1. AI 기반 제조 불량 탐지 기술 개발 딥러닝 기반 이미지 분류 모델을 활용하여 제조 공정 중 발생하는 불량을 자동으로 탐지하는 알고리즘을 개발합니다. 섬유 원사 오염, 반도체 웨이퍼 맵 이상, 원심 펌프 결함 등 다양한 산업 사례에서 높은 정확도를 달성했으며, 산업별 특성에 맞춘 맞춤형 불량 탐지 기술로 확장 가능한 연구를 수행하고 있습니다. 2. 센서 기반 시계열 이상 탐지 반도체 설비 및 산업 장비에서 수집되는 시계열 센서 데이터를 분석하여 비정상 패턴을 조기에 탐지하는 이상 감지 모델을 연구합니다. 주기성, 노이즈, 급변 신호 등 실제 산업 데이터의 특성을 반영한 알고리즘을 적용하여, 설비 상태 진단 및 예지보전으로 확장 가능한 기술을 개발합니다. 3. 미관측 이상 유형 대응 및 오라벨 강건성 연구 기존 학습 데이터에 포함되지 않은 신규 이상 유형(Open-set anomaly)에 대응 가능한 AI 모델을 개발하며, 라벨 오류(오라벨)가 존재하는 환경에서도 성능 저하를 최소화하는 학습 전략을 연구합니다. 불완전한 산업 데이터 환경에서도 안정적인 성능을 유지하는 실무 적용 중심의 알고리즘 개발에 초점을 둡니다. 4. 소량 데이터 기반 고성능 모델 학습 데이터 수집이 제한적인 환경을 고려하여, 1천 개 내외의 소규모 데이터로도 기존 대규모 학습 모델에 근접한 성능을 달성하는 경량 AI 학습 기법을 연구합니다. 전이 학습, 데이터 증강, 메타러닝 기법을 결합하여 현장 적용이 용이한 실용적 AI 모델을 지향합니다.