"1조(길바닥연구소)"의 두 판 사이의 차이

2026년 6월 9일 (화) 22:25 기준 최신판

프로젝트 개요

기술개발 과제

국문 : 열화상 영상 기반 도로포장 온도 분포 분석 및 열화 위험 구간 평가 시스템 개발

영문 : Development of a Thermal Image–Based Road Pavement Temperature Distribution Analysis and Deterioration Risk Assessment System

과제 팀명

길바닥연구소

지도교수

조수진 교수님

개발기간

2026년 3월 ~ 2026년 6월 (총 4개월)

구성원 소개

서울시립대학교 토목공학과 20238600** 공**(팀장)

서울시립대학교 토목공학과 20228600** 지**

서울시립대학교 토목공학과 20238600** 강**

서울시립대학교 토목공학과 20238600** 박**

서울시립대학교 토목공학과 20238600** 양**

서울시립대학교 토목공학과 20238600** 전**

서론

개발 과제의 개요

개발 과제 요약

도로포장 손상은 반복 교통하중, 온도 변화, 수분 침투 등이 복합적으로 작용하여 발생하며, 초기 균열이 방치될 경우 포트홀 및 국부 파손으로 확대될 수 있다. 그러나 기존 점검 방식은 고가의 전용 장비와 전문 인력에 의존하여 상시적 점검이 어렵고, 기존 AI 기반 탐지 기술은 손상 위치 식별에 집중되어 물리적 위험도를 정량적으로 평가하지 못하는 한계가 있다. 이에 본 과제는 열화상 영상 기반으로 도로포장 표면의 온도 분포를 분석하고, 균열 주변의 열화 위험도를 자동으로 평가하는 소프트웨어 시스템 개발을 목표로 한다.

제안 시스템은 스마트폰 부착형 열화상 카메라로 촬영한 도로 노면 이미지를 입력받아, SAM2 기반 Vision AI로 균열 주변 분석 영역을 추출하고, 형태학적 확대 연산을 통해 열영향 영역을 포함한 뒤, CST 기반 2차원 FEM 열응력 해석을 수행하여 Safe / Warning / Critical의 3단계 위험도를 산정하며, LLM 기반 인터페이스를 통해 위험도 진단 결과를 자연어로 제공한다. 검증 결과, SAM2+Dilation 기반 분석 영역 추출은 Recall 0.9388을 달성하였으며, FEM 해석은 이론해 대비 오차율 0.17%, TSRST 문헌값 대비 파괴응력 오차율 0.11%를 보였다. 또한 실도로 열화상 영상 537장 전체를 중단 없이 처리하고, 위험도 판정 결과와 논리적으로 모순되지 않는 한국어 설명문을 생성하였다.

본 과제는 저비용 열화상 장비와 AI 기반 분석 소프트웨어를 결합하여 도로포장 점검의 접근성을 높이고, 손상 위치 탐지를 넘어 물리적 근거에 기반한 위험도 평가를 가능하게 한다는 점에서 의의가 있다. 또한 GUI와 LLM 기반 한국어 진단문을 통해 비전문가도 분석 결과를 이해할 수 있어, 향후 지자체 민원 대응, 보완 점검, 보수 우선순위 판단 등에 활용될 수 있다.

요약 — 본 과제는 상시적이고 저렴한 도로포장 유지관리를 위해, 열화상 이미지 한 장으로 도로포장 균열 주변의 열응력 기반 위험도를 정량 평가하고 그 결과를 비전문가도 이해 가능한 한국어 진단문으로 제공하는 통합 소프트웨어를 개발하는 과제이다.

개발 과제의 배경

도로포장 열화의 토목공학적 의미

도로는 사람과 물자의 이동을 가능하게 하는 핵심 사회기반시설이며, 도로포장은 차량 하중을 지지하고 노상을 보호하며 주행 평탄성과 안전성을 확보하는 역할을 한다. 특히 도로포장의 표층은 교통하중과 외부 환경에 직접 노출되는 층으로, 균열·포트홀·소성변형 등 열화로 인한 손상이 가장 먼저 관찰되는 영역이다.

균열은 도로포장 표층에서 발생하는 대표적인 초기 손상이다. 초기 균열이 방치될 경우 균열부를 통해 수분이 침투하고, 하부층의 지지력이 약화되며, 반복 교통하중에 의해 포트홀이나 국부 파손으로 확대될 수 있다. 이러한 도로포장의 손상 발생 및 확대는 통행을 방해하고, 도로의 사용성을 저해하며, 손상이 심화될 경우 하부 지반의 구조적 손상까지 이어질 수 있다. 따라서 도로포장 열화 관리는 단순히 손상 위치를 찾는 문제가 아니라 손상의 확장 가능성과 보수 우선순위를 판단해야 하는 토목공학적 유지관리 문제이다.

이상기후와 온도하중에 따른 열화 위험 증가

아스팔트 포장은 온도 변화에 민감한 열가소성 재료로, 고온 환경에서는 바인더 점도와 강성이 감소하고 전단강도가 저하될 수 있다. 이러한 물성 변화는 반복 교통하중과 결합되면서 균열, 소성변형, 포트홀과 같은 다양한 도로포장 손상으로 이어지는 원인이 된다.

또한 도로포장 표면의 국부적인 온도 차이와 반복적인 온도하중은 포장 내부의 열응력 발생과 관련된다. 따라서 도로포장 표면의 온도 분포는 단순한 영상 정보가 아니라, 열화 위험 구간을 판단하기 위한 중요한 공학적 입력 정보로 활용될 수 있다.

상시 열화 관리를 위한 저비용 점검 기술 필요성

도로포장 손상은 초기 발견과 적절한 보수 시점 판단이 중요하지만, 기존 점검 방식은 고가의 전용 장비와 전문 인력에 의존하는 경우가 많다. 이러한 방식은 정밀한 조사가 가능하다는 장점이 있으나, 넓은 도로망을 자주 점검하거나 지자체·소규모 관리기관이 상시적으로 활용하기에는 비용과 운용 부담이 크다.

이에 따라 도로포장 유지관리 현장에서는 기존 정밀 조사 장비를 보완할 수 있는 저비용·경량화 점검 기술이 필요하다. 특히 민원 발생 구간, 균열 의심 구간, 반복 관찰이 필요한 구간에 대해 현장에서 빠르게 촬영하고 분석할 수 있는 시스템은 상시 유지관리 체계의 실효성을 높일 수 있다.

기존 점검 방식의 한계

고가 전용 장비 및 전문 인력 필요
넓은 도로망의 상시 점검 어려움
현장 비전문가의 즉시 활용성 부족

필요한 점검 기술의 방향

저비용·경량화 장비 기반 현장 점검
손상 의심 구간의 근접 정밀 평가
비전문가도 이해 가능한 분석 결과 제공

본 과제의 공학적 문제 정의

기존 도로포장 점검 및 AI 기반 손상 탐지 기술의 한계를 종합하면, 본 과제가 해결해야 할 문제는 크게 세 가지로 정리된다.

i. 경제적 접근성 한계	ii. 정량화 한계	iii. 설명 가능성 한계
기존 점검 방식은 수억 원대 전용 장비와 전문 인력이 필요한 경우가 많아, 예산이 제한된 지자체나 소규모 관리기관에서 상시적으로 활용하기 어렵다.	기존 AI 기반 손상 탐지 기술은 손상 위치나 형상 식별에 집중되어 있으며, 균열 주변의 물리적 위험도를 수치적으로 평가하는 데에는 한계가 있다.	열화상 맵, FEM 수치 결과, 위험도 지표 등은 전문 지식이 없는 사용자가 현장에서 즉시 해석하기 어려우며, 유지관리 의사결정에 바로 활용하기 어렵다.

문제 정의 — 도로포장 손상의 조기 발견과 보수 우선순위 판단을 위해서는, 저비용·고접근성 점검 방식, 열화 위험도의 물리적 정량화, 현장 실무자가 이해 가능한 설명 체계가 결합된 유지관리 시스템이 필요하다.

개발 과제의 목표 및 내용

개발 목표

본 과제는 앞서 정의한 경제적 접근성 한계, 정량화 한계, 설명 가능성 한계를 해결하기 위해 열화상 영상 기반 도로포장 위험도 평가 시스템을 개발하는 것을 목표로 한다. 이를 위해 저가형 스마트폰 부착형 열화상 카메라를 활용한 현장 적용성, FEM 기반 열응력 해석을 통한 물리적 위험도 정량화, LLM 기반 한국어 진단문 및 GUI를 통한 설명 가능성을 핵심 목표로 설정하였다.

공학적 문제	정성적 목표	정량적 목표
경제적 접근성 한계	저가형 스마트폰 부착형 열화상 카메라 기반으로 도로포장 손상 구간의 근접 정밀 평가가 가능한 분석 기술 개발	일반 스마트폰 호환 가능 장비 단가 50만원 이하 장비 사용
정량화 한계	열화상 영상의 온도 분포를 역학적 열하중으로 변환하고, 2D FEM 열응력 해석을 수행하여 균열 주변의 물리적 위험도를 Safe / Warning / Critical 3단계로 평가하는 기술 개발	SAM2 기반 분석 영역 추출 모듈 재현율(Recall) 90% 이상 이론해-수치해 오차율 15% 미만 TSRST와의 파괴응력 오차율 15% 미만
설명 가능성 한계	FEM 해석 결과와 위험도 판정 결과를 LLM에 전달하여, 비전문가도 판단 근거를 이해할 수 있는 한국어 진단문 및 GUI 기반 통합 인터페이스 개발	실도로 열화상 영상 537건 중 500건 이상에서 입력 영상, 분석 영역, 위험도 판정 결과와 논리적으로 모순되지 않는 설명문 생성 평균 처리 시간 2분/건 미만

목표 — 본 과제는 저비용 열화상 촬영 장비, 물리 기반 위험도 정량화, LLM 기반 설명 인터페이스를 결합하여 경제적 접근성, 정량화 부재, 설명 불가능 문제를 해결하는 도로포장 열화 위험 평가 시스템을 개발하는 것을 목표로 한다.

개발 내용

본 시스템은 열화상 도로 노면 이미지를 입력으로 받아, 균열 주변 분석 영역 추출, 온도 분포 기반 물리 해석, 사용자 설명 인터페이스 제공의 3단계로 작동한다. 전체 파이프라인은 단순히 균열의 위치를 탐지하는 데 그치지 않고, 균열 주변의 온도 분포를 열응력 기반 위험도 지수로 변환하여 유지관리 의사결정에 활용 가능한 정보로 제공하는 것을 핵심으로 한다.

그림 1. 개발 기술의 전체 프로세스.
SAM2 기반 균열 영역 추출, FEM 기반 온도 분포 물리 해석, LLM 기반 사용자 설명 인터페이스로 이어지는 3단계 파이프라인을 나타낸다.

i. 세부과업 1 균열 영역 추출 Vision AI	ii. 세부과업 2 온도 분포 물리 해석 알고리즘	iii. 세부과업 3 LLM 기반 사용자 설명 인터페이스
입력: 열화상 도로 노면 이미지 방법: SAM2 기반 균열 영역 탐지 및 Soft Prompt 활용 후처리: Morphological Dilation을 통한 균열 주변 분석 영역 확대 출력: 균열 및 주변부를 포함한 분석 영역 마스크	입력: 분석 영역의 절대 온도 행렬 방법: 온도 구배 분석, CST 기반 2D FEM 열응력 해석 위험도 산정: 최대 주응력과 인장강도 기반 응력비 계산 출력: Safe / Warning / Critical 3단계 위험도	입력: 열화상 이미지, 분석 영역, FEM 해석 결과, 위험도 판정 결과 방법: EXAONE 3.5 LLM 기반 한국어 진단문 생성 인터페이스: FastAPI 백엔드 및 Flet GUI 출력: 위험도 등급, 시각화 결과, 한국어 보수 의견

관련 기술의 현황

시장상황에 대한 분석

경쟁제품 및 기존 기술 비교

현재 도로포장 상태 평가는 인력 기반 육안 점검, 전용 조사차량 기반 비파괴 조사, AI 기반 영상 분석 기술로 구분할 수 있다. 기존 방식은 정밀한 조사가 가능하다는 장점이 있으나, 고가의 장비와 전문 인력에 의존하므로 지자체나 소규모 도로 관리기관이 상시적으로 활용하기에는 비용과 운용 부담이 크다.

본 과제는 기존 정밀 조사 장비를 완전히 대체하기보다는, 저비용 열화상 카메라와 AI 기반 분석 소프트웨어를 결합하여 민원 발생 구간, 균열 의심 구간, 반복 관찰이 필요한 구간을 빠르게 평가하는 보완 점검 도구를 목표로 한다.

구분	기존 인력 기반 점검	전용 조사차량 기반 점검	본 과제
장비 구성	육안 점검 및 수동 기록	FWD, GPR, 레이저 프로파일로미터, 산업용 열화상 카메라, GPS 등 전용 장비	스마트폰 부착형 열화상 카메라와 분석 소프트웨어
비용 구조	인력 투입 비용 중심	전용 차량 및 고가 장비 구축 비용 발생	50만원 이하 저가형 열화상 장비 기반
운용 방식	점검자 경험에 의존	전문 인력 및 전용 차량 운용 필요	현장 촬영 후 소프트웨어 기반 자동 분석
결과 형태	정성적 판단 및 기록	수치 지표 및 전문 분석 결과	위험도 등급, 응력 분포, 한국어 진단문 제공
주요 한계	주관적 판단 개입, 넓은 도로망 상시 점검 어려움	높은 구축 비용, 지자체·소규모 기관 도입 부담	고속 주행 전수조사보다는 근접 정밀 평가 및 보완 점검에 적합

경쟁 기술 대비 위치 — 본 과제는 기존 전용 조사차량 기반 정밀 점검을 대체하는 기술이 아니라, 저비용·경량화 장비를 활용하여 현장에서 손상 의심 구간을 빠르게 평가할 수 있는 보완형 도로포장 위험도 평가 시스템이다.

제안 시스템의 시장성

국내 도로망은 규모가 크고 포장률이 높아, 도로포장 상태를 주기적으로 관리하기 위한 유지관리 수요가 지속적으로 발생한다. 그러나 모든 구간을 고가의 정밀 조사 장비로 자주 점검하는 것은 현실적으로 어렵기 때문에, 저비용으로 반복 관찰이 가능한 현장형 평가 시스템의 필요성이 존재한다.

특히 지자체 도로관리 현장에서는 민원 발생 구간, 포트홀 발생 우려 구간, 균열이 육안으로 확인되는 구간에 대해 빠르게 현장 확인을 수행해야 한다. 이때 본 시스템은 열화상 이미지 한 장을 기반으로 분석 영역, 응력 분포, 위험도 등급, 한국어 진단문을 함께 제공하므로, 비전문가의 초기 판단과 보완 점검에 활용될 수 있다.

