A Study on Field Application of YOLO-Based Defect Detection System Using OpenVINO

제4차 산업혁명으로 인해 제조업은 스마트 팩토리 구축을 통한 생산성 혁신을 추진하고 있으며, 특히 다품종 소량 생산 체제는 고객 맞춤형 제품의 생산과 시장 변화에 유연하게 대응할 수 있다는 장점이 있다. 하지만 이러한 생산 공정에서는 잦은 작업 전환으로 인해 제품 혼입, 오배합, 규격 불일치 등의 다양한 불량이 발생할 수 있다. 전통적인 인력 기반의 육안 검사는 검사자의 주관적 판단에 따른 인적 오류, 집중력 저하, 제한된 검사 속도라는 근본적 한계를 가지고 있다. 본 연구에서는 이러한 문제점을 해결하기 위해 실제 생산 라인에서 수집한 데이터를 기반으로 YOLO(You Only Look Once) 객체 인식 모델을 훈련시켜 자동화된 불량 검출 시스템을 구축하였다. 학습된 모델을 ONNX 형식을 거쳐 OpenVINO의 IR 포맷으로 변환하는 최적화 과정을 통해 단일 보드 컴퓨터(Single Board Computer, SBC) 환경에서 추론 속도의 향상과 정확도 유지 간의 균형점을 모색하였다. 이를 통해 불량 검출률의 향상과 생산 과정에서의 손실을 줄여 스마트 팩토리 환경에서 생산 품질 및 효율을 높일 수 있음을 확인하였다.