스마트팩토리아 · 비전검사 데이터 관리

비전검사 이미지 데이터, 무엇을 얼마나 남기고 어디에 저장할까

AI 재학습·불량 추적을 위한 등급별 보관·계약·폐기 기준

검사 이미지가 쌓이기만 하고 다시 쓰이지 않는 이유

비전검사를 들이고 가동한 지 시간이 흐르면 비슷한 고민이 나옵니다. 검사 PC 디스크가 가득 차서 오래된 이미지를 지웠는데, 막상 고객 클레임이 들어오니 그 시점의 이미지가 남아 있지 않은 경우입니다. 반대로 모든 이미지를 남긴 공장은 저장장치를 계속 늘리면서도, 정작 AI 모델을 다시 학습시킬 때 쓸 만한 이미지를 쉽게 찾지 못합니다.

국내 현황을 보면 이 고민이 특정 공장만의 일은 아닙니다. 중소벤처기업부가 발표한 2024년 스마트제조혁신 실태조사에 따르면, 공장을 보유한 중소·중견 제조기업 가운데 제조데이터를 수집하는 기업은 60.8%였지만 그중 실제로 분석까지 하는 기업은 52.1%에 그쳤습니다. 검사 이미지는 이런 간격이 생기기 쉬운 데이터입니다. 용량이 크고, 판정 결과나 설비 조건 같은 맥락 정보가 함께 붙어 있지 않으면 시간이 지난 뒤 해석하기 어렵기 때문입니다.

이 글은 검사 이미지를 무엇을 얼마나 남길지, 어디에 저장할지, 누가 쓸 수 있는지, 언제 어떻게 지울지를 차례로 다룹니다. 다 읽고 나면 우리 공장의 검사 이미지 보관 원칙을 한 장짜리 기준표로 정리할 수 있습니다.

1. 검사 이미지는 사진 파일이 아니라 산업데이터입니다

검사 이미지를 단순한 사진 파일로 보면 관리 기준도 “용량이 차면 지운다” 수준에 머뭅니다. 그런데 법은 이 데이터를 따로 정의하고 있습니다. 「산업 디지털 전환 및 인공지능 활용 촉진법」은 산업활동 과정에서 생성되거나 활용되는 전자적 자료를 “산업데이터”로 정의하고, 상당한 투자와 노력을 들여 이를 생성한 자에게 활용하고 수익을 얻을 권리를 인정합니다. 품질검사 과정에서 만들어진 이미지와 판정 결과는 이 정의에 해당하는 대표적인 데이터입니다.

산업데이터로 본다는 것은 두 가지를 뜻합니다. 하나는 이 데이터가 회사의 자산이므로 누가 쓸 수 있는지를 정해야 한다는 점이고, 다른 하나는 나중에 다시 쓸 수 있도록 품질과 맥락을 관리해야 한다는 점입니다.

검사 이미지 한 건을 이루는 네 가지 요소

AI 재학습이나 불량 추적에 쓸 수 있는 검사 이미지는 사진 한 장이 아니라 아래 네 요소가 묶인 “검사 기록”입니다. 하나라도 빠지면 그 이미지가 어떤 조건에서 왜 불량으로 판정됐는지 나중에 확인할 수 없습니다.

• 원본 이미지: 카메라가 찍은 그대로의 이미지입니다. 압축이나 크기 조정을 거치지 않아야 재학습에 쓸 수 있습니다.
• 판정 결과: 양품·불량 여부, 불량 유형, 검사 알고리즘이 낸 점수입니다.
• 라벨: 사람이 다시 확인해 붙인 정답 정보입니다. 장비 판정과 사람 판정이 다를 때 가장 가치가 큽니다.
• 메타데이터: 촬영 시각, 라인·설비 번호, 제품 로트나 일련번호, 카메라·조명 설정, 검사 레시피 버전 같은 맥락 정보입니다.

현장에서 가장 자주 빠지는 것은 메타데이터입니다. 이미지 파일명에 날짜만 붙여 저장해 두면, 몇 달 뒤 카메라 노출값이 언제 바뀌었는지, 어느 로트의 이미지인지 확인하려고 MES 기록을 하나하나 대조해야 합니다.

