현장 촬영 앱
도면에서 위치를 고르고 찍으면 사진에 위치·시각이 붙습니다. 카메라 화면에서 AI가 바로 하자를 표시합니다.
현장에서 찍은 사진을 AI가 보고 균열·누수·박리·부식을 찾아 위치와 크기, 심각도를 표시합니다.
점검자는 확인만 하고, 보고서와 조치 이력은 자동으로 쌓입니다.
점검자가 하루에 찍는 사진은 수백 장입니다. AI가 먼저 하자 후보를 표시하고 크기를 재 두면, 점검자는 확인과 판단에 집중할 수 있습니다. 판정은 늘 사람이 확정합니다.
도면에서 위치를 고르고 찍으면 사진에 위치·시각이 붙습니다. 카메라 화면에서 AI가 바로 하자를 표시합니다.
하자 종류, 추정 크기, 심각도, 신뢰도를 표시하고 이전 점검 사진과 비교해 변화까지 알려 줍니다.
점검자가 확인·수정·오탐 처리하면 보고서와 하자 대장이 만들어지고, 조치 배정으로 이어집니다.
"벽에 금이 갔음"이 아니라 폭과 길이, 기준 초과 여부, 이전 대비 변화로 기록합니다. 판정 근거가 남기 때문에 보수 우선순위를 정하고 설명하기 쉬워집니다.
같은 위치를 다시 찍으면 이전 점검 사진을 자동으로 찾아 나란히 보여 줍니다. 균열이 자랐는지, 보수 후 다시 생겼는지 한눈에 판단합니다.
점검자가 확인·수정·오탐 처리한 결과는 학습 데이터로 쌓입니다. 현장과 자재가 달라도 쓸수록 그 회사 현장에 맞게 정확해집니다.
찾아야 할 하자 종류와 현장 사진으로 모델을 맞춰 구축합니다. 시설물 안전점검, 입주 하자 점검, 제조 외관 검사에 씁니다.
콘크리트 균열, 누수, 박리, 철골 부식, 타일 들뜸, 도장 불량, 제품 스크래치까지. 대상과 기준(예: 균열 폭 0.3mm)을 회사 기준으로 정합니다.
도면 위에 하자가 점으로 쌓여, 어느 층·어느 벽에 몰리는지 보입니다.
통신이 약한 지하에서도 촬영·기록, 연결되면 판정.
외벽·교량 드론 사진을 올리면 같은 방식으로 판정.
안전점검 보고서, 하자 대장 양식에 맞춰 출력합니다.
심각도, 변화 속도, 위치(구조부·마감부)를 함께 보고 무엇부터 고칠지 정렬합니다.
확정된 하자는 보수 작업으로 넘어가고, 완료되면 재점검 일정이 잡힙니다.
가지고 계신 점검 사진으로 AI가 얼마나 찾는지 먼저 확인한 뒤, 현장 앱과 보고서까지 운영형으로 넓힙니다.
보유 사진으로 정확도를 확인하는 단계
현장 앱부터 보수 연동까지 매일 쓰는 단계
기간은 하자 유형·사진 양 확인 전의 예상치입니다. 학습용 사진이 부족하면 초기 촬영 계획을 함께 세웁니다.
사진과 판정 결과는 고객사 환경에 저장됩니다. AI가 왜 그렇게 판단했는지 표시 영역과 측정값으로 남깁니다.
Flutter 카메라, 도면 위치, 온디바이스 1차 감지.
하자 영역 분할, 크기 추정, 유형별 임계값.
판정 검토, 하자 대장, 보고서 양식 출력.
점검자 수정 데이터 관리, 정확도 모니터링.
하자 유형별로 수백 장 정도의 표시된 사진이 있으면 검증을 시작할 수 있습니다. 기존 점검 보고서 사진을 활용하고, 부족하면 초기 촬영 계획과 표시 작업을 함께 진행합니다.
AI는 후보를 표시하고 크기를 재는 보조 역할이고, 최종 판정은 점검자가 확정합니다. 확인·수정·오탐 기록이 남아 판정 과정을 설명할 수 있습니다.
촬영 거리와 각도에 따라 오차가 생기므로, 기준 표식(스케일 스티커)이나 거리 정보를 함께 쓰면 정확도가 올라갑니다. 판정은 추정값으로 표시하고 정밀 측정이 필요한 건은 현장 계측으로 확인하도록 안내합니다.
네. 사내 GPU 서버에 모델을 설치해 외부 전송 없이 운영할 수 있습니다. 앱에서 1차 감지만 하고 서버에서 확정 판정하는 구성도 가능합니다.
가능합니다. 라인 카메라나 검사대 사진으로 스크래치·찍힘·도장 불량을 판정하도록 모델을 맞춥니다. 검사 속도와 조명 조건을 먼저 확인합니다.
찾고 싶은 하자 종류와 사진 몇 장을 보내 주시면, AI가 어떻게 찾는지 보여 드리고 검증 범위를 정리해 드립니다.