01핵심 결과 (성공기준 대비)
사전 서명 성공기준: 검출 품질 mAP50 baseline 대비 +50% & 오탐 ≤5% @ recall 보존
오탐 감소
0.92→0.01 (−99%)
크랙 recall 유지
0.90
검출 품질(vs baseline)
mAP50 1.8×
판정: 성공기준 충족 — dense-seg 전환으로 검출품질 1.8×(3-seed 재현) + 오탐 92%→1%, recall 유지. 배포가능.
02검출 품질 — 우리 스택 vs baseline (동일 파이프라인)
| 지표 | 우리(dense-seg+VLM) | baseline |
|---|---|---|
| mask mAP50 | 0.135 | 0.075 |
| boundary-F1@4px | 0.737 | 0.545 |
| clDice(연결성) | 0.650 | 0.471 |
| 무결함 오탐율 | 0.01 | 0.01 |
03배포 operating point (안전점검=고-recall 권장)
| 모드 | recall | 오탐율 | 용도 |
|---|---|---|---|
| 고-recall (안전점검 권장) | 0.90 | 0.77 | 다 잡고 엔지니어 리뷰 |
| 저-오탐 | 0.49 | 0.16 | 운영자 신뢰 우선 |
04ROI 견적 (희소클래스 이득곡선)
우리 데이터엔진 이득은 데이터 희소할수록 큼(실증: 극희소 +49% → 충분데이터 +8%).
- 극희소 결함(예: 철근노출 30장): 데이터엔진 증강 +49% 개선 기대
- 충분데이터(273장+): +8% — 데이터 많을수록 이득 감소
- → 귀 시설의 희소 결함 클래스에 최대 ROI 집중 권장
05정직한 한계 · 다음 단계
저대비 hairline(터널형 스캐닝)은 촬영 자체 한계(acquisition-limited)로 개선 제한 — 고대비 촬영 개선이 답. 이음부처럼 외형 모호한 결함은 precision/recall tradeoff, operating point 선택 필요.
- 파일럿 확대: 제2 시설·다중 시즌 데이터로 재현 확인
- 연간 구독: 시설별 모델 + 분기 재학습(데이터엔진) + MLOps 레지스트리
- 법정 점검서식·자산DB 연동 (온프렘 배포)