Tagger — SeongWonTech

SeongWonTech · Signal Scope Series · 2026 AI 최적화 메타데이터 플랫폼

Tagger

태거 · AI Metadata Insertion Platform

단순 이미지를 넘어 불량의 '이유'를 기록하는 AI 학습의 마스터키.
검사 이미지에 당시의 물리적 데이터(속도, 전류, 타이밍)를 결합합니다.
AI가 불량의 '모양'뿐 아니라 '발생 상황'까지 학습하여 판정 정확도를 획기적으로 높입니다.

6px

TAG 데이터 삽입 픽셀

32bit

엔코더 카운트 정밀도

4ch

카메라 채널 지원

All-in

ETIO+NSync+Scope 통합

원본 영상 무훼손

엔코더 카운트 삽입

IO Input 태깅

Error 채널 기록

AI 딥러닝 최적화

리피터 지원

SCROLL

개념 & 한 줄 정의

불량의 '모양'만 학습하던 AI에서 — '발생 이유'까지 학습하는 AI로

조명 전압 강하의 노이즈가 결합된 과검 이미지를 학습하고 있진 않나요?
Tagger로 데이터를 정제하십시오.

속도 불안정인지, 조명 문제인지 —
Tagger가 태깅하면 AI 모델링 시간이 단축됩니다.

// TAGGER FLOW — 메타데이터 삽입 원리

KEY

한 줄 정의

검사 이미지에 당시의 물리적 데이터(속도, 전류, 타이밍)를 결합하는 메타데이터 삽입 장치입니다. 원본 영상을 훼손하지 않고 추가적인 6 Pixel을 생성하여 삽입합니다.

원인(Why) 학습

AI가 불량의 '모양'뿐만 아니라 '발생 상황'까지 학습하여 판정 정확도를 획기적으로 높입니다. 재학습 횟수가 대폭 줄어듭니다.

SYS

통합 완성

ETIO + NSync + Signal Scope의 모든 기능을 포함하며 리피터까지 지원하는 끝판왕 솔루션입니다. 단일 장비로 전체 신호 생태계를 완성합니다.

RAW

원본 무훼손

Tag 데이터를 영상에 삽입하는 방법은 원본 영상을 훼손하지 않고, 추가적인 6 Pixel을 생성하여 삽입합니다. 기존 검사 소프트웨어와 완전 호환됩니다.

다음 — 메타데이터 삽입 구조

메타데이터 삽입 구조

6 Pixel TAG — 이미지 한 줄마다 갱신되는 물리 데이터 스냅샷

// 6-PIXEL TAG DATA STRUCTURE — Line 마다 갱신

1st Pixel

ENC
[7:0]

← 엔코더 카운트 값의 하위 8비트

2nd Pixel

ENC
[15:8]

← 엔코더 카운트 값의 두 번째 바이트

3rd Pixel

ENC
[23:16]

← 엔코더 카운트 값의 세 번째 바이트

4th Pixel

ENC
[31:24]

← 엔코더 카운트 값의 상위 8비트 (총 32bit)

5th Pixel

IO
Input

← IO Input 상태 (센서, PLC 신호)

6th Pixel

ERR
+CH#

← Error 상태 + 카메라 채널 번호 [2:0] / Hsync 카운트 [7:3]

        OK 원본 영상 무훼손  | 
        OK Line 마다 실시간 갱신  | 
        OK Frame Grabber 완벽 호환  | 
        OK 4채널 카메라 동시 지원
      

PIXEL 1~4 · ENCODER

엔코더 카운트 값 (32bit)

촬영된 이미지의 정확한 위치 정보를 32bit 전체 카운트로 기록합니다. 어떤 속도 변화에서도 위치 오차 없이 추적합니다.

1st: count[7:0]
2nd: count[15:8]
3rd: count[23:16]
4th: count[31:24]

PIXEL 5 · IO INPUT

IO Input 상태 태깅

센서, PLC 신호 등 IO Input의 상태를 이미지에 직접 기록합니다. 어떤 외부 신호가 들어왔을 때 촬영이 이루어졌는지 완벽히 추적합니다.

5th: IO input state
→ 센서 ON/OFF 기록
→ PLC 신호 상태 포함

PIXEL 6 · ERROR + CH

에러 상태 & 채널 번호

에러 발생 여부와 현재 카메라 채널 번호를 기록합니다. Frame Grabber에서 출력되는 트리거 대비 누락된 Hsync를 카운트하여 검사 누락 이력을 보존합니다.

6th: Error[7:3]
→ CH# [2:0]
→ Hsync 누락 카운트

다음 — 문제 해결

Tagger가 해결하는 문제

AI 학습 데이터 오염부터 트러블슈팅까지 — 근본 원인을 데이터로 증명

문제 01 — AI 학습 데이터 오염

조명 전압 강하로 어둡게 찍힌 이미지를 불량으로 학습

어두운 이미지가 불량 데이터로 학습되면 AI 모델의 정확도가 계속 떨어집니다. 수천 장을 재학습해도 근본 원인 해결 없이 반복됩니다. Tagger는 해당 이미지의 조명 전류 상태를 태그로 기록하여 오염 데이터를 자동으로 분류할 수 있게 합니다.

문제 02 — 원인 불명 촬영 누락

촬영이 안 될 때 배선인지 노이즈인지 설정인지 모름

6th Pixel의 Error 태그가 누락 발생 시점을 정확히 기록합니다. 어느 채널에서 어떤 조건으로 누락이 발생했는지 이미지 자체가 증거가 됩니다. 일주일씩 걸리던 트러블슈팅이 수 시간으로 단축됩니다.

