현장 촬영 앱
도면에서 위치를 선택하고 촬영하면 사진에 위치·시각이 기록됩니다. 카메라 화면에서 AI가 하자를 표시합니다.
AI가 현장 사진에서 균열·누수·박리·부식 후보를 표시하고 크기를 추정합니다. 점검자가 후보를 확인·수정하고 놓친 하자를 추가해 판정을 확정하면 보고서와 조치 이력으로 남습니다.
점검자가 하루에 촬영하는 사진은 수백 장입니다. AI가 하자 후보를 표시하고 크기를 측정합니다. 판정은 늘 사람이 확정합니다.
도면에서 위치를 선택하고 촬영하면 사진에 위치·시각이 기록됩니다. 카메라 화면에서 AI가 하자를 표시합니다.
하자 종류, 추정 크기, 심각도, 신뢰도를 표시하고 이전 점검 사진과 비교한 변화를 알려 줍니다.
점검자가 확인·수정·오탐 처리하면 보고서와 하자 대장이 생성되고, 조치 배정으로 이어집니다.
균열의 폭과 길이, 기준 초과 여부, 이전 대비 변화를 기록합니다. 판정 근거가 남기 때문에 보수 우선순위를 정하고 설명하기 쉬워집니다.
같은 위치를 다시 촬영하면 이전 점검 사진을 자동으로 찾아 나란히 보여 줍니다. 균열의 확대 여부와 보수 후 재발 여부를 비교해 판단합니다.
점검자가 확인·수정·오탐 처리한 결과는 학습 데이터로 쌓입니다. 쌓인 데이터는 검수와 성능 검증을 거쳐 주기적으로 모델 갱신에 반영합니다.
찾아야 할 하자 종류와 현장 사진으로 모델을 조정해 구축합니다. 시설물 안전점검, 입주 하자 점검, 제조 외관 검사에 적용합니다.
콘크리트 균열, 누수, 박리, 철골 부식, 타일 들뜸, 도장 불량, 제품 스크래치를 점검합니다. 대상과 기준(예: 균열 폭 0.3mm)을 회사 기준으로 정합니다.
도면에 하자 위치를 점으로 표시해, 어느 층·어느 벽에 많은지 확인합니다.
통신이 약한 지하에서도 촬영·기록하고, 연결되면 판정합니다.
외벽·교량 드론 사진은 촬영 고도·해상도를 확인하고 별도 학습·검증 후 적용합니다.
안전점검 보고서 초안과 하자 대장을 양식에 맞춰 작성합니다. 법정 보고서는 책임기술자 검토를 거칩니다.
심각도, 변화 속도, 위치(구조부·마감부)를 함께 보고 보수할 항목을 우선순위대로 정렬합니다.
확정된 하자는 보수 작업으로 연계되고, 완료되면 재점검 일정이 잡힙니다.
보유한 점검 사진으로 AI의 하자 인식 성능을 확인한 뒤, 현장 앱과 보고서를 포함한 운영형으로 확대합니다.
보유 사진으로 정확도를 확인하는 단계
현장 앱부터 보수 연동까지 매일 사용하는 단계
기간은 하자 유형·사진 양 확인 전의 예상치입니다. 학습용 사진이 부족하면 초기 촬영 계획을 함께 세웁니다. 비용은 솔루션 라이선스와 맞춤 개발비로 산정하고, 유지보수는 필요할 때 따로 계약합니다.
사진과 판정 결과는 고객사 환경에 저장됩니다. AI 판정 근거를 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 추정하는 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 사용하면 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 조정합니다. 검사 속도와 조명 조건을 먼저 확인합니다.
점검할 하자 종류와 사진 몇 장을 보내 주시면, AI 인식 결과를 보여 드리고 검증 범위를 정리해 드립니다.