# \[How to Article\] 0부터 시작하는 엣지: AOM-2721 OSM 개발 키트를 활용한 최적화된 객체 인식 구현

**URL:** <https://forum.aim-linux.advantech.com/t/how-to-article-0-aom-2721-osm/1340>\
**Category:** Korea\
**Tags:** edgeai, arm, osm, qualcomm, qcs6490\
**Created:** [February 25, 2026, 3:22pm UTC](https://forum.aim-linux.advantech.com/t/how-to-article-0-aom-2721-osm/1340 "2026-02-25T15:22:52Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

**Author:** ![Diane.Jung](https://avatars.discourse-cdn.com/v4/letter/d/bc79bd/32.png) [@Diane.Jung](https://forum.aim-linux.advantech.com/u/Diane.Jung)\
**Post date:** [February 25, 2026, 3:22pm UTC](https://forum.aim-linux.advantech.com/t/how-to-article-0-aom-2721-osm/1340/1 "2026-02-25T15:22:52Z")

</div>

![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/2/2ff97cb83a0ba191b4f9ab2a2ba19db67fd3ed22.jpeg)

## 1. 개요

어드밴텍 AOM-2721은 OSM(Open Standard Module) 1.1 폼 팩터를 채택한 컴퓨터 온 모듈(Computer-on-Module)입니다. 초소형 통합 컴퓨팅 플랫폼으로 설계되었으며, 특히 임베디드 애플리케이션과 엣지 AI(Edge AI) 분야에 최적화되어 있습니다.

## 2. 사전 준비 사항

- Qualcomm Dragonwing™ QCS6490 기반 **[AOM-2721 OSM 개발 키트](https://www.advantech.com/en/products/risc_evaluation_kit/aom-dk2721/mod_0e561ece-295c-4039-a545-68f8ded469a8)**

- **개발용 PC (x86)**: RAM 16GB, 저장공간 350GB 이상 권장

- **주변기기** : FHD HDMI 모니터, HDMI 케이블, USB 마우스 및 키보드

### 소프트웨어

- Yocto OS 설치 (Ubuntu 호스트 머신 필요)

- AOM-2721 상의 AI 런타임 설정

## 3. 부트 스위치 설정 방법

- AOM-2721 개발 키트에는 이미지 플래싱(Flashing) 과정에서 사용되는 마이크로 스위치가 있습니다. 이는 AOM-2721 호환 장치에서 공통적으로 사용됩니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/8/88e2a7f48fc4f5db263e863c88b02ef534b660cf.jpeg)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/8/88e2a7f48fc4f5db263e863c88b02ef534b660cf.jpeg "image")

**AOM-2721 개발 키트 스위치 설정**

- 아래의 설치 가이드에서 사용된 사진 속 장치는 **AOM-2721 개발 키트** 본체입니다.  
똑같이 AOM-2721 OSM을 기반으로 제작된 다른 장치들은 외관상 약간의 차이가 있을 수 있으니 참고하시기 바랍니다.

#### 3.1 (선택 사항) AOM-2721 OSM 플래싱

> 제품에 이미 **Yocto 기반**  **이미지** 가 설치되어 있다면 이 단계를 건너뛰고 **3단계** 로 진행하셔도 됩니다. 새로 플래싱이 필요한 경우, **AOM-2721 Yocto User Guide** 의 Quick Start 섹션을 참조하세요.
> 
> 장치에 OS 이미지를 새로 설치(플래싱)해야 하는 경우, 아래 절차를 확인해 주시기 바랍니다. 단계별 설치 방법이 상세히 설명되어 있습니다.  
> [AOM-2721 Yocto User Guide → Quick Start](https://ess-wiki.advantech.com.tw/view/AOM-2721_Yocto_user_guide#.E5.BF.AB.E9.80.9F.E5.85.A5.E9.96.80.C2.A0.28Quick_Start.29).
> 
> 어드밴텍에서 AOM-2721 OSM용으로 제작한 공식 **Yocto 이미지** 는 다음 위치에서 다운로드할 수 있습니다.  
> [AIM-Linux Qualcomm Yocto OS Release Notes](https://ess-wiki.advantech.com.tw/view/AIM-Linux/BSP/Qualcomm/Linux_Yocto_OS_Release_note/LE_aeversion).
> 
> 이미지 버전은 **aom2721a1\_yl01301\_k0606052\_q6490\_08g** 버전 또는 그 이상의 최신 버전을 다운로드하여 사용하시기 바랍니다.

