본 논문에서는 플라스틱 페트병의 종류와 외관에 관계없이 재활용이 가능한 페트병을 4가지 종류로 구분할 수 있는 역자판기용 경량 딥러닝 모델을 제시한다. 여기서 외관이란 페트병의 크기, 모양, 색깔, 및 라벨 유무를 말한다. 경량 딥러닝 모델은 사전학습 모델을 활용하여 미세조정 방식을 통해 개발하였다. 기반 사전학습 모델로 욜로v5(YOLOv5)를 이용하였으며, 미세조정을 위한 데이터는 페트병 크기 (소형/대형), 라벨 유무, 훼손 여부를 고려하여 직접 촬영하고 준비하였다. 최적 경량 모델 선정을 위해 공개된 욜로 v5의 4종 백본 모델을 자체 수집한 데이터로 미세조정하고, 4종 각각의 정확도, 추론 시간 등을 비교하는 실험을 진행하였다. 모델의 학습 성능은 실험실 환경 테스트, 실제 환경 테스트로 구분하였으며 정확도와 평균정밀도를 용하여 성능을 측정하였다. 그 결과, 최소 추론 시간과 최고 성능을 보장하는 욜로v5-s 모델로 선정하였다. 선정된 모델의 실험실 환경 테스트 결과는 정확도 83.2%, 평균정밀도(0.905, 0.666)이며, 역자판기 환경 테스트 결과 정확도 79.6%, 평균정밀도(0.894, 0.435)로 측정되었다. 또한 역자판기 환경은 기기 내부 컴퓨터를 사용되는 바, 시간을 추가로 측정하였고 소요시간은 라즈베리파이 피씨의 경우 평균 3.389s와 미니 컴퓨터의 경우 0.170s가 소요되었다. 본 논문이 제안한 방법의 우수성을 확인하기 위해, 자체 구축한 데이터셋을 비교 모델들에 적용해 본 결과 본 논문의 제안 방법이 타 모델에 비해 200% 이상 높은 성능을 보임을 확인하였다. 결론적으로, 본 논문이 제안한 페트병 재활용성 분류 모델은 외관 상태에 강인하고, 경량 모델로써 빠른 추론 속도를 보장할 뿐만 아니라, 타 모델에 비해 비약적으로 높은 성능을 보임으로써 실세계 역자판기용 페트병 선별 시스템 구축에 적합한 모델이라고 볼 수 있다.