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