의료 기기 포장 검사 및 UDI 라벨 검증 자동화

섹션별 상세

의료 기기 포장재의 UDI 라벨 누락이나 바코드 오류는 공급망 내 추적성과 규제 준수에 심각한 문제를 초래한다. 기존 수동 검사 방식의 한계를 극복하기 위해 Roboflow 워크플로를 활용한 자동화 시스템을 구축한다.

RF-DETR 모델을 사용하여 포장재 전체와 찢어짐, 찌그러짐 등 표면 손상 영역을 실시간으로 탐지한다. 70/15/15 데이터셋 분할과 512x512 리사이징 전처리를 통해 모델의 일반화 성능을 확보한다.

학습된 RF-DETR 모델은 테스트셋에서 mAP@50 87.5%, 정밀도 92.3%를 기록하며 높은 탐지 정확도를 입증했다. 이 모델은 손상 영역을 바운딩 박스로 시각화하여 후속 검사 단계의 근거를 제공한다.

Gemini 2.5 Pro VLM 블록을 워크플로에 추가하여 탐지된 이미지를 분석한다. 모델은 바코드, QR 코드, DataMatrix 등 UDI 마커의 가독성과 손상 여부를 판단하고 2-4문장의 요약문을 생성한다.

최종 출력은 RF-DETR의 탐지 결과와 Gemini가 생성한 검사 요약 텍스트가 오버레이된 이미지이다. 이 파이프라인은 제조 라인의 카메라 시스템과 통합하여 품질 관리 및 추적성 확보에 활용 가능하다.

고유 기기 식별자(UDI): — Unique Device Identification의 약자로, 의료 기기의 유통 및 사용 전 과정을 추적하기 위해 부여되는 고유 식별 코드이다. 라벨링 오류나 누락은 규제 준수 및 환자 안전에 직결된다.
비전 언어 모델(VLM): — Vision-Language Model의 약자로, 이미지와 텍스트를 동시에 이해하고 처리하는 멀티모달 AI 모델이다. 본문에서는 이미지 내 라벨의 가독성을 평가하고 요약문을 생성하는 데 사용된다.
평균 정밀도(mAP@50): — Mean Average Precision at IoU 0.5의 약자로, 객체 탐지 모델의 성능을 평가하는 지표이다. IoU 임계값이 0.5일 때의 평균 정밀도를 의미하며, 모델이 객체를 얼마나 정확하게 탐지하는지 나타낸다.