자동차 산업은 품질 및 안전 요구사항에 매우 민감한 분야이다. 특히 자동차의 외관 부품 중 하나인 커버 렌즈는 디자인과 완성도의 중요한 요소로서 품질 검사가 필수적이다. 기존의 불량 검출 방법은 작업자가 현장에서 직접 육안으로 관찰하는 것이다. 그러나 이러한 방법은 효율성과 정확성이 떨어지고 신속한 품질변화에 대응하기 어렵다.
본 논문에서는 인간이 아닌 카메라를 이용한 비전 검사 시스템을 제안하고 One-Class CNN (Convolutional Neural Network)을 자동차 커버 렌즈 공정에서 불량 검출에 적용하는 방법을 제안한다. 비전 검사 시스템은 자동화된 검사가 가능하게 하고 정확성을 보장하고 일관성을 유지할 수 있으며 빠른 속도의 검사로 전체 라인의 효율성을 향상시킨다. One-Class CNN은 비지도 학습 기반의 딥러닝 알고리즘으로, 정상 데이터만을 학습하여 이상을 탐지하는 특징을 가지고 있다.
실험 결과, 제안된 One-Class CNN 모델은 자동차 커버 렌즈 공정에서 높은 정확도와 강력한 이상 감지 능력을 보였다.
이러한 결과들은 자동차 제조업체들이 빠르게 변화하는 품질 요구 사항에 대응하고, 생산성을 향상시키며, 불량품 배출을 줄일 수 있는 효과적인 검출 방법으로 One-Class CNN을 채택할 수 있음을 시사한다.