제조 현장에서 표면 결함 검사는 생산 품질을 보장하는 핵심 공정이다. 그러나 기존 방식은 숙련 작업자의 육안 검사에 의존해 일관성이 부족하고, 생산 속도가 빨라질수록 누락이 발생하기 쉬웠다. 특히 압출·프레스 부품은 스크래치, 핀홀, 오염 등 다양한 형태의 불량이 발생하는데, 크기가 미세하거나 조도 변화·표면 반사에 따라 인식하기 어려운 경우가 많았다. 이는 불량품이 고객에게 납품되어 클레임으로 이어지거나, 불필요한 폐기 증가로 원가 상승을 유발하는 문제를 만들었다. 따라서 라인 속도(수백 fps)에 맞추어 실시간 탐지가 가능하고, 다양한 결함 패턴에 적응할 수 있는 AI 기반 자동화 검사가 절실했다. 프로젝트는 결함 검출 정확도를 높이고, 조명 조건이나 제품 표면 편차에도 안정적으로 동작하며, 라인 전체 KPI를 모니터링할 수 있는 통합 플랫폼을 목표로 추진되었다.

압출·프레스 부품 생산 라인에 설치된 카메라 영상을 실시간으로 수집해 스크래치, 핀홀, 오염 등 다양한 표면 결함을 탐지하는 AI 시스템을 구축하였다. 데이터셋은 불균형이 심해 리샘플링과 CutMix 증강을 적용했고, EfficientNet 기반 탐지 모델을 활용해 정확도를 높였다. TensorRT 최적화를 통해 라인당 120fps의 초고속 처리 성능을 확보했으며, 조도 편차와 반사 문제는 ROI 크롭과 보정 모듈로 해결했다. MLflow를 도입해 모델 실험과 배포를 관리하고, 작업자용 UI로 오탐을 빠르게 수정해 품질 피드백 루프를 구축했다. 결과적으로 검사 일관성을 확보하고 공정 KPI 리포트를 자동 제공해 생산 품질 관리 효율을 크게 향상시켰다.