2. 무엇을 얼마나 남길지부터 정해야 합니다

검사 이미지 관리에서 첫 결정은 저장 장비가 아니라 보관 대상입니다. 산업통상부가 2026년 10월 발표한 「M.AX 제조데이터 추진 로드맵」도 수집 원칙을 “모을 수 있는 데이터”가 아니라 “AI에 필요한 핵심 데이터”를 중심으로 우선순위를 정해 확보하는 것으로 제시했습니다. 국가 단위의 원칙이지만 공장 단위에서도 그대로 통합니다.

전수 저장과 선별 저장의 차이

전수 저장은 모든 이미지를 남기는 방식이고, 선별 저장은 목적에 맞는 이미지만 골라 남기는 방식입니다. 양품률이 높은 라인일수록 전체 이미지의 대부분은 서로 비슷한 양품 이미지이므로, 전수 저장은 들인 비용에 비해 새로 얻는 정보가 적습니다.

• 전수 저장: 추적성은 가장 높지만 저장·백업 비용이 생산량에 비례해 계속 늘어납니다.
• 선별 저장: 불량·경계 이미지와 대표 양품만 원본으로 남겨 비용을 줄이지만, 선별 규칙이 허술하면 필요한 이미지가 빠집니다.
• 절충 방식: 모든 이미지를 짧은 기간 검사 PC에 두었다가, 등급 규칙에 따라 일부만 장기 저장소로 옮깁니다.

두 가지 질문으로 보관 등급을 나누는 방법

선별 기준은 두 가지 질문으로 정리할 수 있습니다. 이 이미지가 AI 재학습에 쓰일 가능성이 높은가, 그리고 출하 후 불량 추적이나 고객 대응에 필요한가입니다. 두 질문의 답에 따라 보관 등급을 나누면 아래와 같습니다.

3. 저장 위치는 엣지·공장 서버·클라우드에 역할을 나눠 맡깁니다

보관 등급이 정해지면 저장 위치를 고릅니다. 저장 위치는 셋 중 하나를 고르는 문제가 아니라, 데이터가 머무는 단계마다 역할을 나누는 문제입니다. 촬영 직후의 이미지, 판정과 묶여 정리된 이미지, 오래 보관하거나 외부와 함께 쓰는 이미지는 요구 조건이 서로 다르기 때문입니다.

엣지 저장: 검사 PC와 산업용 PC

카메라와 가장 가까운 검사 PC의 저장장치입니다. 촬영과 판정이 끊기지 않도록 쓰기 속도가 빠르고, 공장 네트워크에 장애가 생겨도 영향을 받지 않는다는 장점이 있습니다.

• 검사 사이클을 방해하지 않는 임시 버퍼 역할에 맞습니다.
• 장비가 고장 나면 그 안의 이미지도 함께 잃을 수 있어 장기 보관 장소로는 맞지 않습니다.

공장 서버·NAS

공장 내부망에 두는 중앙 저장소입니다. 여러 라인의 이미지를 한곳에 모으고, MES의 로트·작업지시 정보와 연결하기 쉽습니다.

• 1~3등급 이미지의 주 저장소로 적합합니다.
• 용량 증설, 백업, 접근 권한 관리를 공장이 직접 맡아야 합니다.

클라우드·외부 데이터 플랫폼

외부 데이터센터에 두는 저장소입니다. 용량을 필요한 만큼 늘리기 쉽고, 본사·협력사·AI 개발사와 학습 데이터를 함께 다룰 때 편리합니다.

• 장기 보관 사본이나 공동 학습용 데이터셋을 두기에 적합합니다.
• 대용량 업로드를 감당할 회선, 반출 승인 절차, 계약상 데이터 권리를 먼저 정리해야 합니다.

4. 비용은 저장 용량보다 관리에서 더 많이 듭니다

검사 이미지 저장 예산을 짤 때 흔히 저장장치 용량만 계산합니다. 하지만 실제 비용은 용량 외에도 백업, 검색과 정리, 사람이 라벨을 확인하는 작업에서 꾸준히 발생합니다.

저장 용량을 결정하는 변수

필요한 저장 용량은 “이미지 한 장의 크기 × 하루 촬영 수 × 보관 일수 × 사본 수”로 어림할 수 있습니다. 한 장의 크기는 카메라 해상도, 흑백·컬러 여부, 저장 형식에 따라 달라지므로 우리 라인의 실제 값을 넣어 계산해야 합니다.

