Dataset Construction and Learning for Deep Learning-based Epoxy Application Defect Detection System

본 논문은 딥러닝 기반으로 3축 직교 로봇과 동축 광원, GigE 카메라를 활용한 에폭시 도포 불량 검출시스템을 제안하였다. 에폭시 도포는 전자 제품 조립 과정에서 중요한 단계로, 도포 불량 발생 시에 제품의 신뢰성에 큰 영향을 미친다. 본 연구는 적은 양의 데이터셋으로도 높은 성능을 달성할 수 있는 자동화된 에폭시 도포 불량 검출시스템을 설계하는 것이다. 불량 검출을 위해 ImageNet 데이터셋으로 사전 학습된 EfficientNet-B0 모델을 전이학습하여 사용하였으며, 데이터 증강 기법을 적용하였다. 또한, Grad-CAM 기법을 통해 학습 모델의 판단 과정을 시각적으로 검증하였다. 실험에서 제안된 도포 불량 검출시스템은 실제 환경에서 높은 신뢰성을 가지며, 적은 데이터셋으로도 높은 정확도를 나타냈다. 본 연구는 소량의 데이터셋으로도 효과적인 딥러닝 기반 불량 검출시스템의 가능성을 제시한다.