딥러닝 기반 제조 불량 검출 시스템 구축 사례

제조 불량 검출의 과제

전통적인 룰 기반 비전 시스템은 조명 변화, 제품 다양성에 취약합니다. 딥러닝 기반 검출 시스템은 이러한 한계를 극복하고 높은 정확도를 제공합니다.

표면 결함: 스크래치, 얼룩, 변색

형상 불량: 치수 오차, 변형, 누락

조립 불량: 부품 미장착, 오조립

인쇄 불량: 라벨 오류, 인쇄 번짐

고속 라인 카메라와 면 스캔 카메라로 제품 이미지를 실시간 수집합니다. 조명은 균일 조명, 백라이트, 편광 조명 등 불량 유형에 맞게 설계합니다.

분류 모델(CNN): 양품/불량 판별에 ResNet, EfficientNet 활용

객체 탐지(YOLO): 불량 위치와 유형 동시 검출

세그멘테이션(U-Net): 불량 영역의 정밀한 경계 검출

정상 데이터 대비 불량 데이터 부족 문제 해결을 위한 데이터 증강

GAN 기반 합성 불량 이미지 생성

액티브 러닝으로 효율적 라벨링

자동차 부품 제조사의 외관 검사 시스템:

검사 속도: 초당 20개 제품

검출 정확도: 99.5%

과검출률: 0.3% 이하

미검출률: 0.1% 이하

학습된 모델은 TensorRT로 최적화하여 엣지 GPU에 배포합니다. 추론 시간 10ms 이하로 실시간 검사가 가능합니다.

딥러닝 기반 불량 검출은 제조 품질 관리의 패러다임을 바꾸고 있습니다. 폴리글랏소프트의 AI 비전 플랫폼으로 제조 품질을 혁신해 보세요.