이미지 플래싱 과정이 모두 완료되었다면, 아래의 **3단계(Step 3)** 절차로 이동하여 설정을 계속 진행해 주세요.

* * *

#### 3.2 (선택 사항) AOM-2721 OSM 커스텀 Yocto 이미지 빌드

> 직접 AOM-2721 OSM 이미지를 빌드하려는 사용자는 빌드 스크립트 가이드를 참조하여 호스트 환경을 구축하고 호환 이미지를 생성할 수 있습니다.  
> 그런 경우 **Yocto build host** 및 호환 이미지 세팅을 하려면 아래를 참고해 주세요.  
> [Build YOCTO Image by Build Script](https://ess-wiki.advantech.com.tw/view/AIM-Linux/BSP/Qualcomm/RISC_QCS_Yocto_LE1.3_AOM2721#7._Build_YOCTO_Image_by_build.C2.A0script)

## 4. AOM-2721 OSM 부팅 및 인터넷 연결

#### 4.1 개요

장치의 전원을 켜고, 네트워크를 연결한 뒤 **Edge Impulse CLI** 를 설치하는 과정입니다.

* * *

#### 4.2 단계별 세팅 방법

1. **[Edge Impulse CLI](https://stackedit.io/docs/tools/edge-impulse-cli)** 를 호스트 컴퓨터에 설치하세요.

2. AOM-2721 OSM 후면에 **전원을 연결** 하세요.

3. **시리얼 콘솔을 연결** 하세요\*\*.\*\*

4. 호스트 PC에서 **호스트 PC와 보드를 연결합** 니다. Edge Impulse CLI를 통해 직접 실행할 수 있습니다\*\*.\*\*

5. **전원 버튼을 눌러** 부팅을 시작합니다. (약 30~60초 소요).

6. 시리얼 터미널에 **로그인** 프롬프터가 뜨면 로그인 정보를 입력하세요.

7. **네트워크 설정** 을 하세요.

8. **(선택 사항) SSH로 연결**

* * *

## 5. Edge Impulse Linux CLI 설치

- AOM-2721 SOM 모듈에서 아래 명령어를 실행하여 필수 의존성 패키지와 CLI를 설치합니다.

## 6. Edge Impulse 프로젝트에 연결

- 설치가 완료되면 다음 명령어를 실행합니다.

- **프로젝트 전환 및 설정 변경:** 현재 연결된 프로젝트를 변경하고 싶거나, USB 카메라와 같은 다른 카메라를 사용하려는 경우에는 명령어 뒤에 `--clean` 인수를 추가하여 실행해 주세요.

- **실행 명령어 예시**

## 7. 연결 확인

- 이제 다 됐습니다! 디바이스는 Edge Impulse에 연결됐습니다. 확인하려면 [Edge Impulse project](https://studio.edgeimpulse.com/studio/profile/projects) 에서 **Devices** 를 클릭하세요. 메뉴에서 장치 목록을 확인할 수 있습니다.

예시:

\>\> [https://advantech.edgeimpulse.com/studio/677676/acquisition/training](https://advantech.edgeimpulse.com/studio/677676/acquisition/training)

# 8. Edge Impulse 계정 생성 및 프로젝트 세팅

- 먼저 계정을 만드세요.  
이미 계정이 있으면, **5단계**  **Data Acquisition and Upload** 로 건너뛰세요\*\*.\*\*

* * *

**1단계:**  
**회원가입** : 어드밴텍 Edge Impulse 페이지에서 계정을 생성합니다.

- **입력 항목 및 절차**

1. **사용자 정보 입력:** 사용자 이름(Username), 회사 이메일, 직함(Job title), 비밀번호를 입력합니다.

2. **보안 인증:** 캡차(CAPTCHA) 인증을 완료합니다.

3. **약관 동의:** 서비스 이용 약관(Terms of Service)을 읽고 동의합니다.

4. **가입 완료:** 모든 항목을 입력한 후 **“Sign up”** 버튼을 클릭합니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/1/198e856eb6492e9ac8552dc1f4aafef600f92a61.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/1/198e856eb6492e9ac8552dc1f4aafef600f92a61.png "image")

**2단계: 로그인 및 인증 절차**

1. **정보 입력:** 사용자 이름(Username) 또는 회사 이메일 주소를 입력합니다.