시장 요구	기존 방식의 한계	본 과제의 대응 방향
점검 비용 절감	전용 조사차량과 전문 인력 운용에 높은 비용이 소요됨	스마트폰 부착형 열화상 카메라와 소프트웨어 기반 분석으로 장비 접근성 향상
상시 점검 수요	넓은 도로망을 짧은 주기로 반복 점검하기 어려움	손상 의심 구간에 대한 근접 촬영 및 반복 평가 가능
판단의 객관성	점검자 경험과 주관적 판단에 따라 결과 편차가 발생할 수 있음	FEM 열응력 해석 기반 응력비와 3단계 위험도 등급 제공
현장 활용성	전문 수치 결과는 비전문가가 즉시 해석하기 어려움	LLM 기반 한국어 진단문과 GUI를 통해 판단 근거를 직관적으로 제공

활용 대상 및 적용 시나리오

본 시스템의 1차 활용 대상은 도로포장 유지관리 업무를 수행하는 지자체, 공공기관, 도로 관리 주체이다. 특히 기존 PMS 또는 정밀 조사 장비를 보유하고 있더라도, 민원 대응이나 특정 손상 구간의 보완 점검이 필요한 기관에서 활용 가능성이 높다.

또한 본 시스템은 고가 장비 도입이 어려운 소규모 관리기관에서도 기초적인 도로포장 상태 확인 도구로 활용될 수 있다. 장기적으로는 도로포장뿐 아니라 교량, 터널, 옹벽 등 열화상 기반 모니터링이 가능한 SOC 시설물의 열화 진단으로 확장할 수 있다.

1차 활용 대상	적용 시나리오	확장 방향
대상 지자체, 공공기관, 도로포장 유지관리 담당 기관 필요성 민원 대응, 보완 점검, 손상 의심 구간의 빠른 상태 확인	현장 촬영 FLIR ONE Pro급 열화상 카메라로 손상 의심 구간 촬영 자동 분석 분석 영역 추출, FEM 해석, 위험도 판정, 한국어 진단문 생성	도로포장 고도화 계절별 데이터 축적 및 보수 이력 연계 SOC 확장 교량, 터널, 옹벽 등 열화상 기반 시설물 진단으로 확장

시장 공백 및 차별성

기존 도로포장 점검 시장에는 고정밀 전용 장비 기반 조사 기술과 AI 기반 손상 탐지 기술이 존재한다. 그러나 저비용 열화상 촬영, 균열 주변 물리적 위험도 정량화, 비전문가용 자연어 설명을 하나의 워크플로우로 통합한 현장형 소프트웨어는 제한적이다.

기능 항목	인력 기반 점검	전용 조사차량	기존 AI 탐지	본 과제
저비용 장비 운용	부분적	제한적	부분적	지원
물리 기반 위험도 정량화	미흡	부분적	미흡	지원
비전문가용 설명 제공	부분적	제한적	제한적	지원
GUI 기반 통합 SW	미지원	부분적	부분적	지원

시장성 요약 — 본 과제는 고가 장비 기반 정밀 조사와 단순 AI 손상 탐지 사이의 공백을 보완하여, 저비용 열화상 촬영 장비와 물리 기반 위험도 평가, LLM 설명 인터페이스를 결합한 현장형 도로포장 유지관리 보조 시스템으로 활용될 수 있다.

개발과제의 기대효과

기술적 기대효과

본 과제는 도로포장 열화 평가 과정에서 열화상 영상, Vision AI, 물리 기반 수치해석, LLM 설명 인터페이스를 하나의 분석 흐름으로 통합했다는 점에서 기술적 의의가 있다. 기존 AI 기반 도로포장 손상 탐지 기술은 균열의 위치나 형상을 식별하는 데 집중되어 있었으나, 본 과제는 열화상 영상에서 추출한 온도 분포를 FEM 기반 열응력 해석으로 연결하여 균열 주변의 물리적 위험도를 정량적으로 평가할 수 있도록 하였다.

또한 SAM2 기반 분석 영역 추출과 형태학적 확대 연산을 통해 균열 주변의 열영향 영역을 자동으로 설정하고, 해당 영역의 온도 분포를 응력 해석 입력값으로 변환하였다. 이를 통해 단순한 이미지 분할 결과가 아니라, 실제 포장 재료의 열적 거동과 연결되는 해석 결과를 도출할 수 있었다. 이러한 구조는 향후 도로포장뿐 아니라 교량, 터널, 옹벽 등 다양한 SOC 시설물의 열화상 기반 손상 평가 기술로 확장될 수 있다.

마지막으로 본 과제는 FEM 해석 결과와 위험도 판정 결과를 LLM 기반 한국어 진단문으로 변환하여, 복잡한 수치해석 결과를 비전문가도 이해할 수 있는 형태로 제공하였다. 이는 AI 분석 결과의 설명 가능성을 높이고, 현장 실무자가 분석 결과를 유지관리 판단에 활용할 수 있도록 지원한다는 점에서 의미가 있다.

경제적, 사회적 기대 및 파급효과

본 과제는 고가의 전용 조사차량이나 대형 계측 장비에 의존하지 않고, 스마트폰 부착형 열화상 카메라와 소프트웨어 기반 분석을 활용한다는 점에서 경제적 효과가 있다. 기존 정밀 조사 장비는 높은 구축 비용과 전문 인력 운용 부담으로 인해 모든 도로 구간을 자주 점검하기 어렵지만, 본 시스템은 저비용 장비를 활용하여 손상 의심 구간을 빠르게 확인하고 반복 관찰할 수 있다.

특히 지자체나 소규모 도로관리 기관에서는 민원 발생 구간, 포트홀 발생 우려 구간, 균열이 육안으로 확인되는 구간에 대해 즉시 현장 확인이 필요한 경우가 많다. 본 시스템은 현장에서 취득한 열화상 이미지를 기반으로 위험도 등급과 한국어 진단문을 제공하므로, 전문 인력이 부족한 환경에서도 초기 판단과 보완 점검을 수행하는 데 활용될 수 있다.

사회적으로는 도로포장 손상의 조기 발견과 선제적 보수 판단을 지원함으로써 포트홀, 균열 확대, 국부 파손 등으로 인한 교통사고 위험을 줄이는 데 기여할 수 있다. 또한 손상 구간의 위험도를 정량적으로 평가하고 보수 우선순위 판단을 지원함으로써, 유지관리 예산을 보다 효율적으로 배분하고 도로 이용자의 안전성과 주행 쾌적성을 향상시키는 효과를 기대할 수 있다.

나아가 본 과제에서 제안한 저비용·고접근성 도로포장 열화 평가 시스템은 기존 정밀 조사 체계를 보완하는 현장형 유지관리 도구로 활용될 수 있다. 향후 계절별 데이터 축적, 보수 이력 연계, 장기 모니터링 기능이 추가된다면 도로포장 유지관리의 디지털 전환과 예방적 유지관리 체계 구축에도 기여할 수 있다.

기술개발 일정 및 추진체계

개발 일정

본 과제는 3월부터 6월까지 약 4개월 동안 수행되었다. 3월에는 열화상 도로 촬영 데이터를 수집하고, 4월부터 5월까지는 SAM2 기반 분석 영역 추출 모듈과 FEM 기반 열응력 산정 모듈을 개발하였다. 5월부터 6월까지는 위험도 산정, LLM 기반 설명 생성, 사용자 인터페이스 설계 및 전체 파이프라인 통합을 수행하였다. 보고서 작성과 발표자료 작성은 전 기간에 걸쳐 병행하였다.

단계	세부개발 내용	담당자	비고
사전과업	열화상 도로 촬영 데이터 수집	전체	초기 데이터 확보
사전과업	열화상 장비 선정 및 원리 분석	전지원	장비 선정 및 이론 검토
세부과업 1	SAM2 프롬프트 튜닝을 위한 학습데이터 구축	박윤수, 공은지	AI 학습데이터 구축
	SAM2 프롬프트 튜닝 기반 분석 영역 추출 모델 개발	공은지	분석 영역 추출
	형태학적 확대 기반 분석 영역 후처리 모듈 개발	박윤수	열영향 영역 반영
세부과업 2	기온 기반 물성치 동적 할당 모듈 개발	지유정	물성치 조건 설정
	FEM 기반 열응력 산정 모듈 개발	지유정	열응력 해석
	통합 위험도 산정 모듈 개발	지유정	위험도 등급화
세부과업 3	연산 결과 설명 인터페이스 디자인	강민서, 양유진	GUI 설계
	연산 결과 설명 LLM 모델 구축	양유진	한국어 진단문 생성
	전체 파이프라인 통합	양유진	최종 사용자 인터페이스 연계
사후과업	전체 파이프라인 구축 및 검증	전체	최종 검증
상시과업	보고서 작성	전체	문서화
상시과업	발표자료 작성	전체	발표 준비

일정 요약 — 본 과제는 3월 열화상 도로 촬영 데이터 수집을 시작으로, 4~5월 SAM2 기반 분석 영역 추출과 FEM 기반 열응력 해석 모듈을 개발하고, 5~6월 LLM 기반 설명 인터페이스 및 전체 파이프라인 통합을 수행하는 방식으로 추진되었다.

구성원 및 추진체계

본 과제는 열화상 도로포장 이미지 분석, 물리 기반 열응력 해석, LLM 기반 설명 인터페이스 개발이 결합된 융합형 프로젝트이다. 이에 따라 구성원별 역할을 Vision AI, 열응력 해석, 위험도 산정, 인터페이스 설계, LLM 설명 생성, 전체 파이프라인 통합, 발표 및 문서화 업무로 분담하여 추진하였다.

구성원	주요 담당 역할	세부 수행 내용
공은지	팀장, Vision AI, 최종발표 및 일정 관리	SAM2 프롬프트 튜닝 기반 분석 영역 추출 모델 개발, SAM2 프롬프트 튜닝을 위한 학습데이터 구축, 실도로 데이터 수집, 개발 일정 조율, 지원금 관리, 최종발표 수행, 최종 결과 정리
박윤수	학습데이터 구축, 후처리 모듈, 포스터 및 개념설계 발표	과제 제안 배경 문헌조사 및 분석, SAM2 프롬프트 튜닝을 위한 학습데이터 구축, 형태학적 확대 기반 분석 영역 후처리 모듈 개발, 개념설계 발표 수행, 최종포스터 작성
지유정	물리 해석, 위험도 산정, 상세설계 발표	기온 기반 물성치 동적 할당 모듈 개발, FEM 기반 열응력 산정 모듈 개발, 통합 위험도 산정 모듈 개발, 실도로 데이터 수집 파이프라인 설계 및 수행, 상세설계 발표 수행
강민서	인터페이스 설계, 경쟁력분석 발표, 최종 논리 정리	연산 결과 설명 인터페이스 디자인, 사용자 화면 구성 및 결과 표시 방식 설계, 경쟁력분석 발표 수행, 최종 성과물 및 논리 구조 취합·검토·정리
양유진	LLM 설명 생성, 전체 파이프라인 통합, 과제제안 발표	연산 결과 설명 LLM 모델 구축, 인터페이스 설계 지원, 전체 파이프라인 통합 및 사용자 인터페이스 연계, 실도로 데이터 수집, 과제제안 발표 수행
전지원	열화상 장비 분석, 산업체 자문, 최종 발표자료	열화상 장비 선정 및 원리 분석, 실도로 데이터 수집, 산업체 인터뷰 및 자문 컨택·수행, 최종 발표자료 구성, 시스템 결과물 정리 및 발표 흐름 설계

본 과제의 추진체계는 세부 모듈을 독립적으로 개발한 뒤 최종 단계에서 하나의 소프트웨어 파이프라인으로 통합하는 방식으로 구성되었다. 먼저 Vision AI 모듈은 열화상 이미지에서 분석 영역을 산출하고, 물리 해석 모듈은 해당 영역의 온도 분포를 기반으로 열응력과 위험도를 계산한다. 이후 LLM 및 GUI 모듈은 해석 결과를 사용자에게 이해 가능한 형태로 제공한다. 또한 발표, 보고서, 포스터, 산업체 자문 등 대외 산출물은 각 구성원이 분담하여 수행하였으며, 최종적으로는 열화상 입력부터 위험도 판정 및 한국어 진단문 생성까지 이어지는 통합 시스템을 구현하였다.

추진체계 요약 — 본 과제는 SAM2 기반 분석 영역 추출, FEM 기반 열응력 해석, LLM 기반 설명 인터페이스를 세부 모듈로 분리하여 개발하고, 실도로 데이터 수집·산업체 자문·발표 및 문서화 업무를 병행하여 최종 통합 소프트웨어로 연결하는 방식으로 추진되었다.

설계

설계사양

제품의 요구사항

본 과제의 최종 산출물은 열화상 도로포장 이미지를 입력받아 균열 주변의 분석 영역을 추출하고, 해당 영역의 온도 분포를 기반으로 열응력을 계산한 뒤, 위험도 등급과 한국어 진단문을 제공하는 소프트웨어 시스템이다. 따라서 제품 요구사항은 단순한 이미지 표시 기능이 아니라, 열화상 데이터 처리, Vision AI 기반 분석 영역 추출, FEM 기반 물리 해석, 위험도 산정, 사용자 설명 인터페이스까지 포함하는 통합 기능을 기준으로 정의하였다.

구분	요구사항	세부 내용
입력 데이터	열화상 도로포장 이미지 입력	스마트폰 부착형 열화상 카메라 또는 열화상 이미지 파일을 통해 도로포장 표면 온도 분포를 입력받을 수 있어야 한다.
분석 영역 추출	균열 및 주변 분석 영역 자동 추출	SAM2 기반 Vision AI를 활용하여 열화상 이미지에서 균열 및 균열 주변 분석 영역을 픽셀 단위 이진 마스크로 추출할 수 있어야 한다.
후처리	열영향 영역 반영	탐지된 균열 마스크에 형태학적 확대 연산을 적용하여 균열 자체뿐 아니라 주변 열영향 영역까지 해석 대상에 포함해야 한다.
물리 해석	온도 분포 기반 열응력 계산	분석 영역의 온도 행렬을 기반으로 2차원 평면응력 조건의 FEM 해석을 수행하고, 최대 주응력을 산정할 수 있어야 한다.
위험도 평가	3단계 위험도 등급 산정	계산된 열응력과 아스팔트 인장강도를 비교하여 Safe, Warning, Critical의 3단계 위험도 등급을 산정해야 한다.
사용자 설명	한국어 자연어 진단문 생성	위험도 등급, 응력비, 온도 분포, 분석 영역 정보를 바탕으로 비전문가도 이해 가능한 한국어 진단문을 생성해야 한다.
인터페이스	GUI 기반 분석 결과 제공	사용자가 이미지를 업로드하고, 분석 결과와 위험도 판정, 자연어 설명을 하나의 화면에서 확인할 수 있어야 한다.

