🚀40분
통합 프로젝트: 불량 판별 외관검사 시스템 (Streamlit + YOLO + 매뉴얼 검색)
Day 5: 불량 판별 검사 시스템
통합 프로젝트: 불량 판별 외관검사 시스템 (Streamlit + YOLO + 매뉴얼 검색)
비전 AI 외관검사 > Day 5: 불량 판별 검사 시스템
학습 목표
- Day 1~4 의 산출물을 하나의 저장소로 잇는다
- Streamlit 화면에서 YOLO 판정과 조치 매뉴얼 검색이 이어지도록 통합한다
- 무엇을 어떤 조건에서 측정했는지 README 에 그대로 적는다
통합 프로젝트: 이번 주의 산출물을 하나로 잇는다
주차 머리의 실습 과제가 「불량 판별 외관검사 시스템 (Streamlit + YOLO + 매뉴얼 검색)」이었다. 지금까지 만든 조각을 이어 그것을 완성한다.
이어 붙일 산출물
| 어디서 | 무엇을 | 어디에 쓰나 |
|---|---|---|
| Day 1 | 전처리 파이프라인 | 입력 이미지 정규화 |
| Day 2 | models/resnet50_defect_classifier.pth | 유형 분류, GradCAM 근거 표시 |
| Day 3 | runs/detect/defect_detection/weights/best.pt | 위치 검출 |
| Day 4 | 이상 점수 계산 | 학습 때 못 본 결함 걸러 내기 |
| Day 5 | 매뉴얼 검색 | 검출된 유형의 조치 안내 |
필수 요구사항
- 화면 하나에서 이어진다 — 이미지를 넣으면 검출 → 유형 → 조치 안내까지 한 번에 나온다
- 가중치가 없을 때 무엇이 일어나는지 정한다 — 조용히 규칙 기반으로 내려가 OK 를 내면 안 된다. 화면에 무엇이 없는지 띄우고 판정을 내지 않는다
- 판정 기록 — 모델 경로, 임계값, 시각을 결과 JSON 에 남긴다
- README — 아래 항목을 채운다. 채우지 못한 칸은 비워 두고 비운 이유를 적는다
## 성능
- 분류 검증 정확도 : ___ (표본 ___장, 합성/실제 여부: ___)
- 탐지 mAP50 : ___ (검증셋 ___장)
- 처리 시간 : ___ ms (장비 ___, 해상도 ___, 전후처리 포함 여부 ___)
## 한계
- 이 시스템이 못 하는 것 세 가지
- 데이터가 합성이라면 그 사실과, 그것이 성능 해석에 미치는 영향측정하지 않은 값을 채우지 마라. 이 README 는 나중에 사내에서 인용된다.
평가 기준
| 항목 | 배점 |
|---|---|
| 앞 나흘 산출물이 실제로 이어져 동작 | 30% |
| 모델이 없을 때의 처리(조용한 통과 없음) | 20% |
| 판정 기록과 추적성 | 15% |
| README 의 측정 조건 기재 | 20% |
| 저장소 구조와 실행 재현성 | 15% |
저장소 구조 예시
mfg-vision-inspection/
├── README.md
├── requirements.txt # 버전 고정
├── models/ # Day 2 분류기
├── runs/ # Day 3 탐지 가중치
├── outputs/ # 지표·예측 파일
├── src/
│ ├── preprocessing.py
│ ├── classifier.py
│ ├── detector.py
│ ├── anomaly.py
│ └── manual_search.py
└── app/dashboard.py보너스
- 실제 제조 이미지로 한 번이라도 돌려 보고 결과를 README 에 적기 (+20%)
- Docker 로 실행 환경 고정 (+10%)
- ONNX/TensorRT 변환과 측정값 기록 (+10%)
AI로 학습하기 — 꿀팁
외관검사 AI GitHub 포트폴리오 검토AI 학습 팁
제조 외관검사 AI 시스템 GitHub 저장소를 업로드하기 전, AI에게 코드 품질·README 완성도·재현성을 종합 검토받으세요.
제조 외관검사 AI 시스템 포트폴리오를 GitHub에 업로드하기 전 종합 검토를 요청합니다. 다음 항목을 평가해 주세요: 1) README에 '제조 현장 적용 가능성'을 증명하는 요소(처리 속도 벤치마크, 데이터셋 구성, 정확도 지표)가 충분히 명시됐는지, 2) 코드에서 하드코딩된 경로·API 키·임계값이 환경변수 또는 설정 파일로 분리됐는지, 3) 실험 재현을 위한 requirements.txt 또는 conda 환경 파일, 랜덤 시드 고정 코드 포함 여부, 4) 실제 기업 채용 담당자(제조 AI 엔지니어)가 볼 때 '실무 투입 가능성'을 높이는 추가 요소 3가지. 내 저장소 구조를 공유하면 항목별로 구체적인 개선 제안을 해주세요: [저장소 구조 설명]
이 팁이 도움이 됐나요?