플러스프로젝트 배경
문제점 - 물리적 점검의 한계 및 위험성: 비정형 및 초고층 구조물의 경우 작업자의 직접적인 접근이 물리적으로 불가능하거나 극도로 위험하여 점검 사각지대가 발생하며 잠재적 결함을 놓칠 위험이 높음. - 드론 영상 검수의 비효율성: 드론으로 촬영된 방대한 고해상도 영상 데이터를 사람이 일일이 육안으로 확인해야 하므로 극심한 시간 소모와 인력 의존성을 유발하며, 검수자의 숙련도에 따라 정확도가 일정하지 않음.
프로젝트 성과
AI 결함 탐지 정확도 95% 달성
SAM 및 최적화된 비전 모델을 활용하여 다양한 환경 조건에서 균열, 박리 등 외벽 결함을 95% 이상의 정확도로 자동 식별
3D 정합 기반 직관적 위치 파악
2D AI 분석 결과를 3D 디지털 트윈에 오차 없이 매핑하여 결함의 실제 위치(X, Y, Z)와 깊이를 직관적으로 파악하는 시스템을 구현
TensorRT 기반 5배 추론 속도 향상
Triton Inference Server와 TensorRT 통합을 통해 기존 대비 5배 이상 빠른 추론 속도를 확보, 대규모 이미지 처리에 대한 낮은 Latency를 보장
핵심 기능
AI 기반 3D 재구성을 통한 모델링
드론으로 촬영한 건물 전체 외곽을 AI를 통해 3D 재구성하여 모델링 후 3차원으로 결함의 위치를 마크
진행 단계
기획
2024.11.
시설물 관리의 문제점 정의, 드론 영상/3D 모델링 기반 AI 분석 시스템 목표 설정, MLOps 기반 자동화 파이프라인 구성 전략 수립
프로젝트 상세
AI 모델 개발 및 최적화 - 컴퓨터 비전 모델 설계: 시설물의 다양한 결함 유형(균열, 박리, 철근 노출 등)을 정확히 식별하기 위해 객체 탐지(Object Detection), 인스턴스 세그멘테이션(Instance Segmentation), 시맨틱 세그멘테이션(Semantic Segmentation) 모델을 설계하고 학습. - SAM (Segment Anything Models) 활용 및 경량화: 복잡