2. **다음 단계:**  **“Next”** 버튼을 클릭하여 본인 인증 절차를 계속 진행합니다.

- **추가 옵션  
비밀번호 재설정:** 비밀번호를 잊으셨을 경우, 해당 페이지에서 비밀번호 재설정(Reset password) 옵션을 이용할 수 있습니다.  
**새 계정 생성:** 아직 계정이 없으시다면 새 계정 생성(Create a new account)을 선택하여 가입하실 수 있습니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/7/702618300dbd3d28c3be83b48be1a767ccad41ce.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/7/702618300dbd3d28c3be83b48be1a767ccad41ce.png "image")

**3단계:**  **프로젝트 설정 및 생성**

Edge Impulse 플랫폼에서 새로운 프로젝트를 생성하려면 다음 절차를 따르세요.

1. **프로젝트 이름 입력:** 프로젝트 명칭 입력란에 “Automated Optical Inspection”을 입력합니다.

2. **프로젝트 유형 선택:** 프로젝트 유형으로 **Enterprise** (엔터프라이즈)를 선택합니다.

3. **공개 범위 설정:** 필요에 따라 **Public** (공개) 또는 **Private** (비공개) 설정을 선택합니다.

4. **생성 완료:** 모든 설정을 마친 후 **“Create new project”** 버튼을 클릭하여 프로젝트 생성을 완료합니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/d/d0742fd34665370059c32180b87c66e944ab8707.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/d/d0742fd34665370059c32180b87c66e944ab8707.png "image")

**4단계:**  **대시보드**

Edge Impulse 플랫폼에 접속하면 생성하신 **“Automated Optical Inspection”** 프로젝트의 메인 화면을 확인하실 수 있습니다. 이 대시보드에서는 모델 개발을 위한 핵심 작업을 수행할 수 있습니다.

- \*\*주요 기능 및 작업
  - 데이터 관리:\*\* 기존 데이터를 추가( **Add existing data** )하거나, 연결된 장치를 통해 새로운 데이터를 수집( **Collect new data** )할 수 있습니다.
  - **모델 업로드:** 이미 학습된 외부 모델이 있다면 직접 업로드( **Upload a model** )하여 프로젝트에 적용할 수 있습니다.
  - **학습 가이드:** 제공되는 튜토리얼을 따라가며 빠르고 정확하게 모델을 구축할 수 있습니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/1/1d5aeb539619421ddc85252d4eacf898c65800d1.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/1/1d5aeb539619421ddc85252d4eacf898c65800d1.png "image")

## 9. 데이터 수집 및 업로드

**Step 5:**  **데이터 수집 및 데이터셋 구축**

Edge Impulse 프로젝트 내 **“Data acquisition”** 페이지에서는 모델 학습에 필요한 데이터를 관리하고 새롭게 수집할 수 있습니다.

1. **데이터 추가(Add data):** 기존에 보유하고 있는 이미지나 데이터를 업로드하여 데이터셋 구축을 시작할 수 있습니다.
2. **장치 연결:**  **AOM-2721 개발 키트** 와 같은 장치를 직접 연결하여 실시간으로 새로운 이미지 데이터를 수집( **Collect new data** )할 수 있습니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/3/33330c2fc0881bf6fbbe192cd9e0cb9319f5cf05.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/3/33330c2fc0881bf6fbbe192cd9e0cb9319f5cf05.png "image")

**Step 6:** **기존 데이터 추가(Add existing data)**

**“Add existing data”** 메뉴에서는 프로젝트에 데이터를 추가하기 위한 세 가지 주요 방법을 제공합니다. 사용자의 데이터 보관 방식에 따라 가장 적합한 옵션을 선택해 보세요.

- **제공되는 3가지 옵션**

1. **데이터 업로드 (Upload data):** 내 컴퓨터에 저장된 로컬 파일(이미지, CSV 등)을 직접 업로드합니다.

2. **다른 프로젝트에서 가져오기 (Import from another project):** 이전에 생성한 다른 Edge Impulse 프로젝트의 데이터를 현재 프로젝트로 복사해 옵니다.

