30분
검사 파이프라인 전체 설계: 수집→전처리→추론→리포트
Day 5: 실전 프로젝트 — 불량 판별 검사 시스템
검사 파이프라인 전체 설계: 수집→전처리→추론→리포트
비전 AI — 제조 외관검사 시스템 > Day 5: 실전 프로젝트 — 불량 판별 검사 시스템
학습 목표
제조 외관검사 시스템의 전체 아키텍처를 설계할 수 있다 각 단계(수집, 전처리, 추론, 후처리, 리포트)의 역할을 이해한다 Week 2-3 RAG 시스템과의 연동 포인트를 파악한다
전체 검사 시스템 아키텍처
이번 주에 배운 모든 것을 하나의 시스템으로 통합한다.
시스템 전체 구조
[제조 외관검사 AI 시스템]
┌─────────────────────────┐
│ Streamlit Dashboard │
│ (검사 대시보드) │
└────────┬────────────────┘
│
┌────────────────────────┼────────────────────────┐
│ │ │
▼ ▼ ▼
┌─────────┐ ┌──────────┐ ┌──────────────┐
│ 이미지 │ │ 추론 │ │ RAG 연동 │
│ 수집 │──────→ │ 엔진 │──────→ │ 조치 매뉴얼 │
│ │ │ │ │ 자동 조회 │
└─────────┘ └──────────┘ └──────────────┘
│ │ │
▼ ▼ ▼
┌─────────┐ ┌──────────┐ ┌──────────────┐
│ 전처리 │ │ 결과 │ │ 리포트 │
│ 파이프 │ │ 시각화 │ │ 자동 생성 │
│ 라인 │ │ │ │ │
└─────────┘ └──────────┘ └──────────────┘
│
┌────────┴────────────────┐
│ MLflow 모델 관리 │
│ (버전, 실험 추적) │
└─────────────────────────┘각 모듈 역할
| 모듈 | 기술 | 역할 |
|---|---|---|
| 이미지 수집 | OpenCV, 카메라 API | 카메라/파일에서 이미지 획득 |
| 전처리 | OpenCV, CLAHE | 노이즈 제거, 대비 향상, ROI 추출 |
| 추론 엔진 | YOLO + Anomaly | 불량 탐지 + 이상 감지 |
| 결과 시각화 | matplotlib, OpenCV | 바운딩 박스, 히트맵 오버레이 |
| RAG 연동 | Week 2-3 | 불량 유형별 조치 매뉴얼 자동 조회 |
| 리포트 생성 | matplotlib, PDF | 불량률 통계, 추세 분석 |
| 모델 관리 | MLflow | 모델 버전, 실험 추적 |
| 대시보드 | Streamlit | 웹 기반 검사 UI |
추론 전략: YOLO + 이상탐지 조합
[2단계 추론 전략]
Stage 1: YOLO 불량 탐지
→ 알려진 불량 유형 검출 (스크래치, 크랙, 이물질)
→ 위치 + 클래스 + 신뢰도
Stage 2: 이상 탐지 (YOLO가 놓친 것)
→ 미지의 불량 감지
→ 이상 점수 맵
최종 판정:
YOLO 검출 OR 이상점수 > 임계값 → NG
둘 다 정상 → OK
이점: 알려진 불량 + 미지의 불량 모두 커버Day 5 구현 로드맵
Task 1: 이 문서 (파이프라인 설계 이해)
Task 2: Streamlit 대시보드 (UI 구현)
Task 3: 불량률 리포트 자동 생성
Task 4: MLflow 모델 관리
Task 5: 엣지 배포 개요
Task 6: RAG 연동 (Week 2-3 연결)
Task 7: 종합 퀴즈
Task 8: 포트폴리오 정리AI로 학습하기 — 꿀팁
🧪제조 외관검사 파이프라인 병목 지점 설계AI 학습 팁
수집→전처리→추론→리포트의 4단계 파이프라인에서 생산 속도를 맞추기 위한 병렬 처리 설계를 구체화한다.
분당 200개 PCB를 처리하는 SMT 라인에서 외관검사 AI 파이프라인을 설계해줘. 파이프라인 단계별로 다음을 분석해줘: 1) 이미지 수집(카메라 트리거, 저장) → 전처리(리사이징, 정규화, 증강) → 추론(CNN/YOLO) → 후처리(NMS, 임계값 적용) → 리포트(MES 연동, 알람) 각 단계의 예상 처리 시간(ms), 2) 병목 단계 식별 및 병렬화 방법(멀티스레드, GPU 배치 처리, 큐 설계), 3) 추론 단계에서 배치 크기(batch size)가 1 vs 4 vs 8일 때 처리량과 지연시간 트레이드오프, 4) 카메라 6대를 동시 운용할 때 파이프라인 아키텍처 변경사항. 각 단계의 구체적인 구현 방안을 Python 의사코드로 보여줘.
이 팁이 도움이 됐나요?
핵심 포인트
- • 검사 시스템은 수집→전처리→추론→시각화→리포트 파이프라인 구성
- • YOLO(알려진 불량) + 이상탐지(미지의 불량) 조합이 최강
- • RAG 연동으로 불량 유형별 조치 매뉴얼 자동 제공
- • MLflow로 모델 버전과 실험을 체계적으로 관리