프로젝트 배경
기존의 아날로그식 시설물 균열 측정 방식은 측정자의 숙련도에 따라 오차가 발생하고 데이터 관리가 어려웠습니다. 이를 디지털화하여 측정 정밀도를 높이고, 전용 서버를 통해 측정 이력을 체계적으로 관리하여 안전진단의 효율성을 확보하고자 했습니다.
프로젝트 성과
1. 측정 정밀도 및 분석 속도 대폭 개선
머신비전 알고리즘 최적화를 통해 측정 오차 범위를 0.2~0.3mm 수준으로 정밀화했습니다. 또한 이미지 인식 처리 속도를 기존 대비 약 40% 단축하여 10초 이내에 분석 결과를 도출하도록 구현했습니다.
2.현장 관리 효율성 증대
자체 QR 생성기 개발을 통해 지점별 측정 데이터를 자동 매칭했습니다. 수동 입력 단계를 생략하여 현장 작업 시간을 단축하고 데이터 누락 가능성을 원천 차단했습니다
핵심 기능


머신비전 기반 균열 판독
촬영된 크랙 게이지 이미지를 분석 서버에서 머신비전 알고리즘으로 처리하여 균열 폭을 정밀 측정하고 판독 결과를 앱으로 즉시 전송
머신비전 및 AI 알고리즘 자체 구현
특수 게이지, QR Code생성관리
머신비전 및 AI 알고리즘 자체 구현
특수 게이지, QR Code생성관리
진행 단계
요구사항 분석 및 설계
2021.06.
UI 개선, 인식 속도 향상(10초 이내), 자체 QR 생성기 연동 및 시스템 안정화.
핵심 기능 개발 (V1.0)
2021.11.
UI 개선, 인식 속도 향상(10초 이내), 자체 QR 생성기 연동 및 시스템 안정화
프로젝트 상세
프로젝트 설명: 시설물 정밀안전진단을 위한 스마트 균열 측정 솔루션 'A-Monitor' 구축 프로젝트입니다. 기존 수동 측정 방식의 오차와 번거로움을 해결하기 위해 머신비전 기술을 도입하였습니다.
주요 개발 범위는 다음과 같습니다:
안드로이드 앱: 현장 촬영 및 머신비전을 통한 실시간 균열 인식/측정
머신러닝 서버: 업로드된 이미지의 균열팁(Crack Gauge) 판독 및 데이터 분석
관리자 웹: 프로젝트별 측정 이력 관리, 데이터 시각화 및 통계 리포트 제공
초기 구축 이후 측정 정밀도를 0.1mm 단위로 개선하는 고도화 과정을 거쳐 현장 실용성을 극대화했습니다.
주요 개발 범위는 다음과 같습니다:
안드로이드 앱: 현장 촬영 및 머신비전을 통한 실시간 균열 인식/측정
머신러닝 서버: 업로드된 이미지의 균열팁(Crack Gauge) 판독 및 데이터 분석
관리자 웹: 프로젝트별 측정 이력 관리, 데이터 시각화 및 통계 리포트 제공
초기 구축 이후 측정 정밀도를 0.1mm 단위로 개선하는 고도화 과정을 거쳐 현장 실용성을 극대화했습니다.





