고해상도 영상 기반 결함 검출·분류와 경량화 학습

Vision-Based Defect Detection, Classification, and Lightweight Learning

연구 내용

회전·다중 카메라 입력과 패치 단위 히트맵 앵커 프리 검출을 결합해 결함을 국소화하고, 지식 증류 및 대비 학습으로 임베디드 추론 성능을 확보하는 연구

농업과 건설 현장에서는 미세한 표면 결함과 저해상도 조건에서의 검출 성능이 요구됩니다. 본 연구는 사과 결함 검출에서 패치 단위 히트맵 기반 앵커 프리 검출 구조를 적용하고, 소형 객체를 2D 가우시안 히트맵 키포인트로 표현하여 국소화 정확도를 높입니다. 또한 다중 스케일 특징 융합을 통해 작은 결함의 맥락 정보를 보강하고, 과적합을 줄이기 위한 패치 학습 전략을 포함합니다. 회전 메커니즘을 갖춘 다중 카메라 기반 분류에서는 전체 표면을 균일하게 촬영한 뒤 CNN 분류기를 임베디드 하드웨어에 맞춰 지식 증류로 경량화합니다. 저정의 균열 이미지에서는 패치 분할과 라벨링 방식의 영향까지 고려하고, 검출 결과로부터 길이 측정 후처리까지 연결하는 차별성을 보유합니다.

관련 프로젝트

2건

연구 흐름

초기 연구는 단일 카메라의 표면 미스캔 문제를 줄이기 위해 회전 메커니즘과 다중 카메라를 결합하고, 임베디드 추론을 전제로 CNN 성능을 유지하는 지식 증류 학습을 수행했습니다. 이후에는 소형 결함을 정밀하게 위치 추정하기 위해 앵커 프리 엔드투엔드 검출로 확장하고, 결함을 히트맵 키포인트로 표현하는 패치 단위 학습 프레임을 구축했습니다. 그 다음에는 저해상도 조건에서의 균열 검출로 적용 범위를 넓히며, 패치 크기와 라벨링 전략에 따른 학습 민감도를 분석하고 길이 측정 파이프라인을 구성했습니다. 최근에는 데이터 증강에 적응하는 대비 학습 관점의 방법론을 결합해 일반화 성능을 개선하는 흐름으로 이어가고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

농산물 선별 자동화
소형 결함 위치 추정
저해상도 영상 품질 보정 전 단계
임베디드 기반 현장 추론
균열 길이 측정 자동화
가변 조명 환경 강건성 향상
패치 기반 학습 데이터 구축
스마트 농업 모니터링
정밀 방제 의사결정 지원
검사 장비 비용 절감