농산물 등급 판정을 위한 기존의 딥러닝 기반 시스템은 일반적으로 컨베이어 벨트에서 촬영한 상면(Top-view) 이미지를 기반으로 하여 표면 검사 범위를 제한받는다. 무작위 롤링(random rolling)을 도입하여 다양한 면을 노출시키는 접근이 제안되었으나, 이는 흔히 중복되거나 일관되지 않은 커버리지를 초래하여 분류 신뢰도를 저하시킨다. 본 연구는 Calistar 그레이더의 구조적 특성을 활용한 다중 시점 이미지 획득 및 분류 시스템을 제안한다. 4대의 산업용 카메라(상단 2대, 하단 2대)가 서로 다른 4개의 각도에서 이미지를 촬영하였고, 이를 하나의 합성 복합(multiview) 이미지로 병합하였다. 이 복합 이미지는 ConvNeXt V2 모델로 처리하였으며, ONNX로 변환한 뒤 TensorRT로 최적화하여 실시간 배치에 적용하였다. 실험 결과 분류 정확도는 약 99%였고 처리 속도는 초당 5개 물체로 나타났다. 이러한 결과는 본 시스템이 농산물을 실시간으로 정확하게 등급 판정하는 데 효과적임을 검증하며, 양파뿐 아니라 형상이 불규칙한 3D 물체에도 적용될 가능성을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.