• 오른쪽의 정렬 맞추고 나오는 출구에서 왼쪽으로 들어가기 전 사이에 검출을 하는 것이 좋을 것 같음. 이유는
  1. 쇠로 인해 가려지는 부분이 없고
  2. 특정 불량품이 제대로 나아가지 못하고 길을 막는다 했을 때 이 부분에서는 인지가 가능할 것 같고
  3. 초반 부분이라 공장 측에 알람을 주고 나서 공장 측에서 처리할 시간적 여유가 비교적 많음
• 여기서 생각해볼 수 있는 특징은 (장점은 파랑, 단점은 빨강)
  • 사출물이 딱 붙어있는 케이스는 고려하지 않아도 됨
  • 쇠로 가려지는 부분이 없음
  • 나오자마자는 속도가 빠름
  • 움직이다보니 위아래중 한쪽만 튀어오르는 경우도 있을듯
  • 나오자마자는 수직방향으로 정렬이 안됨
  • 단점은 사진에서 왼쪽 방향에 가까워질수록 해결됨 → 각도를 검출해서 수직에 가까운 경우에만 불량판정을 한다하면 단점이 어느정도 해소됐다고 볼 수 있을듯
• 어디까지 검출할 것인가?
  • 사출 불량 중 찢어지거나해서 인쇄 단계에 들어가면 손상을 입힐 수 있는 것들은 반드시 이 단계에서 검출해야함
  • 비교적 불량의 정도가 약한 것들은 이 단계에서 검출할 필요는 없을 것 같은데, 그 이유는
    1. 어짜피 카트리지의 360도 회전이 반드시 보장되어 있는 것이 아니기 때문에 불량의 정도가 작은 경우 해당 부분이 카메라에 촬영될 것이라고도 보장할 수 없음
    2. 찍힌 부분이 특정되는 경우와 달리, 전체적으로 눌려서 타원 모양이 된 불량의 경우 라벨링 시 bounding box의 위치를 어떻게 설정한 것이지 명확하지 않음
    3. 프린트 후 360도 회전하며 관찰하는 부분이 추가되면, 이 부분에서 더 잘 검출할 수 있음
• 어떻게 라벨링 할 것인가?
  • 큰 deform이 있는 경우는 라벨을 어느 한 부위에 특정하기 어려움
  • 일단 사출 불량 검출 단계에서 걸러낼 수준의 카트리지만 모아서 불량 데이터를 만들고, 1) crop된 이미지에서 classfication, 2) 한 이미지에 여러 카트리지가 있도록 synthetic한 이미지를 생성하고 object detection 방식으로 불량 검출하는 두가지 방식을 다 테스트해보는 것이 좋겠음
  • 1번 방식
    • data imbalance가 큰 문제를 고려할 필요가 있음 (정상 카트리지도 다양한 조명, 그림자에서 찍으면 좀 나을수도)
  • 2번 방식
    • segmentation 할 필요가 있음 → SAM 기반으로 하면 될듯
    • 배경을 어떻게 설정할지 정해야 함
      • 1080p 크기의 다양한 배경
    • 참고자료
    • 샘플