다이아몬드 와이어 단선 검사는 다이아몬드 와이어 생산 과정에서 중요한 단계입니다. 기존의 접촉식 검사 방법이 감도가 낮고 단선 피드백에 지연이 있는 문제를 해결하기 위해, 강한 빛 아래 다이아몬드 와이어 반사 광점을 머신 비전 기반으로 비접촉식으로 검출하는 방법이 제안되었습니다. 다이아몬드 와이어 광점 검출을 위한 임베디드 플랫폼에서, 전통적인 이미지 처리 방식의 복잡성과 외부 조명 영향에 취약한 한계를 극복하기 위해 딥러닝 기반 광점 객체 검출 연구가 진행되었으며, 다양한 Yolo 계열 모델을 학습 및 배포했습니다. 기존 모델이 층이 깊고 모델 크기가 커 임베디드 장치에서 실시간 검출 성능이 떨어지는 문제를 해결하기 위해, Yolox를 개선한 경량화 목표 광점 검출 모델인 MCA-Yolox가 제안되었으며, Yolox 모델의 주된 특징 추출 네트워크를 MobileNetV3 경량화 네트워크로 대체하여 모델을 경량화했습니다. 이후 깊이별 분리 합성곱과 역잔차 구조를 활용해 특징 추출 네트워크를 경량화 개선하였고, CA 주의 메커니즘을 결합하여 경량 모델의 검출 정확도를 향상시켰습니다. 최종적으로 개선된 모델을 임베디드 플랫폼에 배포했습니다. 실험 결과, 개선된 MCA-Yolox 모델의 크기와 연산량이 Yolox 모델의 1/3 이하로 감소했으며, 유사 크기의 Yolox-Tiny 및 Yolov4-Tiny보다 더 높은 검출 정확도를 달성했으며, mAP가 1% 이상 향상되었고, 최적화된 검출 속도는 초당 30프레임에 달해 딥러닝 기반 다이아몬드 와이어 단선 검출을 위한 완전한 산업용 솔루션을 제공함을 확인했습니다.

머신 비전; 다이아몬드 와이어; 단선 검출; 광점; 딥러닝; 임베디드