하다하다 이젠 건축 도면도 AI가 읽어줌

프로젝트 개요

건축 및 제조 산업의 도면 해석 프로세스를 자동화하고, 시간과 비용을 절감하며, 오류를 최소화하는 데 중점을 둔다.
이번 프로젝트에서는 YOLOv7 모델과 PySide6를 활용해 CAD로 작성한 건물의 전체 도면을 통해 각 층별 구성 객체를 자동으로 인식하고 오류를 분류하는 프로그램을 개발한다.

---

프로젝트의 주요 목표

1. 데이터셋 확보

   • 문, 창문, 벽 등의 데이터셋을 확보하고 균형 맞춤

2. 각 객체 오류 탐지

   • 정산 및 비정상 객체 탐지
   • 객체 탐지 정확도 95% 이상, 오류 감지율 90% 이상 목표

3. 사용자 친화적인 인터페이스 설계

   • PySide6를 활용하여 비전문가도 쉽게 사용할 수 있는 GUI 구축
   • GUI 반응 시간 1sec 이내

4. 효율적인 데이터 처리와 빠른 분석 속도

   • 기존 프로그램의 처리 시간인 180sec 이하 단축

---

개발 전 단계의 접근 방식

1) 문제 정의

• 현황:
  • 건축 도면 설계 단계에서 수작업으로 진행
  • 시간과 비용이 많이 소모
• 문제점:
  • 수작업으로 인한 정확도 부족 및 실수 발생 가능성
  • 대량의 도면 데이터 처리의 등 비효율성

2) 프로젝트 목표 구체화

프로젝트 시작 단계에서는 문제를 해결하기 위한 목표를 세부적 정의

1. 기술적 목표:

   • YOLOv7 모델을 기반으로 객체 탐지 알고리즘 구현
     • 객체 탐지 정확도 95% 이상
   • OpenCV를 활용한 이미지 전처리 기능 개발

2. 사용자 경험 목표:

   • PySide6와 Figma를 활용한 사용자 친화적인 GUI 제공
   • 비전문가도 쉽게 활용 가능한 직관적 워크플로우 설계
   • 테스트 결과 기준 사용자 만족도 80% 이상 확보

3. 성과 목표:

   • 적정 수준의 객체 탐지 정확도
   • 기존 프로그램 동작 시간인 180sec에서 60sec 이하로 처리 시간 단축

3) 기술 스택 및 도구 선택

개발 전 단계에서 다음과 같은 기술 스택 선택

• YOLOv7:

  • 최신 객체 탐지 모델로, 높은 정확도와 빠른 속도를 제공
  • 도면 이미지에서 객체를 자동으로 탐지

• PySide6:

  • Python 기반의 직관적인 GUI 설계 가능
  • 사용자 인터페이스 구현 및 결과 시각화

• OpenCV:

  • 이미지 전처리와 후처리 기능에 강점
  • 도면의 대비 조정, 샤프닝 및 필터링 등

• Custom Dataset

  • 건축 도면의 특수성을 반영한 학습 데이터 필요
  • 문, 창문, 벽 등 도면 객체를 레이블링한 데이터셋 생성

4) 데이터 수집 및 준비

AI 프로젝트의 성공 여부와 직결된 적절한 데이터셋 구성을 위한 계획

1. 데이터 수집:
   • 기존 도면 데이터베이스에서 건축 도면 샘플 수집
   • CAD로 작성된 도면 파일 확보

2. 데이터 전처리:
   • OpenCV를 활용한 이미지 데이터 수집
   • 객체 간 명확한 경계 확보
3. 데이터 레이블링:
   • CAD 파일을 활용한 객체 레이블링
   • 건축 도면 파일을 통한 각각의 객체 분류

5) 시스템 아키텍처 설계

개발 전 시스템 아키텍처 설계 후 구현의 방향성 제시

1. 입력:

   • 사용자가 도면 파일의 폴더 업로드

2. 처리:

   • OpenCV를 사용한 이미지 전처리
   • YOLOv7 모델을 통한 객체 탐지

3. 출력:

   • 탐지된 객체의 정보를 표시한 도면
   • 사용자 수정 가능 인터페이스 제공

4. 확장성 고려:

   • 도면 저장 등 이후 세부 추가 기능 개발

6) 도전 과제 예상

1. 불균등한 데이터셋

   • OpenCV와 데이터 증강 기법 활용

2. 복잡한 도면에서의 객체 중첩

   • YOLOv7의 NMS 알고리즘 튜닝
     • 복잡한 도면에서 동일한 객체의 다양한 표현 방식 해결을 위한 데이터셋 학습을 통한 규칙 기반 탐지 보완

3. 사용자 친화적인 인터페이스 설계

   • 사용자 피드백 기반 UI 개선

---

앞으로의 계획

1. YOLOv7 모델 학습:

   • Custom Dataset을 통해 모델 학습 진행 후, 건축 도면 객체에 최적화된 가중치 생성

2. GUI 프로토타입 개발:

   • Figma를 통해 사용자 UI 디자인 및 PySide6를 활용한 초기 GUI 설계 및 기능 테스트

3. 통합 테스트:

   • AI 모델과 GUI를 통합하여 전체 시스템 테스트 및 최적화

4. 성능 평가 및 피드백 반영:

   • 사용자 피드백을 통한 정확도 및 사용성 개선
     • 건축 도면 데이터셋 100개를 대상으로 모델 정확도 및 처리 속도 평가

---

맺음말

기존 프로젝트를 이어받아 빠르게 분석하고 개선점을 도출할 것이다. 개발 단계에서 도면 인식 자동화의 산업적 요구를 명확히 반영하며, 사용자 피드백을 기반으로 발전 시키는 것을 목표로 삼고있다. 이 프로젝트는 큰 도전이지만, 문제 해결 능력과 협업 역량을 키울 수 있는 기회로 삼고 열심히 도전에 임하겠다.

---

추가자료

• YOLOv7: https://github.com/WongKinYiu/yolov7
• PySide6: https://youtu.be/g9_JT6VJjxI?si=UvTngQxFZdverPSF
• OpenCV: https://docs.opencv.org/4.x/namespaces.html