MATT 컬러강판 표면 질감의 정밀 분류를 위한 슬라이스 기반 딥러닝 앙상블 모델 연구

초록

MATT 컬러강판은 도막 표면에 미세한 주름(Wrinkle) 패턴을 형성하여 고급스러운 무광 질감을 구현하지만, 이러한 질감은 시각적으로 미세하고 반복적인 구조를 가지므로 기존 육안 검사나 일반 비전검사 시스템으로는 품질 편차를 정확히 감지하기 어렵다. 특히 연속 생산 공정에서는 검사자의 피로 누적, 기준 오차, 조도 변화 등으로 인해 품질 이상이 누락되는 사례가 빈번 히 발생한다. 본 연구에서는 MATT 컬러강판의 표면 질감 수준을 9단계로 분류하고, 각 단계별 이미지를 CNN 기반 딥러닝 분류기로 학습시 키기 위해 슬라이스 기반 앙상블 기법을 제안하였다. 이미지 전체를 3×3 영역으로 분할한 뒤, 각 슬라이스에 대해 동일한 CNN 분류 모델을 적용하고 soft voting 방식으로 결과를 통합함으로써, 국소적인 질감 정보까지 반영한 정밀한 예측을 가능하 게 하였다. 또한, 이미지 임베딩 기반 이상치 제거, 클래스 간 분포 기반 층화 샘플링, Canny edge 기반 특징 보강 등의 데이터 중심 최적화 전략과, Bayesian Optimization을 통한 하이퍼파라미터 자동 탐색 등의 모델 중심 전략을 병행 적용하였다. 그 결과, 제안된 슬라이스 기반 앙상블 모델은 기존 단일 CNN 모델 대비 정확도와 F1-score에서 모두 향상된 성능을 보였으 며, 반복적인 질감 구조를 갖는 산업용 강판의 자동 검사에 효과적으로 활용될 수 있음을 확인하였다. 본 연구는 향후 산업 현장에서의 품질 편차 감지 자동화 및 시각적 품질 분류 시스템의 고도화에 기여할 수 있을 것으로 기대된다.