본 논문은 산업 현장에서 널리 사용되는 DIP(Dual In-Line Package) 부품의 결함을 자동으로 감지하는 시스템을 제안한다. 기존의 수작업 방식의 결함 검출이 시간과 노력이 많이 든다는 점을 해결하기 위해, 디지털 카메라와 딥러닝 기반 모델을 활용했다. DIP 부품의 두 가지 주요 결함 유형(표면 결함 및 핀 다리 결함)을 검출하며, ConSinGAN을 사용하여 훈련 및 테스트에 필요한 데이터셋 부족 문제를 해결했다. 다양한 YOLO 모델(v3, v4, v7, v9)을 ConSinGAN 증강과 함께 비교 분석한 결과, ConSinGAN과 결합된 YOLOv7이 95.50%의 정확도, 285ms의 감지 시간으로 가장 우수한 성능을 보였다. 또한, SCADA 시스템을 개발하고 관련 센서 아키텍처를 설명했다.
