최근 인공지능(AI) 기술의 급속한 발전에 따라 다양한 산업 부문에서 인공지능이 활용 되고 있다. 특히 딥 러닝(Deep Learning)을 통해 보다 복잡하고 방대한 양의 데이터처리가 가능해지며 여러 산업에서 작업의 효율성 및 생산성을 증가시키고 있다. 본 논문에서는 이미지 기반 딥 러닝을 활용한 분류 모델의 도메인 적응 알고리즘을 산업 현장에 적용하기 위한 연구를 수행하였다. 조금 더 자세히는 골프공 로스트볼 재생 산업에서 선별 공정의 자동화를 위해 브랜드 및 불량 상태에 따른 분류 알고리즘 연구를 수행하였다. 모델 학습에 사용한 데이터는 이미지 데이터이며, 이를 위해 데이터 수집 시스템을 제작 후 데이터 수집과 라벨링 작업을 수행한다. 수집 된 데이터는 모델 학습에 적합한 형식으로 전처리 작업을 수행하며 이후에는 모델의 구조를 설정한다. 브랜드 분류 모델은 총 10개의 브랜드를 사용했으며 이미지에서 로고 인식이 어려운 경우를 고려해 총 11개의 클래스를 분류하는 모델로 제작한다. 모델 학습은 이미지 처리에 적합한 CNN 모델을 사용했다. 학습 된 모델은 모델의 성능 개선을 위해 하이퍼파라미터 조정을 수행했으며 91.85%의 분류 정확도를 보였다. 이후 도메인의 특성이 달라져 모델의 성능이 낮아질 경우를 대비하여 증강 데이터 기반의 도메인 적응을 수행했고 95.8%의 분류 정확도를 보였다. 마지막으로 불량상태인 공을 분류하기 위해 불량 상태 분류 모델을 제작한다. 모델 제작에는 정상인 공, 오염물이 묻은 공, 스크래치가 발생한 공의 이미지 데이터를 사용한다. CNN 모델을 활용하여 불량 상태 분류 모델을 학습했으며 최종적으로 98.17%의 분류 정확도를 확인하였다.