요구사항 요약 — 본 시스템은 열화상 이미지 입력부터 분석 영역 추출, FEM 열응력 해석, 위험도 판정, 한국어 진단문 생성까지를 하나의 소프트웨어 파이프라인으로 수행해야 한다.

설계 사항

본 시스템은 열화상 영상 기반 도로포장 손상 평가를 위해 세 개의 핵심 모듈로 구성된다. 첫 번째는 열화상 이미지에서 균열 및 주변 분석 영역을 추출하는 Vision AI 모듈이고, 두 번째는 분석 영역의 온도 분포를 이용하여 열응력을 계산하는 물리 해석 모듈이며, 세 번째는 해석 결과를 사용자가 이해 가능한 형태로 제공하는 LLM 기반 설명 인터페이스 모듈이다.

세부과업 1 분석 영역 추출	세부과업 2 열응력 해석 및 위험도 산정	세부과업 3 설명 생성 및 인터페이스
입력 열화상 도로포장 이미지 핵심 기능 SAM2 프롬프트 튜닝 기반 분석 영역 추출 형태학적 확대 기반 후처리 출력 균열 및 주변 분석 영역 이진 마스크	입력 분석 영역의 온도 분포 행렬 핵심 기능 기온 기반 물성치 동적 할당 FEM 기반 열응력 산정 응력비 기반 위험도 등급화 출력 최대 주응력, 응력비, 위험도 등급	입력 열화상 이미지, 분석 마스크, FEM 해석 결과, 위험도 등급 핵심 기능 LLM 기반 한국어 진단문 생성 GUI 기반 분석 결과 표시 출력 시각화 결과, 위험도 설명, 보수 의견

설계 과정에서 가장 중요한 기준은 각 모듈의 입출력 형식을 명확히 정의하여 전체 파이프라인이 중단 없이 연결되도록 하는 것이었다. Vision AI 모듈은 열화상 이미지를 분석 영역 마스크로 변환하고, 물리 해석 모듈은 해당 마스크 내부의 온도 행렬을 FEM 입력값으로 변환하며, LLM 및 GUI 모듈은 최종 해석 결과를 사람이 이해할 수 있는 설명으로 변환한다.

개념설계안

본 과제의 개념설계안은 “열화상 이미지 한 장으로부터 도로포장 균열 주변의 열화 위험도를 자동 평가하고, 그 결과를 사용자에게 설명 가능한 형태로 제공하는 시스템”으로 정의된다. 이를 위해 전체 시스템은 열화상 이미지 입력, 분석 영역 추출, 온도 분포 해석, 열응력 계산, 위험도 산정, 자연어 설명 생성의 순서로 작동하도록 설계하였다.

단계	개념설계 내용	설계 의도
단계 0	열화상 영상 취득 및 입력 데이터 정의	도로포장 표면의 온도 분포를 픽셀 단위 데이터로 입력받아 후속 AI 분석과 물리 해석의 기초 자료로 사용한다.
단계 1	SAM2 기반 분석 영역 추출	열응력 해석을 전체 이미지에 적용하지 않고, 균열 및 균열 주변부를 중심으로 분석 영역을 제한하여 해석 효율과 의미를 높인다.
단계 2	FEM 기반 열응력 해석	온도 분포를 단순 시각 정보로 처리하지 않고, 아스팔트 포장의 열변형 및 응력 발생과 연결하여 물리적 위험도를 정량화한다.
단계 3	위험도 산정 및 LLM 설명 생성	계산된 응력비를 Safe, Warning, Critical 등급으로 변환하고, 결과를 한국어 진단문으로 제공하여 현장 활용성을 높인다.

개념설계의 핵심은 기존 AI 손상 탐지 기술의 결과를 단순한 균열 마스크에 머무르게 하지 않고, 물리 기반 열응력 해석과 연결하는 것이다. 즉, 본 시스템은 “어디에 균열이 있는가”를 찾는 것에서 나아가 “해당 균열 주변이 물리적으로 얼마나 위험한가”를 평가하도록 설계되었다.

개념설계 요약 — 본 과제는 SAM2 기반 분석 영역 추출, FEM 기반 열응력 해석, LLM 기반 설명 인터페이스를 결합하여 열화상 이미지 기반 도로포장 위험도 평가 시스템을 구현하는 것을 목표로 한다.

이론적 계산 및 시뮬레이션

단계 0. 열화상 영상 취득 원리

열화상 카메라는 물체가 방출하는 적외선 복사 에너지를 감지하여 표면 온도 분포를 영상으로 변환한다. 절대온도 이상의 모든 물체는 적외선 에너지를 방출하며, 물체의 표면 온도와 방사율에 따라 방출되는 적외선 세기가 달라진다. 도로포장, 차량, 가드레일, 주변 구조물은 서로 다른 열용량과 방사율을 가지므로 열화상 영상에서 서로 다른 온도 분포로 나타난다.

FLIR ONE Pro와 같은 열화상 카메라는 마이크로볼로미터 센서를 이용하여 렌즈를 통해 들어온 적외선 에너지를 감지한다. 적외선 에너지가 센서 배열의 각 픽셀에 도달하면 픽셀 내부 재료의 온도가 변화하고, 이에 따라 전기 저항이 변한다. 카메라 시스템은 이 신호를 디지털 값으로 변환하여 각 픽셀별 온도 정보를 포함한 열화상 데이터를 생성한다.

단계 1. SAM2 기반 분석 영역 추출

본 단계에서는 열화상 도로포장 이미지에서 균열 및 주변 분석 영역을 추출하기 위해 SAM2 기반 Vision AI를 활용하였다. 입력 열화상 이미지는 높이, 너비, 채널을 갖는 영상 행렬로 정의되며, 열화상 데이터의 경우 채널은 온도 정보를 나타내는 단일 채널로 해석할 수 있다.

SAM2 모델은 이미지 인코더, 프롬프트 인코더, 마스크 디코더로 구성된다. 본 설계에서는 사람이 매번 프롬프트를 입력하지 않아도 되도록 Soft Prompt를 학습 가능한 벡터로 정의하고, 프롬프트 튜닝을 통해 열화상 도로포장 균열 영역에 적합한 프롬프트 표현을 학습하였다. 이후 마스크 디코더는 이미지 특징과 프롬프트 특징을 결합하여 각 픽셀이 분석 영역에 속할 확률을 나타내는 확률 마스크를 생성한다.

생성된 확률 마스크는 임계값 처리를 통해 이진 마스크로 변환된다. 이때 이진 마스크는 균열 자체만을 의미하는 것이 아니라, 후속 열응력 해석의 기초 분석 영역을 의미한다. 또한 균열 주변부의 열영향 영역을 포함하기 위해 형태학적 확대 연산을 적용하여 최종 분석 영역을 생성하였다.

단계 2. FEM 기반 열응력 해석

본 단계에서는 분석 영역의 온도 분포를 이용하여 도로포장 표면에 발생하는 열응력을 계산하였다. 아스팔트 포장은 온도 변화에 따라 수축 또는 팽창하며, 이러한 열변형이 구속될 경우 내부 응력이 발생한다. 본 시스템은 분석 영역의 픽셀별 온도 분포를 열하중으로 해석하고, 2차원 평면응력 조건에서 CST(Constant Strain Triangle) 요소 기반 FEM 해석을 수행하였다.

해석 과정에서는 먼저 분석 영역을 삼각형 유한요소로 분할하고, 각 요소에 대해 변형률-변위 행렬과 평면응력 구성 행렬을 정의한다. 이후 온도 변화에 따른 열변형률을 계산하고, 이를 기반으로 요소 강성 행렬과 등가 열하중을 구성한다. 모든 요소의 행렬을 전체 시스템 행렬로 조립한 뒤 경계조건을 적용하여 변위를 계산하고, 최종적으로 각 요소의 응력 및 최대 주응력을 산정한다.

위험도 평가는 계산된 최대 주응력과 아스팔트의 인장강도를 비교하는 방식으로 수행하였다. 응력비는 다음과 같이 정의하였다.

응력비 R = 최대 주응력 / 아스팔트 인장강도

응력비가 0.7 미만이면 Safe, 0.7 이상 1.0 미만이면 Warning, 1.0 이상이면 Critical로 분류하였다. 이는 열응력이 재료의 인장강도에 얼마나 근접했는지를 기준으로 균열 위험도를 단계적으로 판단하기 위한 기준이다.

위험도 등급	응력비 기준	의미	권장 조치
Safe	R < 0.7	열응력이 충분히 낮은 수준	정기 모니터링
Warning	0.7 ≤ R < 1.0	내부 피로 균열 진행 가능성	정밀 점검 권고
Critical	R ≥ 1.0	인장강도 초과 또는 균열 위험 증가	즉시 보수 검토

단계 3. LLM 기반 설명 생성

FEM 해석 결과는 최대 주응력, 응력비, 위험도 등급, 분석 영역, 온도 분포 등 여러 수치와 중간 산출물로 구성된다. 그러나 이러한 결과는 전문 지식이 없는 사용자가 즉시 이해하기 어렵기 때문에, 본 시스템은 LLM 기반 설명 생성 모듈을 통해 해석 결과를 한국어 진단문으로 변환하도록 설계하였다.

LLM에는 분석 결과 파일의 주요 항목을 전달하고, 도로포장 유지관리 관점에서 위험도 의미와 권장 조치를 설명하도록 프롬프트를 구성하였다. 이를 통해 사용자는 단순히 Safe, Warning, Critical 등급만 확인하는 것이 아니라, 해당 등급이 산정된 이유와 보수 판단에 필요한 근거를 함께 확인할 수 있다.

시뮬레이션 및 검증

FEM 열응력 해석 모듈의 수학적 타당성을 확인하기 위해 이론해와 수치해 비교를 수행하였다. 완전구속 평면응력 조건에서 계산한 이론해와 CST 기반 FEM 수치해를 비교한 결과, 오차율은 0.17%로 나타났으며, 이는 기준치 15%보다 충분히 낮은 값이다. 이를 통해 변형률-변위 행렬, 평면응력 구성 행렬, 글로벌 강성 행렬 조립 로직이 수학적으로 올바르게 구현되었음을 확인하였다.

또한 TSRST 문헌값과 비교하여 저온 조건에서의 파괴응력 계산 타당성을 검증하였다. 혹한기 급속 냉각 조건을 모사한 결과, 문헌값 대비 파괴응력 오차율은 0.11%로 나타났으며, 이는 계산된 열응력이 실제 아스팔트의 저온 균열 거동과 물리적으로 부합함을 보여준다.

마지막으로 실도로 열화상 영상에 시스템을 적용하여 통합 파이프라인의 실행 가능성을 확인하였다. 봄철 상온 조건의 서울시립대 내부도로 실측 데이터 537장은 모두 Safe 등급으로 판정되었고, 겨울철 저온 조건의 공개 데이터셋에서는 Warning 및 Critical 등급이 탐지되어 온도 및 물성 변화에 따른 위험도 변화가 가설과 일치함을 확인하였다.

검증 요약 — FEM 해석 모듈은 이론해 대비 오차율 0.17%, TSRST 문헌값 대비 파괴응력 오차율 0.11%를 보였으며, 실도로 데이터 적용을 통해 열화상 입력부터 위험도 판정까지의 전체 파이프라인이 정상 작동함을 확인하였다.

상세설계 내용

시스템 전체 구조

본 시스템은 열화상 이미지 입력부, 분석 영역 추출부, 열응력 해석부, 위험도 산정부, LLM 설명 생성부, GUI 출력부로 구성된다. 사용자가 열화상 도로포장 이미지를 입력하면, 시스템은 먼저 SAM2 기반 분석 영역 추출 모듈을 통해 균열 및 주변 분석 영역을 이진 마스크로 산출한다. 이후 해당 영역의 온도 행렬을 FEM 해석 모듈에 전달하여 열응력을 계산하고, 계산된 응력비를 기준으로 위험도 등급을 산정한다. 마지막으로 LLM 설명 생성 모듈이 위험도 판단 근거를 한국어로 설명하고, GUI는 분석 결과를 사용자에게 시각적으로 제공한다.

구성 요소	입력	처리 내용	출력
열화상 입력 모듈	열화상 도로포장 이미지	이미지 업로드 및 온도 행렬 입력값 정의	열화상 이미지 데이터
Vision AI 모듈	열화상 이미지	SAM2 프롬프트 튜닝 기반 분석 영역 추출 및 형태학적 확대	분석 영역 이진 마스크
FEM 해석 모듈	분석 영역 마스크, 온도 행렬	CST 기반 2차원 평면응력 열응력 해석	최대 주응력, 응력 분포
위험도 산정 모듈	최대 주응력, 인장강도	응력비 계산 및 3단계 위험도 등급화	Safe, Warning, Critical 등급
LLM 설명 모듈	위험도 등급, 응력비, 분석 결과	도로포장 유지관리 관점의 한국어 진단문 생성	자연어 설명문
GUI 모듈	이미지, 마스크, 해석 결과, 설명문	분석 결과 시각화 및 사용자 질의응답 제공	통합 결과 화면

모듈 간 데이터 흐름

상세설계에서는 각 모듈이 독립적으로 개발되더라도 최종 통합 과정에서 오류 없이 연결될 수 있도록 입출력 형식을 명확히 정의하였다. Vision AI 모듈은 열화상 이미지를 입력받아 분석 영역 마스크를 생성하고, FEM 모듈은 해당 마스크를 기준으로 온도 행렬을 추출하여 열응력을 계산한다. 위험도 산정 모듈은 FEM 결과를 응력비로 변환하고, LLM 모듈은 이 결과를 자연어 설명으로 변환한다.

열화상 이미지 입력
→ SAM2 기반 분석 영역 추출
→ 형태학적 확대 후처리
→ 분석 영역 온도 행렬 추출
→ FEM 기반 열응력 계산
→ 응력비 기반 위험도 산정
→ LLM 기반 한국어 진단문 생성
→ GUI 기반 결과 제공

최종 구현 방향

최종 구현 시스템은 사용자가 열화상 이미지를 업로드하면 자동으로 분석을 수행하고, 결과를 하나의 화면에서 확인할 수 있는 통합 소프트웨어를 지향한다. 사용자는 입력 이미지, 분석 영역, 온도 분포, 응력 분포, 위험도 등급, 한국어 진단문을 순차적으로 확인할 수 있으며, 필요할 경우 추가 질의를 통해 분석 결과의 의미를 확인할 수 있다.

본 상세설계의 핵심은 각 요소기술을 단순히 병렬적으로 나열하는 것이 아니라, 열화상 데이터가 AI 분석, 물리 해석, 위험도 산정, 자연어 설명으로 이어지는 하나의 흐름을 갖도록 구성한 점이다. 이를 통해 본 시스템은 도로포장 손상 탐지의 접근성을 높이고, 손상 위치 식별을 넘어 물리적 위험도 평가와 현장 의사결정 지원까지 수행할 수 있도록 설계되었다.

