솔루션/기술

NAVI AI 소프트웨어

NAVI AI 소프트웨어는 딥러닝 알고리즘을 활용하여 이미지를 학습하고 분석하는 방식으로 기존 비전 검사 방식으로는 검출이 어려운 불량도 검사할 수 있습니다. 학습과 추론을 위한 강력한 모델에 더하여 AI 프로젝트를 개발하는 과정에서 필요한 end-to-end 기술을 제공하여 더욱 적은 비용으로 높은 효과를 볼 수 있습니다.

왜 라온피플인가요?
인공지능 전문가가 아니어도 데이터 수집과정부터 정확하게 학습 성과를 도출하는 과정까지 NAVI AI 가 방법을 제공해 드립니다. 데이터를 수집하여 활용도를 높이기 위한 방법, 적은 데이터의 한계를 극복하기 위한 방법, 학습의 효과를 극대화하기 위한 방법을 포함하여 전문가의 가이드에 의해 최고의 프로젝트를 구현하실 수 있습니다.
대표문의
sales@laonpeople.com1899-3058온라인문의

제품별 사양 정보

정보 확인하기
SCROLL >>

 

NAVI AI 5.0

데이터 중심(Datacentric) AI로
Deploy까지 개발 기간 최소화

 









AI 소프트웨어가 좋은 AI모델만 제공하는 것만으로는 더이상 좋은 결과를 도출할 수 없습니다.
기존의 AI 기업들은 AI 모델의 개발과 AI 모델의 현장 적용과 비용 등에 집중했고,
데이터의 준비 및 정제는 도메인 지식을 가지고 있는 고객의 몫으로 미루었습니다.

그 결과 전체 AI의 개발 프로세스가 길어지고 프로젝트의 성공률 낮아지는 경우가 많았습니다.

산업현장 AI 프로젝트의 특징

적은 데이터 셋, 짧은 구축 기간
적은 데이터 셋으로 단기간내에 구축해야하는 프로젝트가 대다수.
데이터의 불균형과 수집을 위한 기간의 편차
메이저 불량은 넘칠정도로 모이고 간헐적으로 나오는 불량은 수집이 어려움.
데이터 재활용의 어려움
힘들게 데이터를 만들어도 조건이 바뀌거나했을때 데이터를 재활용하기가 어려움.


라온피플이 해결해드립니다.

라온피플의 NAVI AI 5.0은 다양한 data 관리와 분석 기능을 제공하여
AI모델을 개발하고 현장에 적용하는 시간을 획기적으로 단축합니다.







주요 특징

NAVI AI 5.0은 고객이 데이터를 준비하고 정제하는 과정을
쉽고 빠르게 해주는 툴들을 탑재함으로써 고객 편의성을 대폭 개선하였을
뿐만아니라 전체 AI 프로젝트의 성공률을 대폭 올릴 수 있게 되었습니다. 

Document 기반 metadata database 관리

* 데이터에 추가적으로 다양한 부가 정보를 생성하고 기록하여 이력 관리를 용이하게 함
* 수집된 데이터의 이력관리를 통해 데이터의 재활용성 높임

효율적 학습 방법론

* 인공지능이 학습한 데이터의 신뢰도를 분석하여 데이터 수집 과정에서 더욱 빠른 학습 수행 가능
* 대량의 데이터에 대해서 추가적으로 학습하거나 평가할 이미지들을 손쉽게 선택 가능

더욱 강력해진 인공지능 모델

* 최신 연구 알고리즘을 반영하여 제조 산업에 최적화된 강력한 AI 모델 탑재
* 고객의 사용 환경에 따라 다양하게 적용 가능한 강력한 성능의 모델 탑재

편리한 인터페이스

* 데이터 셋을 구축하는 시간을 편리한 툴 기능으로 감소시킴
* 쉽고 편한 개발 환경을 고객 모델 그대로 사용 가능
* 다양한 레퍼런스 모델과 비교 테스트하여 벤치마킹 및 다양한 성능 평가 방식 가능






보다 적은 데이터와 보다
짧은 개발 기간으로
보다 높은 정확도를 보여줍니다.

