TAU-HOME.COM
LOADING

Decisions API로 달걀 불량 판정하기: RF-DETR + 확률 판정 실전 팁

OpenAI Decisions API와 RF-DETR를 결합해 달걀 불량을 실시간 판정하는 실전 파이프라인. 270ms 지연, 토큰·비용 계산, 3회 검증 로직까지 정리했습니다.

tau · 2026년 10월 8일

#OpenAI #Decisions-API #RF-DETR #GPT-6-Luna #QualityInspection

Decisions API로 달걀 불량 판정하기: RF-DETR + 확률 판정 실전 팁

원작자는 Erik Kokalj(@erik_kokalj)이며, 2026년 10월 8일 X에 공개한 달걀 외관 검사 데모를 faithfully 정리한 실전 팁이다. RF-DETR로 달걀을 검출하고 파이프라인에서 각 달걀을 추적하면서, 잘라낸 크롭 이미지를 OpenAI Decisions API에 보내 정상·오염·파손 확률을 돌려받는 구조다.

컨베이어 위를 이동하는 달걀들을 위에서 본 화면, 각 달걀에 검출 박스와 녹색 합격 표시

이미지 출처: Erik Kokalj (@erik_kokalj) on X; video still from original post

이 파이프라인의 핵심은 역할을 나눈 것이다. 위치 찾기는 RF-DETR가 맡고, 최종 양불 판정은 Decisions API가 맡는다. 원작자에 따르면 각 달걀 크롭은 약 270ms 지연으로 판정되며, 반환값은 텍스트가 아니라 P(clean, dirty, cracked) 형태의 확률이다. 이미지 크롭 하나당 입력 토큰은 약 280개이며, 원작자 표기로는 이미지 1,000장당 약 0.03달러 수준이다.

검출과 판정을 나누는 이유

"이미 세그멘테이션과 트래킹을 하는데 왜 네트워크 호출을 끼우느냐"는 질문에 원작자는 이렇게 답했다. 모든 엣지 케이스에 대한 학습 데이터를 모으기 어려울 때는 범용 모델을 쓰는 편이 더 쉽고 빠르다는 것이다. 다만 달걀 검출기 자체는 학습 데이터를 빨리 모을 수 있어 비교적 쉽게 학습할 수 있다고 덧붙였다.

배경 맥락으로, 서드파티 보도에 따르면 Decisions API는 2026년 9월 29일 DevDay에서 일부 고객 대상 제한 프리뷰로 공개된 뒤 같은 해 10월 6일 공개 베타로 전환됐다. 한 매체는 GPT-6 Luna 기반이며 텍스트 대신 predicate·choice·score 형태의 정형 답을 돌려준다고 전했으나, 별도 매체는 2026년 9월 30일 기준으로 요청·응답 스키마와 엔드포인트 경로, 가격표가 공개되지 않았다고 지적했다. 따라서 이 글에서는 /v1/decisions 같은 구체적 경로를 단정하지 않는다. "Responses API 경로 대비 최대 10배 빠르다"는 수치는 OpenAI 측 주장이며 독립 검증된 사실로 단정하지 않는다.

달걀당 3회 검증과 트래킹 로직

이 데모는 결함 의심 달걀이 270ms 뒤에 어디로 이동했는지 찾는 방식이 아니다. 원작자는 각 달걀을 개별적으로 추적하면서 달걀마다 품질 검사를 3회 반복해 검증한다고 밝혔다. 영문 원문 그대로 옮기면 "it tracks each egg separately, and only runs quality control three times on each egg (for verification)"이다. 검사가 끝난 달걀은 영상에서 녹색으로 바뀌며 이후에는 다시 검사하지 않는다.

달걀 뒷면처럼 카메라에 보이지 않는 면에 대한 질문에 원작자는 롤링 컨베이어가 필요하다고 답하며 이전 롤러 라인 작업을 링크로 첨부했다. 달걀이 회전해 여러 각도를 노출한다는 구체적 동작 설명이나 레몬 선행 작업의 검사 횟수·합격 기준은 이번에 확보된 증거에 포함되어 있지 않아 이 글에서는 단정하지 않는다.

비용 계산과 스케일업 판단

원작자가 직접 밝힌 실측 비용은 다음과 같다. 약 15초 동안 달걀 약 200개를 처리했고, 달걀마다 약 3회씩 판정 호출이 필요했다. 이를 기준으로 15초당 약 2센트, 시간당 약 5달러 수준이라고 밝혔다. 단위는 원작자의 추정치이며 처리량·호출 횟수 조건이 바뀌면 달라진다.

규모가 커지면 직접 분류 모델을 파인튜닝하는 편이 낫다고도 덧붙였다. 소규모 검증·프로토타입 단계에서는 범용 결정 API 호출이 빠르고, 물량이 안정화된 뒤에는 자체 분류기로 옮기는 2단계 전략이 이 팁의 실전 결론이다.

원문 출처