상세설계 요약 — 본 시스템은 열화상 이미지 입력, SAM2 기반 분석 영역 추출, FEM 기반 열응력 해석, 응력비 기반 위험도 산정, LLM 기반 한국어 설명 생성, GUI 기반 결과 제공으로 이어지는 통합 소프트웨어 구조로 설계되었다.

결과 및 평가

완료 작품의 소개

본 과제의 최종 완료 작품은 열화상 영상 기반 도로포장 온도 분포 분석 및 열화 위험 구간 평가 시스템이다. 사용자가 열화상 도로포장 이미지를 입력하면, 시스템은 SAM2 기반 Vision AI를 이용하여 균열 주변 분석 영역을 추출하고, 해당 영역의 온도 분포를 기반으로 FEM 열응력 해석을 수행한다. 이후 계산된 응력비를 기준으로 Safe, Warning, Critical의 3단계 위험도를 산정하고, LLM 기반 한국어 진단문을 생성하여 사용자가 분석 결과를 직관적으로 이해할 수 있도록 제공한다.

본 시스템은 단순히 도로포장 균열의 위치를 탐지하는 데 그치지 않고, 열화상 영상의 온도 정보를 물리 기반 해석으로 연결하여 균열 주변의 열화 위험도를 정량적으로 평가한다는 점에서 차별성을 가진다. 또한 GUI 기반 인터페이스를 통해 입력 이미지, 분석 영역, 위험도 등급, 응력 해석 결과, 자연어 설명문을 하나의 화면에서 확인할 수 있도록 구현하였다.

프로토타입 사진 혹은 작동 장면

아래 그림은 최종 구현된 GUI 기반 분석 시스템의 작동 화면을 나타낸다. 분석 전 화면에서는 사용자가 열화상 이미지를 업로드하고 분석을 실행할 수 있으며, 분석 후 화면에서는 입력 영상, 분석 영역, 위험도 판정 결과, 한국어 진단문을 확인할 수 있다.

그림 2. 분석 전 GUI 화면.
사용자가 열화상 도로포장 이미지를 업로드하고 분석을 실행하기 전의 초기 화면이다.

그림 3. 분석 후 GUI 화면.
열화상 이미지 분석 후 분석 영역, 위험도 등급, 해석 결과 및 한국어 진단문이 출력된 화면이다.

시스템의 전체 작동 과정은 시연 영상을 통해 확인할 수 있다. 시연 영상에서는 열화상 이미지 업로드, 분석 실행, 위험도 산정, LLM 기반 설명문 생성, GUI 결과 확인까지의 과정을 순차적으로 보여준다.

파일:길바닥연구소 시연영상.mp4

개발된 소스코드는 GitHub 저장소를 통해 공개하였다.

GitHub: https://github.com/yongyujin0211-alt/SOC_Project

포스터

최종 포스터는 본 과제의 문제 정의, 개발 목표, 시스템 구성, 핵심 알고리즘, 검증 결과 및 기대효과를 종합적으로 정리한 산출물이다. 포스터에는 열화상 영상 기반 도로포장 위험도 평가 시스템의 전체 흐름과 최종 구현 결과가 요약되어 있으며, 본 과제가 기존 도로포장 손상 탐지 기술과 비교하여 가지는 차별성을 함께 제시하였다.

최종 포스터.
열화상 영상 기반 도로포장 온도 분포 분석 및 열화 위험 구간 평가 시스템의 개발 배경, 방법론, 검증 결과 및 기대효과를 정리한 포스터이다.

완료작품의 평가

완료작품의 평가는 Vision AI 기반 분석 영역 추출 성능, FEM 열응력 해석의 수학적·물리적 타당성, 실도로 데이터 기반 통합 시스템 작동성, LLM 설명문의 논리적 일관성을 중심으로 수행하였다. 이를 통해 본 시스템이 단순한 프로토타입 수준을 넘어, 열화상 영상 입력부터 위험도 판정 및 설명문 생성까지 하나의 소프트웨어 파이프라인으로 작동함을 확인하였다.

먼저 SAM2 기반 분석 영역 추출 모듈은 도로포장 균열 주변의 분석 영역을 자동으로 산출하는 역할을 수행하였다. 검증 결과, SAM2와 형태학적 확대 연산을 결합한 방식은 분석 대상 영역을 충분히 포함하는 방향으로 작동하였으며, Recall 0.9388을 달성하였다. 이는 후속 FEM 해석에서 균열 주변 열영향 영역을 누락하지 않는 데 중요한 결과이다.

FEM 열응력 해석 모듈은 이론해 및 문헌값과 비교하여 검증하였다. 완전구속 평면응력 조건에서 이론해와 수치해를 비교한 결과 오차율은 0.17%로 나타났으며, TSRST 문헌값과 비교한 파괴응력 오차율은 0.11%로 나타났다. 이는 구현된 FEM 해석 모듈이 수학적으로 올바르게 작동하고, 아스팔트 포장의 저온 열응력 거동을 물리적으로 타당하게 모사할 수 있음을 의미한다.

또한 실도로 열화상 영상 537장에 대해 전체 파이프라인을 적용한 결과, 모든 영상이 처리 중단 없이 분석되었고 위험도 판정 및 한국어 설명문이 생성되었다. 봄철 상온 조건에서 취득한 실도로 데이터는 모두 Safe 등급으로 판정되었으며, 이는 실제 촬영 조건과 물리적으로 일관된 결과이다. 반면 겨울철 저온 조건을 반영한 공개 데이터셋에서는 Warning 및 Critical 등급이 탐지되어, 온도 조건과 물성 변화에 따라 위험도 판정이 달라지는 시스템의 동작을 확인할 수 있었다.

LLM 기반 설명문은 FEM 해석 결과와 위험도 판정 결과를 바탕으로 생성되었다. 생성된 설명문은 입력 영상, 분석 영역, 위험도 등급과 논리적으로 모순되지 않는지 정성적으로 검토하였으며, 실도로 데이터 537장 전체에 대해 위험도 판정 결과를 설명하는 자연어 문장이 생성되었다. 이를 통해 본 시스템이 전문적인 수치해석 결과를 비전문가도 이해 가능한 형태로 변환할 수 있음을 확인하였다.

평가 요약 — 최종 시스템은 SAM2 기반 분석 영역 추출, FEM 기반 열응력 해석, 위험도 산정, LLM 설명문 생성을 하나의 파이프라인으로 통합하였으며, 실도로 열화상 영상 537장 전체를 중단 없이 처리하여 통합 소프트웨어로서의 작동 가능성을 확인하였다.

향후계획

본 과제는 졸업설계 수준에서 열화상 영상 기반 도로포장 위험도 평가 시스템의 핵심 기능을 구현하고 검증하였다. 다만 실제 도로 유지관리 현장에 적용하기 위해서는 데이터 다양성 확대, 계절별·환경별 검증, 위험도 기준 고도화, 현장 업무 시스템과의 연계가 추가적으로 필요하다.

우선 향후에는 다양한 계절, 시간대, 기상 조건에서 취득한 열화상 도로포장 데이터를 추가로 확보할 필요가 있다. 본 과제에서는 봄철 상온 조건의 실도로 데이터와 저온 조건의 공개 데이터셋을 활용하였으나, 실제 도로포장은 여름철 고온, 겨울철 저온, 우천 후 수분 잔류, 그늘 및 일사 조건 등에 따라 온도 분포가 크게 달라질 수 있다. 따라서 다양한 환경 조건을 반영한 데이터셋을 구축하면 시스템의 신뢰성과 일반화 성능을 높일 수 있다.

둘째, 위험도 산정 기준을 실제 유지관리 이력과 연계하여 고도화할 필요가 있다. 현재 시스템은 계산된 열응력과 아스팔트 인장강도를 비교하여 Safe, Warning, Critical의 3단계 위험도를 산정한다. 향후에는 실제 보수 이력, 포트홀 발생 이력, 교통량, 포장 연령, 기상 데이터 등을 함께 반영하여 위험도 기준을 보정하면 보다 실무적인 보수 우선순위 판단이 가능할 것이다.

셋째, 사용자 인터페이스와 보고서 자동화 기능을 확장할 수 있다. 현재 시스템은 GUI를 통해 분석 결과와 한국어 진단문을 제공하지만, 향후에는 분석 결과를 PDF 보고서, 점검 기록지, GIS 기반 위치 정보, 도로관리 시스템과 연계하는 방향으로 발전시킬 수 있다. 이를 통해 현장 점검자가 촬영한 열화상 이미지를 기반으로 손상 위치, 위험도, 보수 의견을 자동 기록하고 관리할 수 있다.

마지막으로 본 과제의 기술 구조는 도로포장뿐 아니라 교량, 터널, 옹벽 등 다른 SOC 시설물의 열화상 기반 손상 평가로 확장 가능하다. 열화상 영상에서 이상 온도 영역을 추출하고, 물리 기반 해석 및 자연어 설명으로 연결하는 구조는 다양한 시설물 유지관리 문제에 적용될 수 있다. 따라서 향후에는 도로포장 열화 평가 시스템을 기반으로, 열화상 기반 SOC 시설물 진단 플랫폼으로 확장하는 것을 장기적인 발전 방향으로 설정할 수 있다.

향후계획 요약 — 향후에는 계절별·환경별 데이터 확장, 실제 유지관리 이력 기반 위험도 기준 보정, 보고서 자동화 및 도로관리 시스템 연계, 타 SOC 시설물로의 적용 확장을 통해 현장 활용성을 높일 계획이다.

