조용 한 발전 의 십 년: 산업 최전선 에서 뿌리 를 닦은 중국 내 제조업 의 대표적 인 히크로봇
2026-07-10
.gtr-container-p0q1r2 {
font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif;
color: #333333;
line-height: 1.6;
padding: 16px;
box-sizing: border-box;
overflow-wrap: break-word;
}
.gtr-container-p0q1r2 p {
font-size: 14px;
margin-bottom: 1em;
text-align: left;
}
.gtr-container-p0q1r2 .gtr-heading {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-top: 2em;
margin-bottom: 1em;
text-align: left;
}
.gtr-container-p0q1r2 .gtr-image-wrapper {
margin-bottom: 1.5em;
text-align: center;
}
.gtr-container-p0q1r2 .gtr-metadata {
margin-top: 1.5em;
margin-bottom: 2em;
padding: 1em;
background-color: #E0E0FF;
border-radius: 4px;
text-align: left;
}
.gtr-container-p0q1r2 .gtr-metadata-item {
font-size: 12px;
color: #666666;
margin-bottom: 0.5em;
}
.gtr-container-p0q1r2 .gtr-metadata-item:last-child {
margin-bottom: 0;
}
.gtr-container-p0q1r2 .gtr-image-placeholder {
font-style: italic;
color: #666666;
text-align: center;
margin-top: 2em;
margin-bottom: 2em;
}
@media (min-width: 768px) {
.gtr-container-p0q1r2 {
max-width: 960px;
margin: 0 auto;
padding: 24px;
}
.gtr-container-p0q1r2 p {
margin-bottom: 1.2em;
}
.gtr-container-p0q1r2 .gtr-heading {
font-size: 22px;
margin-top: 2.5em;
margin-bottom: 1.2em;
}
.gtr-container-p0q1r2 .gtr-metadata {
padding: 1.5em;
}
}
로봇을 쇼용으로 만드는 것은 쉽지만 실제 공장 내에서 안정적으로 작동하도록 만드는 것은 전혀 다른 도전입니다.실제 생산 작업을 처리하기 위해 로봇을 공장 바닥에 배치이 로봇들은 인형과 전혀 닮지 않지만 주변을 관찰하고 인간처럼 서로 협력합니다.제조업과 사람들의 일상 생활에 실질적인 가치를 제공.
이미지
이미지
저자: 송디
표지 사진: 이미지 아카이브
이미지
2026년, Hikrobot는 지능형 제조 컨퍼런스 동안 부스 한쪽에서 바퀴를 가진 지능형 로봇을 선보였습니다.바퀴 로봇 은 공장 시나리오 에 있어서 고유 한 장점 을 자랑 한다이 모델은 이미 히크로봇의 내부 생산 라인에서 재료 처리 업무를 담당했습니다.
히크로봇은 엄격한 제품 원칙을 준수합니다. 제품들은 완전히 성숙하고 특정 산업 시나리오에 대해 검증된 후에야 시장에 출시됩니다.우리는 고객에게 가시적인 산업 제품을 공급합니다., 공허한 기술 비전이 아니라, 하크로봇의 CEO인 로버트 지아 (Robert Jia) 는 말했다.
지난 2년 동안 강화학습과 같은 알고리즘의 돌파구들은 로봇의 움직임 제어 능력에 전례 없는 업그레이드를 제공했습니다.로봇이 복잡한 신체적 움직임을 수행할 수 있도록 하는 것이러한 기술 도약에 힘입어 인체 지능에 초점을 맞춘 스타트업의 물결이 싹트고 인간형 로봇에 대한 전국적인 광기를 불러일으켰습니다.
그럼에도 불구하고 로봇 시범시작은 실제 공장에서 안정적으로 작동하도록 배치하는 것보다 훨씬 간단합니다.
2014년 히크비젼의 내부 인큐베이팅 팀으로 시작됐습니다.히크로봇은 제조업에 진정한 가치를 창출하기 위해 산업 현장에서 대규모 로봇을 배치하는 데 거의 12 년을 보냈습니다..
이 여행의 첫 번째 반은 인내와 끈기를 요구했습니다. 모든 제품에는 3~5년의 R&D 사이클이 필요합니다.통합 하드웨어 및 소프트웨어 시스템의 반복 반복 및 최적화와 결합, 그리고 수천 개의 산업 현장에서 확인이 이루어졌습니다. 다른 작업 흐름과 현장 조건으로. Hikrobot는 첫 대규모 상업적 배포를 달성하기 위해 최소 5 년이 걸렸습니다.
2019년까지 히크로봇은 1백만 개의 산업용 카메라와 1만 대 이상의 자율 이동 로봇 (AMR) 을 시장에 내놓았다.
그 여정의 후반기는 폭발적인 성장을 가져왔습니다. 중국의 산업 업그레이드 물결은 엄청난 시장 수요를 유발했습니다.그리고 Hikrobot의 로봇 기반 문제 해결 솔루션을 고객들과 공동으로 만드는 능력은 모든 부문에서 빠르게 확장되었습니다..
현재까지 히크로봇 기계 비전 제품의 누적 출하량은 1천만대를 넘었고, 18만대 이상의 AMR이 생산 라인에서 나와 있습니다.산업용 카메라 2개 중 1개와 모바일 로봇 3개 중 1개가 히크로봇에서 생산됩니다..
지아는 이것이 단지 시작점일 뿐이라고 확신합니다. 그는 지능형 제조 컨퍼런스에서 제조업이 교차로에 서 있다고 지적했습니다.신흥 기술 물결은 공급 능력을 재구성하고 있습니다.수요는 소량, 고종, 매우 분산된 생산으로 이동하고 있습니다.
히크로봇은 이 전환에 완전히 대비했습니다.그리고 회사는 추가 생산 시설을 위한 사이트를 탐색하고 있습니다..
Jia의 비전에 따르면 Hikrobot는 플랫폼 기반의 지능형 제조 기업으로 발전하여 제조 및 물류 부문을 서비스하며 필요한 모든 지능형 하드웨어를 공급합니다.소프트웨어 장비 및 통합 시스템.
완전 한 능력 을 처음부터 구축 하는 것
2014년, 로버트 지아 (Robert Jia) 가 이끄는 내부 팀은 Hikvision 내에서 인위 지능과 로봇 기술을 산업 분야에 적용하는 임무를 맡았다.
2014년경에는 두 가지 중요한 산업 변화가 일어났습니다. 첫째로, 감소하는 인구 분배는 중국의 산업 자동화의 급속한 성장을 이끌었고, 엄청난 시장 수요를 창출했습니다. 둘째로,융합신경망 (CNN) 알고리즘의 조합, 데이터와 컴퓨팅 능력은 인공지능의 혁명적 돌파구를 열었고, 중국 기업들이 글로벌 경쟁자들을 뛰어넘을 수 있는 창문을 만들었습니다.
지아는 산업 지능 업그레이드가 인공지능이 로봇의 핵심 동력으로 자리 잡을 것으로 예상되는 중국산의 지속가능한 성장의 유일한 길이라고 인정했습니다.제조 및 물류는 로봇을 빠르게 배치하고 가치를 제공하는 가장 유력한 시나리오를 나타냅니다..
기술적인 관점에서, Hikvision는 하드웨어, 임베디드 개발, ISP 이미지 처리 및 패턴 인식 비전 분야에서 깊이 축적 된 전문 지식을 자랑했습니다.해외 유수의 제조업체의 주류 제품은 여전히 오래된 산업 패턴 인식 알고리즘에 의존하고 있습니다.히크비전은 이미 보안 및 상업적 시나리오에서 이미지 인식을 위해 최첨단 CNN 모델을 배포했습니다.
이 기술적인 우수성은 그 당시의 많은 인터넷 및 기술 회사들과 비슷하게 상위에서 아래로 기술 혁신을 통해 시장에 진입할 수 있다고 믿게 만들었습니다.그러나 순수한 기술과 진정한 시장 수요 사이의 격차는 스타트업 팀이 극복해야 할 첫 번째 큰 장애물이되었습니다..
2015년, Jia는 그의 팀을 이끌고 완전히 자신감 있게 혁신적인 새로운 기능들로 가득한 3개의 산업용 카메라를 개발했습니다.
주목할 만한 혁신 중 하나는 산업용 카메라에 색상 강화 기능을 도입하는 것이었습니다. 이 기능은 사진과 보안 감시에서 널리 사용되어 인간 친화적 인 영상을 생산합니다.이 팀은 시장에 출시되는 과정에서 중요한 결함을 빠르게 발견했습니다.: 대부분의 산업용 시각 시스템은 데이터를 인간 조작자가 아닌 알고리즘에 공급하여 색상 렌더링의 필요성을 제거합니다.
보안 및 상업적 응용과 달리 산업 시나리오는 비용보다 안정성을 우선시합니다.산업용 카메라는 수십만 달러의 생산 라인 내에서 몇 천 RMB에 불과할 수 있습니다.하지만 단 하나의 결함된 카메라만 있으면 전체 장비가 멈출 수 있습니다.
"고객들은 새로운 제품이 실질적인 가치를 제공한다면만 기존 장비를 교체할 준비가 될 것"이라고 Jia는 설명했다.
시야 인식 분야에서 수십 년의 경험을 가진 기존 플레이어와 경쟁하는 새로운 시장 입주자로서 Hikrobot는 어떤 독특한 가치를 제공할 수 있습니까?
