Roboflow를 활용한 제약 분야 자동 시각 검사 구현 가이드

섹션별 상세

01

제약 산업의 엄격한 규제와 수동 검사의 한계를 지적하며 100% 전수 검사의 필요성을 강조한다. 수동 검사는 약 80%의 결함만 포착할 수 있어 자동화가 필수적이다.

02

객체 탐지(Detection)와 분류(Classification)를 분리한 2단계 파이프라인 전략을 사용한다. 탐지 모델은 복잡한 배경에서 객체를 격리하고, 분류 모델은 격리된 객체의 세부 품질만 집중적으로 평가하여 정확도를 극대화한다.

프로젝트에 사용된 두 가지 데이터셋 카드 이미지이다. — Screenshot알약 탐지를 위한 데이터셋(451개 이미지)과 결함 분류를 위한 데이터셋(191개 이미지)이 각각 준비되어 있음을 보여준다. 2단계 파이프라인 구축을 위해 서로 다른 성격의 데이터셋이 필요함을 시각적으로 확인시켜 준다.

03

첫 번째 단계로 RF-DETR 아키텍처를 사용하여 알약의 위치를 찾는 탐지 모델을 학습시킨다. 이때 모든 알약을 놓치지 않도록 재현율(Recall) 지표를 최우선으로 고려하는 학습 전략을 취한다.

알약 탐지 모델의 성능 지표 대시보드이다. — ChartmAP@50 89.1%, Precision 83.9%, Recall 86.5%의 수치를 보여준다. 탐지 단계에서 알약을 놓치지 않는 것이 중요하므로 Recall 지표가 핵심적인 성능 기준이 됨을 나타낸다.

04

두 번째 단계로 ViT(Vision Transformer) 기반의 분류 모델을 학습시켜 정상 알약과 가장자리 결함(Edge Defect)이 있는 알약을 구분한다. 개별 알약 이미지에 집중하므로 컨베이어 벨트나 조명 반사 등의 환경 노이즈 영향을 최소화한다.

알약 분류 모델의 정확도 지표이다. — Chart분류 모델이 100%의 정확도를 달성했음을 보여준다. 격리된 알약 이미지를 사용함으로써 분류 작업의 난이도가 낮아지고 정확도가 극대화될 수 있음을 증명한다.

05

Roboflow Workflows를 통해 탐지, 동적 크롭(Dynamic Crop), 분류, 라벨 교체, 시각화 단계를 하나의 파이프라인으로 통합한다. 이를 통해 한 장의 사진에 포함된 여러 알약을 각각 독립적으로 판정하고 결과를 출력한다.

Roboflow Workflows로 구성된 전체 검사 파이프라인 다이어그램이다. — Diagram입력 이미지부터 객체 탐지, 동적 크롭, 분류, 라벨 교체, 시각화 출력까지의 데이터 흐름을 보여준다. 각 블록이 어떻게 연결되어 하나의 자동화된 검사 시스템을 형성하는지 아키텍처를 명확히 설명한다.

06

실제 운영 환경을 위해 신뢰도 임계값 설정 및 결함 분포 모니터링을 통한 공정 제어(CAPA) 연동 방안을 제시한다. 특정 결함의 급증은 모델 문제가 아닌 생산 설비의 기계적 결함 신호로 해석될 수 있다.

용어 해설

자동 시각 검사(AVI): — Automated Visual Inspection의 약자로, 카메라와 이미지 처리 기술을 사용하여 제품의 결함을 자동으로 식별하는 프로세스이다. 제약 산업에서는 FDA 규정에 따라 모든 주사제와 샘플링된 고형 제제의 품질을 보증하기 위해 필수적으로 수행된다.
RF-DETR: — Roboflow에서 최적화한 DEtection TRansformer 기반의 객체 탐지 모델이다. 이미지 내에서 알약과 같은 특정 객체의 위치를 바운딩 박스로 식별하는 데 사용되며, 높은 정확도와 효율성을 제공한다.
동적 크롭(Dynamic Crop): — 객체 탐지 모델이 찾은 바운딩 박스 좌표를 기반으로 원본 이미지에서 해당 객체 부분만 자동으로 잘라내는 기능이다. 2단계 파이프라인에서 분류 모델이 배경 노이즈 없이 객체 자체에만 집중할 수 있도록 돕는다.
비전 트랜스포머(ViT): — Vision Transformer의 약자로, 자연어 처리에서 성공적이었던 Transformer 아키텍처를 이미지 분류에 적용한 모델이다. 이미지를 패치 단위로 나누어 처리하며, 복잡한 패턴의 결함을 분류하는 데 뛰어난 성능을 보인다.
재현율(Recall): — 실제 결함이 있는 객체 중 모델이 올바르게 결함으로 찾아낸 비율이다. 제약 검사에서는 결함이 있는 제품이 시장에 유통되는 것을 방지하기 위해 정밀도보다 재현율을 높이는 것이 안전 측면에서 매우 중요하다.

기술

Roboflow
RF-DETR
ViT
Roboflow Workflows

활용 사례

알약 결함 검사
제약 생산 라인 모니터링
품질 관리 자동화

언급된 리소스

문서Pill Detection Dataset

문서Defective Pill Classifier Dataset