딥 러닝 모델 패키지 추론

기능

이 스텝은 Mech-DLK에서 이미 내보낸 단일 모델 패키지를 사용하여 추론한 다음 추론 결과를 출력합니다.

모델 패키지를 통해 다음과 같은 시나리오에서 추론 작업을 수행할 수 있습니다:
텍스트 감지, 텍스트 인식, 결함 세그먼테이션, 비지도 세그먼테이션, 인스턴스 세그먼테이션, 이미지 분류, 물체 검출

  • 이 스텝에서는 Mech-DLK 2.6.1 이상 버전에서 내보낸 모델 패키지(확장명 .dlkpack)를 로드하는 것을 지원합니다.

  • 텍스트 감지, 텍스트 인식, 결함 세그먼테이션, 비지도 세그먼테이션 딥 러닝 모델 패키지는 Mech-MSR 2.1.0에서 철저히 검증되었습니다. 그 외 유형의 모델 패키지는 아직 테스트되지 않았으므로, 사용 중 문제가 발생할 경우 기술 지원팀에 문의해 주시기 바랍니다.

Mech-DLK 소프트웨어 라이센스(Pro-Run 또는 Pro-Train 버전)를 이미 보유하고 있는지 확인해 주세요. 라이센스가 없을 경우, 이 스텝에서는 딥 러닝 추론을 수행할 수 없습니다.

  • 라이센스 획득 : Mech-Mind Robotics 영업팀에 연락하여 유효한 라이센스를 취득하세요.

  • 라이센스 관련 문제 발생센 : 라이센스 관련 문제를 해결하려면 일반적인 문제 해결을 참조하세요.

사용 방법

이 스텝의 사용 방법은 다음과 같습니다.

dl model package infer workflow
  1. 입력할 데이터를 선택합니다. 해당 스텝의 포트를 연결하거나 파라미터 설정 영역의 입력 패널에서 해당 입력 데이터를 선택합니다.

  2. 딥 러닝 모델 패키지를 준비했는지 확인하세요. 그렇지 않으면 스텝을 사용할 수 없습니다.

  3. 딥 러닝 모델 패키지 관리 도구를 사용하여 모델 패키지를 가져옵니다.

  4. 파라미터를 설정합니다.

  5. 출력 패널에서 출력 항목을 선택합니다.

  6. 스텝을 실행하고 실행 결과를 확인합니다.

딥 러닝 모델 패키지 획득

다음 방법으로 딥 러닝 모델 패키지를 획득할 수 있습니다.

  • Mech-DLK 소프트웨어(2.6.1 이상 버전)에서 딥 러닝 모델 패키지를 내보냅니다.

  • Mech-Mind Robotics다운로드 센터 에서 딥 러닝 모델을 다운로드합니다.

시스템 요구 사항

이 스텝을 사용할 때는 다음 시스템 요구 사항을 충족해야 합니다.

  • CPU: AVX2 명령어 세트가 지원되어야 하며 다음 조건 중 하나를 충족해야 합니다.

    • 외장 그래픽 카드가 없는 경우 : Intel i5-12400 이상

    • 외장 그래픽 카드가 있는 경우 : Intel i7-6700 이상 및 GeForce GTX 1660 이상의 그래픽 카드

      Intel CPU 사용을 권장합니다. Intel CPU는 철저한 테스트를 완료했으나, AMD CPU는 아직 테스트가 진행되지 않았으므로 AMD CPU는 권장하지 않습니다.
  • GPU : 시스템에 외장 그래픽 카드가 장착된 경우, GeForce GTX 1660 Super 이상을 사용하는 것이 좋습니다.

파라미터

모델 패키지 설정

파라미터 설명

모델 패키지 관리 도구

이 파라미터는 딥 러닝 모델 패키지 관리 도구를 열고 딥 러닝 모델 패키지를 가져오는 데에 사용됩니다. 모델 패키지 파일은 Mech-DLK 소프트웨어에서 내보낸 .dlkpack 파일입니다.

딥 러닝 모델 패키지 관리 도구의 사용 방법은 딥 러닝 모델 패키지 관리 도구 섹션을 참조하세요.

모델 패키지 이름

이 파라미터는 사용할 모델 패키지를 선택하는 데 사용됩니다.

모델 패키지 유형

모델 패키지 이름을 선택하면 자동으로 모델 패키지 유형이 입력됩니다.