JIA의 팀은 명확한 답을 찾았습니다. 모든 것을 처음부터 다시 만들어야 한다는 겁니다.
기계 비전은 산업용 카메라와 알고리즘을 포함한 하드웨어와 소프트웨어의 복잡한 생태계를 포함합니다.대부분의 신규 입주자는 준비된 모듈을 구매하고 알고리즘 디자인에만 집중합니다.하지만 히크로봇은 머신 비전 구성 요소를 거의 독립적으로 개발하기로 결정했습니다. 핵심 알고리즘에서 하드웨어와 소프트웨어 시스템까지요.
예를 들어, 산업용 카메라용 GigE Vision 통신 인터페이스 모듈은 초 안정적인 데이터 전송을 요구합니다.히크로봇은 내부 버전의 정리를 위해 많은 시간을 투자했습니다., 반복적으로 교차 프로토콜 호환성 및 보편적 적응성을 디버깅합니다.
하드웨어 측면에서는 산업용 카메라가 초소형 형태 요소를 가지고 있으며, 연구팀은 최소한의 물리적 차원 내에서 전력 소비와 열 방출을 최적화하기 위해 수년 동안 노력했습니다.
알고리즘 측면에서는 Hikrobot가 인공지능 알고리즘을 이용한 산업용 바코드 리더를 개척하여 산업용 코드 읽기 성능에 대한 세대의 도약을 일으켰습니다.
제3자 모듈 구매는 제품 통합을 가속화하지만 심층적인 재구성, 최적화 및 시스템 전체의 반복을 방지합니다.기존의 기술적 틀에서 벗어날 수 없습니다.85점 제품들이 시장에 많이 있지만, 95점 제품을 만드는 것은 엄청난 도전입니다.
95점의 성능 기준을 달성한 제품만이 고객에게 변화된 가치를 제공합니다.
이 풀 스택 기반 개발 능력은 Hikrobot가 제품 연구개발 과정에서 모든 모듈 구성 요소를 최적화할 수 있도록 합니다.향후 몇 년 동안 모바일 로봇과 관절 로봇 팔의 경쟁 우위를 확보할 수 있는 기반을 마련.
고객과 공동창업, 현장에서 실제적인 문제점을 해결
로버트 지아는 자신의 경력 경로를 반영하는 예시적인 은유와 합리적 분석을 균형을 이루는 구조적이고 생생한 연설을 합니다. 그는 Hikvision의 첫 번째 알고리즘 엔지니어였습니다.그리고 나중에 그룹의 공급망 관리에 책임을 지었습니다..
공급망 역할을 한 1년 넘게, Jia는 전국적으로 수많은 등대 공장을 방문하고 Zhejiang의 Tonglu에 Hikvision의 제조 기지의 건설을 감독했다.이 실제 경험은 제조업체의 진정한 요구에 대한 깊은 통찰력을 제공했습니다.예를 들어, 많은 공장 공급망에서 가장 해결하기 어려운 고통점은 생산 자체가 아니라 공장 내 물류입니다.
창고 환경은 인력과 물품의 복잡한 중복을 특징으로 하며, 전류와 하류 생산을 연결하는 중요한 연결고리로 작용합니다.그들은 제조 가치 사슬의 가장 약한 링크를 형성합니다., 또한 완전한 지능적인 변환을 위한 가장 초기 실행 가능한 시나리오 중 하나를 제시합니다. 이러한 이유로, Jia 님의 팀은 기계 비전과 함께 병행 제품 라인으로 AMR을 개발했습니다.시력 시스템은 공장의 지능적인 눈 역할을 합니다.,전동 로봇이 지능적인 발 역할을 합니다.
그 당시 시장은 자동 유도 차량 (AGV) 과 같은 다양한 재료 처리 장비를 이미 제공했지만 이러한 장치는 두 가지 보편적 한계를 겪었습니다. 첫째,오래된 알고리즘과 하드웨어에 의해 제한됩니다.두 번째로, 장비 제조업체는 산업 시나리오에 대한 깊은 이해가 부족했습니다.공장 물류는 산업 간 생산 작업 흐름에 대한 깊은 지식을 필요로 하는 복잡한 현장 조건을 포함합니다..
기존 하드웨어를 최적화하면 공장에 추가 가치를 창출할 수 없었습니다. 핵심 우선 순위는 시나리오를 이해하고 실용적인 문제를 해결하는 것이었습니다..
2015년, Hikrobot의 인트라 로지스틱 솔루션은 Hikvision의 퉁글루 제조장에서 검증되고 테스트되었으며, 이 곳에서 첫 번째 언더라이드 AMR이 개발되었습니다. 2016년 1월,히크로봇은 퉁글루 공장에서 첫 대규모 AMR 프로젝트를 도입했습니다., 800 underride 로봇을 하나의 설치에 배치. 자신의 공장 내부에서, AMR 시스템은 엄격한 실제 세계 생산 압력과 반복적인 정제 견딜 수 있습니다.자동차 공장 및 신선식품 창고에 배치 후.
2017년, 슈퍼마켓 소매 고객들은 급격히 증가하는 노동 비용, 낮은 분류 효율성, 그리고 신선식품 유통센터에서 높은 오류율에 직면했습니다.지능적인 변혁에 대한 긴급한 수요를 창출고객님이 공동 실험을 위해 창고를 열었지요. 히크로봇의 신선식품 시나리오에서의 제한된 경험에도 불구하고요.양측은 40개의 AMR 및 7개의 분류 작업소를 4개 지역에 배치했습니다.1만 평방미터의 신선식품 창고로, 작업 흐름은1 시간당 1인당 120개에서 210개로 분류 효율을 높이는.
이 고객 공동 창업 모델은 익스프레스 배달 산업이 전형적인 사례 연구로 작용하여 Hikrobot의 초기 개발을 정의했습니다.거의 국내 비전 브랜드가 물류에서 작동하지 않습니다· 패키지 분류, 코드 읽기 및 무게는 전적으로 수동 PDA 스캐너에 의존했습니다.물류 업체들은 국내 맞춤형 DWS (Dimension-Weigh-Scan) 시스템을 개발하고 Hikrobot과 공동 연구개발을 위해 파트너십을 맺었습니다..
물류에서 DWS의 주요 기술적 장벽은 불규칙한 파일에 붙어있는 변형 된 운송 라벨에 있습니다. 종종 코드 판독을 손상시키는 투명한 접착 테이프로 덮여 있습니다.현실의 분류 라인의 극심한 복잡성과 최소한의 글로벌 전례를 감안하면, 해외 주요 공급자는 크게 이 시장을 피하고, 깨끗한 표준화된 시나리오를 가진 고예산 고객만을 목표로했습니다.국내 물류 회사들은 실행 가능한 솔루션을 찾기 위해 히크로봇과 같은 지역 지능형 제조업체에 돌렸습니다..
데이터와 테스트 시스템을 수집하기 위해 물류 파트너는 Hikrobot의 개발 팀만을 위해 전용 분류 라인을 예약했습니다.알고리즘 엔지니어는 덥고 추운 여름부터 추운 겨울까지 현장에서 일했습니다., 초기 개발을 완료하는 데 몇 달을 보냈습니다. 출시 후 팀은 2019 년에 광범위한 산업 채택을 보기 전에 몇 년 동안 지속적인 최적화를했습니다.
2019년 이후 히크로봇은 자동차, 리?? 배터리, 광전기, 반도체 및 의료 기기 등 신흥 산업에 수많은 신규 고객을 확보했습니다.이들 제조업체의 경영진들은 로봇 기술을 기꺼이 받아들였습니다새로운 공장들은 대규모 로봇 배치를 위한 전용 공간으로 설계되었습니다.
더보기
GF는 회사 역사상 가장 큰 시립 주문을 확보했습니다!
2026-07-03
.gtr-container-x7y8z9 {
font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif;
font-size: 14px;
line-height: 1.6;
color: #333;
padding: 15px;
box-sizing: border-box;
}
.gtr-container-x7y8z9 p {
margin-bottom: 1em;
text-align: left !important;
word-wrap: break-word;
overflow-wrap: break-word;
}
.gtr-container-x7y8z9 p:last-child {
margin-bottom: 0;
}
.gtr-container-x7y8z9 .gtr-heading-style {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-top: 1.5em;
margin-bottom: 0.8em;
}
.gtr-container-x7y8z9 img {
vertical-align: middle;
}
.gtr-container-x7y8z9 div {
margin: 0;
padding: 0;
}
@media (min-width: 768px) {
.gtr-container-x7y8z9 {
max-width: 960px;
margin: 0 auto;
padding: 25px;
}
}
스위스 산업 그룹인 Georg Fischer(GF)는 최근 브라질의 선도적인 수도 공급 및 폐수 처리 유틸리티 회사인 Sabesp와 약 1억 스위스 프랑(약 8억 7천만 위안에 해당) 규모의 2년 계약을 체결했습니다. 이번 2년 수주는 GF의 기업 역사상 가장 큰 지방자치단체 계약이며, 지금까지 그룹이 확보한 단일 주문 중 가장 큰 규모입니다.
