딥러닝을 이용한 마이크로 드릴비트 이물질 검사 시스템 구현

초록

본 논문은 YOLO V3 알고리즘을 기반으로 한 드릴비트 이물질 검사 시스템을 구현하고 그 성능을 평가하였다. 연구는 드릴비트의 정상 상태와 이물 상태를 구분하기 위해 600장의 학습 데이터를사용하여 YOLO V3 모델을 학습시켰다. 구현된 검사 시스템은 자동검사를 통해 드릴비트의 상태를정확히 분석하고 결함을 효과적으로 탐지하였다. 성능 평가는 2000회 이상 사용된 드릴비트를 대상으로 수행되었으며, 재연마 가능 여부를 판별하는 인식률 98%를 달성하였다. 세척 공정에서 이물질제거의 목표를 99.6%로 평가하였으며, 자동 검사 시스템은 시간당 500개 이상의 드릴비트를 검사할수 있어 기존 수동 검사 방법에 비해 약 4.3배 더 빠르고 99%의 높은 정확도를 기록하였다. 이러한결과는 자동화된 검사 시스템이 검사 속도와 정확성을 획기적으로 개선할 수 있음을 보여주며, 제조현장에서의 품질 향상과 비용 절감에 기여할 수 있음을 알수있다. 향후 연구에서는 시스템 최적화와성능 향상을 통해 더욱 효율적이고 신뢰성 높은 검사 기술 개발이 필요하다.

키워드