‘1종 오류’ 찾아내는 딥러닝 모델로 ‘과검’일 확률을 계산한 사례

‘1종 오류’ 찾아내는 딥러닝 모델로 ‘과검’일 확률을 계산한 사례

‘1종 오류’ 찾아내는 딥러닝 모델로 ‘과검’일 확률을 계산한 사례 이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 검사 이미지 전체 영역을 학습합니다. 실제 생산품의 결함이 아닌, 그 밖의 다른 문제로 인한 과검(1종 오류) 사례일 확률을 추론합니다.  [이차전지] [딥러닝] 도입 이유 품질 검사 안정화를 위한 과검 재검사 및 이력 관리 툴 부재   최근 스마트팩토리, 산업 자동화 트렌드를 타고 다양한 제조 현장에 검사 자동화 프로세스가 속속 도입되고...
이상탐지(Anomaly Detection) 솔루션 활용 파우치 배터리 검사 자동화 사례

이상탐지(Anomaly Detection) 솔루션 활용 파우치 배터리 검사 자동화 사례

이상탐지(Anomaly Detection) 솔루션 활용 파우치 배터리 검사 자동화 사례 파우치형 배터리 생산 라인에서는 양/불량 판정 규칙을 정해놓고 검사를 수행하는 기존의 룰 베이스 솔루션을 활용하기가 어렵습니다. 표면 재질이 물러 불량 케이스가 너무 많기 때문입니다. 이때 이상탐지(Anomaly Detection) 모델이 좋은 솔루션이 될 수 있습니다.   Toggle 도입 배경솔루션도입 기대 효과Future [이차전지] [딥러닝][Anomaly Detection] 도입...