捤獥 汤捯 湰灧
철근 검측 AI 모델 알고리즘 고도화 용역
과 업 지 시 서
氠瑢
입찰건명
철근 검측 AI 모델 알고리즘 고도화 용역
발주기관
한국과학기술정보연구원
2026. 08.
桤灧 氠瑢
소 속
전화번호
팩스번호
오픈XR플랫폼
융합연구단
팀장 박형진
042-869-1812
042-869-1802
담당 조재현
042-869-1814
桤灧 湯湷
氠瑢
Ⅰ
사업안내
1. 사업 개요
○ 사 업 명 : 철근 검측 AI 모델 알고리즘 고도화 용역(학술연구용역)
○ 사업기간 : 계약일로부터 2026.11.20. 까지 (약 2개월)
○ 예산규모 : 15,000,000원(부가세 포함)
2. 추진배경 및 필요성
○ 최근 건설 현장에서 철근 누락 및 부실 배근으로 인한 안전사고가 사회적 문제로 대두됨에 따라, 시공 품질 관리의 중요성이 그 어느 때보다 강조되고 있음
○ 육안 검사의 한계를 극복하고, 더욱 고도화된 AI 모델을 통해 철근의 배근 간격·수량·규격 등을 오차 없이 정밀 검측함으로써 구조물의 안전성을 선제적으로 확보 필요
○ 기존 연구진이 개발한 철근 검측 AI 모델의 성능을 고도화하기 위한 AI 알고리즘 전문가를 통한 성능 향상 필요
3. 사업범위
○ 철근 검측 AI 모델 현황 분석 및 데이터셋 고도화
○ 철근 검측 AI 모델 알고리즘 고도화 및 최적화
4. 기대효과
○ 현재 개발된 철근 검측 AI 모델의 현황 분석 및 테스트를 통한 문제점 도출
○ 고도화된 철근 검측 AI 모델을 활용한 향후 XR-AI기반 철근 검측 어플리케이션 개발의 기초 자원으로 활용
氠瑢
II
사업추진방안
1. 추진목표
○ 철근 검측 AI 모델 현황 분석 및 데이터셋 고도화
○ 철근 검측 AI 모델 알고리즘 고도화 및 최적화
2. 추진전략
○ 관련 사업을 통해 도출되는 철근 검측 AI 모델은 향후 XR-AI기반 철근 검측 어플리케이션 기술 개발의 기초자료로 활용될 것임
○ 본 용역과제에서는 기 개발된 철근 검측 AI 모델의 데이터 현황 및 모델의 문제점을 정밀 분석하고 개선을 도출함
3. 추진체계
氠瑢
내부 협력부서
OXR플랫폼융합연구단
(주관부서)
외부 전문가 그룹
- 사업계획 및 의견수렴
- 기타 기술 지원 및
행정·계약 지원
- 연구 현황조사
- 연구 요구사항 제시
- 사업 진도관리 및 확인
- 기술검토 및 추진방향 자문
용역 수행기관
- 업무보고 및 사업수행 관리
- 시나리오 도출 연구수행
氠瑢
구분
주요 역할
주관부서
◦ 연구 현황조사 및 요구사항 제시
◦ 진도관리 및 확인
외부 전문가 그룹
◦ 기술검토 및 추진방향 제시
용역 수행기관
◦ 업무보고 및 사업수행 관리
4. 추진일정
氠瑢
추진내용
2026년
1주
2주
3주
4주
5주
6주
7주
8주
데이터셋 현황 분석
철근 검측 모델 검토
철근 검측 모델 알고리즘 개선
보고서 작성 및 보고회 개최
※ 보고회 및 본 용역사업과 연계를 위해 협의 일정은 계약 후 용역 수행기관과 협의해서 조정할 예정
氠瑢
III
과업범위 내용
1. 과업 개요
○ 본 과업은 “철근 검측 AI 모델 알고리즘 고도화 용역”을 위해 기 개발된 철근 검측 AI 모델의 실패케이스를 분석하고 철근 특성에 적합한 최신 모델을 검토하여 정확도를 향상 시킬 수 있는 방안을 필요로 함
2. 상세 과업범위
○ 철근 검측 AI 모델 현황 분석 및 데이터셋 고도화
- 기존 모델/데이터 분석
· 연구진에서 보유한 공동주택 철근콘크리트 공사 이미지 100여장을 대상으로 띠철근 객체(라벨링 객체수 910개)를 학습한 Yolo8, Yolo11-seg 모델이 있음
· 학습에 활용된 이미지를 대상으로 촬영 환경(단일 부재 집중도, 조도 변화, 직사광선/역광, 음영, 촬영 각도 및 거리)에 따른 편향성 분석
· 철근 표면 상태(신규 철근, 녹 발생 철근, 콘크리트 페이스트 오염 등)의 데이터 포함 다양성 검토
· Train / Validation 분할 적정성 평가 및 데이터 누수 유무 검증
· 주철근, 결속선, 거푸집 스페이서 등에 의한 가림 발생 시 라벨링 일관성평가
· 띠철근 곡률부, 단부 갈고리 부근 픽셀 마스크 경계 정밀도 오차율 분석
○ 철근 검측 AI 모델 알고리즘 고도화 및 최적화
- 수행기관은 띠철근의 형태학적 특성(가늘고 긴 선형 형상, 격자형 교차, 조밀한 배근, 전면 주철근에 의한 빈번한 폐색 등)을 효과적으로 추출할 수 있는 최신 객체 검출 및 인스턴스 세그멘테이션 모델을 비교·분석하고 정밀도 향상 방안을 수립하여야 함
- 최신 객체 탐지 및 분할 모델(YOLOv10, YOLO11, YOLO12, RT-DETR, Mask2Former 등)을 대상으로 철근 검측 성능(정확도, 연산량, 파라미터 수)을 다각도로 비교 분석
- 스마트폰, 태블릿 등 모바일 단말기의 제한된 하드웨어 리소스(CPU, GPU, NPU) 환경에서 실시간 구동이 가능하도록 정확도 손실을 최소화하면서 모델 크기와 추론 시간을 획기적으로 단축시키는 경량화 파이프라인을 구축
- 최적화된 온디바이스 AI 모델을 발주처가 지정한 기존 모바일 앱(또는 개발 중인 검측 앱 프레임워크)에 탑재하고, 카메라 프리뷰 연동부터 검측 결과 출력까지의 실시간 파이프라인을 구축
3. 산출물
- 모델 아키텍처 비교 분석 및 온디바이스 최적화 결과보고서 1부
- 온디바이스 AI 모델이 이식·구동되는 모바일 앱 설치 파일 1식
- 모바일 임베디드용 AI 추론 엔진 SDK 및 소스코드 1식