핵심 패치 샘플링 기반 봉제선 이상 탐지 모델 연구

국문 초록 (Abstract)

불량품의 신속한 탐지는 생산 공정에서 품질 관리 및 효율성 향상을 위해 필수적인 기술이다. 특히, 신규 공정 구축 및 신제품 생산과 같이 초기 데이터가 부족하고 불량 유형이 명확하지 않은 상황에서도 불량품, 즉 비정상 생산품을 검출할 수 있어야 한다. 본 연구는 의류 제조 공정을 대상으로 원단 교체나신제품 생산에 있어 정상 및 불량 샘플 데이터가 부족한 상황에서 봉제 불량을 효과적으로 검출할 수 있는 방법을 연구하였다. 이를 위해, 100 개의 정상 봉제 공정 샘플 이미지를 준비하고, ResNet 을 사전학습 모델로 사용하여 입력 이미지를 다수의 작은 패치로 분할한 다음, 핵심 특성을 지닌 패치들을 선별하여 메모리 뱅크에 저장하고, 이를 이상 진단의 기준으로 활용한다. 마지막으로, 추가적인 정상 및 불량 봉제 공정 이미지의 패치와 메모리 뱅크에 저장된 패치를 비교하여, 설정된 임계값을 초과하는 차이가 발생할 경우 해당 이미지를 이상 샘플로 식별한다. 평가 결과 94%의 이상 탐지 성능을 확인하였고, 이를 통해 불량 유형이불명확하거나 데이터 확보가 어려운 제조 환경에서 제안된 방법으로 이상 탐지가 가능함을 확인하였다.