제품명 Functions Toolkit Library
Mercuryl Mars Venus Jupiter Trainer Converter Library
소개 AI 알고리즘을 이용한 고속의 양불 판정 알고리즘 (Classification) AI 알고리즘을 이용한 고속의 오류 검출 알고리즘 (Segmentation) AI 알고리즘을 이용한 고속의 물체 검출 알고리즘 (Detection) AI 알고리즘을 이용한 고속의 이상 상태 판정 알고리즘 (Unsupervised) NAVI AI tool(Mercury, Mars, Venus, Jupiter) 을 매우 쉽고 직관적인 UI 에서 학습, 성능 테스트 수행할 수 있는 기능을 제공 NAVI AI Trainer를 이용하여 학습한 모델을 최적화 시켜주는 툴 NAVI AI tool 을 사용자가 원하는 환경에 맞추어 개발할 수 있도록 C++, C#, python 환경으로 API 제공
특징 * 이미지 전체에 대한 유형 분류
* 멀티 채널 학습/검사 기능
* GPU 1개당 500Mpixel/sec 의 초고속 AI 검사
* 이미지에 있는 작은 규모의 불량에 대한 검출
* 멀티 채널 학습/검사 기능
* GPU 1개당 1000Mpixel/sec 의 초고속 AI 검사
* 물체 검출, 위치 판정, 종류 판별을 동시에 수행
* 검출 개수에 관계없이 일정한 속도 유지
* 회전, 크기, 각도 변화에 관계없이 검출 가능
* 양품 이미지만을 이용하여 불량 검출
* 비지도 학습 방식
* 다양한 해상도 이미지 지원
*메타데이터를 이용한 데이터셋 관리
* 익숙한 윈도우 환경의 직관적 UI 제공
* 수만개 이상의 대량의 파일도 문제없이 처리 가능
* 지도/비지도 학습 및 검사 방식 제공
* GPU가 있는 환경이라면 TensorRT를 이용하여 FP32/FP16 최적화
* GPU가 없는 환경에선 OpenVINO를 이용하여 FP32/FP16 최적화
* C++, C#, python 환경의 API 제공
* 블롭, 확률맵 이미지 등으로 검출 결과를 직관적으로 확인 가능
* GPU, CPU 등 다양한 조건에서 연산 수행 가능
응용 분야 * 물체 분류, 양불 판정, 불량의 종류 판별 * 제품의 불량 영역 검출, 특이점 검출 * 물체 분류, 위치 판정, 카운팅 * 제품의 불량 영역 검출, 특이점 검출 * 물체의 불량 유무 검사가 필요한 모든 산업체에 사용 가능 * 검사 PC 사양에 맞추어 최적화하여 속도를 더욱 빠르게 해야할 경우 * 검사 장비, 검사 솔루션 개발 시 원하는 UI 구조에 맞추어 작업할때 유용함

Functions



NAVI AI Mercury NAVI AI Mercury는 Computer Vision의 주 task중 하나인 Classification을 실행하는 딥 러닝 기반 AI 모듈입니다.
Classification, 분류는 이미지가 어떤 class에 속하는지 분류하며, 예를 들어 양/불 판정이 있습니다.

