AI 비전 시스템
프레임 그래버와 FPGA로 연산 성능 최적화
방대한 양의 데이터를 실시간으로 처리하는 것은 AI 비전 어플리케이션의 핵심 과제입니다. 카메라 해상도가 계속 높아지고 신경망이 복잡해지면서 효율적인 컴퓨팅 아키텍처의 중요성도 커지고 있습니다. 유연한 전처리 기능이 통합된 프로그래밍 가능 프레임 그래버는 최신 AI 비전 시스템의 연산 부하 문제를 효과적으로 해결하여, 일상적인 생산 환경에서 성능, 시스템 안정성 및 확장성을 향상합니다.
읽는 시간: 약 36 분
AI 비전 시스템의 컴퓨팅 성능 최적화 관련 핵심 정보
성능 극대화: 프레임 그래버/FPGA에서 전처리를 수행하면 지연 시간을 줄이고, 고해상도 및 멀티 카메라 구성에서도 안정적인 프레임 속도를 유지할 수 있습니다.
CPU 및 GPU 부하 감소: 일반적인 작업을 프레임 그래버에서 처리하면 복잡한 AI 알고리즘에 더 많은 리소스를 할당할 수 있습니다.
장기적인 비용 절감: 고성능 하드웨어의 필요성 감소, 유지보수 부담 완화 및 확장성 향상을 통해 총 운영 비용을 최대 80% 절감할 수 있습니다.
높은 에너지 효율: FPGA는 기존 CPU/GPU 솔루션에 비해 전력 소비량이 현저히 적어 운영 중 냉각 및 에너지 요구량을 줄일 수 있습니다.
검증된 통합: 개방형 API, 유연한 소프트웨어 툴 및 다양한 어플리케이션 사례를 통해 기존 시스템에 빠르고 안정적으로 통합할 수 있습니다.
연산 부하를 최적으로 분산하여 성능 극대화
산업용 AI 비전 시스템은 매우 높은 데이터 전송 속도와 복잡한 AI 알고리즘을 실시간으로 처리해야 합니다. 카메라 해상도가 높아질수록 데이터 양이 증가하고 이에 따라 더 높은 대역폭이 필요하게 되며, 대역폭이 높아지면 더 많은 양의 데이터를 처리하고 전송할 수 있게 됩니다. 또한 전수 검사 및 즉각적인 피드백이 요구되는 작업의 경우에는 기존의 CPU 또는 GPU 아키텍처가 성능 및 지연 시간 측면에서 한계에 도달할 수 있으며, 이러한 문제는 특히 멀티 카메라 구성이나 딥 러닝 모델을 사용하는 환경에서 더욱 두드러집니다.
단순히 이미지 획득 카드 역할만 하는 기존의 프레임 그래버는 이러한 요구 사항에 대응하는 데 한계가 있습니다. 이는 프레임 그래버가 본래의 기능을 수행하지 못해서가 아니라 모든 처리 부하를 CPU와 GPU에 전가하기 때문입니다.
데이터 전송 속도, 이미지 복잡도 또는 병렬 스트림 수가 일정 수준을 넘으면 시스템의 처리 용량이 한계에 도달합니다. 이 경우 CPU 기반 처리만으로는 충분하지 않게 되며, 처리 속도에 병목 현상이 발생하고 시스템 성능이 불안정해집니다.
이 두 가지 문제는 모두 프레임 그래버에서 직접 이미지 전처리를 수행함으로써 해결할 수 있습니다.
솔루션: 프로그래밍 가능 프레임 그래버와 FPGA를 활용한 하드웨어 수준의 이미지 전처리
FPGA 기술 기반의 이미지 전처리 기능이 통합된 프로그래밍 가능 프레임 그래버는 연산 부하가 높은 전처리 단계를 하드웨어 수준에서 직접 수행합니다. 색 공간 변환, HDR, 왜곡 보정, 디펙트 픽셀 보정, 쉐이딩(shading) 보정 또는 룩업 테이블(LUT)과 같은 일반적인 작업을 짧은 지연 시간으로 병렬 처리합니다. 이를 통해 CPU 부하를 크게 낮추고 GPU가 실제 추론 및 복잡한 이미지 분석에 집중할 수 있도록 합니다.
