블로그
아이벡스가 제조 AI 현장에서 쌓은 기술과 제품, 고객 사례, 조직 문화 이야기를 한 곳에 모았습니다.
조건문의 지옥에서 벗어나 '드래그 앤 드롭'으로 검사기 UI를 조립하기까지
고객사별 조건문과 파편화된 UI 구조에서 벗어나, 드래그 앤 드롭 기반의 컴포넌트형 UI 플랫폼과 웹 아키텍처를 구축한 과정을 소개합니다. 분산된 비전 검사기의 데이터와 하드웨어 제어를 통합해 제조 현장에 유연하고 확장 가능한 소프트웨어 환경을 구현했습니다.
2026.09.16
딥러닝 비전 검사의 심장: 비전 엔지니어가 오직 '모델'에만 집중하는 플랫폼 환경 구축기
아이벡스 Vision Platform Group은 딥러닝 비전 검사 시스템의 복잡한 하드웨어 제어와 소프트웨어 의존성을 분리해, 비전 엔지니어가 인프라나 하드웨어 제어 코드 대신 모델과 검사 로직에 집중할 수 있는 플랫폼 환경을 구축했습니다. 하드웨어와 알고리즘의 분리, 선언형 검사 시나리오, Fault Tolerance를 통해 현장 대응과 배포의 유연성을 높이는 동시에 시스템의 성능과 안정성을 확보했습니다.
2026.09.14
사내 AI 코드리뷰 시스템 “Prism” 개발기
저희 AI Platform팀은 AIVOps 플랫폼의 안정적인 운영과 코드베이스를 유지하기 위해 사내에서 직접 개발한 코드리뷰 시스템 “Prism”을 사용 중입니다. 이번 글에서는 이 시스템을 어떻게 개발하게 되었는지, 어떤 목적으로 이용 중인지에 대해 소개하려고 합니다.
2026.09.10
🐍 [AIVEX 라이프] 피지컬 AI도 '연료'가 필요해! 영동장어에서 터진 AIVEX의 풀-배터리 몸보신 현장 🔋🔥
분기동안 스트레스! 일단 모여! 먹고 생각하자!
2026.09.10
⚽ [AIVEX 라이프] 코드로 세상을 바꾸다, 이젠 축구로 대통합! AIVEX의 '월드컵 단체 시청' 현장 급습
대한민국! 화이팅! AIVEX! 화이팅!
2026.09.10
검사기의 과검·미검, 아직도 PC에서 폴더를 열어서 확인하시나요?
과검률을 낮춰 달라는 요청을 받거나 미검이 발생했다는 연락을 받으면, 대개 현장의 검사 PC에 접속해 탐색기를 열고 이미지부터 찾습니다. 그런데 여러 라인을 다니며 저희가 반복해서 마주친 병목이 바로 이 대목이었습니다. 이미지를 한 장씩 찾아내고 그 이미지에 맞춰 DB를 다시 조회해 판정 이력을 이어 붙이는 일이 매번 긴 시간을 잡아먹고, 그 과정에서 데이터가 조금씩 어긋납니다.
2026.09.08
[AI 검사, 현장의 문제들 (6)] 품종이 바뀔 때마다 사람이 광학계를 맞추는 문제
앞의 다섯 편은 모델과 데이터에 관한 것이었습니다. 이 글은 그 앞단을 다룹니다. 모델이 아무리 좋아도 촬영 위치가 매번 달라지면 검사 성능은 나오지 않습니다.
2026.09.03
[AI 검사, 현장의 문제들 (5)] 결함 데이터를 생성해서 학습에 쓸 때 지켜야 할 것
결함 데이터가 부족한 제조 현장에서는 단순히 이미지를 오려 붙이거나 생성하는 것만으로는 실제 검사 성능을 높이기 어렵습니다. 5편에서는 배경과 결함의 물리적 관계를 고려해 결함 데이터를 생성하고, 현장 판정 기준과 다양한 생성 조건을 반영해 소수의 결함 샘플만으로도 실효성 있는 학습 데이터를 만드는 방법을 살펴봅니다.
2026.09.01
모델 전문가 없이 학습 결과를 읽는 법
공장에서 검사 모델이 필요해지는 순간은 한 번으로 끝나지 않습니다. 새 제품군이 들어오고, 잡아야 할 불량 타입이 늘고, 설비가 바뀝니다. 그때마다 누군가는 학습 결과를 읽고 다음 단계를 정해야 합니다.
2026.08.27