산업 및 건축 응용 분야 외에도 GF는 혁신적인 도시 솔루션의 포괄적인 포트폴리오를 제공합니다. 수자원 및 처리장에서 최종 사용자 수돗물까지 전체 물 순환을 포괄하는 당사는 귀중한 수자원을 보존하고 파이프라인 누출을 줄이기 위해 물 공급 인프라에 대한 엔드투엔드 지원을 제공합니다.
물망 현대화를 진전시키기 위해 브라질 최대의 지방자치단체와 협력
1973년에 설립된 Sabesp는 브라질 최대의 물 공급 및 위생 회사이며 서비스를 받는 인구 기준으로 세계 최대의 물 유틸리티 회사 중 하나입니다. 상파울루 주 전역의 375개 지방자치단체에 물 분배 및 폐수 처리 서비스를 제공하며, 이는 대략 2,800만 명의 주민을 대상으로 합니다. Sabesp와 GF는 오랫동안 성공적인 파트너십을 공유하고 있습니다. 이 프로젝트에 따라 GF는 상파울루 주의 상수도 네트워크를 현대화하기 위한 배관 시스템 제품과 통합 솔루션을 공급할 예정입니다.
2033년까지 물 인프라를 현대화하고 물 및 위생 서비스에 대한 보편적인 접근을 달성하려는 브라질 국가 계획의 일환으로 Sabesp는 물 분배 네트워크를 업그레이드하는 데 막대한 투자를 하고 있습니다. 작년에 GF는 GF, VAG, Uponor 및 기타 브랜드의 기술을 컴팩트하고 설치가 쉬운 솔루션으로 통합하여 파일럿 배포용 NeoFlow 압력 맨홀을 제공했습니다. 계약 조건에 따라 GF는 Sabesp의 도시 물 시스템 업그레이드 목표를 지원하기 위해 PE 파이프를 포함한 모든 범위의 제품을 공급할 것입니다.
공식 보도자료 영어 번역
GF의 CEO인 안드레아스 뮐러(Andreas Müller)는 "전 세계 수자원 유틸리티는 비수익 물 손실을 줄이고 노후화된 인프라를 현대화해야 하는 큰 압력에 직면해 있습니다. Sabesp와의 협력은 우리가 이러한 문제를 해결하는 데 어떻게 도움이 되는지 보여줍니다."라고 말했습니다. "또한 이는 지자체 수자원 운영자 및 인프라 고객을 위한 혁신적인 엔드투엔드 솔루션을 제공함으로써 지자체 부문에서 리더십을 강화하려는 우리의 전략 2030과도 일치합니다."
Sabesp의 조달 이사인 Gustavo do Valle Fehlberg는 "GF의 압력 맨홀 출시에 이어 우리는 지자체 급수 시스템의 현대화를 더욱 발전시키기 위해 파트너십을 확대하고 있습니다. 이 다음 단계는 지역 전체의 중요한 물 네트워크의 갱신을 가속화하고 수백만 명의 사람들에게 안전한 식수를 제공할 것입니다."라고 말했습니다.
더보기
산업용 시각 검사: 다모형 대형 모델 의 매력
2026-06-26
.gtr-container-k7p2q9 {
font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif;
color: #333;
line-height: 1.6;
padding: 15px;
box-sizing: border-box;
max-width: 100%;
overflow-x: hidden;
}
.gtr-container-k7p2q9 p {
font-size: 14px;
margin-bottom: 1em;
text-align: left !important;
}
.gtr-container-k7p2q9 .gtr-section {
margin-bottom: 2em;
}
.gtr-container-k7p2q9 .gtr-heading-main {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-top: 2em;
margin-bottom: 1em;
text-align: left;
}
.gtr-container-k7p2q9 .gtr-heading-sub {
font-size: 16px;
font-weight: bold;
color: #333;
margin-top: 1.5em;
margin-bottom: 0.8em;
text-align: left;
}
.gtr-container-k7p2q9 ul {
padding-left: 20px;
margin-bottom: 1em;
}
.gtr-container-k7p2q9 ul li {
list-style: none !important;
position: relative;
margin-bottom: 0.5em;
padding-left: 15px;
font-size: 14px;
text-align: left;
}
.gtr-container-k7p2q9 ul li::before {
content: "•" !important;
position: absolute !important;
left: 0 !important;
color: #0000FF;
font-size: 1.2em;
line-height: 1;
}
.gtr-container-k7p2q9 ol {
counter-reset: list-item;
padding-left: 20px;
margin-bottom: 1em;
}
.gtr-container-k7p2q9 ol li {
list-style: none !important;
position: relative;
margin-bottom: 0.5em;
padding-left: 25px;
display: list-item;
font-size: 14px;
text-align: left;
}
.gtr-container-k7p2q9 ol li::before {
content: counter(list-item) "." !important;
position: absolute !important;
left: 0 !important;
font-weight: bold;
color: #0000FF;
text-align: right;
width: 20px;
}
.gtr-container-k7p2q9 .gtr-image-wrapper {
margin-top: 1.5em;
margin-bottom: 1.5em;
}
.gtr-container-k7p2q9 img {
vertical-align: middle;
}
@media (min-width: 768px) {
.gtr-container-k7p2q9 {
padding: 25px;
max-width: 960px;
margin: 0 auto;
}
}
I. 유혹적 인 질문
GPT-4V가 2023년 초에 출시된 직후, 우리는 오랜 고객으로부터 전화를 받았습니다.
그는 가전제품 제조사의 기술 책임자로 일했습니다. 2년 전에 우리는 YOLOv5 기반의 표면 검사 시스템을그 이후로 안정적으로 작동하고 있었습니다..
그는 전화로 생각나게 하는 질문을 던졌습니다.
"나는 GPT-4V가 모든 종류의 이미지를 해석하고 거의 모든 것을 인식 할 수 있음을 보았습니다. 우리는 품질 검사를 위해 직접 채택 할 수 있습니까? 그것은 데이터 라벨의 필요성을 완전히 제거 할 수 있습니까?"
그 때 저는 직설적인 대답을 하지 않았습니다.
솔직히 말해서, 우리는 그 아이디어에 똑같이 매료되었습니다.
다중 모형 대형 모델의 데모는 의심 할 여지 없이 인상적입니다. 모델에 임의의 무작위 이미지를 입력하면 내용, 결함을 정확히 파악하고 결함 유형을 분류 할 수 있습니다.교육이나 표시가 필요하지 않습니다.; 그것은 상자 밖으로 제로 샷 성능을 제공합니다.
만약 이 기능이 공장으로도 완벽하게 적용된다면 산업 시각 검사의 전체 규칙책이 다시 쓰일 것입니다.
우리는 거의 2년 동안 다양한 다중모형 대형 모델 솔루션을 여러 프로젝트에서 테스트했습니다.
우리의 결론은 분명합니다. 기술이 유혹적으로 보일 수도 있지만 실제 산업용 응용은 엄격한 한계를 가지고 있습니다.
이 기사에서는 이 2년 동안 우리가 직면한 모든 함정을 기록합니다.
II. 현재의 풍경을 확립하라: YOLO는 사실상의 표준이 되었다
멀티모달 대형 모델에 뛰어들기 전에 산업의 기본 라인을 설정하는 것이 중요합니다.
오늘날 산업 시각 검사에 대한 지배적 솔루션은 YOLO 시리즈로 대표되는 객체 탐지 및 세분화 모델에 의존합니다.
이것은 새로운 경향은 아닙니다. YOLOv3에서 시작하여 널리 배포된 YOLOv8, YOLOv9 및 YOLOv10에 이르기까지 YOLO 가족은 수년 동안 산업 생산 라인에서 구현되었습니다.완전히 성숙한 기술 스택을 자랑.
왜 YOLO 가 사실상 표준 이 되었습니까?
첫째, 초고속 추론 속도
산업용 카메라와 결합된 표준 엣지 컴퓨팅 박스에 장착된 YOLOv8는 대부분의 생산 라인의 takt 시간과 일치하는 10 ~ 30 밀리 초 이내에 하나의 프레임에 대한 추론을 완료합니다.
둘째, 충분한 탐지 정확성.
적당한 표기된 데이터 세트를 사용하면 YOLO 시리즈는 일반적인 결함 범주에서 뛰어난 정확도를 달성하며 90% 이상의 mAP를 쉽게 달성합니다.
셋째, 성숙한 배포 생태계입니다.
준비된 툴 체인은 ONNX, TensorRT 및 OpenVINO를 포함한 여러 배포 프레임워크를 지원합니다.모델 훈련에서 현장 배치까지의 전체 작업 흐름은 수많은 산업 프로젝트에서 검증되었습니다..
넷째, 포괄적인 오픈소스 생태계입니다.
활발한 오픈소스 커뮤니티는 대부분의 기술적 장애물에 대한 접근 가능한 해결 방법을 제공하고 있으며, 풍부한 사전 훈련 된 무게, 데이터 증강 키트 및 라벨링 도구가 쉽게 제공됩니다.
따라서 YOLO 시리즈는 2024년에 시작되는 산업 시각 검사 프로젝트에 기본적으로 선택됩니다.
딥러닝을 채택해야 하는지에 대해 논쟁할 필요가 없습니다.
이제 새로운 핵심 질문이 제기됩니다. 멀티모델 대형 모델의 등장으로 YOLO는 여전히 최적의 솔루션으로 남아 있습니까?
III. 다모형 대형 모델 의 매력: 유망 한 환상
2023년에는 다모형 대형 모델 출시가 폭발적으로 증가했습니다.