• 한 제품을 여러 각도에서 찍으면 촬영 수는 생산 수량의 배수로 늘어납니다.
• 백업 사본을 하나 더 두면 필요한 용량도 그만큼 늘어납니다.
• 무손실 형식은 손실 압축 형식보다 파일이 크지만, 미세한 결함 정보를 그대로 보존합니다.

정부도 이 관리 부담을 별도의 인프라 과제로 보고 있습니다. 산업통상부는 기업·기관별로 흩어진 제조데이터를 모아 품질과 보안을 함께 관리하는 국가 제조데이터 라이브러리를 2027년부터 구축하겠다고 밝혔고, 이 사업의 2027년 정부안에 1,158억원을 반영했습니다. 저장 공간을 마련하는 것만큼, 쌓인 데이터를 쓸 수 있는 상태로 관리하는 체계가 중요하다는 의미입니다.

5. 다시 쓸 수 있는 이미지를 만드는 형식·품질 기준

같은 이미지라도 저장 형식과 이름 규칙에 따라 재사용 가능성이 크게 달라집니다. 앞서 소개한 로드맵은 제조데이터 표준화 과제로 세 가지를 제시했습니다. 수집 항목·구조·주기를 정하는 학습 데이터셋 표준, 정확성·일관성 같은 품질 기준과 관리 절차를 정하는 품질관리 표준, 소유·관리 주체와 접근 권한·보안 등급을 정하는 거버넌스 표준입니다. 공장 안에서는 이를 아래 네 가지 규칙으로 옮길 수 있습니다.

• 원본 형식: 1·3등급 이미지는 무손실 형식으로 저장하고, 손실 압축은 화면 확인용 미리보기에만 씁니다.
• 파일·폴더 규칙: 라인-설비-날짜-일련번호처럼 정해진 순서로 이름을 붙이고, 판정 결과는 파일명이 아니라 별도 기록에 둡니다.
• 라벨 기준서: 불량 유형의 이름과 판정 기준을 문서로 정하고, 기준이 바뀌면 버전을 올려 기록합니다.
• 조건 변경 기록: 카메라·렌즈·조명·레시피를 바꾼 날짜와 내용을 남겨, 변경 전후 이미지를 구분할 수 있게 합니다.

로드맵은 데이터 관리 단계에서 AI 학습에 적합한지 검증하고, 모델을 학습시킨 결과를 다시 데이터 품질 개선에 반영하는 순환 구조도 함께 제시했습니다. 공장에서도 재학습 결과가 나쁘게 나온 불량 유형이 있으면, 그 유형의 라벨 기준과 보관 등급부터 다시 살펴보는 습관이 필요합니다.

6. 검사 이미지의 권리와 보안은 계약서에서 정해집니다

비전검사 시스템은 대개 장비 업체나 SI 업체가 구축하고, AI 모델도 외부 업체가 학습시키는 경우가 많습니다. 이때 쌓인 이미지와 그 이미지로 학습한 모델을 누가 쓸 수 있는지 정해 두지 않으면, 업체를 바꿀 때 데이터를 제대로 돌려받지 못하거나 우리 공장 이미지가 다른 고객의 모델 학습에 쓰이는 일이 생길 수 있습니다.

법이 정한 기본 원칙

앞서 본 법은 산업데이터를 둘 이상이 함께 생성하면 각자가 활용·수익 권리를 갖고, 다른 사람에게 제공한 경우에도 제공한 쪽과 받은 쪽이 모두 권리를 갖는 것을 원칙으로 합니다. 다만 당사자 사이에 약정이 있으면 약정을 따릅니다. 계약서에 아무것도 적지 않으면 업체도 우리 검사 이미지를 활용할 권리를 주장할 여지가 생긴다는 뜻입니다. 또 이 법은 권리를 가진 쪽이 데이터의 무결성과 신뢰성을 확보하고 분실·도난·유출·위조·변조·훼손을 막도록 노력하라고 정하고 있습니다.

작업자가 함께 찍히는 경우

검사 카메라나 공정 모니터링 카메라에는 작업자의 얼굴이나 신체 일부가 함께 찍힐 수 있습니다. 같은 법은 산업데이터에 포함된 개인정보의 처리에는 개인정보 보호법을 따르도록 하고 있습니다. 이런 이미지는 일반 검사 이미지와 분리해 접근 권한을 좁히고, 학습용으로 쓸 때는 해당 영역을 가리는 처리를 먼저 검토해야 합니다.

