Sensitivity Analysis of Loss Weight Optimization in f-AnoGAN Training for Defect Detection in Appliance Door Gaskets

생성형 인공지능의 발전과 제조 산업에서의 AI 도입 확산은 열악한 환경에서도 적용 가능한 고속 비지도 이상 탐지 시스템 수요를 높이고 있다. 특히, 비전 검사 AI 모델은 사람의 오류를 줄이고 속도를 높일 수 있으나, 실제 현장에서는 제품 수명 주기 단축과 다품종 소량 생산으로 인해 불량 데이터 확보와 라벨링에도 한계가 있다. 이에 따라, 정상 데이터만으로 학습 가능한 비지도 방식이 주목받고 있다. 본 연구에서는 실제 가전부품 제조 공정 현장에서 수집한 고해상도 이미지를 활용해, 대표적 비지도 모델인 f-AnoGAN에 구조적 유사도 지수(SSIM)를 손실함수로 적용하여 실험적으로 검증하였다. 그 결과, 모델 학습 시 SSIM 손실을 적절한 가중치로 Feature Matching 손실과 함께 적용할 경우 이상 탐지 성능이 유의미하게 향상됨을 확인했다.