Earticle

초록

영어

This study aimed to develop deep learning-based defect detection models using YOLOv11 and RT-DETR and evaluate their applicability to defect inspection in the Surface Mounting Technology (SMT) process. Based on actual SMT process data, seven major defect types were defined, and a dataset was constructed using produced samples and inspection jig. Five YOLOv11 variants were compared, with YOLOv11-N demonstrating the best overall performance and being selected as the reference model. Comparison with RT-DETR showed that YOLOv11-N provided practical advantages in real-time processing and computational efficiency. Furthermore, optimization of data augmentation hyperparameters improved its detection performance to a level comparable to that of RT-DETR, confirming its potential for SMT defect detection considering accuracy, real-time performance, and computational efficiency. This study provides a practical foundation for field application through process-based defect definition and sample preparation; future research should validate the proposed approach in actual manufacturing environments.

한국어

본 연구는 SMT 공정의 주요 불량을 효과적으로 검출하기 위해 YOLOv11과 RT-DETR 기반 딥러닝 모델을 구현하고, 모델 간 성능 비교를 통해 SMT 불량검출의 현장 적용 가능성을 평가하고자 하였다. 이를 위해 실제 SMT 공정데이터를 기반으로 7종의 주요 불량 유형을 정의하고 전용 검사 지그 및 검사 시료를 제작하여 모델 학습 및 평가용 데이터셋을 구축하였다. YOLOv11의 5개 모델을 비교한 결과, YOLOv11-N이 가장 우수하여 기준 모델로 선정되었다. RT-DETR과의 비교에서는 YOLOv11-N이 실시간 처리와 연산 효율성에서 높은 실용성을 보였으며, 데이터 증강 하이퍼 파라미터 튜닝을 통해 검출 성능이 향상되어 RT-DETR과 대등한 수준을 확보하였다. 이를 통해 정확도와 실시간성, 연산효율성을 고려한 YOLOv11-N의 SMT 불량 검출 적용 가능성을 확인하였다. 본 연구는 실제 공정 기반의 불량 정의와 시료 제작을 통해 현장 적용 기반을 제시하였으며, 향후 실제 제조 현장에서의 적용 및 검증이 요구된다.

목차

요약
Abstract
1. 서론
1.1 연구의 배경 및 필요성
1.2 연구 목적 및 범위
2. 관련 연구
2.1 객체 인식(YOLO)을 이용한 SMT 불량 검출 연구
3. 연구 방법 및 내용
3.1 데이터셋 구축
3.2 불량 검출 모델 구현 및 학습
3.3 성능 평가
4. 향후 연구방향
4.1 실제 SMT 생산 라인에의 적용
4.2 오탐지에 대한 추가 분석 및 연구
5. 결론
REFERENCES

키워드

저자

• 김연지 [ Yeon-ji Kim | 주식회사 비즈포스 임직원 ]
• 황선민 [ Seon-min Hwang | 주식회사 비즈포스 임직원 ] Corresponding Author
• 김혜영 [ Hye-young Kim | 주식회사 비즈포스 임직원 ]
• 이봉근 [ Bong-Geun Lee | 주성SMT 대표 ]
• 송영윤 [ Young-Yoon Song | 주식회사 씨엔오테크 대표 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  디지털정책학회지

• 간기

  월간

• eISSN

  2951-245X

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 569 DDC 620