프로젝트 개요
전자부품 제조 공장을 위한 AI 기반 제품 외관 불량 검출 시스템을 개발했습니다. 생산 라인에 설치된 고해상도 카메라로 제품 이미지를 실시간으로 캡처하고, YOLOv8 딥러닝 모델을 활용하여 스크래치, 오염, 변형 등 다양한 불량 유형을 0.1초 이내에 자동으로 감지합니다. Edge Computing 기반으로 네트워크 지연 없이 빠른 판정이 가능합니다.
주요 기능
| 모듈/기능 | 주요 기능/설명 |
|---|
| 실시간 불량 검출 | YOLOv8 모델로 0.1초 이내 불량 감지, 불량 위치 바운딩 박스 표시 |
| 불량 유형 분류 | 스크래치, 오염, 변형, 크랙 등 10가지 불량 유형 자동 분류 |
| 모델 재학습 | 신규 불량 케이스 추가 학습, 정확도 지속 개선, MLOps 파이프라인 |
| 실시간 모니터링 | 생산 라인별 불량률, 불량 유형별 통계, 실시간 대시보드 |
| 불량 이미지 저장 | 불량 이미지 자동 저장 및 라벨링, 품질관리팀 검토용 인터페이스 |
| 라인 제어 연동 | 불량 감지 시 자동 라인 정지 또는 불량품 자동 배출 |
기술 스택
- AI/ML: Python 3.10, PyTorch, YOLOv8, OpenCV, albumentations
- Backend: FastAPI, Celery (비동기 작업), Redis
- Edge Computing: NVIDIA Jetson AGX Xavier, TensorRT (모델 최적화)
- Database: PostgreSQL (메타데이터), MinIO (이미지 저장)
- Monitoring: Grafana, Prometheus
성과
- 불량 검출 정확도 98.5% 달성, 오탐률 1.5% 이하 유지
- 육안 검사 대비 검사 시간 95% 단축, 검사 인력 70% 절감
- 불량품 출하율 80% 감소, 고객 클레임 90% 감소
- Edge Computing 도입으로 네트워크 의존성 제거 및 실시간 처리 보장