셀프 피어싱 리벳(Self-Piercing Riveting, SPR) 및 플로우 드릴 스크류(Flow Drill Screw, FDS) 공정은 자동차 차체 경량화에 중요한 역할을 한다. SPR 및 FDS 접합의 품질 평가는 보통 접합 단면 검사와 같은 시간 소모적이고 비용이 많이 드는 절차를 필요로 한다. 따라서 우리는 실시간 모니터링 시스템을 활용하여 직접 접합 품질을 예측하는 연구를 수행하였다. 이 시스템은 접합 프로세스 중에 발생하는 변위-힘 그래프 및 시간-토크 그래프와 같은 정보를 활용한다. 그러나 SPR 및 FDS 의 접합 단면을 실시간으로 예측하는 연구는 아직 보고된 바가 없다. 본 연구에서는 고정밀한 SPR 및 FDS 접합의 품질 예측을 위해 Convolutional Neural Network (CNN) 딥러닝 알고리즘을 활용했다. CNN 은 이미지 인식 작업에 뛰어나며 데이터의 공간 계층 구조와 패턴을 자동으로 학습하여 계층적인 특징을 캡처한다. FDS 에 대한 제안된 방법의 테스트는 95.1%의 주목할 만한 정확도를 나타내었으며, 이는 기존의 머신러닝 방법보다 4.8% 높다. SPR 의 경우 정확도는 89.4%로, 기존의 머신러닝 방법보다 8.5% 높다. 더욱 중요한 것은 제안된 방법이 접합의 결함을 효과적으로 식별했다는 점이다. 본 연구는 SPR 및 FDS 접합 단면의 실시간 품질 예측의 발전에 기여하여 접합 품질 평가의 효율성을 향상시키고 비용을 줄일 수 있는 유망한 방향을 제시한다.