제조분야 비전 검사는 크게 다음 3가지 문제가 있고 스누아이랩은 다음과 같은 솔루션으로 접근하고 있습니다.
1. 환경 변화: 신규 라인 증설, 조명, 기구, 센서 등의 변경으로 학습된 특징이 변경되는 드리프트(Drift)가 발생하여 성능이 저하됩니다. 보통은 신규 데이터를 수집하고 학습하는 작업으로 이를 해결합니다. 스누아이랩은 Active Learning 기반의 Sampling 기술로 기존 데이터에 신규 데이터를 소량 썩어서 성능을 유지하도록 합니다.
2. 클래스 불균형: 불량률이 적어서 불량 이미지를 수집하기 어렵습니다. 보통은 과탐을 극대화아고 불량률을 0%로하고 육안 검사로 불량을 검출합니다. 스누아이랩에서는 1차 분류 모델 후 2차 이상 탐지 모델로 육안 검사에 대한 노력을 줄이도록 하고 있습니다.
3. 재학습: 머신러닝 분야는 재학습이 수반됩니다. 재학습을 위해서는 숙련된 머신러닝 기술자가 학습해야합니다. 스누아이랩에서는 일반적인 기술자가 설정된(Coordinated) 환경내에서 재학습을 할 수 있도록 플랫폼을 제공하여 기술 난이도를 낮추었습니다.
●당사는 랜섬웨어 2년 주기로 3회 피해를 받았습니다.
랜섬웨어 감염의심 대응 절차 맞는지요?
1) 랜선 먼저 뽑는다.
2) 컴퓨터 강제 종료한다.
3) 컴퓨터 안전모드 켠다.
4) 바이러스 업체 전화하여 치료를 받는다.
※당사는 피해를 최소화 하기 위해서 모든 작업 파일은 읽기 전용으로 설정을 해놓았습니다.
읽기 전용으로 하면 100% 안전이 보장이 되는지요?
아니면 귀사의 제품을 구매하면 상기 절차는 모두 무시해도 되는지요?
좋은 답변을 기다리겠습니다.^^
컴퓨터 전원을 뽑는게 랜선 뽑는것 보다 더 우선이 아닐까요..?
[질문] 제조 현장에서 제품 표면 불량 유.무를 Deep Learning 으로 이용중에 있습니다. 저희도 정합성이 높긴 한데 귀사의 정합성은 어느정도이며, 과검은 또 어느정도 되는지 궁금합니다.