PODO: PCB Only Detected Once

- 엣지 디바이스 기반 실시간 PCB 결함 탐지 및 통합 모니터링 시스템

CV-01: 김경모_T8019, 김지은_T8050, 위정호_T8127, 이봉학_T8144, 조수빈_T8193

Abstract

본 프로젝트는 제조 공정의 육안 검사 한계와 고가 장비 도입의 부담을 해결하기 위해 Jetson Orin Nano 기반의 실시간 PCB 결함 탐지 시스템을 제안한다 . YOLOv11m 모델에 QAT 및 TensorRT 최적화를 적용하여 33.81 FPS의 추론 속도와 96.02%의 mAP@50 정밀도를 확보하였으며, 엣지-클라우드 분리 아키텍처를 통해 네트워크 환경에 구애받지 않는 독립적인 추론 환경을 구축하였다. 또한, 피드백 루프를 포함한 MLOps 파이프라인을 통해 현장 데이터를 기반으로 모델을 지속 개선할 수 있는 공정 관리 체계를 구현한다 .

1. 프로젝트 개요 Project Overview

1.1. 문제 정의

• 잠재적 실패 비용 방지 및 경제적 솔루션 요구: PCB 결함이 제품 출하 후 발견될 경우 발생하는 막대한 리콜 비용과 브랜드 신뢰도 하락을 방지하기 위해 공정 최전방에서의 즉각적인 차단이 필요하며, 기존 고가 AOI 장비를 대체할 비용 효율적인 솔루션이 요구된다.
• 육안 검사의 불확실성 해소 및 품질 표준화: 검사자의 숙련도와 피로도에 따라 정확도가 달라지는 인적 오류 리스크를 제거하고, 검사 전 과정을 데이터화함으로써 주관적 판단에 의존하지 않는 일관된 품질 관리 표준화를 달성해야 한다.
• 현장 중심의 독립적 구동 및 경량 인프라 구축: 실시간 공정 대응을 위해 인터넷 연결 없이도 즉각적인 판독이 가능한 독립적인 환경이 필수적이며, 고가의 산업용 PC 대신 Jetson과 같은 경량 임베디드 보드에서도 고성능 추론이 가능한 시스템이 시급하다 .

1.2. 서비스 목표

• 현장 완결형 온디바이스 AI 인프라 구축: Jetson Orin Nano를 활용하여 외부 서버나 네트워크 연결 없이도 현장에서 즉각적인 결함 판독이 가능한 독립적인 엣지 추론 환경을 제공하며, 이를 통해 데이터 전송 지연과 보안 리스크를 원천적으로 차단한다.
• 최적화 모델 기반의 공정 효율화 및 비용 절감: YOLO 및 TensorRT 최적화 기법을 적용하여 저사양 임베디드 보드에서도 고성능 추론을 실현함으로써, 고가의 산업용 PC 대비 도입 비용을 낮추고 작업자 숙련도와 무관하게 일관된 수율을 유지한다.
• 품질 표준화를 위한 데이터 통합 모니터링: 검사 결과를 실시간 대시보드로 시각화하여 현장 대응력을 높이고, 모든 검사 이력을 체계적으로 로그화하여 인적 판단이 아닌 객관적 데이터 지표에 기반한 지능형 품질 관리 토대를 마련한다.

1.3. 협업 및 프로젝트 관리

1.3.1. 팀 구성 및 역할 분담