결과:
지연 시간 대폭 감소 및 안정적이고 재현 가능한 결과
데이터 전송 속도와 카메라 대수가 증가하더라도 확장성 유지
FPGA와 VisualApplets를 통한 미래 대응형 아키텍처
실제 적용 사례:
성능을 높이는 핵심은 연산 부하를 적절하게 분산하는 것입니다.
프레임 그래버 및 FPGA에서 하드웨어 수준의 이미지 전처리 수행
CPU에서 제어 및 특수 처리 수행
GPU에서의 AI 추론
GPU는 특히 다양하고 이질적인 이미지 데이터를 처리하는 데 강점을 보입니다. 이는 데이터의 양 때문이라기보다는 데이터의 복잡성과 다양성 때문인 경우가 많습니다. 이처럼 최적화된 방식으로 연산 부하를 분산해야만 최신 AI 비전 시스템을 위한 고성능의 미래 대응형 아키텍처를 설계하고, 생산 환경의 까다로운 실시간 요구 사항과 높은 품질 기준을 안정적으로 충족할 수 있습니다.
데이터 축소 시스템(Data Reduction System)을 활용한 효율적인 이미지 전처리
최신 비전 어플리케이션에서 생성되는 방대한 양의 데이터는 이미지 전처리 과정에서 이미지 데이터 정제 및 이미지 데이터 축소를 통해 효율적으로 관리 가능한 수준으로 줄일 수 있습니다.
Basler의 데이터 축소 시스템에 대해 자세히 알아보세요프레임 그래버는 하드웨어 수준에서 이미지 데이터를 직접 수집하고 전처리함으로써 CPU의 부하를 효과적으로 줄입니다. FPGA는 개별적으로 프로그래밍 가능한 로직을 통해 이 시스템을 보완합니다. 이를 통해 맞춤형 데이터 처리를 병렬로 수행하여 신경망의 처리 속도를 높입니다. 그 결과 전반적인 성능이 향상되고 지연 시간이 줄어들어, 생산 환경에서 안정적이고 재현 가능한 결과를 얻을 수 있습니다.
프레임 그래버와 FPGA를 활용한 최적화의 가시적인 이점
최적화된 프레임 그래버와 FPGA에 투자하면 측정 가능한 성능 향상뿐만 아니라 시스템 수명 주기 전반에서 실질적인 비용을 절감할 수 있습니다. 이는 하드웨어 요구 사항 감소, 에너지 소비 절감 및 확장성 향상을 통해 실현됩니다.
머신비전의 이미지 전처리 자세히 알아보기
이미지 전처리는 특정 어플리케이션의 요구 사항에 맞게 이미지 데이터를 최적화하고, 이미지 품질을 향상시키며, 호스트 PC의 부하를 줄이고, 비전 시스템을 간소화합니다. 이미지 전처리 방법과 주요 어플리케이션에 대해 자세히 알아보세요.
이미지 전처리에 관한 기술 문서CPU와 GPU – 작업 및 강점
요약:
CPU: 다양한 작업에 유연하게 사용할 수 있고, 소수의 고성능 코어를 갖추고 있어 일반적인 컴퓨팅 작업에 적합하며, 복잡한 개별 연산에서도 뛰어난 성능을 발휘합니다.
GPU: 병렬 처리 성능이 매우 뛰어나고, 다수의 단순 코어로 구성되어 있으며, 대규모 데이터 처리에 특화되어 있어 이미지 처리, 그래픽 및 인공지능 작업에 매우 적합합니다.
AI 비전 시스템에서는 두 구성 요소의 강점을 가장 효과적으로 활용할 수 있는 작업에 각각 적용합니다. 즉, 복잡한 제어 및 관리 작업에는 CPU를 사용하고, 병렬 처리가 필요한 데이터 집약적 연산에는 GPU를 사용합니다.
지능형 프레임 그래버: 하드웨어 가속 및 시스템 통합
CPU 및 GPU 부하 감소를 통한 처리 속도 향상: FPGA 기술이 통합된 최신 프레임 그래버는 이미지 전처리 단계를 하드웨어 수준에서 직접 수행합니다. 따라서 이미 최적화된 이미지 데이터가 CPU와 GPU에 전달되어 시스템 부하가 줄어들고, 높은 프레임 속도와 멀티 카메라 어플리케이션에서도 안정적인 처리가 가능합니다.