3. **스토리지 버킷 사용 (Use a storage bucket):** AWS S3, Google Cloud Storage, Azure Blob Storage와 같은 클라우드 저장소에 연결하여 데이터를 대량으로 불러옵니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/7/7564a670f665e51420d57224dad21b83745c0435.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/7/7564a670f665e51420d57224dad21b83745c0435.png "image")

**Step 7:** **데이터 업로드(Upload data) 설정**

**“Upload data”** 페이지에서는 로컬 환경에 있는 데이터를 프로젝트로 세부 설정하여 업로드할 수 있습니다.

- **주요 설정 및 절차**

1. **파일 선택:** 개별 파일들을 선택하거나, 특정 폴더(Folder) 전체를 선택하여 업로드할 수 있습니다.

2. **데이터셋 분류:** 업로드할 데이터가 모델 학습용( **Training** )인지, 성능 검증용( **Testing** )인지를 지정합니다.

3. **레이블(Label) 정의:** 데이터의 레이블을 다음 세 가지 방식 중 하나로 설정합니다.

4. **업로드 시작:** 구성을 모두 마친 후 **“Upload data”** 버튼을 클릭하면 업로드가 시작됩니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/a/a10929f6d7866e7c93a5df522bd58971ba827700.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/a/a10929f6d7866e7c93a5df522bd58971ba827700.png "image")

**Step 8:**  **학습 데이터셋 구축을 위한 폴더 선택**

Edge Impulse 플랫폼에서 학습용 데이터셋(Training dataset)을 구축하기 위해 로컬 컴퓨터에 저장된 학습용 폴더(train)를 선택하여 업로드합니다.

- **업로드 절차**

1. **데이터 선택:** 업로드 페이지에서 ‘폴더 선택’ 옵션을 클릭합니다.

2. **경로 지정:** 내 컴퓨터 내에서 학습용 이미지들이 담긴 **`train` 폴더** 를 찾아 선택합니다.

3. **데이터셋 유형 확인:** 업로드 설정에서 해당 데이터가 **Training** 세트로 지정되었는지 다시 한번 확인해 주세요.[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/6/68956a46827861f00261d67a0e81e6202f7dceac.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/6/68956a46827861f00261d67a0e81e6202f7dceac.png "image")

**Step 9:** **레이블링 형식 및 방식 설정 (객체 탐지용)**

**“Upload data”** 페이지에서 객체 탐지 모델 학습을 위해 다음과 같이 설정을 세분화합니다.

- **세부 설정 항목**

1. **레이블 형식(Labeling format) 설정:** 드롭다운 메뉴에서 **YOLO TXT** 형식을 선택합니다. 이는 객체의 위치와 클래스 정보를 텍스트 파일로 관리하는 표준 형식입니다.

2. **레이블 지정 방식(Labeling method) 선택:** 객체 탐지 작업의 핵심인 **경계 상자(Bounding boxes)** 방식을 선택합니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/0/0ee381e4a72f40569d64675610eb7a0001231170.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/0/0ee381e4a72f40569d64675610eb7a0001231170.png "image")

**Step 10:**  **테스트 데이터셋 업로드 및 카테고리 설정**

학습된 모델의 성능을 객관적으로 검증하기 위해, 학습에 사용되지 않은 별도의 테스트 데이터를 업로드합니다.

- **업로드 및 설정 단계**

1. **데이터 선택:** 로컬 컴퓨터에서 테스트용 이미지들이 담긴 폴더 또는 파일을 선택합니다.

2. **데이터 카테고리 지정:** 업로드 설정 메뉴에서 데이터 분류(Upload category)를 \*\*“Testing”\*\*으로 선택합니다.

3. **검증용 데이터셋 구축:** 이렇게 분류된 데이터는 모델 학습 과정에는 포함되지 않으며, 나중에 모델의 정확도를 평가하는 용도로만 사용됩니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/9/908240cb072bdd212e063944fa3ee092b2a59522.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/9/908240cb072bdd212e063944fa3ee092b2a59522.png "image")

**Step 11:**  **테스트 데이터셋 업로드 및 레이블 설정 완료**

테스트 데이터셋의 업로드 구성을 마무리하여 모델 검증을 위한 준비를 마칩니다. 앞서 학습 데이터셋에 적용했던 설정과 동일하게 맞추는 것이 중요합니다.