GPT-4V, Gemini 및 Claude 3를 포함한 모델은 강력한 일반적인 이미지 이해 기능을 제공합니다.
우리는 이 모델들을 테스트했습니다. 솔직히 말해서, 그들의 데모 성능은 정말 인상적입니다.
매력 1: 무사격 능력
전통적인 작업 흐름: 특정 유형의 결함을 검사하려면 먼저 그 결함의 이미지를 수집하고 표시하고 훈련해야합니다. 데이터가 없다는 것은 사용할 수있는 모델이 없다는 것을 의미합니다.
멀티모델 대형 모델: 단순히 자연 언어로 요구사항을 설명해 주세요. 예를 들어 "이 이미지에 스크래치가 있는지 확인하세요".교육 또는 표시가 필요하지 않습니다..
이것은 무엇을 의미합니까? 냉동 시작 비용은 거의 0으로 떨어집니다.
새로운 제품을 출시할 때, 데이터 수집, 라벨링, 모델 훈련에 2주 동안의 시간을 할애할 필요가 없습니다. 몇 줄의 명령으로 모델을 사용할 수 있습니다.
매력 2: 고급 의미 이해
전통적인 모델은 경계 상자와 신뢰도 점수를 출력합니다. 예를 들어, 0.87의 신뢰도를 가진 이 상자 안에 결함이 있습니다.
다중 모형 대형 모델은 설명적인 자연 언어를 생성합니다: 사진의 왼쪽 상단 구석에 2cm 정도의 긁힘이 나타나고, 운송 중에 형성되었을 가능성이 있습니다.포장 과정을 최적화하는 것이 좋습니다.."
이것은 무엇을 의미합니까? 검사 결과는 공식 품질 검사 보고서로 직접 변환 될 수 있습니다.
매력 3: 강력 한 일반화 능력
전통적인 모델은 훈련 중에 보이는 결함 유형만을 인식할 수 있습니다. 완전히 새로운 보이지 않는 결함을 식별하는 데 실패합니다.
이론적으로, 멀티모델 대형 모델은 인터넷에서 얻은 거대한 이미지를 처리하여 모든 종류의 희귀하고 불규칙한 결함을 인식할 수 있습니다.
이것은 무엇을 의미합니까? 긴 꼬리 결함과 비정상적인 가장자리 경우의 커버링이 크게 향상되었습니다.
매력 4: 상호 작용 검사 논리
전통적인 해결책은 모델에 고정된 검사 규칙을 포함합니다. 검사 기준을 수정하려면 완전한 재교육이 필요합니다.
멀티모델 대형 모델은 명령어를 통해 표준의 동적 조정을 지원합니다. 예를 들어 1cm 이상의 스크래치가 NG로 계산되는 한 날로 문턱을 설정하고 0으로 전환할 수 있습니다.5cm" 다음 기본 모델을 수정하지 않고.
이것은 무엇을 의미합니까? 조정 검사 표준은 매우 유연합니다.
이 모든 장점을 읽고, 당신은 또한 유혹 될 수 있습니다. 바로 그 때 우리가 그랬던 것처럼. 그래서 우리는 여러 실제 프로젝트에 다중 모형 대형 모델을 배치하기로 결정했습니다.하지만 그 후에도 많은 걸로 걸려.
IV. 실용적 으로 배치 하는 데 에 직면 한 값비싼 여섯 가지 함정
함정 1: 생산 라인에 적합하지 않은 과도한 추론 지연
우리의 파일럿 프로젝트는 휴대전화 하우스의 외모 검사에 초점을 맞추었습니다.
생산 라인은 3초마다 하나의 작업 조각을 처리합니다. 즉, 로봇 분류에 1초를 할애하기 위해 전체 검사 지연시간이 2초 이하로 유지되어야 합니다.
우리는 GPT-4V API 워크플로우를 테스트했습니다.
이미지를 업로드하고 프롬프트를 입력
서버 응답을 기다립니다.
검사 결과
평균 지연시간은 4~6초에 달했고, 네트워크 변동 속에서는 10초를 초과할 수 있었습니다.
대신 LLaVA와 Qwen-VL 같은 자율적으로 호스팅된 오픈소스 멀티모델 모델을 제안할 수도 있습니다.A100 GPU에서 LLaVA-13B를 실행하면 대략 800ms에서 1의 단일 이미지 추론 지연이 발생합니다.0.2초
클라우드 API보다 빠르지만, YOLO보다 수십 배 더 느립니다.
함정 2: 급증 하는 처리량 및 컴퓨팅 비용
비록 논쟁을 위해 지연을 용인하더라도 비용 계산은 혹독한 이야기를 말해줍니다.
한 생산 라인은 하루에 몇 장의 이미지를 처리합니까?
3초마다 1개의 작업 부품을 20시간 동안 매일 작동한다고 가정하면, 하나의 라인은 하루에 약 24,000개의 검사 이미지를 생성합니다.
GPT-4V API의 경우, 단위 가격은 해상도와 토큰 소비에 따라 이미지당 0.01달러에서 0.03달러 사이였다:
한 줄 당 일일 비용: $240~$720
한 라인 월간 비용은 7,200달러 21달러600
연간 비용: $86,400$259,200
이것은 단지 하나의 라인을 차지하고, 우리의 고객은 12개의 생산 라인을 운영했습니다. 제조업체가 감당할 수 없는 비용이었습니다.
자율적으로 호스팅된 오픈소스 모델은 어떨까요?
단일 A100 GPU는 대략 1 ∼ 2 QPS (초당 질의) 를 제공합니다. 단일 라인은 약 0.3 QPS로 최고치로, 여러 라인을 위해 하나의 카드로 관리 할 수 있습니다.
하지만 서버, IDC 공간, 유지보수 등을 고려하면 A100 배포에 대한 연간 운영 비용은 수십만 원에 달한다.
이와는 달리, YOLO 배포는 하나의 전체 생산 라인을 지원하기 위해 몇 천 RMB에 달하는 엣지 컴퓨팅 박스만 필요합니다.
비용 격차는 두 개의 규모를 차지합니다.
함정 3: 불안정하고 확률적인 출력
이것은 우리의 가장 좌절스러운 장벽이 되었습니다.
산업 검사는 절대적인 결정론을 요구합니다. 동일한 이미지는 항상 동일한 검사 결과를 가져야 합니다.그렇지 않으면 표준화 된 품질 관리 및 추적 가능성은 불가능합니다..
그러나 다모형 대형 모델은 확률적인 결과물을 생산합니다.
우리는 GPT-4V에 10번씩 동일한 결함된 이미지를 동일한 명령으로 전달했습니다. 결과는 크게 달라졌습니다.
7회 출품된 제품 고장
2 회로 표시 그것은 수동 검토를 필요로 결함이 의심
1차례는 명백한 결함이 없다고 주장했다.
모두 같은 입력과 명령에서 온 것입니다.
이러한 무작위성은 공장 품질 통제에 치명적입니다. 검사자는 결함의 70%의 확률에 따라 행동 할 수 없습니다. 모든 작업 조각은 최종적인 OK 또는 NG 판결이 필요합니다.
어떤 사람들은 일관성을 위해 온도를 0으로 설정하는 것을 제안합니다. 우리는 이 방법을 시도했지만 안정성을 향상시켰지만 100%의 동일한 출력을 보장하지 못했습니다.큰 모델은 샘플링 메커니즘을 통해 결과를 생성합니다., 그리고 작은 오차는 온도 = 0에서도 가장자리 경우에 유지됩니다.
함정 4: 취약 한 신속 한 공학 ∼ 소소한 표현 변화 가 판단 을 변화 시킨다
다중모델 성능은 신속한 설계에 전적으로 의존합니다. 우리는 정확성과 안정성을 높이기 위해 광범위한 인력 최적화를 했습니다.
우리는 곧 문장 변경에 매우 민감하다는 것을 발견했습니다.
거의 동일한 핵심 요청을 가진 세 개의 요청은 매우 다른 검사 결과를 제공했습니다.
명령 A: 이 이미지에 표면 결함이 있는지 확인합니다. "
안내서 B: 제품 표면을 주의 깊게 검사하고 긁힘, 구멍, 외질 및 기타 결함을 확인하십시오. "
명령 C: "전문적 인 품질 검사자 처럼 행동 하십시오. 이 사진 에 있는 제품 의 외모 결함 을 찾아 분류 하십시오".
더 나쁜 것은 제품 A에 맞춰진 프롬프트가 제품 B에 적용되면 효능을 잃게 되고, 모든 새로운 제품 변종에 대한 프롬프트 논리를 완전히 재개해야 한다는 것입니다.
이것은 새로운 제품에 대한 YOLO 모델의 재교육과 어떻게 다릅니다?
YOLO 훈련은 모델이 표준을 충족할 때 명확하게 표시하기 위해 수치화 가능한 평가 메트릭에 의존합니다. 신속한 조정은 전적으로 주관적인 시행착오에 달려 있습니다.최적의 성능에 대한 명확한 기준이 없습니다..
함정 5: 환각 자신감 있게 존재하지 않는 결함을 만들어 내는 것
환각은 큰 언어와 다중 모형 모델의 잘 기록된 결함입니다. 시스템이 자신있게 존재하지 않는 세부 사항을 발명합니다.
산업 검사에서 이것은 세 가지 전형적인 실패로 나타납니다.
