본 논문은 산업 제조 분야의 시간과 노력이 많이 소요되는 작업을 해결하기 위해 YOLO 기반 딥러닝 모델을 활용한 자동 결함 감지 시스템을 제안합니다. 금속판 이미지 데이터셋을 사용하여 YOLO 모델을 훈련시켜 금속판 표면 및 구멍의 결함을 감지합니다. 데이터 부족 문제를 해결하기 위해 ConSinGAN을 사용하여 데이터를 생성하고, YOLOv3, v4, v7, v9의 네 가지 YOLO 모델을 ConSinGAN과 결합하여 데이터 증강을 수행했습니다. 제안된 YOLOv9 모델은 ConSinGAN과 함께 다른 YOLO 모델보다 우수한 성능(정확도 91.3%, 감지 시간 146ms)을 보였으며, 제조 하드웨어 및 SCADA 시스템에 통합되어 실용적인 자동 광학 검사(AOI) 시스템을 구축했습니다. 또한, 제안된 자동 결함 감지 방법은 산업 제조의 다른 구성 요소에도 쉽게 적용할 수 있습니다.