@@ 33번째 줄: / 33번째 줄: @@
 ====개발 과제 요약====
-도로포장 손상은 반복 교통하중, 온도 변화, 수분 침투 등이 복합적으로 작용하여 발생하며, 초기 균열이 방치될 경우 포트홀 및 국부 파손으로 확대될 수 있다. 그러나 기존 점검 방식은 고가의 전용 장비와 전문 인력에 의존하여 상시적 점검이 어렵고, 기존 AI 기반 탐지 기술은 손상 위치 식별에 집중되어 물리적 위험도를 정량적으로 평가하지 못하는 한계가 있다. 이에 본 과제는 열화상 영상 기반으로 도로포장 표면의 온도 분포를 분석하고, 균열 주변의 열화 위험도를 자동으로 평가하는 소프트웨어 시스템 개발을 목표로 한다.
+도로포장 손상은 반복 교통하중, 온도 변화, 수분 침투 등이 복합적으로 작용하여 발생하며, 초기 균열이 방치될 경우 포트홀 및 국부 파손으로 확대될 수 있다. 그러나 기존 점검 방식은 '''고가의 전용 장비와 전문 인력'''에 의존하여 상시적 점검이 어렵고, 기존 AI 기반 탐지 기술은 손상 위치 식별에 집중되어 '''물리적 위험도를 정량적으로 평가'''하지 못하는 한계가 있다. 이에 본 과제는 열화상 영상 기반으로 도로포장 표면의 온도 분포를 분석하고, 균열 주변의 열화 위험도를 자동으로 평가하는 소프트웨어 시스템 개발을 목표로 한다.
-제안 시스템은 스마트폰 부착형 열화상 카메라로 촬영한 도로 노면 이미지를 입력받아, SAM2 기반 Vision AI로 균열 주변 분석 영역을 추출하고, 형태학적 확대 연산을 통해 열영향 영역을 포함한 뒤, CST 기반 2차원 FEM 열응력 해석을 수행하여 Safe / Warning / Critical의 3단계 위험도를 산정한다. 검증 결과, SAM2+Dilation 기반 분석 영역 추출은 Recall 0.9388을 달성하였으며, FEM 해석은 이론해 대비 오차율 0.17%, TSRST 문헌값 대비 파괴응력 오차율 0.11%를 보였다. 또한 실도로 열화상 영상 537장 전체를 중단 없이 처리하고, 위험도 판정 결과와 논리적으로 모순되지 않는 한국어 설명문을 생성하였다.
+제안 시스템은 스마트폰 부착형 열화상 카메라로 촬영한 도로 노면 이미지를 입력받아, '''SAM2 기반 Vision AI로 균열 주변 분석 영역을 추출'''하고, 형태학적 확대 연산을 통해 열영향 영역을 포함한 뒤, '''CST 기반 2차원 FEM 열응력 해석'''을 수행하여 Safe / Warning / Critical의 3단계 위험도를 산정하며, LLM 기반 인터페이스를 통해 '''위험도 진단 결과를 자연어로 제공'''한다. 검증 결과, SAM2+Dilation 기반 분석 영역 추출은 Recall 0.9388을 달성하였으며, FEM 해석은 이론해 대비 오차율 0.17%, TSRST 문헌값 대비 파괴응력 오차율 0.11%를 보였다. 또한 실도로 열화상 영상 537장 전체를 중단 없이 처리하고, 위험도 판정 결과와 논리적으로 모순되지 않는 한국어 설명문을 생성하였다.
-본 과제는 저비용 열화상 장비와 AI 기반 분석 소프트웨어를 결합하여 도로포장 점검의 접근성을 높이고, 손상 위치 탐지를 넘어 물리적 근거에 기반한 위험도 평가를 가능하게 한다는 점에서 의의가 있다. 또한 GUI와 LLM 기반 한국어 진단문을 통해 비전문가도 분석 결과를 이해할 수 있어, 향후 지자체 민원 대응, 보완 점검, 보수 우선순위 판단 등에 활용될 수 있다.
+본 과제는 저비용 열화상 장비와 AI 기반 분석 소프트웨어를 결합하여 '''도로포장 점검의 접근성'''을 높이고, 손상 위치 탐지를 넘어 '''물리적 근거에 기반한 위험도 평가'''를 가능하게 한다는 점에서 의의가 있다. 또한 GUI와 LLM 기반 한국어 진단문을 통해 '''비전문가도 분석 결과를 이해'''할 수 있어, 향후 지자체 민원 대응, 보완 점검, 보수 우선순위 판단 등에 활용될 수 있다.
-<div style="border-left:4px solid #004094; padding:10px 14px; margin:12px 0; background-color:#E7E7E0;">'''요약''' — 본 과제는 열화상 이미지 한 장으로 도로포장 균열 주변의 열응력 기반 위험도를 정량 평가하고, 그 결과를 비전문가도 이해 가능한 한국어 진단문으로 제공하는 통합 소프트웨어 개발 과제이다.</div>
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''요약''' — 본 과제는 상시적이고 저렴한 도로포장 유지관리를 위해, 열화상 이미지 한 장으로 도로포장 균열 주변의 열응력 기반 위험도를 정량 평가하고 그 결과를 비전문가도 이해 가능한 한국어 진단문으로 제공하는 통합 소프트웨어를 개발하는 과제이다.</div>
 ====개발 과제의 배경====
-내용
+===== 도로포장 열화의 토목공학적 의미 =====
+'''도로'''는 사람과 물자의 이동을 가능하게 하는 핵심 사회기반시설이며, '''도로포장'''은 차량 하중을 지지하고 노상을 보호하며 주행 평탄성과 안전성을 확보하는 역할을 한다. 특히 '''도로포장의 표층'''은 교통하중과 외부 환경에 직접 노출되는 층으로, 균열·포트홀·소성변형 등 열화로 인한 손상이 가장 먼저 관찰되는 영역이다.
+균열은 도로포장 표층에서 발생하는 대표적인 초기 손상이다. 초기 균열이 방치될 경우 균열부를 통해 수분이 침투하고, 하부층의 지지력이 약화되며, 반복 교통하중에 의해 포트홀이나 국부 파손으로 확대될 수 있다. 이러한 도로포장의 손상 발생 및 확대는 통행을 방해하고, 도로의 사용성을 저해하며, 손상이 심화될 경우 하부 지반의 구조적 손상까지 이어질 수 있다. '''따라서 도로포장 열화 관리는 단순히 손상 위치를 찾는 문제가 아니라 손상의 확장 가능성과 보수 우선순위를 판단해야 하는 토목공학적 유지관리 문제이다.'''
+===== 이상기후와 온도하중에 따른 열화 위험 증가 =====
+아스팔트 포장은 온도 변화에 민감한 열가소성 재료로, 고온 환경에서는 바인더 점도와 강성이 감소하고 전단강도가 저하될 수 있다. 이러한 물성 변화는 반복 교통하중과 결합되면서 균열, 소성변형, 포트홀과 같은 다양한 도로포장 손상으로 이어지는 원인이 된다.
+또한 도로포장 표면의 국부적인 온도 차이와 반복적인 온도하중은 포장 내부의 열응력 발생과 관련된다. 따라서 도로포장 표면의 온도 분포는 단순한 영상 정보가 아니라, 열화 위험 구간을 판단하기 위한 중요한 공학적 입력 정보로 활용될 수 있다.
+===== 상시 열화 관리를 위한 저비용 점검 기술 필요성 =====
+도로포장 손상은 초기 발견과 적절한 보수 시점 판단이 중요하지만, 기존 점검 방식은 고가의 전용 장비와 전문 인력에 의존하는 경우가 많다. 이러한 방식은 정밀한 조사가 가능하다는 장점이 있으나, 넓은 도로망을 자주 점검하거나 지자체·소규모 관리기관이 상시적으로 활용하기에는 비용과 운용 부담이 크다.
+이에 따라 도로포장 유지관리 현장에서는 기존 정밀 조사 장비를 보완할 수 있는 저비용·경량화 점검 기술이 필요하다. 특히 민원 발생 구간, 균열 의심 구간, 반복 관찰이 필요한 구간에 대해 현장에서 빠르게 촬영하고 분석할 수 있는 시스템은 상시 유지관리 체계의 실효성을 높일 수 있다.
+{| style="width:100%; border-spacing:12px;"
+| style="width:50%; vertical-align:top; background:#E7E7E0; border-left:4px solid #63666a; padding:12px;" |
+'''기존 점검 방식의 한계'''
+* 고가 전용 장비 및 전문 인력 필요
+* 넓은 도로망의 상시 점검 어려움
+* 현장 비전문가의 즉시 활용성 부족
+| style="width:50%; vertical-align:top; background:#DCEBEC; border-left:4px solid #00B398; padding:12px;" |
+'''필요한 점검 기술의 방향'''
+* 저비용·경량화 장비 기반 현장 점검
+* 손상 의심 구간의 근접 정밀 평가
+* 비전문가도 이해 가능한 분석 결과 제공
+  |}
+===== 본 과제의 공학적 문제 정의 =====
+기존 도로포장 점검 및 AI 기반 손상 탐지 기술의 한계를 종합하면, 본 과제가 해결해야 할 문제는 크게 세 가지로 정리된다.
+{| class="wikitable" style="width:100%"
+|-
+! style="background:#63666a; color:white; width:33%"| '''i. 경제적 접근성 한계'''
+! style="background:#63666a; color:white; width:33%"| '''ii. 정량화 한계'''
+! style="background:#63666a; color:white; width:33%"| '''iii. 설명 가능성 한계'''
+|-
+| style="vertical-align:top; padding:10px"|
+기존 점검 방식은 수억 원대 전용 장비와 전문 인력이 필요한 경우가 많아, 예산이 제한된 지자체나 소규모 관리기관에서 상시적으로 활용하기 어렵다.
+| style="vertical-align:top; padding:10px"|
+기존 AI 기반 손상 탐지 기술은 손상 위치나 형상 식별에 집중되어 있으며, 균열 주변의 물리적 위험도를 수치적으로 평가하는 데에는 한계가 있다.
+| style="vertical-align:top; padding:10px"|
+열화상 맵, FEM 수치 결과, 위험도 지표 등은 전문 지식이 없는 사용자가 현장에서 즉시 해석하기 어려우며, 유지관리 의사결정에 바로 활용하기 어렵다.
+|}
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''문제 정의''' — 도로포장 손상의 조기 발견과 보수 우선순위 판단을 위해서는, 저비용·고접근성 점검 방식, 열화 위험도의 물리적 정량화, 현장 실무자가 이해 가능한 설명 체계가 결합된 유지관리 시스템이 필요하다.</div>
 ====개발 과제의 목표 및 내용====
-내용
+===== 개발 목표 =====
+본 과제는 앞서 정의한 경제적 접근성 한계, 정량화 한계, 설명 가능성 한계를 해결하기 위해 열화상 영상 기반 도로포장 위험도 평가 시스템을 개발하는 것을 목표로 한다. 이를 위해 저가형 스마트폰 부착형 열화상 카메라를 활용한 현장 적용성, FEM 기반 열응력 해석을 통한 물리적 위험도 정량화, LLM 기반 한국어 진단문 및 GUI를 통한 설명 가능성을 핵심 목표로 설정하였다.
+{| class="wikitable" style="width:100%"
+|-
+! style="background:#63666a; color:white; width:20%"| 공학적 문제
+! style="background:#63666a; color:white; width:40%"| 정성적 목표
+! style="background:#63666a; color:white; width:40%"| 정량적 목표
+|-
+| style="font-weight:bold; text-align:center"| 경제적 접근성 한계
+| 저가형 스마트폰 부착형 열화상 카메라 기반으로 도로포장 손상 구간의 근접 정밀 평가가 가능한 분석 기술 개발
+|
+* 일반 스마트폰 호환 가능
+* 장비 단가 '''50만원 이하''' 장비 사용
+  |-
+  | style="font-weight:bold; text-align:center"| 정량화 한계
+  | 열화상 영상의 온도 분포를 역학적 열하중으로 변환하고, 2D FEM 열응력 해석을 수행하여 균열 주변의 물리적 위험도를 Safe / Warning / Critical 3단계로 평가하는 기술 개발
+  |
+* SAM2 기반 분석 영역 추출 모듈 '''재현율(Recall) 90% 이상'''
+* 이론해-수치해 '''오차율 15% 미만'''
+* TSRST와의 파괴응력 '''오차율 15% 미만'''
+  |-
+  | style="font-weight:bold; text-align:center"| 설명 가능성 한계
+  | FEM 해석 결과와 위험도 판정 결과를 LLM에 전달하여, 비전문가도 판단 근거를 이해할 수 있는 한국어 진단문 및 GUI 기반 통합 인터페이스 개발
+  |
+* 실도로 열화상 영상 '''537건 중 500건 이상'''에서 입력 영상, 분석 영역, 위험도 판정 결과와 논리적으로 모순되지 않는 설명문 생성
+* 평균 처리 시간 '''2분/건 미만'''
+  |}
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''목표''' — 본 과제는 저비용 열화상 촬영 장비, 물리 기반 위험도 정량화, LLM 기반 설명 인터페이스를 결합하여 경제적 접근성, 정량화 부재, 설명 불가능 문제를 해결하는 도로포장 열화 위험 평가 시스템을 개발하는 것을 목표로 한다.</div>
+===== 개발 내용 =====
+본 시스템은 열화상 도로 노면 이미지를 입력으로 받아, 균열 주변 분석 영역 추출, 온도 분포 기반 물리 해석, 사용자 설명 인터페이스 제공의 3단계로 작동한다. 전체 파이프라인은 단순히 균열의 위치를 탐지하는 데 그치지 않고, 균열 주변의 온도 분포를 열응력 기반 위험도 지수로 변환하여 유지관리 의사결정에 활용 가능한 정보로 제공하는 것을 핵심으로 한다.
+[[파일:길바닥연구소_그림1.jpg|thumb|left|800px|그림 1. 개발 기술의 전체 프로세스.<br>SAM2 기반 균열 영역 추출, FEM 기반 온도 분포 물리 해석, LLM 기반 사용자 설명 인터페이스로 이어지는 3단계 파이프라인을 나타낸다.]]
+<br clear="left">
+{| class="wikitable" style="width:100%"
+|-
+! style="background:#DCEAF7; color:black; width:33%"| i. 세부과업 1<br>균열 영역 추출 Vision AI
+! style="background:#C1E5F5; color:black; width:33%"| ii. 세부과업 2<br>온도 분포 물리 해석 알고리즘
+! style="background:#8FBFFF; color:black; width:33%"| iii. 세부과업 3<br>LLM 기반 사용자 설명 인터페이스
+|-
+| style="vertical-align:top; padding:10px"|
+* '''입력:''' 열화상 도로 노면 이미지
+* '''방법:''' SAM2 기반 균열 영역 탐지 및 Soft Prompt 활용
+* '''후처리:''' Morphological Dilation을 통한 균열 주변 분석 영역 확대
+* '''출력:''' 균열 및 주변부를 포함한 분석 영역 마스크
+  | style="vertical-align:top; padding:10px"|
+* '''입력:''' 분석 영역의 절대 온도 행렬
+* '''방법:''' 온도 구배 분석, CST 기반 2D FEM 열응력 해석
+* '''위험도 산정:''' 최대 주응력과 인장강도 기반 응력비 계산
+* '''출력:''' Safe / Warning / Critical 3단계 위험도
+  | style="vertical-align:top; padding:10px"|
+* '''입력:''' 열화상 이미지, 분석 영역, FEM 해석 결과, 위험도 판정 결과
+* '''방법:''' EXAONE 3.5 LLM 기반 한국어 진단문 생성
+* '''인터페이스:''' FastAPI 백엔드 및 Flet GUI
+* '''출력:''' 위험도 등급, 시각화 결과, 한국어 보수 의견
+  |}
 ===관련 기술의 현황===
 ====관련 기술의 현황 및 분석(State of art)====
-*전 세계적인 기술현황
-내용
+===== SAM 계열 모델을 활용한 도로포장 손상 탐지 연구 =====
-*특허조사 및 특허 전략 분석
-내용
+'''SAM(Segment Anything Model)'''은 대규모 이미지 데이터로 사전학습된 범용 이미지 분할 모델로, 점·박스·마스크 등 다양한 프롬프트를 이용하여 여러 도메인의 객체를 분할할 수 있다는 장점이 있다. 이후 제안된 SAM2는 기존 SAM의 프롬프트 기반 분할 구조를 계승하면서도 추론 속도와 범용성을 개선하여, 도로포장 균열 탐지와 같은 현장 적용형 비전 과업에 활용 가능성이 높은 모델로 평가된다.
-*기술 로드맵
-내용
+최근에는 SAM 계열 모델을 도로포장 균열 탐지에 적용한 연구들이 수행되었다. 이들 연구는 RGB 기반 도로포장 이미지에서 균열의 위치와 형상을 정밀하게 분할할 수 있음을 보였으나, 대부분 균열의 형상 탐지에 집중되어 있으며 열화상 영상의 온도 분포나 균열 주변의 물리적 위험도 평가로는 확장되지 못했다.
+{| class="wikitable" style="width:100%"
+|-
+! style="background:#DCEAF7; color:black; width:33%"| i. Crack SAM
+! style="background:#DCEAF7; color:black; width:33%"| ii. SepSAM
+! style="background:#DCEAF7; color:black; width:33%"| iii. SAM2 기반 균열 분석 연구
+|-
+| style="vertical-align:top; padding:10px"|
+'''대상:''' 도로포장 균열 분할<br>
+'''방법:''' 바운딩 박스 프롬프트 기반 SAM 분할<br>
+'''의의:''' SAM 계열 모델의 균열 분할 적용 가능성 확인<br>
+'''한계:''' 균열 형상 분할 중심으로, 열적 위험도 평가는 수행하지 않음
+| style="vertical-align:top; padding:10px"|
+'''대상:''' 현장 적용형 균열 분할<br>
+'''방법:''' 프롬프트 에이전트를 활용한 경량 균열 분할<br>