결함 없는 제품을 결함 있는 것으로 표시
결함 위치를 잘못 표시 (예: 오른쪽에 표시되는 경우 왼쪽에 스크래치를 찾습니다)
결함 유형을 잘못 분류 (예: 구멍을 긁힌 채로 표시)
한 실험 사례는 심각성을 예로 들 수 있습니다. 완전히 결함이 없는 제품 이미지는 매우 상세한 가공 분석을 유발합니다.아래 오른쪽 구석에서 약 3mm 길이의 얇은 긁힘이 감지됩니다., 기능적 영향 평가 권장됩니다".
자세히 살펴보면 그 지역에서 흔적이나 긁힘이 전혀 없었습니다.
이런 환각이 대량생산 라인에 침투하면 심각한 결과를 초래합니다.결함이 있는 상품이 검출되지 않은 채로 빠져나오거나 (검찰을 놓쳤거나) 자격을 갖춘 상품이 잘못 거부되었거나 (거짓 거절).
함정 6: 사설 현장 배치에 대한 높은 자원 장벽
클라우드 API가 높은 지연시간과 과도한 비용을 겪기 때문에 자체 호스팅 배포는 대안으로 보입니다. 우리는 주류 오픈 소스 멀티모달 모델에 대한 하드웨어 및 소프트웨어 요구 사항을 평가했습니다.
YOLO는 어때요?
YOLOv8-m는 8GB VRAM의 GTX 1080에서도 원활하게 실행됩니다.
그것은 단지 수십 와트의 전력 소비로 NVIDIA Jetson 모듈과 같은 엣지 컴퓨팅 하드웨어에 배치 될 수 있습니다.
계산 자원의 문턱은 전체 규모의 순서로 다릅니다.
대부분의 공장에서는 생산 층에 A100 서버를 설치하는 것이 자본 지출과 일상 운영 및 유지 보수 측면에서 실용적이지 않습니다.
V. 첫 번째 원칙으로 돌아가: 산업 시각 검사 는 정확히 무엇 을 요구 합니까?
위의 모든 함정에 걸려서 우리는 한 걸음 물러서서 근본적인 질문을 생각해 보았습니다.
산업 시각 검사에서 필수적으로 요구되는 핵심 기능은 무엇입니까?
결정적 결과물동일한 이미지는 100%의 일관성 결과를 가져야 합니다. 이것은 표준화 된 품질 관리와 완전한 추적성의 기초를 형성합니다. 확률적 출력은 허용되지 않습니다.
초저연속성밀리초 수준 반응. 생산 라인 takt 시간은 딱딱하고, 검사는 병목이 될 수 없습니다.
10ms 추론 시간과 1,000ms 추론 시간은 완전히 다른 운영 현실을 나타냅니다.
높은 처리량초당 얼마나 많은 프레임을 처리 할 수 있습니까? 매일 얼마나 많은 작업 조각을 검사 할 수 있습니까?
계산 비용은 통제 할 수 있어야 하며, 단일 생산 라인에 대한 수십만 달러의 연간 지출을 피해야합니다.
엣지 배포 호환성공장 네트워크 환경은 복잡합니다. 많은 작업실에는 안정적이거나 접근 가능한 인터넷 연결이 없습니다.
모델은 클라우드 API에 의존하기보다는 엣지 디바이스에서 로컬로 작동해야 합니다.
해석 가능한 검사 결과결함이 발견되면 시스템에서 검사자에게 정확한 위치와 범위를 명확히 알려야 합니다.
이상적으로, 그것은 하류 시스템 통합을 위해 결함 좌표, 지역 및 신뢰도 점수를 출력해야합니다.
통제 할 수 있는 유지보수 비용제품들은 업그레이드되고 검사 기준은 정기적으로 수정됩니다.
각 반복에 대한 적응 비용은 매번 완전한 재구성 없이 관리되어야 합니다.
이 여섯 가지 핵심 요구사항을 두 가지 기술 경로와 비교하면 명확한 대조를 나타냅니다.
YOLO 시리즈는 여섯 가지 기준을 완벽하게 충족합니다.
결정론: 동일한 입력값에 따라 100% 일관성 있는 출력
낮은 지연시간: 10~30 밀리초 추론
높은 처리량: 단일 GPU 당 수십 개에서 백 개 이상의 QPS
엣지 배포 가능: 제트슨 하드웨어 및 산업용 PC와 완전히 호환됩니다.
해석 가능한 출력: 경계 박스, 결함 범주 및 신뢰도 값
낮은 유지보수 비용: 단계적 교육 및 전송 학습을 위한 성숙한 도구 체인
다모형 대형 모델은 거의 모든 요구 사항을 충족하지 못합니다.
결정론: 본질적으로 확률적인 결과물
지연 제한: 두 번째 규모 추론
처리량 제한: 단일 GPU는 단자리 QPS만을 지원합니다.
엣지 배포 장벽: A100 클래스 고급 GPU를 요구합니다
해석성 격차: 원시 자연어 설명은 2차 분석이 필요합니다.
예측할 수 없는 유지보수: 신속한 엔지니어링은 정량화 가능한 최적화 표준이 부족합니다.
그래서 다중 모형 대형 모델이 YOLO를 대체할 수 있을까요? 결론은 분명합니다.
현재 기술 성숙 단계에서는 다중 모형 대형 모델이 산업 시각 검사의 주요 솔루션으로 적합하지 않습니다.
제로샷 추론, 깊은 의미 이해 및 강한 일반화와 같은 강점은 생산 라인에서 실용적인 가치를 거의 제공하지 않습니다. 한편으로 중요한 결함막대한 비용과 불안정한 생산량은 산업 품질 통제에 치명적입니다..
VI. 대체 가 아니라 보완
이것은 다중 모형 대형 모델이 산업 시각 검사에 완전히 쓸모가 없다는 것을 의미하지는 않습니다.
핵심은 그들의 적절한 틈새를 파악하는 것입니다.
2년간의 현장실험 끝에 우리는 멀티모델 대형 모델이 실질적인 가치를 창출하는 네 가지 시나리오를 요약했습니다.
시나리오 1: 보조 자동 데이터 주석
설명은 전통적인 검사 프로젝트의 가장 큰 비용 운전자입니다.
산업 비전 작업은 일반적으로 수천에서 수만 개의 주석 이미지가 필요합니다. 주석 서비스를 아웃소싱하는 데에는 프레임 당 10분의 10에서 몇 달러가 소요됩니다.라벨링 비용은 전체 프로젝트 투자의 30%~50%를 차지합니다..
멀티모델 대형 모델은 사전 표시 기능을 제공합니다.
모델은 원료 이미지에서 먼저 사전 주석 마스크와 상자를 생성합니다. 인간 직원은 처음부터 라벨링 대신 결과를 검토하고 수정해야합니다.
우리의 현장 테스트는 이 작업 흐름이 주석의 효율성을 3~5배로 높이고, 이미지별 평균 표기 시간을 30초에서 10초 이하로 줄인다는 것을 증명했습니다.
시나리오 2: 긴 꼬리 결함에 대한 재복보장
YOLO 모델의 성능 최고값은 간단합니다. 그들은 훈련 데이터 세트에 등장하는 결함 유형만을 인식할 수 있습니다.
유례없는 희귀 결함이 YOLO에 의해 발견을 놓칠 것입니다.
이러한 긴 꼬리 이상 현상은 드물게 발생하지만 종종 심각한 비정상적인 제조 조건을 나타내고 더 높은 운영 위험을 초래합니다.
멀티모델 대형 모델은 재발 검증 계층으로 작용합니다.
YOLO가 경계 신뢰도 점수를 출력하면 (약 0.3~0.7, 불확실성의 회색 구역), 해당 이미지는 2차 판단을 위해 다중 모형 모델로 전송됩니다.
큰 모델의 제로 샷 일반화 강도는 눈에 보이지 않는 희귀한 이상 현상을 덮습니다.
이 메커니즘에 따라 모든 이미지의 5%~10%만이 멀티모달 모델로 전송되며 전체 비용을 관리 할 수 있으며 긴 꼬리 결함의 커버리지를 획기적으로 향상시킵니다.
시나리오 3: 원시 검사 데이터의 의미 변환
YOLO는 구조화된 데이터만 출력합니다. 경계 박스, 결함 범주, 신뢰도 점수.
백엔드 산업 시스템에는 이러한 원시 측정값이 충분하지만, 실제적인 질문에 대한 답을 필요로 하는 인간 검사자들에게는 직관적이지 않습니다.어떤 시정 조치 를 취해야 합니까??
멀티모델 대형 모델은 의미적인 보고서 생성 작업을 수행합니다.
입력: 결함 좌표, 분류 라벨, 제품 모델 및 제조 공정 매개 변수
출력: 자연어 검사 보고서, 예를 들어 제품 왼쪽 가장자리에 5mm의 스크래치가 감지되며, 곰팡이 가열로 인해 발생할 가능성이 있습니다. 곰팡이 유지 관리가 권장됩니다. "
이 작업은 대기시간에 민감하지 않습니다 (보고는 비동기적으로 생성 될 수 있습니다) 그리고 비용 효율적입니다 (한정된 볼륨의 NG 비상응 제품에서만 실행됩니다).