- **최종 설정 항목:**

1. **업로드 완료:** 선택한 테스트용 파일들의 전송을 준비합니다.

2. **레이블 형식(Format) 설정:** 드롭다운 메뉴에서 **YOLO TXT** 를 선택하여 기존 좌표 데이터와의 호환성을 유지합니다.

3. **레이블링 방식(Method) 지정:** 객체 탐지 성능을 정확히 측정할 수 있도록 **경계 상자(Bounding box)** 레이블링 방식을 적용합니다.

4. **검증 데이터셋 준비:** 이 과정을 통해 학습 모델의 실제 정확도를 평가할 수 있는 완벽한 테스트 세트가 구축됩니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/9/9fda29ad3e732e10ba89bae72b55e06b79c4dcde.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/9/9fda29ad3e732e10ba89bae72b55e06b79c4dcde.png "image")

**Step 12:**  **후처리 데이터 업로드 및 카테고리 설정**

모델의 예측 결과에 추가적인 로직을 적용하거나 성능을 미세 조정하기 위해, **후처리(Post-processing)** 데이터를 업로드합니다.

- **업로드 및 설정 단계:**

1. **데이터 선택:** 로컬 환경에서 후처리 분석에 사용할 이미지나 관련 데이터를 선택합니다.

2. **데이터 카테고리 지정:** 업로드 설정 메뉴에서 데이터 분류(Upload category)를 “Post-processing”으로 선택합니다.

3. **후처리 데이터셋 구축:** 이 카테고리로 분류된 데이터는 모델이 감지한 결과를 필터링하거나, 특정 조건에 따라 경고를 발생시키는 등의 후속 알고리즘을 테스트하는 데 사용됩니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/1/1627e5f88373f5324e8485a498db5c7d27a37518.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/1/1627e5f88373f5324e8485a498db5c7d27a37518.png "image")

**Step 13:**  **후처리 데이터 업로드 및 레이블 설정 완료**

모델의 탐지 결과를 정교화하기 위한 **후처리(Post-processing)** 데이터 업로드 설정을 마무리합니다. 데이터의 일관성을 위해 이전 단계들과 동일한 형식을 유지해야 합니다.

- **최종 설정 항목:**

1. **업로드 완료:** 후처리 분석에 사용할 이미지 파일들의 전송을 준비합니다.

2. **레이블 형식(Format) 설정:** 드롭다운 메뉴에서 **YOLO TXT** 를 선택하여 기존 학습/테스트 데이터와 형식을 일치시킵니다.

3. **레이블링 방식(Method) 지정:** 후처리 로직이 객체의 위치를 정확히 판단할 수 있도록 **경계 상자(Bounding box)** 레이블링 방식을 적용합니다.

4. **후처리 데이터셋 구축:** 이 과정을 통해 모델이 탐지한 결과값에 필터링이나 추가 알고리즘을 적용해 볼 수 있는 완벽한 데이터 세트가 준비됩니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/0/01b002abef61e89b964b9be92f53e0012d8c3023.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/0/01b002abef61e89b964b9be92f53e0012d8c3023.png "image")

**Step 14:** **데이터 수집(Data acquisition) 현황 및 관리**

**“Data acquisition”** 페이지에서 현재까지 수집된 전체 데이터의 상태를 한눈에 파악하고 관리할 수 있습니다.

**데이터 요약 및 구성**

- **전체 데이터 수:** 현재 총 **500개** 의 데이터 아이템이 수집되었습니다.

- **카테고리 분류:** 수집된 데이터는 각각 **학습(Training)**, **테스트(Testing)**, 그리고 **후처리(Post-processing)** 세트로 분류되어 관리됩니다.

**주요 관리 기능**

- **레이블 편집 (Edit labels):** 업로드된 이미지의 레이블 명칭을 수정하거나 경계 상자(Bounding box) 위치를 조정할 수 있습니다.

- **아이템 이동 (Move items):** 데이터를 다른 카테고리로 이동시키거나(예: 학습 데이터를 테스트용으로 변경), 프로젝트 간에 이동할 수 있습니다.

