설계 도면 인식 시스템 개발기

설계 도면 인식을 향한 AI의 혁신: 설계 도면을 자동으로 해석하다

본 프로젝트는 스캔된 이미지 또는 PDF 등 비정형 형태의 설계 도면을 Vision AI 기술을 활용하여 디지털 도면으로 변환합니다.

건설 산업에서 핵심 자산 중 하나인 공정 배관 계장도(P&ID; Piping and Instrumentation Diagram)는 배관, 밸브, 기계 장치 등의 정보와 상호 관계를 표시한 설계 도면입니다. 그러나 이러한 P&ID는 종종 발주처로부터 비정형 형태로 스캔되거나 PDF 형식으로 제공되어, 이를 빠르게 해석하는 것은 어려움을 겪고 있습니다. 또한, 이 정보를 기반으로 공정 계통을 구성하고 후속 공정으로 신속하게 전달하는 것은 수작업으로 처리하기 어려운 과제입니다.

이러한 도전에 대처하기 위해 Vision AI 기술을 활용한 P&ID 디지털화 프로젝트를 진행했습니다. 이 프로젝트는 초기 입찰 단계와 실행 단계에서 건설 프로젝트에 혁신적인 변화를 가져오고 있으며, 이를 통해 빠른 입찰 및 효율적인 도면 관리가 가능해지고 있습니다.

Examination Fields: Vision AI, Semi-Supervised Learning, Instance Segmentation, Object Detection, Text Detection, Text Recogniton, Line Tracer

📃 프로젝트 수행 정보

• 프로젝트 명: AI 기반 비정형 설계도면 자동 인식 기술 개발
• 진행 기간: March 2020 - December 2023
• 프로젝트 팀: 총 4명 (AI 엔지니어 3명, .NET 개발자 1명)
• 프로젝트 역할: 프로젝트 매니저 및 메인 AI 엔지니어

🏃 프로젝트 수행 역할과 활동

1. 프로젝트 관리 업무

• 과제 발굴과 제안: 프로젝트 초기에 과제를 발굴하고 이를 프로젝트로 수행할 제안을 작성하였습니다.
• 목표 수립: 프로젝트 목표를 수립하고 이를 팀원들과 공유하여 목표 달성을 위한 로드맵을 작성하였습니다.
• WBS 수립 및 파트원 관리: Work Breakdown Structure(WBS)를 수립하여 프로젝트 업무를 분할하고 팀원들의 역할과 책임을 관리하였습니다.

2. 메인 딥러닝 엔지니어 참여

• 딥러닝 모델 아키텍처 설계 및 구현: 다양한 딥러닝 모델을 설계하고 구현하였습니다. 이 모델들은 다음과 같은 기술을 활용하여 개발되었습니다
  • Symbol Recognition Model: Semi-supervised Learning, ViT, Instance Segmentation, Object Detection, Semi-Auto Labeling
  • Text Detection & Recognition Model: Scene Text Detection, Scene Text Recognition, OCR
  • Line Detection & Classification Model: Line Tracing, Image Classification, Line Segment Detection
• 주요 활용 기술 스택
  • PyTorch 및 Tensorflow: 딥러닝 모델 개발에 사용되는 주요 프레임워크로, 이미지 처리 및 텍스트 인식에 필수적으로 활용했습니다.
  • Nvidia-Docker: GPU 가속을 활용하기 위해 Nvidia-Docker를 사용하여 딥러닝 모델을 실행하고 관리했습니다.
  • GitLab 및 Jenkins: 협업과 지속적 통합/배포(CI/CD)를 위해 GitLab과 Jenkins를 활용하여 소스 코드 관리와 자동화 작업을 관리했습니다.
  • TorchServe: PyTorch 모델을 배포하기 위한 서버 프레임워크로 사용되었습니다.
  • Flask: 웹 애플리케이션의 백엔드 개발에 Flask 웹 프레임워크를 활용하여 RESTful API를 구축했습니다.
  • Nginx 및 Gunicorn: 웹 애플리케이션의 배포를 위해 Nginx를 웹 서버로, Gunicorn을 WSGI 서버로 사용하여 안정적이고 고성능의 환경을 구성했습니다.
  • ASP.NET 및 .NET Framework: 웹 애플리케이션 개발을 위한 프레임워크로 사용되었으며, .NET 기술을 기반으로 웹 서비스를 구축했습니다.
  • MS-SQL: 데이터베이스로서 프로젝트 관련 데이터를 효과적으로 저장하고 관리했습니다.

👩🏻‍💻 모델별 상세 구현 과정

1. 프로젝트 개요: 건설 산업에서의 비정형 설계도면 디지털화 필요성과 배경을 소개합니다.
2. 심볼 인식 1편: 심볼의 역할과 종류를 설명하고, 딥러닝 기반 심볼 인식 기술을 설명합니다.
3. 심볼 인식 2편: 산업 환경을 고려한 준지도학습 기반 심볼 인식 기술을 설명합니다.
4. 텍스트 탐지&인식 1편: 설계 도면 내 텍스트 데이터의 설명과 텍스트 탐지 모델을 설명합니다.
5. 텍스트 탐지&인식 2편: 설계 도면에 특화된 텍스트 인식 모델 프레임워크를 설명합니다.
6. 라인 인식: 라인 인식의 한계점과 이를 극복하기 위해 개발한 Deep Line Tracer의 작동 원리를 소개합니다.

🔗 과제 성과 링크

현대엔지니어링, AI 기반 설계 자동화 기술 개발… ‘P&ID 자동 인식 시스템’ - 동아 일보 기사

🚀 프로젝트 상세 내용

프로젝트 상세 개요

맨 위로 이동 ↑