시나리오 4: 소규모 긴급 프로젝트의 빠른 냉동 시작
고객들은 때때로 긴 시한에 직면합니다. 다음 주에 대량 생산 예정된 새로운 제품들은 단지 수십 개의 결함된 샘플 이미지로, 완전한 YOLO 교육을 위해 충분하지 않습니다.
전통적인 작업 흐름은 이렇게 제한된 데이터로 검사를 시작할 수 없습니다.
멀티모델 대형 모델은 일시적인 과도한 해결책입니다.
제로 샷 능력은 수용 가능하지만 불완전한 정확도로 즉각적인 배포를 가능하게 하며, 완전한 수동 검사를 훨씬 능가합니다.충분한 샘플이 축적되면 장기 사용을위한 공식적인 YOLO 모델을 훈련하기 위해 파일럿 운영 중에 데이터를 지속적으로 수집 할 수 있습니다..
VII. 하이브리드 아키텍처: 우리의 실용적 배포 패러다임
위의 분석을 바탕으로 우리는 최근 산업 프로젝트에서 하이브리드 듀얼 채널 아키텍처를 채택했습니다.
주요 검사 채널: YOLO
모든 검사 작업량의 95% 이상을 처리합니다.
엣지 하드웨어에 로컬로 배포되어 10~20ms 추론 지연
출력 구조적 경계 상자, 결함 유형 및 신뢰도 점수
보조 채널: 멀티모델 대형 모델
회색 영역 내에서 낮은 신뢰도의 경계 이미지를 처리합니다.
주선 처리량을 방해하지 않고 비동기적으로 호출
롱테일 결함 재발 검증, 시맨틱 보고서 생성 및 보조 라벨링 기능
이 하이브리드 프레임워크의 기본 설계 원칙:
YOLO는 핵심 기본 시스템으로 작용합니다. 다중 모형 모델은 보조 도구로 사용됩니다.
일련 처리 대신 데이터 셔팅: 다중 모형 모델은 중요한 생산 경로에서 벗어나 주요 라인 지연이나 처리량에 영향을 미치지 않습니다.
신뢰성 기반의 트래픽 분할: 높은 신뢰성 결과가 직접 전달되며 모호한 샘플은 2차 다중 모달 검증을 위해 전송됩니다.
예측 가능한 비용 통제: 이미지의 작은 부분만이 다중 모형 컴퓨팅 자원을 소비합니다.
VIII. 기술 선택 결정 틀
아래는 산업 시각 검사 알고리즘을 선택하는 팀의 요약된 결정 나무입니다.
지연 시간 요구 사항
필요한 추론
더보기
Hikvision 산업용 카메라는 광범위한 재고 부족에 직면해 있으며 진실은 단순한 "stockpi"보다 훨씬 더 복잡합니다.
2026-06-18
.gtr-container-f8g7h2 {
font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif;
color: #333;
line-height: 1.6;
padding: 16px;
max-width: 100%;
box-sizing: border-box;
overflow-wrap: break-word;
word-wrap: break-word;
}
.gtr-container-f8g7h2 p {
font-size: 14px;
margin-bottom: 1em;
text-align: left !important;
}
.gtr-container-f8g7h2 strong {
font-weight: bold;
}
.gtr-container-f8g7h2 .gtr-main-title {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-bottom: 1.5em;
text-align: left !important;
}
.gtr-container-f8g7h2 .gtr-section-title {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-top: 2em;
margin-bottom: 1em;
text-align: left !important;
}
.gtr-container-f8g7h2 .gtr-subsection-title {
font-size: 16px;
font-weight: bold;
color: #0000FF;
margin-top: 1.5em;
margin-bottom: 0.8em;
text-align: left !important;
}
.gtr-container-f8g7h2 ul,
.gtr-container-f8g7h2 ol {
margin: 1em 0;
padding-left: 20px;
}
.gtr-container-f8g7h2 li {
list-style: none !important;
position: relative;
margin-bottom: 0.5em;
padding-left: 1.5em;
text-align: left !important;
}
.gtr-container-f8g7h2 ul li::before {
content: "•" !important;
color: #0000FF;
font-size: 1.2em;
position: absolute !important;
left: 0 !important;
top: 0;
}
.gtr-container-f8g7h2 ol {
counter-reset: list-item;
}
.gtr-container-f8g7h2 ol li::before {
content: counter(list-item) "." !important;
color: #0000FF;
font-weight: bold;
position: absolute !important;
left: 0 !important;
top: 0;
width: 1.2em;
text-align: right;
margin-right: 0.5em;
}
.gtr-container-f8g7h2 div[style*="display: block; flex: 0 1 auto; flex-direction: row; justify-content: normal; align-items: normal;"] {
margin-bottom: 1em;
}
@media (min-width: 768px) {
.gtr-container-f8g7h2 {
padding: 24px;
}
.gtr-container-f8g7h2 .gtr-main-title {
font-size: 20px;
}
.gtr-container-f8g7h2 .gtr-section-title {
font-size: 20px;
}
.gtr-container-f8g7h2 .gtr-subsection-title {
font-size: 18px;
}
}
전체 영어 번역(업계 심층 기사 톤)
풀체인 전략 개편에 따른 업계의 고통과 변화
머신 비전 및 장비 통합에 종사하는 실무자들에게 작년 이후 한 가지 공통적인 골칫거리가 남아 있었습니다. 바로 Hikrobot 산업용 카메라의 공급이 점점 더 어려워지고 있다는 것입니다.
업계에서 가장 널리 배포된 측정 모델(2/3인치 5MP, 1인치 20MP C 마운트 변형)부터 표준 영역 스캔 카메라에 이르기까지 유통 채널 전반의 현물 재고는 리드 타임이 반복적으로 연장되면서 만성적으로 부족한 상태를 유지합니다. 이로 인해 업계 전반에 걸쳐 광범위한 추측이 촉발되었습니다. Hikrobot이 가격 인상을 유도하기 위해 의도적으로 생산량을 제한하고 있습니까? 아니면 경쟁사를 몰아내기 위해 시장 지배력을 활용합니까?
영어번역(업계분석 격식있는 어조)
그러나 당면한 현물 공급 부족에서 한발 물러나 기업 전략과 산업 사이클의 관점에서 분석해 보면 현재의 재고 부족은 결코 단순한 시장 조작이 아님을 알 수 있다. 대신, 이는 제품 라인, 생산 능력, 유통 채널 및 비즈니스 우선 순위를 포괄하는 Hikrobot의 하향식 종합 전략 조정의 불가피한 결과입니다. 업스트림 공급망의 제약과 다운스트림 수요 급증은 공급 부족의 심각성을 더욱 악화시켰습니다.
즉, 전략적 레이아웃 조정은 근본적인 근본 원인이고, 시장 통합은 부수적인 결과이며, 수요-공급 불일치는 단기적인 악화 요인입니다.
一. 핵심 기본 논리: 공급 부족은 전체 산업 체인의 전략적 구조 조정에 뿌리를 두고 있습니다.
많은 사람들이 공급 부족을 "가격 상승을 위한 생산량 제한"과 동일시하지만 원인과 결과를 혼동하고 있습니다. Hikrobot의 핵심 전략 움직임은 제품 갱신 및 용량 재배치의 전환 기간 동안 모든 비즈니스 라인의 포괄적인 업그레이드와 구조 조정을 완료하는 것입니다. 공급 부족은 이러한 전환으로 인해 발생하는 일시적인 성장통일 뿐입니다.
1. 제품 라인 반복: CU 플랫폼으로 전체 마이그레이션, 레거시 CS/CH 시리즈 단계적 폐지
Hikrobot은 2025년 하반기부터 여러 제품 변경 공지(PCN)를 발표하여 대용량 레거시 CS 및 CH 산업용 카메라 시리즈를 점차 중단하고 차세대 비용 효율적인 CU 모델 및 프리미엄 AI-CH 카메라로 완전히 전환했습니다.
공급망 관점: 레거시 CMOS 및 FPGA 칩에 대한 추가 주문은 없습니다. 기존 원자재가 고갈되면 공식적인 생산 중단이 적용되며 유통업체는 더 이상 단종된 모델에 대한 재입고 할당을 받을 수 없습니다.
시장 전망: 널리 채택된 2/3인치 500만 화소 C 마운트 글로벌 셔터 카메라(국내 텔레센트릭 렌즈와 호환되는 주요 모델)가 큰 타격을 받아 광범위한 공급 중단을 초래했습니다.
기본 전략 목표: 하드웨어 R&D 플랫폼을 표준화하여 생산 라인을 간소화하고 자재 관리 비용을 절감합니다. 또한 새로운 플랫폼에는 ISP 및 경량 AI 전처리 기능이 내장되어 리튬 배터리, 광전지, 3C 전자 및 기타 제조 부문에서 새롭게 떠오르는 고급 검사 요구 사항을 정확하게 충족합니다.
一. 용량 레이아웃 구조 조정: Tonglu 새 기지의 증설로 인해 기존 생산 라인과 신규 생산 라인 간 전환 중에 공급 격차가 발생합니다.
감소하는 기존 생산 능력과 아직 성숙되지 않은 신규 생산 라인 간의 불일치는 제품 부족의 가장 직접적인 공급 측면 원인을 구성합니다.
