자동차용 배터리 제조공정 가운데 하나인 Tab Welding 공정을 통해 생산된 제품의 샘플링 인장검사를 대체하기 위해 비전검사기를 개발하여 사용하고 있다. 그러나, 비전검사는 검사 위치 오차 문제와 이를 개선하기 위해 발생하는 비용 문제를 가지고 있다. 딥러닝 기술중 Faster R-CNN을 사용하여 비전 검사기의 문제점에 대한 해결책을 제시하고자 하였다. 기존 비전검사기를 통해 획득한 이미지들을 학습 데이터로 사용하고자 이미지 레이블링을 진행하였으며, 레이블링 파일들을 학습을 위한 TFRecord 파일로 변환하였다. 변환된 Record 파일들을 Faster R-CNN ResNet101 V1 1024x1024 모델로 학습하였다. 검사 기준인 미검률 0%, 과검률 5%의 기준으로 비전검사와 Faster R-CNN 검사결과를 비교 분석하였다. 미검출률은 영상처리 검사에서 21%, Faster R-CNN 검사에서 0%였다. 과검출률은 기존 영상처리 검사에서 100%, Faster R-CNN에서 3.5%였다. 실험 결과를 통해 기존 비전검사를 Faster R-CNN 검사로 대체 가능성이 충분함을 확인하였다.