1. 수행배경

• 기존 건설 현장에서 사용되는 자갈은 품질과 규격에 따라 다양한 종류로 분류되며, 이는 구조물의 안정성과 직결되기 때문에 정확한 판별이 매우 중요함. 
• 하지만 현재의 자갈 분류 작업은 숙련된 전문가에 의존하고 있어 객관성과 일관성이 떨어지고, 시간과 비용이 과도하게 소요되는 문제를 안고 있음.
• 이에 본 프로젝트는 딥러닝 기반 영상 인식 기술을 활용하여 건설용 자갈을 자동으로 분류하는 시스템을 구축함으로써, 분류 작업의 자동화 및 효율성 향상을 목표로 수행되었음. 특히 실제 자갈 데이터를 바탕으로 학습 및 평가를 거친 AI 모델을 구축함으로써, 산업 현장에서 바로 활용 가능한 실증 기반 시스템 구현을 지향함.

2. 수행기간

• 2024년 3월 첫째 주부터 5월 30일까지 총 13주간 프로젝트를 수행하였으며, 각 주차별 주요 활동은 다음과 같음:

  1~4주차: 아이디어 구체화, 기술 조사, 유사 연구 분석 및 데이터 수집 계획 수립

  5~7주차: 자갈 촬영 및 전처리, 딥러닝 모델 구조 선정 및 실험 환경 구축

  8~11주차: 모델 학습, TTA 기반 테스트 및 성능 개선, 정확도 분석

  12~13주차: 결과 정리, 시스템 통합 구현 및 발표/보고서 준비

3. 개발작품 설명

• 건설용 자갈 이미지 분류 인공지능 시스템을 구축하였으며, 주요 특징은 다음과 같음:

•  

  입력 이미지를 바탕으로 자갈 종류(쇄석, 자갈, 모래 등)를 자동으로 판별

•  

  모델은 ResNet50 계열 기반으로 구축되었으며, Test-Time Augmentation (TTA) 기법을 통해 추론 성능 향상

•  

  전체 프로세스는 데이터 전처리 → 모델 학습 → 추론 및 시각화 순으로 구성

•  

  사용자 친화적인 웹 인터페이스 또는 시각적 결과 보고를 위한 결과 통계 및 혼동 행렬 출력 기능 포함

•  

  기술 스택 및 구현 환경

  Python, PyTorch, Pandas, NumPy, Albumentations

  Stratified K-Fold Validation, Weighted Sampler, Mixed Precision Training

• GPU 기반 모델 학습 환경 구축 (CUDA 사용)

•  

  주요 기능 요약

•  

  이미지 자동 분류 및 정확도 측정

•  

  클래스 불균형 문제 대응 (가중치 샘플링)

•  

  다양한 Augmentation 기법을 활용한 성능 최적화

•  

  예측 시 혼동 행렬 및 클래스별 Precision/Recall 분석

4. 활용방안

• 본 시스템은 건설 현장 및 자재 납품 과정에서 자갈 품질을 빠르고 정확하게 분류하는 데 활용 가능함. 구체적으로는 다음과 같은 활용 방안을 제안함:

•  

  현장 자동화 시스템에 연계하여 인력 비용 절감 및 품질 관리 고도화

•  

  건설 자재 납품 업체의 검수 프로세스 자동화

•  

  공공기관 또는 건설 감사 부서의 품질 인증 및 점검 도구로 활용

•  

  추후 모바일 앱이나 엣지 디바이스 탑재를 통해 현장 중심 솔루션으로 확장 가능성 존재

•  

  또한 다양한 암석 종류, 파쇄 상태, 먼지 여부 등까지 확장 가능한 범용적인 자갈 분류 AI 모델로 발전 가능