- **데이터 활성화/비활성화 (Enable/Disable data):** 특정 데이터를 삭제하지 않고도 모델 학습에 포함할지 여부를 선택하여 관리할 수 있습니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/6/6cc7586166bebc919b090344206485935e472d81.png)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/6/6cc7586166bebc919b090344206485935e472d81.png "image")

## 10. 데이터 라벨링 및 준비

**Step 15:** **레이블 일괄 편집 (Edit labels) 및 불량 유형 설정**

**“Edit labels”** 기능을 사용하면 대량의 데이터를 빠르고 효율적으로 분류할 수 있습니다. 이번 단계에서는 수집된 데이터 중 결함이 있는 샘플들을 특정 카테고리로 지정합니다.

- **일괄 편집 및 레이블 지정 단계:**

1. **샘플 선택:** 전체 데이터 중 **490개** 의 샘플을 일괄 선택합니다.

2. **레이블 설정:** 선택한 샘플들의 레이블을 **“crooked”** (정렬 불량)으로 설정합니다.

3. **추가 불량 카테고리:** 드롭다운 메뉴를 통해 다음과 같은 다른 결함 유형도 선택하여 지정할 수 있습니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/e/e52d5129e8a5984145a4fd67a7405c30c46d00c5.jpeg)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/e/e52d5129e8a5984145a4fd67a7405c30c46d00c5.jpeg "image")

**Step 16:**  **데이터셋 이미지 및 어노테이션 확인**

업로드된 개별 이미지를 선택하면 화면 우측에서 상세한 레이블 상태를 확인할 수 있습니다.

**상세 확인 항목:**

- **샘플 이미지 미리보기:** 선택한 이미지가 화면에 표시되어 데이터의 품질을 직접 점검할 수 있습니다.

- **경계 상자 어노테이션 (Bounding Box Annotations):** 이미지 내에서 결함이 발견된 위치에 사각형 상자가 그려져 있는지 확인합니다.

- **결함 레이블 지정:** 예를 들어, 부품이 틀어지거나 삐뚤어진 결함 부위에 **“crooked”** 레이블이 정확히 지정되어 있는지 우측 패널에서 확인할 수 있습니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/4/4f8cd9e26f3a66da1e86ebaafdffeb4753131635.jpeg)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/4/4f8cd9e26f3a66da1e86ebaafdffeb4753131635.jpeg "image")

**Step 17:** **레이블 편집 및 과납(Over soldering) 지정**

선택한 이미지의 결함 유형을 변경하고 싶을 때 **“Edit labels”** 기능을 활용할 수 있습니다.

**설정 및 확인 단계:**

1. **이미지 선택:** 데이터셋에서 수정이 필요한 샘플 이미지를 선택합니다.

2. **레이블 변경:**  **“Edit labels”** 기능을 통해 해당 이미지의 결함 범주를 **“over soldering”** (과납)으로 지정합니다.

3. **결과 확인:** 변경 사항을 저장하면, 화면 우측의 상세 정보 창에서 레이블이 “over soldering”으로 업데이트된 것을 실시간으로 확인할 수 있습니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/6/64f15e28ea643a5f45894b0f0fd357f891e71510.jpeg)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/6/64f15e28ea643a5f45894b0f0fd357f891e71510.jpeg "image")

**Step 18:** **툼스톤(Tombstone) 결함 일괄 레이블 지정**

**“Edit labels”** 기능을 활용하여 부품이 한쪽으로 세워지는 **툼스톤(Tombstone)** 현상이 발생한 이미지들을 한꺼번에 분류하고 확인하는 단계입니다.

**일괄 레이블 지정 및 확인 절차:**

1. **샘플 선택:** 데이터셋에서 툼스톤 결함이 포함된 이미지들을 다수 선택합니다.

2. **레이블 지정:** 일괄 편집 기능을 통해 선택된 이미지들의 레이블을 “tombstone”으로 설정합니다.

3. **어노테이션 업데이트 확인:** 설정을 마친 후, 화면 우측의 상세 패널에서 해당 이미지들의 경계 상자(Bounding box)와 함께 업데이트된 **“tombstone”** 레이블을 실시간으로 확인할 수 있습니다.

[![image](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/5/56f417a27ca7b4ec5e654d2375b22597dcf1a24c.jpeg)](https://us1.discourse-cdn.com/flex016/uploads/aim_linux/original/2X/5/56f417a27ca7b4ec5e654d2375b22597dcf1a24c.jpeg "image")

궁금하신 사항이 있으시면 언제든 말씀해 주세요!