시회 참가로 'AI 덴탈 솔루션(AI Dental Solution)'으로 덴탈 사업을 본격화하였다. 해당 솔루션은 두부 이미지 분석에 필요한 랜드마크를 자동화하여 교정 시뮬레이션을 나타내고 교정 진단을 가능케 하는 분석 소프트웨어이다.
5-9. 브이원텍(V-ONE TECH)
- 국적: 한국
- 설립: 2006년
'브이원텍(V-ONE TECH)'은 '비전 제어' 및 '화상처리 알고리즘' 노하우를 활용하여 각 생산라인에 최적화된 비전 검사 장비를 개발하는 업체이다. 주요 개발품으로는 디스플레이 조립라인에 사용되는 '중형 POL 검사기', '3.5 Sec COG 본더', '고속 압흔 검사기', '대형 TAB/PCB 본더 비전 시스템', 'BLU 검사기', '3D POL 부착 및 검사 비전 시스템', 'LCD/OLED 압흔 검사기' 등이 있다. 또 '이차전지의 검사 시스템', '미세먼지 측정기' 등의 연구개발을 통해 사업을 다각화하고 있다.