* NAVI AI Mercury는 비전 검사 시 어떻게 동작하나요?
NAVI AI Mercury는 supervised learning이며, 학습에 앞서 데이터 라벨링작업이 필요합니다.
라벨링의 경우 사용자가 직접 트레이너에서 분류하고자 하는 class별로 데이터를 분할하면 됩니다.
학습의 경우 트레이너의 학습 설정 페이지를 통해 각종 학습 hyperparameter를 조정할 수 있습니다.
조정 가능한 변수들은 가장 기본적인 iteration/epoch, batch size 부터 learning rate, augmentation등 여러 값들을 자유롭게 변경할 수 있습니다.
또한 Classification 학습의 진행도를 보여주는 test/train accuracy/loss등이 실시간 그래프로 나옵니다.
마지막으로 저희 트레이너에는 학습이 완료된 모델파일들을 테스트할 수 있습니다.
테스트 모델 선택 후, 테스트할 데이터셋 경로를 지정하여 실제 이미지에 적용된 학습 결과를 확인할 수 있습니다.
뿐만 아니라, NAVIAI Mercury에서는 AI 모델이 입력 영상의 어느 부분을 주목하고 있는지 확인할 수 있는 heatmap등의 다양한 편의 기능이 제공됩니다.

    <학습 과정>
  • 사용자가 양품/불량 학습 데이터 입력
  • NAVI AI가 수백 ~ 수천 여장의 이미지 생성 후 학습


    <검사 과정>
  • 사용자가 검사를 위한 이미지 입력
  • 제품이 양품인지 불량인지 출력









NAVI AI Venus
NAVI AI Venus는 Computer Vision의 주 task중 하나인 Object detection을 실행하는 딥 러닝 기반 AI 모듈입니다.
Object detection, 혹은 객체 탐지는 단순 분류에서 끝나지 않고, 이미지의 객체가 검출되었을 경우 객체의 위치정보 또한 제공합니다.
이때 객체의 위치정보는 객체를 둘러싼 Bounding box의 형태로 나옵니다.

* NAVI AI Venus는 비전 검사 시 어떻게 동작하나요?
NAVI AI Venus는 supervised object detection이며, 학습에 앞서 데이터 라벨링작업이 필요합니다.
라벨링의 경우 사용자가 직접 트레이너에서 검출하고자 하는 객체를 감싸는 Bounding box를 그리면 됩니다.
학습의 경우 트레이너의 학습 설정 페이지를 통해 각종 학습 hyperparameter를 조정할 수 있습니다.
조정 가능한 변수들은 가장 기본적인 iteration/epoch, batch size 부터 learning rate, augmentation등 여러 값들을 자유롭게 변경할 수 있습니다.
또한 Object detection 학습의 진행도를 보여주는 mIoU, test/train accuracy등이 실시간 그래프로 나옵니다.
마지막으로 저희 트레이너에는 학습이 완료된 모델파일들을 테스트할 수 있습니다.
테스트 모델 선택 후, 테스트할 데이터셋 경로를 지정하여 실제 이미지에 적용된 시각적 학습 결과를 볼 수 있습니다.

    <학습 과정>
  • 사용자가 검사 객체를 마우스로 설정
  • NAVI AI는 딥러닝을 이용하여 학습


    <검사 과정>
  • 사용자가 검사를 위한 이미지 입력 검사 위치를 검출하여 출력










NAVI AI Mars
NAVI AI Mars는 Computer Vision의 주 task중 하나인 Semantic Segmentation을 실행하는 딥 러닝 기반 AI 모듈입니다.
Semantic Segmentation, 혹은 객체 분할은 단순 분할에서 끝나지 않고, 이미지의 객체가 검출되었을 경우 객체의 위치정보 또한 제공합니다.
이때 객체의 위치정보는 객체를 포함하는 mask의 형태로 나옵니다.

* NAVI AI Mars는 비전 검사 시 어떻게 동작하나요?
NAVI AI Mars는 supervised semantic segmentation이며, 학습에 앞서 데이터 라벨링작업이 필요합니다.
라벨링의 경우 사용자가 직접 트레이너에서 검출하고자 하는 객체를 포함하는 mask를 그리면 됩니다.
학습의 경우 트레이너의 학습 설정 페이지를 통해 각종 학습 hyperparameter를 조정할 수 있습니다.
조정 가능한 변수들은 가장 기본적인 iteration/epoch, batch size 부터 learning rate, augmentation등 여러 값들을 자유롭게 변경할 수 있습니다.
또한 Semantic Segmentation 학습의 진행도를 보여주는 mIoU, test/train accuracy등이 실시간 그래프로 나옵니다. 마지막으로 저희 트레이너에는 학습이 완료된 모델파일들을 테스트할 수 있습니다. 테스트 모델 선택 후, 테스트할 데이터셋 경로를 지정하여 실제 이미지에 적용된 시각적 학습 결과를 볼 수 있습니다.