7. 지울 때도 기준이 필요합니다

보관 기간이 끝난 이미지와 교체한 저장장치는 지우는 방법까지 정해 두어야 합니다. 검사 PC를 교체하면서 디스크를 그대로 폐기하거나 다른 용도로 돌리면, 그 안에 남은 제품 이미지와 검사 레시피가 외부로 나갈 수 있습니다.

미국 국립표준기술연구소(NIST)가 2025년 9월 개정한 매체 데이터 삭제 지침인 SP 800-88 Rev. 2는 데이터 삭제를 정해진 수준의 노력으로는 남은 데이터에 접근할 수 없게 만드는 과정으로 설명합니다. 그리고 정보의 민감도에 맞춰 삭제 기법과 통제 절차를 정하는 조직 차원의 삭제 프로그램을 갖추도록 안내합니다. 검사 이미지에 적용하면 다음과 같습니다.

• 등급별 삭제 주기: 4등급 이미지는 엣지에서 자동으로 지워지도록 설정하고, 삭제 기록을 남깁니다.
• 장비 교체 시 저장장치 처리: 공장 안에서 다시 쓸지, 외부로 내보낼지, 폐기할지에 따라 삭제 강도를 달리 정합니다.
• 외부 사본 확인: 업체나 클라우드에 남은 사본도 계약 종료 시점에 삭제 확인서를 받아 보관합니다.

8. 현장에서 반복되는 시행착오와 점검 포인트

검사 이미지 관리에서 생기는 문제는 대부분 처음 설계할 때 정하지 않은 규칙에서 비롯됩니다. 현장에서 자주 보이는 유형을 정리하면 다음과 같습니다.

이 가운데 저장 중단과 판정 결과 분리는 시스템을 처음 구축할 때 설정만으로 막을 수 있고, 나머지는 운영 규칙과 계약으로 막아야 합니다. 그래서 검사 이미지 관리 기준은 비전 시스템을 발주하는 단계에서 사양서에 함께 넣는 것이 가장 효과적입니다. 이미 가동 중인 설비라면 다음 장의 순서대로 하나씩 보완하면 됩니다.

9. 이미 쌓인 이미지를 정리하는 단계별 순서

이미 이미지가 쌓여 있는 공장이라면 한 번에 바꾸기보다 아래 순서로 정리하는 편이 현실적입니다. 앞 단계의 결과가 다음 단계의 입력이 되도록 배치했습니다.

1. 현황 파악: 라인별 하루 촬영 수, 이미지 크기, 현재 저장 위치와 남은 용량을 확인합니다.
2. 등급 기준 정하기: 품질·생산·영업 담당이 함께 1~4등급 대상과 보관 기간을 정하고, 고객 계약상 보관 요구를 반영합니다.
3. 연결 규칙 정하기: 이미지와 판정·로트 정보를 잇는 키와 파일 이름 규칙, 조건 변경 기록 양식을 만듭니다.
4. 저장 구조 구성: 엣지 보관 기간, 공장 서버 이관 주기, 백업 사본 위치를 설정합니다.
5. 계약 정비: 구축·AI 업체와 데이터 권리, 반출 승인, 계약 종료 시 삭제 조항을 정리합니다.
6. 재학습과 연결: 1·3등급 이미지를 주기적으로 학습 데이터셋으로 묶어 모델을 다시 학습시키고, 결과를 보고 등급 기준과 보관 기간을 조정합니다.

검사 이미지는 많이 남기기보다 다시 쓸 수 있게 남겨야 합니다

정리하면, 검사 이미지 관리의 핵심은 저장장치의 크기가 아니라 다시 쓸 수 있는 구조입니다. AI 재학습과 불량 추적이라는 두 가지 쓰임새를 기준으로 보관 등급을 나누고, 엣지·공장 서버·클라우드에 역할을 나눠 맡기며, 이미지마다 판정 결과와 촬영 조건을 묶어 두어야 합니다. 여기에 업체와의 데이터 권리 계약, 보관 기간이 끝난 뒤의 삭제 기준까지 갖추면 검사 이미지는 비용이 아니라 품질 개선의 근거가 됩니다.

본 게시물은 AI 어시스턴트를 활용하여 초안을 작성하고 편집자의 검수를 거쳤습니다. 타 기업명 및 영업 기밀 보호를 위해 본문 중 일부 고유명사는 익명화(A/B) 처리되었습니다.