기술적 이점
전처리 작업이 프레임 그래버에서 직접 수행되므로, 최적화되고 축소된 이미지 데이터가 CPU에 전달됩니다. 쉐이딩 보정과 기타 알고리즘처럼 연산 부하가 큰 일반적인 작업을 하드웨어에서 구현하여 추가적인 지연 시간 없이 밝기, 컨트래스트 또는 색상 값을 매우 빠르게 조정할 수 있습니다. 이를 통해 GPU는 AI 추론과 복잡한 이미지 분석에 집중할 수 있습니다.
시스템 통합
기존 생산 환경에 통합하기 위해서는 개방적이고 문서화가 잘 된 API와 강력한 개발 도구가 필수적입니다. 이를 통해 하드웨어 가속의 이점을 개별 영상 처리 솔루션에 원활하게 접목할 수 있습니다. 또한 프레임 그래버를 효율적으로 구현하면 안정적인 데이터 전송, 정밀한 동기화(특히 멀티 카메라 시스템에서), 그리고 높은 프레임 속도에서도 신뢰할 수 있는 성능을 보장할 수 있습니다.
결론:
FPGA 가속 기능을 갖춘 지능형 프레임 그래버는 안정적이고 확장 가능하며 성능이 뛰어난 AI 비전 시스템을 구현하기 위한 핵심 요소입니다. 이러한 프레임 그래버는 하드웨어 수준의 전처리와 소프트웨어 측의 AI 추론을 명확하게 분리하여 시스템 효율을 극대화합니다.
효율적인 데이터 전송을 위한 인터페이스 및 대역폭
인터페이스(예: CoaXPress, Camera Link, GigE Vision) 선택은 AI 비전 시스템의 속도, 데이터 무결성 및 지연 시간에 큰 영향을 미칩니다. 다만 공칭 대역폭 자체보다 프레임 그래버가 이러한 리소스를 실제로 얼마나 효율적으로 활용하는지가 더욱 중요합니다.
주요 기술 요인
효율적인 하드웨어 설계: 인터페이스의 최대 데이터 전송 속도를 최대한 활용하려면 프레임 그래버가 최적으로 설계되어 있어야 합니다. 내부 신호 처리, 버퍼 아키텍처 및 호스트 컴퓨터로의 데이터 전송 속도에 따라 인터페이스의 병목 발생 여부가 결정됩니다.
효율적인 데이터 전송 경로와 버퍼 관리: 고품질 프레임 그래버는 체계적으로 설계된 메모리 및 데이터 관리(예: DMA)를 통해 이미지 데이터를 손실 없이 짧은 지연 시간으로 전송합니다. 이 부분에 문제가 발생하면, 특히 높은 프레임 속도에서 병목 현상, 데이터 정체, 심한 경우 데이터 손실까지 발생할 수 있습니다.
동기화 및 타이밍: 멀티 카메라 시스템에서는 정밀한 트리거 및 타이밍 관리가 특히 중요합니다. 이러한 요소가 정확히 구현되지 않으면 이미지 오프셋이나 패킷 손실이 발생하거나 지연 시간이 일정하지 않을 수 있습니다.
다양한 카메라 유형을 지원하는 유연성: 최신 프레임 그래버는 다양한 카메라 유형, 포맷 및 타이밍 요구 사항을 효과적으로 지원하는 동시에 데이터를 안정적이고 일관되게 전달할 수 있어야 합니다. 이러한 유연성은 시스템 통합을 간소화하고 시스템 안정성을 향상합니다.
최적화가 제대로 이루어지지 않은 하드웨어/소프트웨어의 위험성
잘못된 버퍼 관리 또는 전송 경로로 인한 이미지 데이터의 손실 또는 손상
비효율적인 로직이나 제대로 프로그래밍되지 않은 드라이버로 인한 지연 시간 증가 및 프레임 속도 저하(특히 실시간 어플리케이션에서 중요한 문제)
PCIe 카드, 운영 체제 또는 AI 가속기 등에서 발생할 수 있는 안정성 및 호환성 문제
카메라 수, 해상도 및 프레임 속도가 증가하는 시스템 확장 환경에서의 확장성 저하
결론:
시스템 성능은 인터페이스만으로 결정되는 것이 아니며, 프레임 그래버의 구현 품질과 소프트웨어 통합 수준에 따라 달라집니다. 하드웨어, 버퍼링, 동기화 및 드라이버가 원활하게 연동되어야 전체 시스템이 안정성과 신뢰성을 유지하면서 효율적으로 작동하고, 데이터 양이 증가해도 확장성을 유지할 수 있습니다.
