그라비아 인쇄 품질 관리를 위한 합성 데이터 생성 프레임워크

핵심 요약

• 무엇을 · 그라비아 인쇄 공정에서 발생하는 주름, 줄무늬, 인쇄 불량 등 다양한 표면 결함을 자동으로 감지하는 딥러닝 모델 학습을 위한 합성 데이터 생성 프레임워크를 개발했습니다.
• 어떻게 · 제안된 파이프라인은 실제와 유사한 고품질의 인쇄 결함 이미지를 자동으로 생성하며, 동시에 결함의 위치를 나타내는 바운딩 박스와 주석 정보를 함께 출력합니다. 이 합성 데이터셋(7533개 이미지)을 사용하여 최신 객체 감지 모델인 RFDETR을 훈련시켰습니다.
• 결과 · 합성 데이터로 훈련된 모델이 실제 산업 샘플 테스트에서 80.9%의 평균 정확도(mAP)를 달성했습니다. 이는 실제 결함 이미지를 대량으로 수집할 필요 없이 인쇄 라인의 결함 검사를 자동화할 수 있음을 보여줍니다.

왜 중요한가

현재 인쇄 품질 관리는 여전히 느리고 비용이 많이 들며 주관적인 수동 검사에 의존하고 있습니다. 이 연구는 딥러닝 기반의 자동화된 결함 감지 시스템을 구축하는 데 가장 큰 장애물인 실제 결함 이미지 부족 문제를 해결하여, 인쇄 산업의 품질 관리 표준을 높이는 데 기여할 수 있습니다.

실생활·산업 영향

이 프레임워크는 실제 데이터를 수집하는 데 드는 막대한 비용과 시간을 절약하면서도, 인쇄 라인에 결함 검사 자동화 솔루션을 신속하게 도입할 수 있게 합니다. 이는 인쇄 제품의 품질을 일관되게 유지하고 생산 효율성을 높이는 데 직접적인 도움이 될 것입니다.

한계·주의

초록에는 명시적인 한계점이 언급되어 있지 않습니다. 다만, 합성 데이터의 현실성 및 실제 환경에서의 일반화 성능에 대한 추가 검증이 필요할 수 있습니다.