총 투자액이 15억 3,400만 위안에 달하는 Hikrobot의 Tonglu 지능형 제조 기지는 연간 500만 개의 머신 비전 제품을 생산하도록 설계되었으며 2026년 초에야 본격적인 생산에 들어갔습니다. 한편, 오래된 공장은 점차 생산을 줄이고 장비 이전을 시작했습니다. 기존 생산라인과 신규 생산라인이 겹치는 가동기간 동안 생산능력이 두 사이트로 분할돼 기존처럼 대량 주문량을 감당할 수 없었다.
지난 2년 동안 리튬 배터리, 광전지, 반도체 산업의 검사 장비에 대한 수요가 폭발적으로 집중됨에 따라 제조업체는 프로젝트 우선순위에 따라 사용 가능한 재고만 할당할 수 있습니다. 주요 핵심 고객은 우선 공급을 받으며, 중소 장비 통합업체와 분산된 소매 주문은 카메라 확보에 어려움을 겪고 있습니다.
셋. 비즈니스 초점 전환: 3D 비전 및 풀스택 솔루션을 향한 리소스 재분배
최근 몇 년 동안 Hikrobot의 전략적 우선순위는 독립형 하드웨어 판매를 넘어 풀 스택 구현 지능형 제조 솔루션으로 옮겨졌습니다. 비전, AGV 및 모바일 로봇을 결합한 통합 시스템은 미래를 위한 핵심 성장 동력을 나타냅니다.
공급망 수준에서 업스트림 CMOS 센서 및 저장 칩에 대한 조달 할당량은 3D 카메라, 스마트 코드 리더기, 비전 컨트롤러 등 고수익, 고부가가치 제품에 우선적으로 적용되는 반면, 기존 2D 영역 스캔 카메라에 대한 칩 할당은 의도적으로 감소됩니다.
부담을 가중시키면서 글로벌 웨이퍼 팹은 대부분의 용량을 AI 컴퓨팅 칩과 HBM 메모리로 전환하고 있으며, 그 결과 산업용 등급 글로벌 셔터 CMOS 및 FPGA의 용량이 30% 이상 축소되었습니다. 내부 자원 재할당과 외부 부품 부족이라는 이중 압력으로 인해 2D 카메라의 공급 격차가 급격히 확대되었습니다.
4. 유통 시스템 개편: 대량 현물 할당 축소, 상위 고객과의 직접 계약을 통한 장기 주문 확보
강화된 유통 정책은 최종 사용자들 사이에 광범위한 재고 부족을 초래하는 가장 가시적인 원인입니다.
2025년 말부터 Hikrobot은 더 엄격한 채널 규칙을 시행하여 중소 유통업체의 현물 재고 할당량을 대폭 줄였습니다. 대신, 리튬 배터리 및 태양광 분야의 주요 장비 제조업체와 연간 프레임워크 계약을 우선적으로 체결하여 장기 계약에 따라 대량의 현물 재고를 미리 확보합니다.
이로 인해 업계에 뚜렷한 격차가 생겼습니다. 대규모 제조업체는 공급이 보장된 안정적인 주문 이행을 누리는 반면, 중소 통합업체와 소규모 배치의 긴급 소매 주문은 가용 재고가 심각하게 부족하여 유통 채널 전반에 걸쳐 부족에 대한 인식이 증폭됩니다.
II. 객관적인 결과: 의도적인 목표가 아닌 산업 통합 가속화
현재의 공급 부족은 Hikrobot이 의도적으로 생산량을 줄이거나 경쟁자를 억제하거나 시장을 독점하기 위해 설계한 것이 아니라는 점을 분명히 하는 것이 중요합니다. 산업개편과 시장구조조정은 전략적 개편에 따른 부차적인 부작용일 뿐이다.
국내 2위 브랜드 교체 기회수많은 중소 장비 통합업체가 국내 대체 솔루션을 채택할 수밖에 없게 되면서 Huaray, Daheng, ECOVIS 및 MindVision을 포함한 브랜드의 주문이 급증하고 시장 점유율도 빠르게 증가했습니다.
저가형 저마진 용량의 단계적 폐지Hikrobot의 저마진 레거시 카메라 모델의 자발적인 중단은 시장의 저가 재고를 고갈시키고 전체 평균 제품 가격을 높이고 독점 솔루션 기능 없이 가격 경쟁에만 의존하는 소형 비전 제조업체를 제거하고 있습니다.
업계 리더를 위한 경쟁 우위 확대Hikrobot의 경우 하드웨어 부족이 통합 솔루션 주문 배송에 거의 영향을 미치지 않습니다. 풀세트 솔루션을 기반으로 한 장기적인 파트너십을 통해 핵심 주요 고객 기반을 공고히 하고 독립형 카메라만 공급하는 소규모 제조업체와의 격차를 확대합니다.
간단히 말해서, 통합은 원래의 목표가 아니라 결과입니다. 이는 계획적인 시장 단속이 아니라 기업 고도화에 따른 자연스러운 산업 개편이다.
III. 공급 부족을 악화시키는 세 가지 중복 요인
전략적 구조조정이 재고 부족의 근본 원인이지만, 업스트림 제약, 다운스트림 수요 급증, 제품 전환 주기의 삼중 수렴으로 인해 공급 격차가 업계 전체에서 느낄 수 있는 수준으로 높아졌습니다.
업스트림 공급망의 엄격한 제약글로벌 반도체 파운드리들은 고급 컴퓨팅 칩의 용량을 우선시하여 산업용 CMOS 및 FPGA가 가장 큰 타격을 받았습니다. 관련 부품의 생산 용량은 30% 이상 줄어들었고 리드 타임은 원래 4주에서 12주 이상으로 늘어났습니다. 생산 라인을 최대로 운영하더라도 제조업체는 핵심 구성 요소가 심각하게 부족하다는 문제에 직면합니다.
한편, 구리 및 PCB와 같은 원자재 가격 상승으로 제조업체는 현금 흐름 및 재고 위험 문제로 인해 과도한 비축을 방해하고 공급 유연성을 더욱 제한합니다.
다운스트림 수요 집중 급증2026년은 신에너지·반도체 검사장비 양산 성수기이다. 리튬 전극 검사, 태양광 실리콘 웨이퍼 분류, 반도체 외관 검사 등의 프로젝트가 대량 출시되면서 고정밀 측정 카메라에 대한 수요가 전년 대비 65% 이상 급증해 기존 생산 능력의 출시 속도를 훨씬 앞지르고 있습니다.
기존 제품 라인과 신제품 라인 간 전환 중 공급 중단레거시 모델의 전면 중단은 새로운 CU 시리즈의 낮은 대량 생산 수율과 동시에 발생하여 자연스러운 3~6개월 공급 공백을 생성합니다. CU 플랫폼의 제한된 초기 생산 용량은 주요 주요 고객에게 먼저 할당되며, 개방형 유통 채널을 통해 사용 가능한 현물 재고를 더욱 압박합니다.
IV. 업계 전반의 공급 부족이 미치는 세 가지 심각한 장기적 영향
광범위한 재고 부족은 산업 체인의 모든 참가자에게 파급 효과를 보내 지속적인 구조적 변화와 함께 단기적인 성장통을 가져옵니다.
1. 장비 통합업체의 경우: 단기 중단, 장기적 탄력성 공급망
단기 영향: 주류 C-마운트 측정 카메라 재고가 고갈되어 프로젝트 납품 일정이 지연됩니다. 많은 통합업체는 일시적으로 대체 브랜드로 전환해야 하므로 프로토타입 테스트 및 프로그램 적응에 추가 비용이 발생합니다.
장기적인 이점: 기업은 다중 브랜드 대체 제품 라이브러리를 구축하여 단일 공급업체에 대한 의존도를 줄이고 전반적인 공급망 위험 저항력을 강화해야 합니다.
2. 경쟁 구도의 경우: 계층화된 국내 시장, 지원 산업에 대한 이점
두 개의 리더가 있는 국내 시장 패턴이 형성되고 있습니다. Hikrobot은 고급 통합 솔루션 부문을 장악하고 Huaray는 안정적인 재고로 대체 수요를 흡수하여 주류 시장 점유율을 확보합니다. Daheng 및 MindVision과 같은 브랜드는 이전에 소규모 통합업체가 차지했던 시장 공간을 빠르게 점유하고 있습니다.
수입 브랜드는 단기적으로 가벼운 수요 회복을 보이고 있습니다. Basler 및 Cognex를 포함한 플레이어는 부분적인 고급 교체 주문을 확보했지만 리드 타임이 8주를 초과하면 프리미엄 정밀 검사 시나리오에만 적용이 제한됩니다.
3. Hikrobot 자체의 경우: 소매 고객의 단기 손실, 장기적인 기업 가치 향상
단기적인 단점: 대량의 소규모 배치 소매 주문이 경쟁업체에 손실되고, 일부 프로젝트는 경쟁 제조업체가 훔쳐갑니다. 유통업체는 늘어나는 재고 압력과 점점 커지는 불만에 직면해 있습니다.
장기적 장점: 저마진 제품 라인이 단계적으로 폐지되어 제품 포트폴리오가 고부가가치 3D 비전 및 AI 검사 솔루션으로 전환됩니다. Tonglu 제조 기지가 최대 용량에 도달하면 전체 생산량이 두 배로 증가하여 장기적인 공급 안정성이 대폭 향상됩니다. 주요 고객과의 직접 장기 계약을 통해 향후 수년간 수익원을 확보할 수도 있습니다.
