자동차 부품 외관 결함 감지: RF‑DETR 기반 검사 시스템 구축 가이드

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

외관 결함은 제품 기능에 직접적 영향을 미치지 않아도 가치와 브랜드 인식에 큰 영향을 미치기 때문에 자동 검사가 필요하다. 이 가이드는 커스텀 RF‑DETR 객체 검출 모델을 사용해 범퍼·도어와 같은 부품 및 paint_scratch 같은 외관 결함을 이미지에서 탐지하고, 탐지 결과를 워크플로우로 집계해 결함 수를 세고 관련 부품에 연계한 뒤 합격·불합격 판정과 수리 권고 및 주석 이미지를 출력하는 일련의 파이프라인을 설명한다. 문서에 포함된 예시 JSON에는 inspection_result와 affected_parts, 바운딩박스 좌표와 confidence 값이 포함되어 있어 출력 포맷을 확인할 수 있으며 성능 수치나 벤치마크는 제공되지 않는다.

섹션별 상세

제조 현장에서 외관 결함은 제품 기능을 저해하지 않더라도 가치 하락과 고객 불만, 재작업을 유발하기 때문에 별도 검사 체계가 필요하다는 문제가 제기된다. 카메라로 제품 표면을 캡처하면 컴퓨터 비전 모델이 이미지에서 긁힘·칩·오염 등 시각적 결함을 식별하고 해당 결함의 위치를 바운딩박스로 반환하는 방식이 적용된다. 문서에는 표면 제거, 표면 마크, 표면 변형 등 대표적 결함 유형을 사례로 열거하고 있으며 이러한 결함 분류는 후속 라우팅과 수리 우선순위 판단 근거가 된다. 외관 품질 관리는 최종 고객 수용과 재판매 가치에 직접 영향을 미치므로 자동화된 검출이 운영 효율을 개선한다.

실제 시스템은 커스텀 RF‑DETR 객체 검출 모델을 이용해 범퍼·도어와 같은 부품과 paint_scratch 같은 외관 결함을 동시에 탐지하고, 탐지 결과를 워크플로우에서 집계해 검사 결과와 권장 수리 경로를 생성하는 구조로 동작한다. 입력 이미지는 모델이 바운딩박스와 클래스, 신뢰도 값을 출력하고 워크플로우는 이 출력을 기반으로 결함별 개수를 세어 관련 부품에 연계한 다음 pass/fail 판정을 내리고 주석 이미지와 함께 결과를 산출한다. 이미지 예시의 JSON 출력에는 inspection_result가 "FAIL"로 기록되고 affected_parts에 "bumper"가 포함되며 predictions 항목에 바운딩박스 좌표와 confidence 값이 표시되어 있어 실제 파이프라인의 출력 포맷을 확인할 수 있다. 이러한 자동화 흐름은 수작업 검사 대비 처리량과 일관성을 개선하고 재작업 비용을 줄일 수 있다.

좌측에는 'Cosmetic Defect Detection' 제목과 차량 범퍼의 주석 이미지가 배치되어 있고 우측에는 검사 결과를 담은 JSON 출력이 캡처되어 있다. — Screenshot이미지의 오른쪽 JSON 스니펫은 inspection_result 값으로 "FAIL"을 포함하고 affected_parts와 paint_scratch_predictions 배열을 통해 탐지된 부품과 바운딩박스 정보를 전달한다. 왼쪽 이미지 영역은 주석된 바운딩박스와 함께 결함 위치를 시각화하고 있어 모델 출력과 워크플로우 결과가 어떻게 결합되는지를 확인할 수 있다.

용어 해설

RF-DETR: — Roboflow에서 활용하는 DETR 계열의 객체 검출 모델로, 이미지에서 부품과 결함을 동시에 탐지하도록 학습된다. 입력 이미지를 받아 바운딩박스와 클래스 확률을 출력하며 생산 라인의 실시간 검사 파이프라인에 통합되어 결함 위치와 연관 부품 정보를 생성하는 역할을 한다. 제조 검사에서는 경계 상자 좌표와 신뢰도 기반 필터링을 통해 후속 카운팅 및 수리 라우팅 로직으로 연결되는 것이 중요하다.
Defect Localization: — 이미지 내에서 흠집·긁힘·칩 등 외관 결함의 위치를 좌표(바운딩박스)로 식별하는 과정으로, 객체 검출의 한 형태이다. 입력 이미지를 처리해 결함 영역을 탐지하고 해당 영역을 어떤 제품 부품(예: 범퍼, 도어)에 속하는지 매핑하는 단계가 핵심이며, 이후 카운팅과 판정 로직의 기반 데이터로 사용된다. 정확한 위치화는 수리 우선순위 결정과 자동 라우팅의 정밀도를 좌우한다.
Inspection Workflow: — 검출 모델의 출력을 받아 결함별 집계, 부품 연계, 합격·불합격 판정, 수리 경로 추천 및 주석 이미지 생성을 순차적으로 실행하는 처리 파이프라인이다. 객체 검출 결과에서 바운딩박스를 집계하고 각 결함을 대응 부품에 연결한 뒤 비즈니스 규칙에 따라 통과·실패를 결정하고 수리 지침을 생성한다. 제조 현장에서는 이 워크플로우가 자동화되어야 검사 처리량과 일관성이 확보된다.

기술

RF-DETR
Roboflow
Roboflow Workflow
객체 검출(vision model)

활용 사례

공정 라인의 외관 품질 자동 검사
결함별 자동 집계 및 수리 라우팅
검사 결과의 주석 이미지 생성 및 기록

자동차 부품 외관 결함 감지: RF‑DETR 기반 검사 시스템 구축 가이드

TL;DR

섹션별 상세

용어 해설

기술

활용 사례

관련 토론

댓글

관련 기사

페인트 결함 자동 감지

Vision AI로 플랜지(Flange) 품질 검사를 자동화하는 방법

튜브 품질 검사

Roboflow Workflow로 자동차 시트 조립의 호그링 검사 자동화

Roboflow로 구현하는 송전선 점검 AI 튜토리얼