•  중전기기 산업은 차단기, 변압기, 단자대 등의 다양한 부품이 포함된 복잡한 도면을 기반으로 설계·시공·유지보수가 이루어짐
• 도면(2D CAD 도면, PDF 문서, 스캔 이미지 등)은 비정형 데이터로, 사람이 직접 해석해야 하므로 시간과 전문 인력이 많이 필요
• 디지털 전환(DX)과 자동화 흐름 속에서 도면을 AI가 자동 해석하는 기술의 필요성이 급부상

• 일정한 형식이 없어 SQL(관계형데이터베이스 관리시스템) 등으로 직접 처리하기 어려움
• 분석 및 활용을 위해 AI기술(Object Detection, OCR, NLP 등) 필요
• 전체 데이터의 80% 이상을 차지 (기업 데이터 기준)

• 도면(PDF, PNG, DWG)은 표처럼 정리되지 않음
• 문자가 아닌 기호, 선, 도형, 박스로 구성
• 사람은 의미를 이해하지만, 컴퓨터는 해석할 수 없음
• 따라서, AI(Object Detection, OCR 등)로 구조화해야 활용 가능

• 도면 수천 장을 일일이 해석하는 데 드는 시간과 인건비
• 도면 기호나 구조에 대한 전문 지식 의존
• 치수나 관계 오류 발생 시 설계/시공 문제로 연결

• PDF, DWG, TIFF 등 다양한 포맷을 AI 모델이 인식 가능한 이미지 또는 벡터 형식으로 변환
• 불필요한 배경 제거, 해상도 보정

도면은 기호, 선, 텍스트가 복잡하게 얽혀 있는 대표적인 비정형 데이터로, 이를 정확히 인식하기 위해서는 일반적인 컴퓨터 비전(CV) 기술보다 훨씬 정교한 AI 모델 구조가 필요합니다.
아래와 같이 다단계 AI 아키텍처의 조합이 사용됩니다.

• 역할: 차단기(CB), 단로기(DS), 계기류, 변압기, 단자대 등 기호 위치 및 종류 탐지
• 특징:
  - 작은 기호 다수 → 해상도 중요
  - 동일한 형태 기호 다수 존재 → anchor box 전략 정교화 필요
  - 위치 정보 정확도가 회로 연결 해석에 직접 영향

YOLO(You Only Look Once)는 객체 탐지(Object Detection) 알고리즘 중 하나로, 이미지에서 여러 객체를 실시간으로 빠르게 탐지하고 분류할 수 있는 딥러닝 기반 기법입니다. 이름 그대로 한 번의 신경망 연산으로 객체의 위치와 종류를 동시에 예측하는 것이 특징입니다. 

📌 YOLO는 언제 사용하나?

• 실시간 객체 탐지가 필요한 경우 (CCTV, 드론, 자율주행 등)

🧠 1. YOLO의 작동 방식 요약

1) 입력 이미지를 고정된 크기로 조정

2) 이미지를 S x S 격자로 나눔

3) 각 셀은 다음을 예측:

• B개의 바운딩 박스 정보: (x, y, w, h, confidence)
• C개의 클래스 확률 (예: 사람, 개, 자동차 등)

🔍 2. YOLO의 핵심 아이디어

전통적인 객체 탐지 알고리즘은 두 단계를 거칩니다.

• 1단계: 객체가 있을만한 영역(Region Prposal)을 추정
• 2단계: 그 영역 안의 객체를 분류 및 위치 보정

📦 3. 예측 결과

각 바운딩 박스에 대해:

• (x, y): 박스 중심의 좌표 (셀 기준 상대 위치)
• (w, h): 박스의 너비와 높이 (전체 이미지 기준 상대 크기)
• Confidence: 해당 박스에 객체가 있을 확률 x IOU (예측 vs 정답 박스 간 겹침 정도)
• Class Probabilities: 이 박스에 어떤 객체가 있는지에 대한 확률

중전기기 산업을 위한 도면 인식 AI 기술의 적용 사례와 기대 성과

▶️ 적용 분야

▶️ 기대 효과

✅ 도면 1장당 처리 시간:
기존 평균 10~15분 수작업 분석 → 10초 이내 AI 분석으로 전환

✅ 설계 오류 자동 검출:
치수 누락, 배선 미연결, 장비 누락 등 전기 설계상 오류 자동 탐지 가능

✅ 형식 혼합 도면 처리:
PDF, 이미지 스캔본, CAD(DWG) 등 이기종 도면을 동시에 처리 가능

✅ DX 및 스마트팩토리 연계:
AI 인식 결과를 MES/ERP 시스템과 연결하여 부품 조달 및 생산 자동화 가능

✅ 노하우 표준화 및 전문가 의존도 감소:
기존 시니어 기술자 경험에 의존하던 검토 작업 → AI 기반 공정화 및 표준화