입력 Batch 크기

모델 패키지 이름을 선택하면 자동으로 입력 Batch 크기가 입력됩니다.

GPU ID

이 파라미터는 모델 패키지 추론에 사용할 GPU 장비의 ID를 지정하는 데 사용됩니다. 모델 패키지 이름을 선택한 후, 파라미터 드롭다운 리스트에서 GPU 장비 ID를 선택합니다.

사전 처리

파라미터 설명

ROI 파일

이 파라미터는 ROI를 설정 또는 수정하는 데 사용됩니다.

초기 상태에서는 기본 ROI가 적용됩니다. ROI 설정을 수정하려면 편집기를 열기 버튼을 클릭하면 됩니다. ROI 설정 팝업 창에서 ROI를 편집하고 ROI 이름을 입력합니다.

ROI 설정 : 이미지 표시 영역에서 마우스 왼쪽 버튼을 누른 채 드래그하여 ROI를 선택한 다음, 마우스 왼쪽 버튼을 다시 클릭하면 설정이 완료됩니다. 필요한 경우 마우스 왼쪽 버튼을 클릭한 상태로 드래그하여 ROI를 다시 설정할 수 있습니다. 선택한 ROI의 좌표는 'ROI 파라미터’에 표시됩니다. 확인 버튼을 클릭하여 저장하고 종료합니다.

추론 전, 이 ROI 설정이 Mech-DLK에서 설정한 ROI와 일치하는지 확인해 주세요. 일치하지 않으면 인식 정확도에 영향을 줄 수 있습니다.

보통 추론에는 모델 훈련 시 사용된 기본 ROI가 적용되며, 물체 위치가 변경된 경우에는 ROI를 다시 설정해야 합니다.

기본 ROI를 다시 사용하려면, 편집기를 열기 버튼 아래의 ROI 파일 이름을 삭제하면 됩니다.

후처리

추론 구성

모델 패키지 추론 시 관련된 파라미터를 구성하는 데 사용됩니다. 편집기를 열기 버튼을 클릭하면 추론 구성 창이 열립니다. 이 창에 포함된 파라미터 및 해당 설명은 다음과 같습니다.

모델 패키지 유형 파라미터 설명

텍스트 감지

감지된 텍스트를 필터링해야 하는 경우 결과 필터링을 활성화하세요.

논리 규칙 설정일반 규칙 설정 방법에 대한 자세한 내용은 텍스트 판정 규칙 구성을 참조하세요.

텍스트 인식

텍스트 인식 결과를 수정하려면 수정 사항을 추가합니다.

  • 문자 교체 : 텍스트 인식 결과에서 숫자, 기호, 문자를 삭제합니다.

  • 고정 위치 교체 : 지정된 위치의 문자를 설정된 문자로 바꿉니다.

결함 세그먼테이션

감지된 결함을 필터링해야 하는 경우 결과 필터링을 활성화하세요.

논리 규칙 설정일반 규칙 설정 방법에 대한 자세한 내용은 결함 판정 규칙 구성을 참조하세요.

비지도 세그먼테이션

슬라이더를 드래그하여 OK 임계값NG 임계값을 설정하세요.

  • "결함 신뢰도"가 설정된 OK 임계값보다 낮으면 이미지는 OK로 판단됩니다.

  • "결함 신뢰도"가 설정된 NG 임계값보다 높으면 이 이미지는 NG로 판정됩니다.

  • "결함 신뢰도"가 설정된 OK 임계값보다 크고, NG 임계값보다 작으면 해당 이미지는 'Unknown’으로 판정됩니다.

'결함 신뢰도’는 이미지에 결함이 있을 확률을 의미합니다.

인스턴스 세그먼테이션

신뢰도 임계값 : 이 파라미터는 인스턴스 세그먼테이션에서 신뢰도 임계값을 설정하는 데 사용됩니다. 신뢰도가 이 임계값보다 높은 결과만 유지됩니다.

이미지 분류

신뢰도 임계값 : 이 파라미터는 분류 결과에 대한 신뢰도 임계값을 설정하는 데 사용됩니다. 신뢰도가 이 임계값보다 높은 결과만 유지됩니다.

