플러스프로젝트 배경
[프로젝트 배경] 대기업의 제조 현장에서는 수많은 PCB(인쇄회로기판) 제품이 생산되고 있으며, 그 중 일부는 불량 상태로 출하될 경우 심각한 품질 사고나 비용 손실로 이어질 수 있습니다. 기존에는 사람이 눈으로 검사하거나, 정해진 패턴 기반의 전통적인 비전 검사 시스템을 사용해왔으나 다음과 같은 한계점이 있었습니다: - 생산 환경, 모델, 공정 변화에 따라 이미지 유형이 다양해
프로젝트 성과
기존 유형 외의 불량 탐지 가능
학습되지 않은 새로운 이미지 유형이 들어와도 임베딩 분석을 통해 불량 의심 여부를 감지할 수 있는 기능을 구현하여, 기존 시스템의 한계를 극복
불량 의심 정도를 수치로 제공하는 confidence 기반 경고 시스템 도입
기존 방식의 이진 분류(정상/불량)를 넘어, 불량일 가능성을 수치로 표현하는 confidence score 시스템을 구축함으로써 관리자의 의사결정 정확도 향상
사용자 친화적인 웹 시각화 대시보드 제공
비전문 사용자도 검사 결과를 쉽게 이해할 수 있도록 간단한 프론트엔드 화면을 제공하여 사용성과 접근성을 향상
이상 탐지 시 관리자 실시간 알림 기능 구현
임베딩 분포에서 벗어나는 새로운 유형의 이미지가 들어올 경우 자동으로 관리자에게 알림을 전송하여 품질 문제를 조기에 대응할 수 있도록 함
대기업 현장 테스트 및 내부 시스템 연동
실제 대기업 품질 관리 시스템과 연동 테스트를 완료하여 현장 도입이 가능함을 검증하고, 향후 확장 적용 기반을 마련
핵심 기능
AI 기반 PCB 이미지 불량 탐지
PyTorch로 학습한 딥러닝 모델을 통해 PCB 이미지에서 불량 여부를 자동으로 분류
진행 단계
기획
2024.02.
- 대기업 생산 라인의 불량 관리 문제 파악
- 기존 검사 방식의 한계 분석 및 AI 도입 필요성 검토
- 프로젝트 범위 및 기능 구성 논의 (confidence 기반 탐지, 임베딩 이상 감지 포함)
- 기존 검사 방식의 한계 분석 및 AI 도입 필요성 검토
- 프로젝트 범위 및 기능 구성 논의 (confidence 기반 탐지, 임베딩 이상 감지 포함)
프로젝트 상세
[1] 포트폴리오 소개 대기업의 생산 품질 관리를 위한 PCB(인쇄회로기판) 불량 검출 AI 시스템을 개발했습니다. 이 시스템은 기존에 보지 못한 유형의 이미지가 들어왔을 때도, 불량 가능성을 confidence score로 판단하며, 임베딩 분석을 통해 새로운 패턴이 감지되면 관리자에게 알림을 주는 기능도 포함되어 있습니다. AI 개발은 PyTorch 기반으로 진행되었으며, 단순한 서버