문제 03 — 위치 정보 손실

불량이 라인 어디에서 발생했는지 추적 불가

1~4th Pixel의 32bit 엔코더 카운트로 해당 이미지가 라인의 정확히 어느 위치에서 촬영되었는지 기록됩니다. 불량 발생 위치 패턴 분석으로 기계적 이상을 조기에 발견합니다.

문제 04 — AI 모델 과검 남발

딥러닝 지도학습 시 불필요한 과검 이미지 제거 불가

조명 불량, 속도 이상, 센서 오작동 상태에서 찍힌 이미지는 모두 태그 정보로 분류 가능합니다. 오염된 이미지를 걸러내고 깨끗한 데이터만 학습시켜 AI 모델의 과검률을 구조적으로 낮춥니다.

// Before — Tagger 도입 전

어두운 이미지 → 불량 데이터로 학습 → AI 오판 반복
촬영 누락 발생 → 원인 불명 → 전체 장비 점검
재학습 수천 장 → 정확도 소폭 개선 → 또 재학습
불량 위치 패턴 분석 불가 → 기계 문제 조기 발견 불가

// After — Tagger 도입 후

조명 상태 태그 → 오염 이미지 자동 분류 → 깨끗한 학습
Error 태그 → 누락 시점·채널 즉시 특정 → 4시간 내 해결
정제된 데이터 학습 → AI 정확도 급상승 → 재학습 최소화
32bit 위치 태그 → 불량 위치 패턴 분석 → 예지보전 가능

다음 — 통합 솔루션

통합 솔루션

ETIO + NSync + Signal Scope의 모든 기능을 하나로 — 끝판왕 컨트롤 타워

ETIO

트리거 마스터

NSync

조명 Closed-Loop

Signal

실시간 신호 기록

Repeater

신호 확장 지원

TAGGER
끝판왕 솔루션

ETIO 트리거 기능 완전 내장

Zero Delay FPGA 기반 트리거 제어, Working Area 특허, 엔코더 4/16/32체배, 전 채널 Isolation 절연까지 ETIO의 모든 기능이 Tagger 안에 포함됩니다.

NSync 조명 제어 통합

골든타임 90% Feed로 조명 밝기 90% 도달 시점을 실시간 감지하여 최적 구간만 촬상합니다. 조명 열화 사전 감지와 100ns 스트로브 응답으로 과검을 구조적으로 제거합니다.

Signal Scope 실시간 로깅

24시간/365일 Raw 데이터(.sscp) 저장, 디지털 오실로스코프 기능, 문제 발생 시 파형으로 즉각 가시화합니다. 예지보전 솔루션으로 확장 가능합니다.

TAG-CL4F — 4채널 카메라 지원

Camera Link 4채널을 동시에 지원하는 Tagger 전용 모델입니다. Multi-exposed 촬영, 영상 누락 확인, PC Grabber 1·2와 동시 연동이 가능합니다.

리피터 지원

장거리 신호 전송 환경에서도 Tagger는 리피터를 통해 안정적인 신호 품질을 유지합니다. 대형 라인이나 복잡한 공장 환경에서도 완벽한 동기화를 보장합니다.

AI 연동 플랫폼

태그된 Raw 데이터는 AI 딥러닝 모델의 입력으로 바로 활용 가능합니다. 불량의 '모양'과 '발생 상황'을 동시에 학습하여 판정 정확도를 획기적으로 향상시킵니다.

다음 — 적용 분야

적용 분야

딥러닝 지도학습에 어려움을 겪는 모든 검사 라인에 적용됩니다

AI Vision

AI 딥러닝 검사

불량 '모양' + '발생 상황' 동시 학습
오염 이미지 제거로 모델 정확도 급상승

⬡

Semiconductor

반도체 후공정

정확한 위치 태깅으로 불량 위치 패턴 분석
예지보전 솔루션과 연동 가능

⚡

Secondary Battery

2차전지 검사

조명·속도 상태 태깅으로 불량 유출 원인 추적
데이터 기반 품질 개선 체계 구축

▦

Display / PCB

디스플레이·PCB

조명 전압 강하 이미지 자동 분류
재학습 횟수 획기적 절감

FAB

Smart Factory

스마트팩토리

24시간 Raw 데이터 로깅으로 예지보전
Industry 5.0 데이터 플랫폼 구축 가능

⊕

Automotive / EV

자동차 전장 부품

검사 신뢰성 데이터 완전 기록·증명
리콜 리스크 사전 차단, 추적성 확보

도입 시 기대 효과

오염 데이터 없는 AI 학습 — 불량 이유를 아는 검사 시스템으로 전환

↑AI

AI 판정 정확도 향상

발생 상황 학습으로
오판단 구조적 제거

트러블슈팅 단축

일주일 걸리던 분석
평균 4시간 이내 해결

Zero

오염 학습 데이터

태그 기반 자동 분류로
깨끗한 학습 데이터 확보

24/7

데이터 로깅

365일 Raw 데이터 저장
예지보전 솔루션 확장

Tagger는 검사 데이터를 자산으로 만드는 유일한 방법입니다.

단순 이미지에서 '이유가 기록된 데이터'로 — AI 검사의 품질이 달라집니다.

// 불량의 이유를 데이터로 남기십시오

이미지에 이유를 붙이는 순간,
AI의 눈이 달라집니다.

AI 최적화 메타데이터 플랫폼

TAGGER