물체 검출

신뢰도 임계값 : 이 파라미터는 물체 검출에서 신뢰도 임계값을 설정하는 데 사용됩니다. 신뢰도가 이 임계값보다 높은 결과만 유지됩니다.

팽창

파라미터 설명: 이 파라미터는 딥 러닝 알고리즘이 생성한 마스크를 확장하는 데 사용됩니다.
마스크의 크기가 대상 물체보다 작으면, 특히 에지(edge) 영역에서 포인트 클라우드가 제대로 추출되지 않아 결함이 발생할 수 있습니다. 이를 방지하려면 '팽창' 기능을 활성화하여 마스크를 넓히는 것이 좋습니다. 이 기능을 활성화하면 확장에 사용할 커널 크기 (기본값: 3px)를 설정해야 합니다. 커널 크기가 클수록 팽창 효과가 커집니다.

인스턴스 세그먼테이션물체 검출 모델 패키지 유형에만 표시됩니다.

시각화 설정

모델 패키지 유형 파라미터 설명

텍스트 감지

텍스트 인식

인스턴스 세그먼테이션

이미지 분류

물체 검출

  • 사용자 정의 글자 크기

    이 파라미터는 시각화 출력에서 글꼴 크기를 사용자 지정할지 여부를 설정합니다. 이 옵션을 활성화하면 글자 크기(0~10)를 직접 지정해야 합니다.

  • 글자 크기(0-10)

    파라미터 설명: 이 파라미터는 시각화 출력 결과의 글꼴 크기를 설정하는 데 사용됩니다. 기본값: 1.5

결함 세그먼테이션

비지도 세그먼테이션

이미지에 결함 마스크를 그리기

이 파라미터는 이미지에 결함 마스크를 표시할지 여부를 설정하는 데 사용됩니다. 이 옵션을 활성화하면 입력 이미지에 결함 마스크가 추가되어 감지된 결함 영역이 시각적으로 표시됩니다.

draw mask demo

인스턴스 세그먼테이션

  • 이미지에 인스턴스 그리기

    이 파라미터는 이미지에 분할된 마스크와 경계 상자를 표시할지 여부를 설정하는 데 사용됩니다. 기본적으로 비활성화되어 있습니다.

  • 인스턴스 색상 구성표

    이 파라미터는 시각화된 출력 결과에서 인스턴스의 색상 구성 방식을 지정하는 데 사용됩니다.

    • Instances : 인스턴스마다 고유한 색상으로 표시됩니다.

    • Classes물 : 동일한 레이블이 붙은 인스턴스는 같은 색상으로 표시됩니다.

    • CentralPoint : 물체의 실제 색상으로 표시됩니다.

      instance segmentation demo 0

물체 검출

  • 이미지에 인스턴스 그리기

    이 파라미터는 이미지에 마스크와 경계 박스를 표시할지 여부를 설정하는 데 사용됩니다. 기본적으로 비활성화되어 있습니다.

  • 결과 시각화 방식

    이 파라미터는 출력 결과를 시각화하는 방법을 지정하는 데 사용됩니다.

    • BoundingBox : 경계 박스 형식으로 결과를 표시합니다.

    • CentralPoint : 중심점을 포함하여 결과를 표시합니다.

      object detection demo 0

출력

스텝을 실행하면 데이터 시각화 영역과 그 하단의 "결과 출력" 패널에서 결과를 확인할 수 있습니다.

"결함 세그먼테이션" 모델 패키지로 추론을 수행하면, 출력 결과는 분할된 후의 부울 값 결과 는 Boolean 타입의 데이터로 제공됩니다.

  • True : 결함이 있거나 감지되었음을 나타내며, 따라서 판단 결과는 NG이고, 해당 부울 값은 1입니다.

  • False : 결함이 감지되지 않았으므로 판단 결과는 OK이고, 해당 부울 값은 0입니다.

이 페이지가 도움이 되었습니까?

다음 방법을 통해 피드백을 보내주실 수 있습니다:

저희는 귀하의 개인정보를 소중히 다룹니다.

당사 웹사이트는 최상의 사용자 경험을 제공하기 위해 쿠키를 사용하고 있습니다. "모두 수락"을 클릭하시면 쿠키 사용에 동의하시는 것이며, "모두 거부"를 클릭하시면 이 웹사이트 방문 시 귀하의 정보가 추적되거나 기억되지 않도록 단일 쿠키만 사용됩니다.