+'''의의:''' 적은 학습 파라미터로 현장 적용 가능성 제시<br>
+'''한계:''' 손상 위치 탐지 중심으로, 유지관리 위험도 판단과의 연결은 제한적
+| style="vertical-align:top; padding:10px"|
+'''대상:''' 다중 출처 도로포장 균열 이미지<br>
+'''방법:''' SAM2, DINOv2, U-Net 계열 모델 결합<br>
+'''의의:''' 균열 길이·폭 등 형상 기반 정량화 가능성 제시<br>
+'''한계:''' RGB 기반 형상 정보 중심으로, 온도 분포 기반 물리 해석은 포함하지 않음
+|}
+===== 열화상 기반 도로포장 손상 탐지 연구 =====
+열화상 영상은 가시광선 영상과 달리 조명 변화, 그림자, 저조도 환경의 영향을 상대적으로 적게 받으며, 도로포장 손상 부위의 열적 특성이 표면 온도 분포로 나타날 수 있다는 장점이 있다. 이에 따라 열화상 이미지를 활용하여 도로포장 손상 여부와 손상 심각도를 분류하려는 연구들이 수행되었다.
+그러나 기존 열화상 기반 연구들은 대체로 딥러닝 모델을 이용하여 손상 유형이나 심각도를 분류하는 방식에 집중되어 있다. 이러한 접근은 열화상 영상이 손상 탐지에 유효한 입력 데이터가 될 수 있음을 보여주지만, 모델이 어떤 물리적 근거로 위험도를 판단했는지 설명하기 어렵다는 한계를 가진다.
+{| class="wikitable" style="width:100%"
+|-
+! style="background:#C1E5F5; color:black; width:50%"| 열화상 기반 손상 탐지
+! style="background:#C1E5F5; color:black; width:50%"| 열화상 기반 심각도 분류
+|-
+| style="vertical-align:top; padding:10px"|
+'''주요 내용'''<br>
+열화상 이미지에서 딥러닝 기반 도로포장 결함 탐지 및 분류를 수행하고, 손상 유형별 픽셀 강도 분포 차이를 분석함<br><br>
+'''한계'''<br>
+열화상 영상의 유효성은 확인하였으나, 판단 결과가 딥러닝 블랙박스 분류에 머물러 물리적 해석이 부족함
+| style="vertical-align:top; padding:10px"|
+'''주요 내용'''<br>
+열화상 특징을 이용하여 도로포장 손상 심각도를 단계적으로 분류하고, 온도 분포 패턴과 손상 심각도의 관련성을 제시함<br><br>
+'''한계'''<br>
+손상 심각도 분류는 가능하지만, 온도 분포가 실제 응력 및 파괴 위험으로 어떻게 연결되는지 설명하기 어려움
+|}
+===== 열화상 이미지를 활용한 온도 분포 해석 연구 =====
+열화상 이미지를 단순한 영상 데이터가 아니라 온도 분포 데이터로 해석하려는 연구도 수행되고 있다. 기존 연구에서는 열화상 이미지 내 온도 이상 영역을 군집화 기법으로 탐지하거나, 포장 표면 온도를 이용하여 내부 온도 분포를 예측하는 물리 기반 모델을 제안하였다. 이러한 연구들은 열화상 이미지의 온도 분포를 통계적 또는 물리적으로 해석할 수 있음을 보여준다.
+'''그러나 기존 온도 분포 해석 연구는 이상 온도 영역의 탐지 또는 내부 온도 예측에 집중되어 있으며, 그 결과를 실제 도로포장 균열의 위험도, 보수 필요성, 유지관리 의사결정과 직접 연결하는 데에는 한계가 있다.'''
+===== 기존 연구의 한계와 본 과제의 위치 =====
+기존 연구를 종합하면, 도로포장 손상 탐지와 열화상 기반 분석 기술은 각각 발전해 왔으나, 균열 탐지, 온도 분포 해석, 위험도 정량화, 사용자 설명을 하나의 워크플로우로 통합한 사례는 제한적이다. 본 과제는 이러한 기술적 공백을 보완하기 위해 SAM2 기반 분석 영역 추출, FEM 기반 열응력 해석, LLM 기반 설명 인터페이스를 결합한 통합 시스템을 제안한다.
+{| class="wikitable" style="width:100%"
+|-
+! style="background:#63666a; color:white; width:33%"| i. 균열 형상 탐지 중심
+! style="background:#63666a; color:white; width:33%"| ii. 블랙박스 손상 분류
+! style="background:#63666a; color:white; width:33%"| iii. 온도 해석과 유지관리 판단의 분리
+|-
+| style="vertical-align:top; padding:10px"|
+SAM 계열 연구는 도로포장 균열의 위치와 형상을 정밀하게 분할할 수 있음을 보였으나, 균열 주변의 열적 위험도나 응력 기반 위험도 산정으로 확장되지 못했다.
+| style="vertical-align:top; padding:10px"|
+열화상 기반 딥러닝 연구는 손상 탐지 및 심각도 분류 가능성을 보였으나, 판단 결과가 물리적 근거와 연결되지 않아 설명 가능성이 부족하다.
+| style="vertical-align:top; padding:10px"|
+온도 분포 해석 연구는 열화상 데이터의 통계적·물리적 해석 가능성을 보였으나, 이를 도로포장 보수 우선순위나 현장 의사결정과 직접 연결하지 못했다.
+|}
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''기술적 공백''' — 기존 연구는 균열 형상 탐지, 열화상 기반 손상 분류, 온도 분포 해석을 각각 수행해 왔으나, 열화상 영상에서 추출한 균열 주변 온도 분포를 물리적 열응력으로 변환하고 그 결과를 비전문가용 진단문으로 제공하는 통합 시스템은 제한적이다.</div>
 ====시장상황에 대한 분석====
-*경쟁제품 조사 비교
-내용
-*마케팅 전략 제시
-내용
-===개발과제의 기대효과===
+===== 경쟁제품 및 기존 기술 비교 =====
-====기술적 기대효과====
-내용
+현재 도로포장 상태 평가는 인력 기반 육안 점검, 전용 조사차량 기반 비파괴 조사, AI 기반 영상 분석 기술로 구분할 수 있다. 기존 방식은 정밀한 조사가 가능하다는 장점이 있으나, 고가의 장비와 전문 인력에 의존하므로 지자체나 소규모 도로 관리기관이 상시적으로 활용하기에는 비용과 운용 부담이 크다.
-====경제적, 사회적 기대 및 파급효과====
-내용
+본 과제는 기존 정밀 조사 장비를 완전히 대체하기보다는, 저비용 열화상 카메라와 AI 기반 분석 소프트웨어를 결합하여 민원 발생 구간, 균열 의심 구간, 반복 관찰이 필요한 구간을 빠르게 평가하는 보완 점검 도구를 목표로 한다.
+<table class="wikitable" style="width:100%; border-collapse:collapse;">
+<tr>
+<th style="background:#63666a; color:white; width:22%;">구분</th>
+<th style="background:#63666a; color:white; width:26%;">기존 인력 기반 점검</th>
+<th style="background:#63666a; color:white; width:26%;">전용 조사차량 기반 점검</th>
+<th style="background:#63666a; color:white; width:26%;">본 과제</th>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">장비 구성</td>
+<td>육안 점검 및 수동 기록</td>
+<td>FWD, GPR, 레이저 프로파일로미터, 산업용 열화상 카메라, GPS 등 전용 장비</td>
+<td>스마트폰 부착형 열화상 카메라와 분석 소프트웨어</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">비용 구조</td>
+<td>인력 투입 비용 중심</td>
+<td>전용 차량 및 고가 장비 구축 비용 발생</td>
+<td>50만원 이하 저가형 열화상 장비 기반</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">운용 방식</td>
+<td>점검자 경험에 의존</td>
+<td>전문 인력 및 전용 차량 운용 필요</td>
+<td>현장 촬영 후 소프트웨어 기반 자동 분석</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">결과 형태</td>
+<td>정성적 판단 및 기록</td>
+<td>수치 지표 및 전문 분석 결과</td>
+<td>위험도 등급, 응력 분포, 한국어 진단문 제공</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">주요 한계</td>
+<td>주관적 판단 개입, 넓은 도로망 상시 점검 어려움</td>
+<td>높은 구축 비용, 지자체·소규모 기관 도입 부담</td>
+<td>고속 주행 전수조사보다는 근접 정밀 평가 및 보완 점검에 적합</td>
+</tr>
+</table>
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''경쟁 기술 대비 위치''' — 본 과제는 기존 전용 조사차량 기반 정밀 점검을 대체하는 기술이 아니라, 저비용·경량화 장비를 활용하여 현장에서 손상 의심 구간을 빠르게 평가할 수 있는 보완형 도로포장 위험도 평가 시스템이다.</div>
+===== 제안 시스템의 시장성 =====
+국내 도로망은 규모가 크고 포장률이 높아, 도로포장 상태를 주기적으로 관리하기 위한 유지관리 수요가 지속적으로 발생한다. 그러나 모든 구간을 고가의 정밀 조사 장비로 자주 점검하는 것은 현실적으로 어렵기 때문에, 저비용으로 반복 관찰이 가능한 현장형 평가 시스템의 필요성이 존재한다.
+특히 지자체 도로관리 현장에서는 민원 발생 구간, 포트홀 발생 우려 구간, 균열이 육안으로 확인되는 구간에 대해 빠르게 현장 확인을 수행해야 한다. 이때 본 시스템은 열화상 이미지 한 장을 기반으로 분석 영역, 응력 분포, 위험도 등급, 한국어 진단문을 함께 제공하므로, 비전문가의 초기 판단과 보완 점검에 활용될 수 있다.
+<table class="wikitable" style="width:100%; border-collapse:collapse;">
+<tr>
+<th style="background:#63666a; color:white; width:25%;">시장 요구</th>
+<th style="background:#63666a; color:white; width:35%;">기존 방식의 한계</th>
+<th style="background:#63666a; color:white; width:40%;">본 과제의 대응 방향</th>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">점검 비용 절감</td>
+<td>전용 조사차량과 전문 인력 운용에 높은 비용이 소요됨</td>
+<td>스마트폰 부착형 열화상 카메라와 소프트웨어 기반 분석으로 장비 접근성 향상</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">상시 점검 수요</td>
+<td>넓은 도로망을 짧은 주기로 반복 점검하기 어려움</td>
+<td>손상 의심 구간에 대한 근접 촬영 및 반복 평가 가능</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">판단의 객관성</td>
+<td>점검자 경험과 주관적 판단에 따라 결과 편차가 발생할 수 있음</td>
+<td>FEM 열응력 해석 기반 응력비와 3단계 위험도 등급 제공</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">현장 활용성</td>
+<td>전문 수치 결과는 비전문가가 즉시 해석하기 어려움</td>
+<td>LLM 기반 한국어 진단문과 GUI를 통해 판단 근거를 직관적으로 제공</td>
+</tr>
+</table>
+===== 활용 대상 및 적용 시나리오 =====
+본 시스템의 1차 활용 대상은 도로포장 유지관리 업무를 수행하는 지자체, 공공기관, 도로 관리 주체이다. 특히 기존 PMS 또는 정밀 조사 장비를 보유하고 있더라도, 민원 대응이나 특정 손상 구간의 보완 점검이 필요한 기관에서 활용 가능성이 높다.
+또한 본 시스템은 고가 장비 도입이 어려운 소규모 관리기관에서도 기초적인 도로포장 상태 확인 도구로 활용될 수 있다. 장기적으로는 도로포장뿐 아니라 교량, 터널, 옹벽 등 열화상 기반 모니터링이 가능한 SOC 시설물의 열화 진단으로 확장할 수 있다.
+{| class="wikitable" style="width:100%"
+|-
+! style="background:#DCEAF7; color:black; width:33%"| 1차 활용 대상
+! style="background:#C1E5F5; color:black; width:33%"| 적용 시나리오
+! style="background:#8FBFFF; color:black; width:33%"| 확장 방향
+|-
+| style="vertical-align:top; padding:10px"|
+'''대상'''<br>
+지자체, 공공기관, 도로포장 유지관리 담당 기관<br><br>
+'''필요성'''<br>
+민원 대응, 보완 점검, 손상 의심 구간의 빠른 상태 확인
+| style="vertical-align:top; padding:10px"|
+'''현장 촬영'''<br>
+FLIR ONE Pro급 열화상 카메라로 손상 의심 구간 촬영<br><br>
+'''자동 분석'''<br>
+분석 영역 추출, FEM 해석, 위험도 판정, 한국어 진단문 생성
+| style="vertical-align:top; padding:10px"|
+'''도로포장 고도화'''<br>
+계절별 데이터 축적 및 보수 이력 연계<br><br>
+'''SOC 확장'''<br>
+교량, 터널, 옹벽 등 열화상 기반 시설물 진단으로 확장
+|}
+===== 시장 공백 및 차별성 =====
+기존 도로포장 점검 시장에는 고정밀 전용 장비 기반 조사 기술과 AI 기반 손상 탐지 기술이 존재한다. 그러나 저비용 열화상 촬영, 균열 주변 물리적 위험도 정량화, 비전문가용 자연어 설명을 하나의 워크플로우로 통합한 현장형 소프트웨어는 제한적이다.
+{| class="wikitable" style="width:100%"
+|-
+! style="background:#63666a; color:white; width:24%"| 기능 항목
+! style="background:#63666a; color:white; width:19%"| 인력 기반 점검
+! style="background:#63666a; color:white; width:19%"| 전용 조사차량
+! style="background:#63666a; color:white; width:19%"| 기존 AI 탐지
+! style="background:#63666a; color:white; width:19%"| '''본 과제'''
+|-
+| style="font-weight:bold"| 저비용 장비 운용
+| style="text-align:center"| <span style="background:#D9D9D6; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">부분적</span>
+| style="text-align:center"| <span style="background:#E7E7E0; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">제한적</span>
+| style="text-align:center"| <span style="background:#D9D9D6; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">부분적</span>
+| style="text-align:center"| <span style="background:#DCEAF7; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">지원</span>
+|-
+| style="font-weight:bold"| 물리 기반 위험도 정량화
+| style="text-align:center"| <span style="background:#E7E7E0; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">미흡</span>
+| style="text-align:center"| <span style="background:#D9D9D6; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">부분적</span>
+| style="text-align:center"| <span style="background:#E7E7E0; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">미흡</span>
+| style="text-align:center"| <span style="background:#DCEAF7; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">지원</span>
+|-
+| style="font-weight:bold"| 비전문가용 설명 제공
+| style="text-align:center"| <span style="background:#D9D9D6; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">부분적</span>
+| style="text-align:center"| <span style="background:#E7E7E0; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">제한적</span>
