업무 · LabQ
이미지 선별 모델 - 이물 분석 검출 지원
PET Chip 이물 이미지 자동 분류
- 기간
- 2025.02.24 ~ 2025.04.03약 6주
- 역할
- Computer Vision 모델 개발
- 팀
- 고객사 QA·DT 담당자와 협업
- 상태
- 완료
배경
PET Chip 특성상 원통형이고 불투명하여 선별기기의 한계로 오류값 다수 발생. 이미지 분석을 통해 사람이 직접 확인해야 하는 이미지 수를 최소화하는 모델 개발.
- As-is
PET Chip 특성상 원통형이고 불투명하여 선별기기의 한계로 오류값 다수 발생, 사람이 직접 선별 시 업무 Load 과다
- To-be
이미지 분석을 통해 사람이 직접 확인해야 하는 이미지 수 최소화
한 일
담당 업무
PDF 파일에서 이미지 추출 및 전처리
- 선별기기 결과 Report (PDF 파일)에서 이미지 추출
- 이미지 전처리 및 정규화
이물 검출 이미지 분류 모델 개발
- Binary Classification (정상/이물 분류)
- 선별기기 결과를 1차 필터링하는 모델 개발
- 모델 성능 평가 (정확도, 재현율, F1-score)
주요 기능
이물 검출 파이프라인
- 선별기기 결과 → 이미지 선별 모델 1차 필터링 → 사람 최종 선별
- PDF Report에서 자동 이미지 추출
- Binary Classification 기반 정상/이물 분류
문제와 해결
- PET Chip 이미지 특성
- 원통형이고 불투명한 PET Chip 특성으로 선별기기 오류값 다수. 이미지 전처리 및 모델 최적화로 해결
결과
- 사람이 확인해야 하는 이미지 수 대폭 감소
- 다른 생산 거점으로 확대 가능성 확인
배운 점
- 제조업 도메인 CV 적용: 선별기기 한계를 AI로 보완
- Binary Classification 실전: 정밀도와 재현율 균형
- PDF 기반 데이터 파이프라인: 비정형 데이터에서 이미지 추출
기술 스택
- 머신러닝
- PythonComputer Vision
- 이미지 처리
- OpenCVPyTorch
- 데이터 처리
- PyPDF2pdf2image