시스템 통합, 호환성 및 소프트웨어 생태계
프레임 그래버를 효율적으로 활용하려면 기존 하드웨어 및 소프트웨어 환경에 완전히 통합할 수 있어야 합니다. 하드웨어 가속 기능을 개별 이미지 처리 솔루션에 목적에 맞게 통합하려면 상세한 설명서가 포함된 개방형 API와 강력한 개발 툴이 필수적입니다. 이를 통해 Windows, Linux 또는 특수한 임베디드 시스템 등 환경에 관계없이 수정, 업데이트 및 확장 작업을 효율적으로 수행할 수 있습니다.
기존 프레임 그래버와 프로그래밍 가능 프레임 그래버 중 어떤 것을 선택해야 할까요?
AI 비전 시스템에서 기존 프레임 그래버와 프로그래밍 가능 프레임 그래버 중 어느 것을 선택할지는 어플리케이션, 데이터 전송 속도, 이미지 전처리 작업의 복잡도에 따라 달라집니다.
기존 프레임 그래버, 즉 자유롭게 프로그래밍 가능한 로직이 없거나 하드웨어 기능이 최소한으로만 제공되는 카드는 원시 데이터를 CPU/GPU로 빠르고 안정적으로 전달하는 것이 주된 요구 사항인 경우에 적합합니다. 특수한 전처리, 동기화 또는 사용자 지정 가능한 트리거 로직이 필요하지 않고, 높은 수준의 실시간 성능이 요구되지 않는 단순하고 안정적인 시스템 구성에는 충분합니다.
FPGA를 탑재한 프로그래밍 가능 프레임 그래버는 데이터 집약적이고 시간 제약이 큰 AI 기반 인라인 어플리케이션과 복잡한 생산 환경에서 사실상 필수적입니다. 이 장비는 하드웨어에서 복잡한 전처리 작업을 직접 수행하여 CPU와 GPU의 부하를 줄이고, 새로운 요구 사항에 유연하게 대응할 수 있습니다. 특히 멀티 카메라 시스템, 고해상도 환경 또는 짧은 지연 시간이 요구되는 경우, FPGA 솔루션은 성능 및 확장성 측면에서 큰 이점을 제공합니다.
결론:
높은 성능과 확장성이 요구되는 AI 비전 시스템에서는 개방형 소프트웨어 인터페이스와 FPGA 기반의 프로그래밍 가능 프레임 그래버가 장기적인 유연성과 성능을 좌우합니다. Basler는 고객의 요구 사항에 맞는 프레임 그래버 선택 및 프로그래밍에 대해 상담해 드립니다.
프레임 그래버 및 FPGA 프로그래밍 자세히 보기FPGA 자세히 알아보기: AI 비전을 위한 맞춤형 성능
FPGA는 자유롭게 프로그래밍할 수 있는 논리 디바이스로, 프레임 그래버에서 직접 이미지 데이터에 대한 다양한 전처리 작업을 병렬로 수행할 수 있습니다.
일반적인 전처리 작업
엣지, 샤프니스 또는 미디언 필터
컨트래스트 및 색상 조정을 위한 룩업 테이블(LUT)
디펙트 픽셀 보정, 쉐이딩 보정, HDR, 블롭 감지, 왜곡 보정, JPEG, 초점 기반 심도(depth) 측정, 구조광 등의 실시간 보정 방식
통합 트리거 또는 분석 기능
개발 간소화: HLS에서 VisualApplets까지
고수준 합성(HLS) 툴을 사용하면 오늘날 많은 FPGA 설계를 C/C++와 같은 고급 언어로 개발할 수 있어 개발 주기를 단축할 수 있습니다. 그러나 이러한 접근 방식으로 최적의 결과를 얻기 위해서는 여전히 전문적인 하드웨어 지식이 필요합니다.
VisualApplets는 한 단계 더 나아갑니다. 이 노코드(No-Code) 툴을 사용하면 전문적인 FPGA 지식 없이도 복잡한 FPGA 기능을 그래픽 방식으로 구성할 수 있습니다. 사용자가 이미지 처리 과정을 시각적으로 정의하면 VisualApplets가 자동으로 최적화된 하드웨어 로직을 생성합니다. 이 툴은 번거로운 비트 분석 대신 이미지 기반 시뮬레이션을 사용하므로 결과가 요구 사항을 충족하는지 즉시 확인할 수 있는 것이 특징입니다. 이를 통해 시간을 절약하고 복잡성을 줄이며, FPGA 가속 이미지 처리를 손쉽게 활용할 수 있습니다.
