ConvNeXt 기반 앙상블 모델을 활용한 도배 하자 자동 분류 시스템 연구

초록

본 연구는 최신 딥러닝 아키텍처를 활용하여 도배 하자의 자동 분류 시스템을 제안한다. 특히 데이터 불 균형과 하자 유형 간 유사성이라는 기술적 과제를 효과적으로 해결하기 위한 새로운 방법론을 제시한다. 데이터 불균형과 하자 유형 간 유사성 문제를 해결하기 위해 ConvNeXt 아키텍처를 기반으로 하되, 하자 유형별 특성을 고려한 맞춤형 데이터 증강 기법과 앙상블 학습을 도입하였다. 총 19개 하자 유형에 대해 3,457개의 이미지로 구 성된 데이터셋을 활용하였으며, 데이터 불균형 해소를 위해 Focal Loss와 Class-Balanced Loss를 결합한 하이브 리드 손실 함수를 적용하였다. 실험 결과, 제안된 모델은 Weighted F1 Score 0.889를 달성하여 기존 ResNet50 기반 모델 대비 8.8%의 성능 향상을 보였으며, 45.2ms의 평균 추론 시간은 실제 하자 검수 업무에 적용 가능한 수준임을 검증하였다. 본 연구의 결과는 건설 현장에서의 도배 하자 검수 자동화 가능성을 제시하며, 품질 관리 프로세스의 효율성 향상에 기여할 것으로 기대된다.

키워드