자동차 산업에서 차체의 기본 틀이 되는 패널은 프레스 공정을 통해 생산된다. 프레스 공정 과정에서 결함이 발생하는 경우 제품의 안정성과 품질 신뢰도에 상당한 영향을 미치기 때문에 조기에 발견하는 것이 매우 중요하다. 머신비전을 통한 다양한 결함탐지 알고리즘이 개발되었지만, 조명, 카메라 등 장비 설치 공간 제약 및 비용 합리성, 알고리즘 과검출 등 이유로 현장 적용에 어려움이 있다. 따라서 본 연구에서는 이러한 데이터 획득의 어려움과 과검출로 인한 문제를 해결하기 위해 저가형 카메라와 별도의 조명이 불필요한 컴팩트한 비전 시스템을 활용하여 형상 기반 크랙 검출 기법과 딥러닝 기반 크랙 검출 기법을 통합한 크랙 검출 기법을 제안한다. 먼저 딥러닝 모델을 통해 패널과 배경을 분리하고 이진화하는 이미지 전처리를 수행한다. 다음으로 형상 기반의 각도 분석을 통해 크랙 의심영역을 추출한다. 마지막으로, 사전 학습된 딥러닝 모델을 크랙 의심영역으로 구성된 데이터로 미세 조정(fine-tuning)하여 테스트 이미지에서 크랙 검출 확률을 결정한다. 개발된 통합 기법을 실험실 규모의 공정 모사 장치에서 검증하여 모델의 성능을 검증하였다.