+| style="text-align:center"| <span style="background:#E7E7E0; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">제한적</span>
+| style="text-align:center"| <span style="background:#DCEAF7; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">지원</span>
+|-
+| style="font-weight:bold"| GUI 기반 통합 SW
+| style="text-align:center"| <span style="background:#E7E7E0; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">미지원</span>
+| style="text-align:center"| <span style="background:#D9D9D6; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">부분적</span>
+| style="text-align:center"| <span style="background:#D9D9D6; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">부분적</span>
+| style="text-align:center"| <span style="background:#DCEAF7; color:black; padding:1px 7px; border-radius:3px; font-size:11px; font-weight:700;">지원</span>
+|}
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''시장성 요약''' — 본 과제는 고가 장비 기반 정밀 조사와 단순 AI 손상 탐지 사이의 공백을 보완하여, 저비용 열화상 촬영 장비와 물리 기반 위험도 평가, LLM 설명 인터페이스를 결합한 현장형 도로포장 유지관리 보조 시스템으로 활용될 수 있다.</div>
+====개발과제의 기대효과====
+===== 기술적 기대효과 =====
+본 과제는 도로포장 열화 평가 과정에서 열화상 영상, Vision AI, 물리 기반 수치해석, LLM 설명 인터페이스를 하나의 분석 흐름으로 통합했다는 점에서 기술적 의의가 있다. 기존 AI 기반 도로포장 손상 탐지 기술은 균열의 위치나 형상을 식별하는 데 집중되어 있었으나, 본 과제는 열화상 영상에서 추출한 온도 분포를 FEM 기반 열응력 해석으로 연결하여 균열 주변의 물리적 위험도를 정량적으로 평가할 수 있도록 하였다.
+또한 SAM2 기반 분석 영역 추출과 형태학적 확대 연산을 통해 균열 주변의 열영향 영역을 자동으로 설정하고, 해당 영역의 온도 분포를 응력 해석 입력값으로 변환하였다. 이를 통해 단순한 이미지 분할 결과가 아니라, 실제 포장 재료의 열적 거동과 연결되는 해석 결과를 도출할 수 있었다. 이러한 구조는 향후 도로포장뿐 아니라 교량, 터널, 옹벽 등 다양한 SOC 시설물의 열화상 기반 손상 평가 기술로 확장될 수 있다.
+마지막으로 본 과제는 FEM 해석 결과와 위험도 판정 결과를 LLM 기반 한국어 진단문으로 변환하여, 복잡한 수치해석 결과를 비전문가도 이해할 수 있는 형태로 제공하였다. 이는 AI 분석 결과의 설명 가능성을 높이고, 현장 실무자가 분석 결과를 유지관리 판단에 활용할 수 있도록 지원한다는 점에서 의미가 있다.
+===== 경제적, 사회적 기대 및 파급효과 =====
+본 과제는 고가의 전용 조사차량이나 대형 계측 장비에 의존하지 않고, 스마트폰 부착형 열화상 카메라와 소프트웨어 기반 분석을 활용한다는 점에서 경제적 효과가 있다. 기존 정밀 조사 장비는 높은 구축 비용과 전문 인력 운용 부담으로 인해 모든 도로 구간을 자주 점검하기 어렵지만, 본 시스템은 저비용 장비를 활용하여 손상 의심 구간을 빠르게 확인하고 반복 관찰할 수 있다.
+특히 지자체나 소규모 도로관리 기관에서는 민원 발생 구간, 포트홀 발생 우려 구간, 균열이 육안으로 확인되는 구간에 대해 즉시 현장 확인이 필요한 경우가 많다. 본 시스템은 현장에서 취득한 열화상 이미지를 기반으로 위험도 등급과 한국어 진단문을 제공하므로, 전문 인력이 부족한 환경에서도 초기 판단과 보완 점검을 수행하는 데 활용될 수 있다.
+사회적으로는 도로포장 손상의 조기 발견과 선제적 보수 판단을 지원함으로써 포트홀, 균열 확대, 국부 파손 등으로 인한 교통사고 위험을 줄이는 데 기여할 수 있다. 또한 손상 구간의 위험도를 정량적으로 평가하고 보수 우선순위 판단을 지원함으로써, 유지관리 예산을 보다 효율적으로 배분하고 도로 이용자의 안전성과 주행 쾌적성을 향상시키는 효과를 기대할 수 있다.
+나아가 본 과제에서 제안한 저비용·고접근성 도로포장 열화 평가 시스템은 기존 정밀 조사 체계를 보완하는 현장형 유지관리 도구로 활용될 수 있다. 향후 계절별 데이터 축적, 보수 이력 연계, 장기 모니터링 기능이 추가된다면 도로포장 유지관리의 디지털 전환과 예방적 유지관리 체계 구축에도 기여할 수 있다.
+====기술개발 일정 및 추진체계====
+===== 개발 일정 =====
+본 과제는 3월부터 6월까지 약 4개월 동안 수행되었다. 3월에는 열화상 도로 촬영 데이터를 수집하고, 4월부터 5월까지는 SAM2 기반 분석 영역 추출 모듈과 FEM 기반 열응력 산정 모듈을 개발하였다. 5월부터 6월까지는 위험도 산정, LLM 기반 설명 생성, 사용자 인터페이스 설계 및 전체 파이프라인 통합을 수행하였다. 보고서 작성과 발표자료 작성은 전 기간에 걸쳐 병행하였다.
+<table class="wikitable" style="width:100%; border-collapse:collapse; text-align:center;">
+<tr>
+<th style="background:#63666a; color:white; width:12%;">단계</th>
+<th style="background:#63666a; color:white; width:30%;">세부개발 내용</th>
+<th style="background:#63666a; color:white; width:18%;">담당자</th>
+<th style="background:#63666a; color:white; width:8%;">3월</th>
+<th style="background:#63666a; color:white; width:8%;">4월</th>
+<th style="background:#63666a; color:white; width:8%;">5월</th>
+<th style="background:#63666a; color:white; width:8%;">6월</th>
+<th style="background:#63666a; color:white; width:16%;">비고</th>
+</tr>
+<tr>
+<td rowspan="2" style="font-weight:bold;">사전과업</td>
+<td style="text-align:left;">열화상 도로 촬영 데이터 수집</td>
+<td>전체</td>
+<td style="background:#D9D9D6;"></td>
+<td></td>
+<td></td>
+<td></td>
+<td>초기 데이터 확보</td>
+</tr>
+<tr>
+<td style="text-align:left;">열화상 장비 선정 및 원리 분석</td>
+<td>전지원</td>
+<td></td>
+<td style="background:#D9D9D6;"></td>
+<td></td>
+<td></td>
+<td>장비 선정 및 이론 검토</td>
+</tr>
+<tr>
+<td rowspan="3" style="font-weight:bold;">세부과업 1</td>
+<td style="text-align:left;">SAM2 프롬프트 튜닝을 위한 학습데이터 구축</td>
+<td>박윤수, 공은지</td>
+<td></td>
+<td style="background:#DCEAF7;"></td>
+<td style="background:#DCEAF7;"></td>
+<td></td>
+<td>AI 학습데이터 구축</td>
+</tr>
+<tr>
+<td style="text-align:left;">SAM2 프롬프트 튜닝 기반 분석 영역 추출 모델 개발</td>
+<td>공은지</td>
+<td></td>
+<td style="background:#DCEAF7;"></td>
+<td style="background:#DCEAF7;"></td>
+<td></td>
+<td>분석 영역 추출</td>
+</tr>
+<tr>
+<td style="text-align:left;">형태학적 확대 기반 분석 영역 후처리 모듈 개발</td>
+<td>박윤수</td>
+<td></td>
+<td></td>
+<td style="background:#DCEAF7;"></td>
+<td></td>
+<td>열영향 영역 반영</td>
+</tr>
+<tr>
+<td rowspan="3" style="font-weight:bold;">세부과업 2</td>
+<td style="text-align:left;">기온 기반 물성치 동적 할당 모듈 개발</td>
+<td>지유정</td>
+<td></td>
+<td></td>
+<td style="background:#C1E5F5;"></td>
+<td></td>
+<td>물성치 조건 설정</td>
+</tr>
+<tr>
+<td style="text-align:left;">FEM 기반 열응력 산정 모듈 개발</td>
+<td>지유정</td>
+<td></td>
+<td></td>
+<td style="background:#C1E5F5;"></td>
+<td style="background:#C1E5F5;"></td>
+<td>열응력 해석</td>
+</tr>
+<tr>
+<td style="text-align:left;">통합 위험도 산정 모듈 개발</td>
+<td>지유정</td>
+<td></td>
+<td></td>
+<td style="background:#C1E5F5;"></td>
+<td style="background:#C1E5F5;"></td>
+<td>위험도 등급화</td>
+</tr>
+<tr>
+<td rowspan="3" style="font-weight:bold;">세부과업 3</td>
+<td style="text-align:left;">연산 결과 설명 인터페이스 디자인</td>
+<td>강민서, 양유진</td>
+<td></td>
+<td></td>
+<td style="background:#8FBFFF;"></td>
+<td style="background:#8FBFFF;"></td>
+<td>GUI 설계</td>
+</tr>
+<tr>
+<td style="text-align:left;">연산 결과 설명 LLM 모델 구축</td>
+<td>양유진</td>
+<td></td>
+<td></td>
+<td style="background:#8FBFFF;"></td>
+<td style="background:#8FBFFF;"></td>
+<td>한국어 진단문 생성</td>
+</tr>
+<tr>
+<td style="text-align:left;">전체 파이프라인 통합</td>
+<td>양유진</td>
+<td></td>
+<td></td>
+<td></td>
+<td style="background:#8FBFFF;"></td>
+<td>최종 사용자 인터페이스 연계</td>
+</tr>
+<tr>
+<td style="font-weight:bold;">사후과업</td>
+<td style="text-align:left;">전체 파이프라인 구축 및 검증</td>
+<td>전체</td>
+<td></td>
+<td></td>
+<td></td>
+<td style="background:#004094;"></td>
+<td>최종 검증</td>
+</tr>
+<tr>
+<td rowspan="2" style="font-weight:bold;">상시과업</td>
+<td style="text-align:left;">보고서 작성</td>
+<td>전체</td>
+<td style="background:#DCEBEC;"></td>
+<td style="background:#DCEBEC;"></td>
+<td style="background:#DCEBEC;"></td>
+<td style="background:#DCEBEC;"></td>
+<td>문서화</td>
+</tr>
+<tr>
+<td style="text-align:left;">발표자료 작성</td>
+<td>전체</td>
+<td style="background:#DCEBEC;"></td>
+<td style="background:#DCEBEC;"></td>
+<td style="background:#DCEBEC;"></td>
+<td style="background:#DCEBEC;"></td>
+<td>발표 준비</td>
+</tr>
+</table>
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''일정 요약''' — 본 과제는 3월 열화상 도로 촬영 데이터 수집을 시작으로, 4~5월 SAM2 기반 분석 영역 추출과 FEM 기반 열응력 해석 모듈을 개발하고, 5~6월 LLM 기반 설명 인터페이스 및 전체 파이프라인 통합을 수행하는 방식으로 추진되었다.</div>
+===== 구성원 및 추진체계 =====
+본 과제는 열화상 도로포장 이미지 분석, 물리 기반 열응력 해석, LLM 기반 설명 인터페이스 개발이 결합된 융합형 프로젝트이다. 이에 따라 구성원별 역할을 Vision AI, 열응력 해석, 위험도 산정, 인터페이스 설계, LLM 설명 생성, 전체 파이프라인 통합, 발표 및 문서화 업무로 분담하여 추진하였다.
+<table class="wikitable" style="width:100%; border-collapse:collapse;">
+<tr>
+<th style="background:#63666a; color:white; width:16%;">구성원</th>
+<th style="background:#63666a; color:white; width:28%;">주요 담당 역할</th>
+<th style="background:#63666a; color:white; width:56%;">세부 수행 내용</th>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">공은지</td>
+<td>팀장, Vision AI, 최종발표 및 일정 관리</td>
+<td>SAM2 프롬프트 튜닝 기반 분석 영역 추출 모델 개발, SAM2 프롬프트 튜닝을 위한 학습데이터 구축, 실도로 데이터 수집, 개발 일정 조율, 지원금 관리, 최종발표 수행, 최종 결과 정리</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">박윤수</td>
+<td>학습데이터 구축, 후처리 모듈, 포스터 및 개념설계 발표</td>
+<td>과제 제안 배경 문헌조사 및 분석, SAM2 프롬프트 튜닝을 위한 학습데이터 구축, 형태학적 확대 기반 분석 영역 후처리 모듈 개발, 개념설계 발표 수행, 최종포스터 작성</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">지유정</td>
+<td>물리 해석, 위험도 산정, 상세설계 발표</td>
+<td>기온 기반 물성치 동적 할당 모듈 개발, FEM 기반 열응력 산정 모듈 개발, 통합 위험도 산정 모듈 개발, 실도로 데이터 수집 파이프라인 설계 및 수행, 상세설계 발표 수행</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">강민서</td>
+<td>인터페이스 설계, 경쟁력분석 발표, 최종 논리 정리</td>
+<td>연산 결과 설명 인터페이스 디자인, 사용자 화면 구성 및 결과 표시 방식 설계, 경쟁력분석 발표 수행, 최종 성과물 및 논리 구조 취합·검토·정리</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">양유진</td>
+<td>LLM 설명 생성, 전체 파이프라인 통합, 과제제안 발표</td>
+<td>연산 결과 설명 LLM 모델 구축, 인터페이스 설계 지원, 전체 파이프라인 통합 및 사용자 인터페이스 연계, 실도로 데이터 수집, 과제제안 발표 수행</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">전지원</td>
+<td>열화상 장비 분석, 산업체 자문, 최종 발표자료</td>
+<td>열화상 장비 선정 및 원리 분석, 실도로 데이터 수집, 산업체 인터뷰 및 자문 컨택·수행, 최종 발표자료 구성, 시스템 결과물 정리 및 발표 흐름 설계</td>
+</tr>
+</table>
+본 과제의 추진체계는 세부 모듈을 독립적으로 개발한 뒤 최종 단계에서 하나의 소프트웨어 파이프라인으로 통합하는 방식으로 구성되었다. 먼저 Vision AI 모듈은 열화상 이미지에서 분석 영역을 산출하고, 물리 해석 모듈은 해당 영역의 온도 분포를 기반으로 열응력과 위험도를 계산한다. 이후 LLM 및 GUI 모듈은 해석 결과를 사용자에게 이해 가능한 형태로 제공한다. 또한 발표, 보고서, 포스터, 산업체 자문 등 대외 산출물은 각 구성원이 분담하여 수행하였으며, 최종적으로는 열화상 입력부터 위험도 판정 및 한국어 진단문 생성까지 이어지는 통합 시스템을 구현하였다.
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''추진체계 요약''' — 본 과제는 SAM2 기반 분석 영역 추출, FEM 기반 열응력 해석, LLM 기반 설명 인터페이스를 세부 모듈로 분리하여 개발하고, 실도로 데이터 수집·산업체 자문·발표 및 문서화 업무를 병행하여 최종 통합 소프트웨어로 연결하는 방식으로 추진되었다.</div>
