① 어떤 상황에서 AI를 활용했나요?
하수관로 CCTV 조사는 검토자가 영상 전체를 육안으로 보며 균열·파손·이음부 이상·토사퇴적 등 결함 구간을 찾아 수기로 엑셀 조사보고서를 작성하는 방식

- 영상 1편당 검토 시간이 길고, 검토자 숙련도에 따라 결함 누락·오분류 편차가 큼
- 관경·거리·관로번호 같은 화면 자막을 사람이 직접 옮겨 적어야 함
- 결과물이 표준 엑셀 조사표 형태로 나와야 실무에 바로 쓸 수 있음

이 과정은 구조적 비효율이 있었고, 이를 "AI가 탐지하고 사람은 확인·보정만 하는" Workflow로 바꾸는 것이 목표

② 어떤 AI를 어떻게 활용했나요?
두 개의 CNN기반 딥러닝 모델을 사용

- 분류기(EfficientNet-B0): 프레임 한 장을 보고 "결함이 있는지"를 판별, 결함 이름 붙임. 관 밖(맨홀 진입/탈출 구간 등) 프레임을 걸러 탐색기의 오탐을 줄이는 역할도 수행
- 탐색기(Yolo): 결함의 위치(Bbox)와 결함 이름을 붙임
- OCR(PaddleOCR): 화면 자막에서 관경/거리/관로번호/현장명을 자동 판독해 결과표 내용 작성
- MLLM(GPT/Gemini, 선택 기능): 세 번째 의견으로 판독 결과를 보조하되, 일부 환경에서 API가 막힐 수 있어 기본값은 꺼둔 상태로 설계

파이프라인: 영상 → 프레임 추출 → AI 분석(분류기, 탐색기) → 자막 오탐 필터 → OCR → 결과표 → 보고서 출력

③ 활용 결과 어떤 변화가 있었나요?
- 영상을 큐에 넣기만 하면 결함 프레임 추출·탐지·주석 처리가 자동으로 끝나고, 결과보고서가 결함 이미지를 포함하여 자동작성
- 사용자는 결함 후보 리스트에서 신뢰도 임계값·클래스 필터로 훑어보고, 플레이어에서 해당 시점으로 바로 이동해 오탐만 체크·수정
- 처음부터 끝까지 영상을 보면서 '찾기'에서 AI가 잡은 결함 후보를 '검수'로 작업의 성격이 전환
- 12종 결함으로 구성된 검증 데이터셋 기준 성능(학습 데이터와 겹치지 않는 검증셋)
- 결함/정상 판별 96%
- 결함명 일치율 90%

④ 나만의 방식 또는 개선 포인트는 무엇인가요?
2개의 AI를 병렬로 배치하여 각각의 모델을 특장점을 살린 구조로 배치

- 분류기 결함명 일치율: 41%
- 탐색기 결함명 일치율: 62%
- 분류기와 탐색기를 함께 사용할 경우(병렬배치) 일치율: 90%

두 AI가 잘 맞추는 결함 종류가 다름

⑤ 다른 사람도 따라 할 수 있나요?
모델 제작 시 배포를 염두해 두고 제작했으므로 누구나 쉽게 사용가능

- 직관적인 버튼 배치를 통해 사용자가 다음 단계로 넘어가기에 용이
- 1개의 버튼 동작 시 여러개의 기능이 짜여진 대로 한꺼번에 동작하여 사용자에게 많은 역할을 부여하지 않음