AI 비전 시스템에서의 기술적 이점
대용량 이미지 데이터를 짧은 지연 시간으로 병렬 처리
재프로그래밍 기능을 통해 새로운 알고리즘과 요구 사항에 유연하게 대응
특히 인라인 추론, 멀티 카메라 또는 고속 어플리케이션에서 CPU 및 GPU의 부하를 효율적으로 감소
양자화 또는 특수한 방식으로 최적화된 합성곱 계층과 같은 하드웨어적 조정을 통해 AI 모델의 성능을 목표에 맞춰 최적화하고 FPGA에서 정밀하게 구현 가능
분류, 객체 감지, 복잡한 전처리 파이프라인과 같은 일반적인 AI 어플리케이션에서 성능 대폭 향상 및 지연 시간 단축
결론:
특히 AI 기반 생산 환경에서 FPGA는 최대 연산 성능 밀도, 짧은 지연 시간, 그리고 미래 대응성 측면에서 가장 선호되는 플랫폼입니다. 초기 비용은 더 높지만, 에너지 효율성, 뛰어난 시스템 성능, 그리고 개별 요구 사항에 대한 적응성을 통해 장기적으로 비용상의 이점과 경쟁력을 제공하는 경우가 많습니다.
프레임 그래버와 FPGA의 시너지 효과
프레임 그래버와 FPGA는 서로의 기능을 효과적으로 보완합니다. 프레임 그래버가 이미지 데이터를 수집하고 전송하는 동안, FPGA는 연산 부하가 높은 전처리 단계를 하드웨어에서 직접 처리합니다. 이를 통해 CPU와 GPU의 부하를 줄이고 지연 시간을 단축하며, 효율적이고 확장 가능한 데이터 처리를 구현할 수 있습니다.
이 아키텍처의 이점:
이미지 촬영 단계에서부터 데이터 양과 전송 시간 감소
시간 제약이 큰 AI 및 분석 작업을 위한 하드웨어 최적화 기반의 결정론적 처리 파이프라인
지연 시간 단축 및 시스템 부하 감소
시스템 요구 사항이 증가해도(카메라 수 증가, 해상도 향상) 견고성과 확장성 유지
실제 적용 사례:
프레임 그래버와 FPGA의 긴밀한 연동은 인라인 품질 관리, 로봇 공학, AI 기반 검사 시스템과 같은 실시간 어플리케이션을 구현하는 기반이 됩니다. 이를 통해 높은 프레임 속도와 복잡한 검사 작업과 같은 까다로운 생산 환경에서도 짧은 지연 시간으로 원활하게 작동하는 데이터 파이프라인과 안정적이며 재현 가능한 시스템 성능을 확보할 수 있습니다.
실제 어플리케이션 및 활용 사례
전자제품 제조 공정에서의 인라인 품질 관리
인쇄회로기판(PCB)의 자동 검사에서는 고해상도 카메라와 Basler 프레임 그래버를 함께 사용합니다. FPGA는 프레임 그래버에서 다음과 같은 주요 작업을 직접 처리합니다.
디펙트 픽셀 보정, 색 공간 변환, 다중 ROI 선택 – 하드웨어 수준에서 직접 수행
실시간 오류 감지 – 미세한 납땜 결함, 부품 누락 또는 단락까지 감지
CPU 부하 감소 – 명령어 처리 장치 역할만 수행
AI 분류에 GPU 활용
결과:
지연 시간을 최소화하면서 검사 속도 극대화 — 처리량이 높고 제품 유형이 변경되는 상황에서도 적용 가능
배터리 셀 제조 공정에서의 품질 관리
배터리 전극 코팅 공정에서는 최대 80m/min의 생산 속도를 유지하면서 넓은 소재 표면의 세부 영역까지 정밀하게 검사해야 합니다. Basler 라인 스캔 카메라가 코팅 상태를 촬영하는 동안 프레임 그래버와 FPGA 로직이 이미지 획득 단계에서 이미지 데이터 전처리를 수행합니다. 이를 통해 전체 이미지 데이터를 후단 이미지 처리 시스템에 넘기지 않으면서도 결함을 안정적으로 감지할 수 있습니다.
