본 연구에서는 기존 음향기기 출하 검사 방식의 한계(주관성/피로 누적/장비 의존성)를 극복하기 위해 CNN+LSTM 기반 AI 모델을 제안했습니다. 데이터는 STFT, Mel-spectrogram를 통해 주파수 변환 및 이미지 인코딩 후 robust z-score 표준화를 거쳐 전처리하였고, smoothing-hysteresis 후처리를 통해 출력 안정성을 강화하였습니다.
실험 결과, Precision-recall AUC 0.99 이상, ROC AUC 0.97 이상의 높은 성능을 달성하며 정상과 불량을 효과적으로 구분할 수 있음을 확인했습니다.
또한 Bayesian을 근사하는 MC Dropout이 적용된 모델을 추가 연구함으로써 예측 값 뿐 아니라 불확실성까지 고려하는 새로운 가능성을 제시했습니다.
본 연구에서 제안한 방법은 음향기기 출하 검사 공정에서 정확성, 일관성, 효율성을 모두 향상시킬 수 있으며, 향후 신뢰성이 중요한 다양한 분야로 확장 가능함을 보여줍니다.

https://github.com/hhhchm-star/AI-SW-fusion-project-contest.git