Comparative Analysis of RT-DETR and YOLOv8 for Real-Time Egg Defect Detection under Computational Constraints

본 논문에서는 실시간으로 계란의 결함을 감지하기 위해 두 가지 고급 물체 감지 모델인 RT-DETR과 YOLOv8의 성능을 비교 및 분석한다. 전 세계적으로 계란 수요가 증가함에 따라, 품질과 안전성을 보장하는 실시간 결함 감지 기술은 건강 위험과 식품 안전 문제를 예방하기 위해 필수적이다. 이에 따라, 두 객체 감지 모델을 이용하여 계란의 투광 이미지를 분석하고, 정상, 균열, 혈반, 탈색, 이물질, 기형 등 6가지 카테고리를 분류한다. 이를 위해, AI-Hub의 11,000개 계란 이미지 데이터 셋을 기반으로 훈련, 검증, 평가 비율을 9:1:1로 설정하여 실험을 진행한다. 다음으로, 두 객체 감지 모델의 성능은 감지 정확도와 추론 속도 측면에서 평가한다. RT-DETR 모델은 두 가지 버전(r18, r50)으로 학습되며, YOLOv8 모델은 세 가지 버전(nano, medium, large)으로 학습되어 상호 비교된다. 실험 결과, 정확도 측면에서는 RT-DETR-r50 모델이 IoU 임곗값 0.5에서 mAP이 0.852([email protected]), 다양한 IoU 임곗값에서 0.851([email protected]:0.95)을 도출하였다. 반면, 속도 측면에서는 YOLOv8n 모델이 이미지당 평균 0.0021초 의 추론 시간을 기록하여 더 나은 성능을 보였다. 본 연구는 정확성과 속도 간의 균형을 강조하며, 계란 생산 시설에서 효율적인 품질 관리 시스템을 구현하기 위한 유용한 통찰력을 제공한다.