五. 부족은 언제 완화될 것인가? 현재 이용 가능한 실용적인 솔루션
이는 모든 업계 종사자들의 가장 큰 관심사입니다. 우리는 주류 애플리케이션 시나리오에 대해 구현 가능한 솔루션과 함께 생산 능력 및 제품 주기를 기반으로 한 예측을 제공합니다.
1. 공급회복 예상 일정
현재 진행 상황에 따라 Tonglu 지능형 제조 기지는 2026년 말까지 최대 생산 능력에 도달할 것으로 예상됩니다. CU 시리즈의 꾸준한 대량 생산 수율과 새로 출시된 업스트림 CMOS 웨이퍼 생산 능력과 함께 표준 2D 영역 스캔 카메라의 공급은 2027년 1분기에 정상으로 돌아올 것으로 예상됩니다.
레거시 CS 및 CH 시리즈는 생산 재개 계획 없이 영구적으로 단종되었습니다. 미래의 시스템 설계는 새로운 플랫폼이나 대체 브랜드를 완전히 채택해야 합니다.
2. 즉시 적용 가능한 카메라 선택 전략
업계 전반에 걸쳐 가장 널리 배포된 카메라 애플리케이션에 대해 두 가지 범주의 권장 사항이 제공됩니다.
긴급 교체 솔루션
Huaray 및 Daheng을 포함한 브랜드는 단종된 Hikrobot 레거시 모델과 완전히 일치하는 매개변수를 갖춘 제품을 제공하며, 풍부한 현물 재고를 통해 지원됩니다. 빠른 마이그레이션을 위해서는 최소한의 소프트웨어 수정이 필요합니다.
장기 프로젝트 솔루션
새로운 프로젝트를 계획하는 기업은 Hikrobot의 새로운 CU 시리즈 카메라 재고를 확보하기 위해 사전 주문을 할 수 있습니다.
마무리 발언
중국 머신비전 산업의 발전을 되돌아보면, 생산 능력과 제품 라인업의 모든 반복에는 순환적인 공급 및 수요 변동이 수반됩니다.
Hikrobot 카메라의 지속적인 공급 부족은 본질적으로 순수 하드웨어 제조업체에서 풀 스택 솔루션 제공업체로 업그레이드하는 시장 리더에게 불가피한 전환입니다. 오래된 생산 능력을 단계적으로 폐지하고, 새로운 하드웨어 플랫폼으로 마이그레이션하고, 유통 채널과 비즈니스 우선순위를 재구성하는 것은 모두 과도기적 성장통을 동반합니다. 업스트림 반도체 공급망의 주기적 변동성과 신에너지 부문의 폭발적인 수요로 인해 이러한 변화가 업계 전반에 미치는 영향이 증폭되었습니다.
업계의 모든 플레이어는 의도적인 가격 조작에 대한 논쟁에 연연하기보다는 업계 변화 속에서 안정적인 운영을 유지하기 위해 멀티 브랜드 카메라 라이브러리와 다양한 공급망 백업을 구축하는 것이 더 현명합니다.
더보기
핵심 프로세스에 집중하여 PV 및 에너지 저장 지능형 제조 업그레이드를 위한 원스톱 역량을 제공하세요! 비시
2026-06-04
.gtr-container-x7y2z9 {
font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif;
font-size: 14px;
line-height: 1.6;
color: #333;
padding: 15px;
overflow-x: auto;
max-width: 100%;
box-sizing: border-box;
}
.gtr-container-x7y2z9 p {
margin-top: 1em;
margin-bottom: 1em;
text-align: left !important;
}
.gtr-container-x7y2z9 img {
/* As per strict instruction: No layout or size styles (e.g., width, max-width, display, float)
are added to img or its parent container. Images will render at their original width. */
vertical-align: middle; /* Prevents small gap below inline images */
}
.gtr-container-x7y2z9 .gtr-heading-main {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-top: 1.5em;
margin-bottom: 1em;
text-align: left;
}
.gtr-container-x7y2z9 .gtr-heading-major {
font-size: 16px;
font-weight: bold;
color: #0000FF;
margin-top: 2em;
margin-bottom: 1em;
text-align: left;
}
.gtr-container-x7y2z9 .gtr-heading-section {
font-size: 16px;
font-weight: bold;
margin-top: 1.5em;
margin-bottom: 0.8em;
text-align: left;
}
@media (min-width: 768px) {
.gtr-container-x7y2z9 {
padding: 20px 30px;
}
.gtr-container-x7y2z9 .gtr-heading-main {
font-size: 20px;
}
.gtr-container-x7y2z9 .gtr-heading-major {
font-size: 18px;
}
}
SNEC 2026
6월 3일부터 5일까지 개최된 SNEC 2026 상하이 국제 광화력 전시회는 국립 전시회 컨벤션 센터 (상하이) 에서 대성공히 개막했습니다.히크로봇은 전체 광전기 생산 공정 사슬을 다루는 지능형 솔루션으로 눈에 띄게 등장합니다..
실리콘 웨이퍼 썰기, 태양전지 제조, 모듈 캡슐화, 고정도 검사까지 하이크로봇은 자체 개발한 핵심 기술로 제품 품질을 뒷받침합니다.많은 현장 산업 방문객들과 함께 PV 저장소 통합 및 스마트 제조 업그레이드의 새로운 경로를 탐구합니다..
슬라이싱 프로세스에 대한 마이크로 레벨 센싱은 엄격한 실리콘 웨이퍼 품질 통제를 가능하게합니다.
01 웨이퍼 두께 검사
이 솔루션은 웨이퍼 두께를 측정하는 6개의 3D 프로필 센서를 채택합니다.이 시스템은 세 개의 측정 데이터를 동시에 수집하고 실리콘 웨이퍼 분류 스테이션에 적용됩니다.. 주변 빛 간섭, 거울 반사 간섭 및 진동 억제에 대한 내장 알고리즘을 갖추고,카메라는 측정 정확성과 운영 안정성을 크게 향상시킵니다..
3D 비전으로 고효율 유연 제조를 위한 모듈 생산이 가능해졌다
01 PV 접점 박스 3D 시각화
3D 카메라 안의 갈바노미터의 고속 진동으로이 솔루션은 레이저 라인을 표적 표면에 빠르게 스캔하여 단 한 번의 스캔으로 연결 상자의 전체 3D 지형을 캡처합니다.융합 상자에 쌓여있는 검은 전선 배열에도 불구하고 카메라는 신속하고 정확한 식별을 실현하기 위해 세분하고 온전한 3D 포인트 클라우드를 생성합니다.PV 모듈 조립 절차에서 고효율의 유연한 생산을 촉진하는 것.
인공지능은 검사 성능을 극대화하기 위해 태양전지 생산을 가능하게 한다
01 미세 균열 검사
The solution adopts 4K monochrome line scan cameras paired with large-format short-wave infrared lenses and transmission-type near-infrared laser light sources to detect and classify defects including crystal detachment, 가장자리 쪼개기, 조각 파열, 미세 균열, 겹치는 세포 및 0.5mm 이상의 표면 오염.
또한 SVA 지능형 인수 카드의 선구적인 채택은 산업용 PC의 하드웨어 자원의 사용량을 크게 줄입니다.장비 비용을 낮추고 일관성 있는 검사 처리량을 보장합니다..
02 최종 표면 검사 및 분류 (AOI)
이 솔루션은 완성된 태양 전지의 앞면과 뒷면 모두에 색상 분류를 수행하고, 표면 손상, 얼룩 점,스크린 인쇄가 안 좋고 격자선 크기가 이상합니다.50μm 정도로 작은 작은 결함을 선명하게 촬영할 수 있습니다.
PERC, TOPCon MBB, SMBB, 0BB, 셔들 셀 및 BC 셀 기술을 포함한 여러 셀 인쇄 형식과 호환되며, 이 시스템은 고객의 다양한 검사 요구 사항을 충족시킵니다.
고효율 검사 기술의 완전한 내부 개발은 다차원 품질 보장 시스템을 구축합니다.
앞서 언급한 생산 프로세스 외에도 Hikrobot는 세포 표면 잔해 검사를 포함한 고성능 검사 솔루션의 전체 라인업을 선보이고 있습니다.CIS 매크로 포커스 라인 스캔 카메라, SC5000X 스마트 센서의 라벨 결함 검사 및 동적 테스트.
6개의 카메라가 있는 반대 범위, 4K 선 스캔 근 적외선 영상, 고정도 3D 비전, 2.5D 돔 조명 영상 등 핵심 기술로이 시스템은 다양한 결함을 정확하게 식별합니다.: 실리콘 웨이퍼 경사 및 두께 오차, 태양 전지 마이크로 래크 및 가장자리 칩링, 모듈 포장 결함뿐만 아니라 배터리 전지 표면에 잔해와 경사.최고 검사 정확도는 미크론 수준에 도달, PV 및 에너지 저장 제품의 전체 라이프 사이클 내내 강력한 품질 장벽을 형성합니다.
현장 시연에서는 PV 산업 사슬 전체에 걸쳐 솔루션도 제공됩니다. SC6500 웨이퍼 식별, 인쇄 후 PL 검사, 코팅 후 외관 검사,모듈 레이블 라미네이션 및 코드 읽기, 및 산업 청소, 전 광 광 광 발전 분야에서 생산 용량과 제품 품질의 이중 업그레이드를 촉진합니다.
더보기