Jupiter Tool 정보 확인하기


NAVI AI Jupiter
NAVI AI Jupiter는 unsupervised anomaly detection을 실행하는 딥 러닝 기반 비지도 AI 모듈입니다.
Unsupervised anomaly detection은 라벨정보 없이 사용자가 양품 이미지를 학습시킬 경우,
양품 이미 지들의 정보를 이용해 inference단계의 이미지의 불량 유무를 판별합니다.
이때 불량 부위의 위치정보는 또한 heatmap의 형식으로 나옵니다

* NAVI AI Jupiter는 비전 검사 시 어떻게 동작하나요?
NAVI AI Jupiter는 unsupervised object detection이며, 다른 NAVI AI 모듈들과 달리 데이터 라벨링작업이 필요없습니다.
단순히 학습시키고자 하는 이미지들만 필요합니다.
학습의 경우 트레이너의 학습 설정 페이지를 통해 각종 학습 hyperparameter를 조정할 수 있습니다.
조정 가능한 변수들은 가장 기본적인 iteration/epoch, batch size 부터 learning rate, augmentation등 여러 값들을 자유롭게 변경할 수 있습니다.
또한 anomaly detection 학습의 진행도를 보여주는 Dice (IoU기반 척도), test/train accuracy등이 실시간 그래프로 나옵니다. 마지막으로 저희 트레이너에는 학습이 완료된 모델파일들을 테스트할 수 있습니다.
테스트 모델 선택 후, 테스트할 데이터셋 경로를 지정하여 실제 이미지에 적용된 시각적 학습 결과를 볼 수 있습니다.










Toolkit


NAVI AI Trainer는 NAVI AI(VENUS, MARS, MERCURY, JUPITER)학습을 위한 데이터 관리 및 학습/테스트를 진행할 수 있는 툴입니다.
큰 사이즈의 이미지와 많은 양의 데이터도 처리 가능하며, 다양한 편의 기능을 제공합니다.





NAVI AI Trainer는 라벨링 데이터와 사용자가 원하는 Metadata추가 및 필터링을 지원하여 강력한 데이터 관리 기능을 제공합니다.




Semi-Auto Labeling 기능과 Auto Labeling 기능을 제공하여 빠른 라벨링이 가능 합니다.




모든 설정 데이터 및 학습/테스트 정보는 기록되어 작업 내용 추적이 가능합니다.


NAVI AI Converter는?
NAVI AI Trainer를 이용하여 학습한 모델을 최적화 시켜주는 툴입니다.
GPU가 있는 환경이라면 TensorRT를 이용하여 FP32/FP16 최적화를 통해 메모리 감소와 속도 향상이 가능합니다.
GPU가 없는 환경이어도 OpenVINO를 이용하여 FP32/FP16 최적화를 통해 단순히 CPU를 이용하는 것 보다 더욱 빠른 최적화가 가능합니다.
TensorRT와 OpenVINO에 대한 지식이 없어도 모델 변환부터 사용까지 모두 가능합니다.

Library


NAVI AI Library는?
NAVI AI Trainer를 이용하여 학습한 모델을 추론 할 때 사용하는 라이브러리 입니다.
쉽고 간편한 API로 누구나 딥러닝 모델을 서빙 할 수 있습니다.
Window DLL 기반의 라이브러리 이며 기존 프로그램에 쉽게 이식되며, 커스터마이징 프로그램 제작이 가능합니다.
C++/C#/Python 샘플코드를 제공하며 GPU(CUDA)/CPU 모드를 지원합니다.