프레임 그래버의 하드웨어 파이프라인:
ROI 결정 및 전처리 – 이상이 있는 영역만 선별
데이터 양 감소 – 선택된 관련 이미지 영역만 후속 처리
결정론적 처리 – 높은 생산 속도에서도 안정적인 사이클 시간 유지
GPU에서 AI 기반 결함 분석:
결함 분류 – 응집체, 균열, 오염, 보이드(void) 등의 결함 감지
정밀 측정 – ROI 내 결함의 크기와 범위 파악
신뢰할 수 있는 판정 – 결함을 평가하고 불량품 발생을 효과적으로 줄임
결과:
데이터 양을 대폭 줄이고, 결함을 정밀하게 감지하며, 소재 낭비를 최소화하여 높은 생산 속도에서도 안정적인 품질 관리를 구현합니다.
식품 가공 공정의 비전 검사
식품 산업의 고속 생산 라인에서는 FPGA가 탑재된 프레임 그래버를 활용해 많은 양의 제품 이미지를 실시간으로 분석합니다.
검사 항목:
이물질 감지 – 오염 물질을 안정적으로 식별
형상 및 색상 검사 – 제품 일관성 확보
표면 분석 – 결함 및 편차 감지
프레임 그래버의 FPGA 기반 전처리:
멀티 ROI, HDR 조정 – 변화하는 조건에서도 최적의 이미지 품질 구현
지능형 데이터 축소 – 관련 이미지 영역과 특징만 AI 추론 단계로 전달
데이터 부하 최소화: CPU와 GPU의 부하 대폭 감소
결과:
매우 높은 벨트 속도에서도 처리량 병목 현상 없이 원활한 품질 관리가 가능합니다.
비전 시스템을 위한 프레임 그래버 하드웨어/소프트웨어 및 Basler 서비스
AI 비전 시스템의 연산 성능 최적화에 관해 자주 묻는 질문
높은 지연 시간 또는 여러 대의 카메라 사용 시 프레임 속도 저하와 같은 이미지 처리 병목 현상, 높은 CPU/GPU 사용률, 실시간 피드백 문제, 고해상도 및 멀티 카메라 환경으로의 확장성 한계가 나타난다면 FPGA가 탑재된 프레임 그래버를 도입해 이점을 얻을 수 있습니다.
디펙트 픽셀 보정, 색 공간 변환, LUT 적용, 쉐이딩 보정, 다중 ROI, HDR 처리, 트리거/동기화 작업에서 특히 큰 효과를 볼 수 있습니다. 다시 말해, 병렬 처리에 적합하면서 높은 데이터 전송 속도가 요구되는 모든 작업에서 큰 이점을 얻을 수 있습니다.
개방형 API와 상세한 설명서가 제공된다면 대체로 간단하게 통합할 수 있습니다. 중요한 것은 기존 소프트웨어 아키텍처가 모듈식으로 구성되어 있고, 데이터 스트림과 트리거 로직을 조정할 수 있어야 한다는 점입니다.
일반적으로 멀티 카메라 시스템의 타이밍 문제, 부적절한 버퍼 관리, 지원되지 않는 카메라 포맷, FPGA 프로그래밍에 대한 전문 지식 부족 등이 문제가 될 수 있습니다. 따라서 프레임 그래버 제조업체와 긴밀하게 협력하고 철저한 테스트를 수행하는 것이 좋습니다.
구체적인 수치로 효과를 제시하는 것이 가장 설득력이 높습니다. 최적화 전후의 이미지 처리 속도, 지연 시간 및 에너지 소비를 비교하고, 줄어든 서버/GPU 수, 다운타임 및 유지보수 비용 감소, 새로운 요구 사항에 대응하기 위한 시스템 확장성 등을 평가할 수 있습니다.
FPGA 기반 프레임 그래버에서 맞춤형 이미지 처리 작업을 수행하려면 VisualApplets를 사용하여 자체 어플리케이션을 개발하는 것이 좋습니다. 이를 통해 개별 전처리 단계를 그래픽 방식으로 구성하고 프레임 그래버에 직접 구현할 수 있습니다. Basler는 전체 맞춤화 작업을 대신 수행하거나 고객이 직접 개발할 수 있도록 지원하는 방식으로 고객이 원하는 사항을 구현할 수 있도록 도와드립니다. 자세한 정보와 시작 방법을 확인하려면 VisualApplets를 방문해 주시기 바랍니다.