+===설계===
+====설계사양====
+===== 제품의 요구사항 =====
+본 과제의 최종 산출물은 열화상 도로포장 이미지를 입력받아 균열 주변의 분석 영역을 추출하고, 해당 영역의 온도 분포를 기반으로 열응력을 계산한 뒤, 위험도 등급과 한국어 진단문을 제공하는 소프트웨어 시스템이다. 따라서 제품 요구사항은 단순한 이미지 표시 기능이 아니라, 열화상 데이터 처리, Vision AI 기반 분석 영역 추출, FEM 기반 물리 해석, 위험도 산정, 사용자 설명 인터페이스까지 포함하는 통합 기능을 기준으로 정의하였다.
+<table class="wikitable" style="width:100%; border-collapse:collapse;">
+<tr>
+<th style="background:#63666a; color:white; width:16%;">구분</th>
+<th style="background:#63666a; color:white; width:34%;">요구사항</th>
+<th style="background:#63666a; color:white; width:50%;">세부 내용</th>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">입력 데이터</td>
+<td>열화상 도로포장 이미지 입력</td>
+<td>스마트폰 부착형 열화상 카메라 또는 열화상 이미지 파일을 통해 도로포장 표면 온도 분포를 입력받을 수 있어야 한다.</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">분석 영역 추출</td>
+<td>균열 및 주변 분석 영역 자동 추출</td>
+<td>SAM2 기반 Vision AI를 활용하여 열화상 이미지에서 균열 및 균열 주변 분석 영역을 픽셀 단위 이진 마스크로 추출할 수 있어야 한다.</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">후처리</td>
+<td>열영향 영역 반영</td>
+<td>탐지된 균열 마스크에 형태학적 확대 연산을 적용하여 균열 자체뿐 아니라 주변 열영향 영역까지 해석 대상에 포함해야 한다.</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">물리 해석</td>
+<td>온도 분포 기반 열응력 계산</td>
+<td>분석 영역의 온도 행렬을 기반으로 2차원 평면응력 조건의 FEM 해석을 수행하고, 최대 주응력을 산정할 수 있어야 한다.</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">위험도 평가</td>
+<td>3단계 위험도 등급 산정</td>
+<td>계산된 열응력과 아스팔트 인장강도를 비교하여 Safe, Warning, Critical의 3단계 위험도 등급을 산정해야 한다.</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">사용자 설명</td>
+<td>한국어 자연어 진단문 생성</td>
+<td>위험도 등급, 응력비, 온도 분포, 분석 영역 정보를 바탕으로 비전문가도 이해 가능한 한국어 진단문을 생성해야 한다.</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">인터페이스</td>
+<td>GUI 기반 분석 결과 제공</td>
+<td>사용자가 이미지를 업로드하고, 분석 결과와 위험도 판정, 자연어 설명을 하나의 화면에서 확인할 수 있어야 한다.</td>
+</tr>
+</table>
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''요구사항 요약''' — 본 시스템은 열화상 이미지 입력부터 분석 영역 추출, FEM 열응력 해석, 위험도 판정, 한국어 진단문 생성까지를 하나의 소프트웨어 파이프라인으로 수행해야 한다.</div>
+===== 설계 사항 =====
+본 시스템은 열화상 영상 기반 도로포장 손상 평가를 위해 세 개의 핵심 모듈로 구성된다. 첫 번째는 열화상 이미지에서 균열 및 주변 분석 영역을 추출하는 Vision AI 모듈이고, 두 번째는 분석 영역의 온도 분포를 이용하여 열응력을 계산하는 물리 해석 모듈이며, 세 번째는 해석 결과를 사용자가 이해 가능한 형태로 제공하는 LLM 기반 설명 인터페이스 모듈이다.
+<table class="wikitable" style="width:100%; border-collapse:collapse;">
+<tr>
+<th style="background:#DCEAF7; color:black; width:33%;">세부과업 1<br>분석 영역 추출</th>
+<th style="background:#C1E5F5; color:black; width:33%;">세부과업 2<br>열응력 해석 및 위험도 산정</th>
+<th style="background:#8FBFFF; color:black; width:33%;">세부과업 3<br>설명 생성 및 인터페이스</th>
+</tr>
+<tr>
+<td style="vertical-align:top; padding:10px;">
+'''입력'''<br>
+열화상 도로포장 이미지<br><br>
+'''핵심 기능'''<br>
+SAM2 프롬프트 튜닝 기반 분석 영역 추출<br>
+형태학적 확대 기반 후처리<br><br>
+'''출력'''<br>
+균열 및 주변 분석 영역 이진 마스크
+</td>
+<td style="vertical-align:top; padding:10px;">
+'''입력'''<br>
+분석 영역의 온도 분포 행렬<br><br>
+'''핵심 기능'''<br>
+기온 기반 물성치 동적 할당<br>
+FEM 기반 열응력 산정<br>
+응력비 기반 위험도 등급화<br><br>
+'''출력'''<br>
+최대 주응력, 응력비, 위험도 등급
+</td>
+<td style="vertical-align:top; padding:10px;">
+'''입력'''<br>
+열화상 이미지, 분석 마스크, FEM 해석 결과, 위험도 등급<br><br>
+'''핵심 기능'''<br>
+LLM 기반 한국어 진단문 생성<br>
+GUI 기반 분석 결과 표시<br><br>
+'''출력'''<br>
+시각화 결과, 위험도 설명, 보수 의견
+</td>
+</tr>
+</table>
+설계 과정에서 가장 중요한 기준은 각 모듈의 입출력 형식을 명확히 정의하여 전체 파이프라인이 중단 없이 연결되도록 하는 것이었다. Vision AI 모듈은 열화상 이미지를 분석 영역 마스크로 변환하고, 물리 해석 모듈은 해당 마스크 내부의 온도 행렬을 FEM 입력값으로 변환하며, LLM 및 GUI 모듈은 최종 해석 결과를 사람이 이해할 수 있는 설명으로 변환한다.
+====개념설계안====
+본 과제의 개념설계안은 “열화상 이미지 한 장으로부터 도로포장 균열 주변의 열화 위험도를 자동 평가하고, 그 결과를 사용자에게 설명 가능한 형태로 제공하는 시스템”으로 정의된다. 이를 위해 전체 시스템은 열화상 이미지 입력, 분석 영역 추출, 온도 분포 해석, 열응력 계산, 위험도 산정, 자연어 설명 생성의 순서로 작동하도록 설계하였다.
+<table class="wikitable" style="width:100%; border-collapse:collapse;">
+<tr>
+<th style="background:#63666a; color:white; width:20%;">단계</th>
+<th style="background:#63666a; color:white; width:30%;">개념설계 내용</th>
+<th style="background:#63666a; color:white; width:50%;">설계 의도</th>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">단계 0</td>
+<td>열화상 영상 취득 및 입력 데이터 정의</td>
+<td>도로포장 표면의 온도 분포를 픽셀 단위 데이터로 입력받아 후속 AI 분석과 물리 해석의 기초 자료로 사용한다.</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">단계 1</td>
+<td>SAM2 기반 분석 영역 추출</td>
+<td>열응력 해석을 전체 이미지에 적용하지 않고, 균열 및 균열 주변부를 중심으로 분석 영역을 제한하여 해석 효율과 의미를 높인다.</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">단계 2</td>
+<td>FEM 기반 열응력 해석</td>
+<td>온도 분포를 단순 시각 정보로 처리하지 않고, 아스팔트 포장의 열변형 및 응력 발생과 연결하여 물리적 위험도를 정량화한다.</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">단계 3</td>
+<td>위험도 산정 및 LLM 설명 생성</td>
+<td>계산된 응력비를 Safe, Warning, Critical 등급으로 변환하고, 결과를 한국어 진단문으로 제공하여 현장 활용성을 높인다.</td>
+</tr>
+</table>
+개념설계의 핵심은 기존 AI 손상 탐지 기술의 결과를 단순한 균열 마스크에 머무르게 하지 않고, 물리 기반 열응력 해석과 연결하는 것이다. 즉, 본 시스템은 “어디에 균열이 있는가”를 찾는 것에서 나아가 “해당 균열 주변이 물리적으로 얼마나 위험한가”를 평가하도록 설계되었다.
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''개념설계 요약''' — 본 과제는 SAM2 기반 분석 영역 추출, FEM 기반 열응력 해석, LLM 기반 설명 인터페이스를 결합하여 열화상 이미지 기반 도로포장 위험도 평가 시스템을 구현하는 것을 목표로 한다.</div>
+====이론적 계산 및 시뮬레이션====
+===== 단계 0. 열화상 영상 취득 원리 =====
+열화상 카메라는 물체가 방출하는 적외선 복사 에너지를 감지하여 표면 온도 분포를 영상으로 변환한다. 절대온도 이상의 모든 물체는 적외선 에너지를 방출하며, 물체의 표면 온도와 방사율에 따라 방출되는 적외선 세기가 달라진다. 도로포장, 차량, 가드레일, 주변 구조물은 서로 다른 열용량과 방사율을 가지므로 열화상 영상에서 서로 다른 온도 분포로 나타난다.
+FLIR ONE Pro와 같은 열화상 카메라는 마이크로볼로미터 센서를 이용하여 렌즈를 통해 들어온 적외선 에너지를 감지한다. 적외선 에너지가 센서 배열의 각 픽셀에 도달하면 픽셀 내부 재료의 온도가 변화하고, 이에 따라 전기 저항이 변한다. 카메라 시스템은 이 신호를 디지털 값으로 변환하여 각 픽셀별 온도 정보를 포함한 열화상 데이터를 생성한다.
+===== 단계 1. SAM2 기반 분석 영역 추출 =====
+본 단계에서는 열화상 도로포장 이미지에서 균열 및 주변 분석 영역을 추출하기 위해 SAM2 기반 Vision AI를 활용하였다. 입력 열화상 이미지는 높이, 너비, 채널을 갖는 영상 행렬로 정의되며, 열화상 데이터의 경우 채널은 온도 정보를 나타내는 단일 채널로 해석할 수 있다.
+SAM2 모델은 이미지 인코더, 프롬프트 인코더, 마스크 디코더로 구성된다. 본 설계에서는 사람이 매번 프롬프트를 입력하지 않아도 되도록 Soft Prompt를 학습 가능한 벡터로 정의하고, 프롬프트 튜닝을 통해 열화상 도로포장 균열 영역에 적합한 프롬프트 표현을 학습하였다. 이후 마스크 디코더는 이미지 특징과 프롬프트 특징을 결합하여 각 픽셀이 분석 영역에 속할 확률을 나타내는 확률 마스크를 생성한다.
+생성된 확률 마스크는 임계값 처리를 통해 이진 마스크로 변환된다. 이때 이진 마스크는 균열 자체만을 의미하는 것이 아니라, 후속 열응력 해석의 기초 분석 영역을 의미한다. 또한 균열 주변부의 열영향 영역을 포함하기 위해 형태학적 확대 연산을 적용하여 최종 분석 영역을 생성하였다.
+===== 단계 2. FEM 기반 열응력 해석 =====
+본 단계에서는 분석 영역의 온도 분포를 이용하여 도로포장 표면에 발생하는 열응력을 계산하였다. 아스팔트 포장은 온도 변화에 따라 수축 또는 팽창하며, 이러한 열변형이 구속될 경우 내부 응력이 발생한다. 본 시스템은 분석 영역의 픽셀별 온도 분포를 열하중으로 해석하고, 2차원 평면응력 조건에서 CST(Constant Strain Triangle) 요소 기반 FEM 해석을 수행하였다.
+해석 과정에서는 먼저 분석 영역을 삼각형 유한요소로 분할하고, 각 요소에 대해 변형률-변위 행렬과 평면응력 구성 행렬을 정의한다. 이후 온도 변화에 따른 열변형률을 계산하고, 이를 기반으로 요소 강성 행렬과 등가 열하중을 구성한다. 모든 요소의 행렬을 전체 시스템 행렬로 조립한 뒤 경계조건을 적용하여 변위를 계산하고, 최종적으로 각 요소의 응력 및 최대 주응력을 산정한다.
+위험도 평가는 계산된 최대 주응력과 아스팔트의 인장강도를 비교하는 방식으로 수행하였다. 응력비는 다음과 같이 정의하였다.
+<pre>
+응력비 R = 최대 주응력 / 아스팔트 인장강도
+</pre>
+응력비가 0.7 미만이면 Safe, 0.7 이상 1.0 미만이면 Warning, 1.0 이상이면 Critical로 분류하였다. 이는 열응력이 재료의 인장강도에 얼마나 근접했는지를 기준으로 균열 위험도를 단계적으로 판단하기 위한 기준이다.
+<table class="wikitable" style="width:100%; border-collapse:collapse;">
+<tr>
+<th style="background:#63666a; color:white; width:20%;">위험도 등급</th>
+<th style="background:#63666a; color:white; width:25%;">응력비 기준</th>
+<th style="background:#63666a; color:white; width:30%;">의미</th>
+<th style="background:#63666a; color:white; width:25%;">권장 조치</th>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">Safe</td>
+<td style="text-align:center;">R &lt; 0.7</td>
+<td>열응력이 충분히 낮은 수준</td>
+<td>정기 모니터링</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">Warning</td>
+<td style="text-align:center;">0.7 ≤ R &lt; 1.0</td>
+<td>내부 피로 균열 진행 가능성</td>
+<td>정밀 점검 권고</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">Critical</td>
+<td style="text-align:center;">R ≥ 1.0</td>
+<td>인장강도 초과 또는 균열 위험 증가</td>
+<td>즉시 보수 검토</td>
+</tr>
+</table>
+===== 단계 3. LLM 기반 설명 생성 =====
+FEM 해석 결과는 최대 주응력, 응력비, 위험도 등급, 분석 영역, 온도 분포 등 여러 수치와 중간 산출물로 구성된다. 그러나 이러한 결과는 전문 지식이 없는 사용자가 즉시 이해하기 어렵기 때문에, 본 시스템은 LLM 기반 설명 생성 모듈을 통해 해석 결과를 한국어 진단문으로 변환하도록 설계하였다.
+LLM에는 분석 결과 파일의 주요 항목을 전달하고, 도로포장 유지관리 관점에서 위험도 의미와 권장 조치를 설명하도록 프롬프트를 구성하였다. 이를 통해 사용자는 단순히 Safe, Warning, Critical 등급만 확인하는 것이 아니라, 해당 등급이 산정된 이유와 보수 판단에 필요한 근거를 함께 확인할 수 있다.
+===== 시뮬레이션 및 검증 =====
+FEM 열응력 해석 모듈의 수학적 타당성을 확인하기 위해 이론해와 수치해 비교를 수행하였다. 완전구속 평면응력 조건에서 계산한 이론해와 CST 기반 FEM 수치해를 비교한 결과, 오차율은 0.17%로 나타났으며, 이는 기준치 15%보다 충분히 낮은 값이다. 이를 통해 변형률-변위 행렬, 평면응력 구성 행렬, 글로벌 강성 행렬 조립 로직이 수학적으로 올바르게 구현되었음을 확인하였다.
+또한 TSRST 문헌값과 비교하여 저온 조건에서의 파괴응력 계산 타당성을 검증하였다. 혹한기 급속 냉각 조건을 모사한 결과, 문헌값 대비 파괴응력 오차율은 0.11%로 나타났으며, 이는 계산된 열응력이 실제 아스팔트의 저온 균열 거동과 물리적으로 부합함을 보여준다.
+마지막으로 실도로 열화상 영상에 시스템을 적용하여 통합 파이프라인의 실행 가능성을 확인하였다. 봄철 상온 조건의 서울시립대 내부도로 실측 데이터 537장은 모두 Safe 등급으로 판정되었고, 겨울철 저온 조건의 공개 데이터셋에서는 Warning 및 Critical 등급이 탐지되어 온도 및 물성 변화에 따른 위험도 변화가 가설과 일치함을 확인하였다.
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''검증 요약''' — FEM 해석 모듈은 이론해 대비 오차율 0.17%, TSRST 문헌값 대비 파괴응력 오차율 0.11%를 보였으며, 실도로 데이터 적용을 통해 열화상 입력부터 위험도 판정까지의 전체 파이프라인이 정상 작동함을 확인하였다.</div>
+====상세설계 내용====
+===== 시스템 전체 구조 =====
+본 시스템은 열화상 이미지 입력부, 분석 영역 추출부, 열응력 해석부, 위험도 산정부, LLM 설명 생성부, GUI 출력부로 구성된다. 사용자가 열화상 도로포장 이미지를 입력하면, 시스템은 먼저 SAM2 기반 분석 영역 추출 모듈을 통해 균열 및 주변 분석 영역을 이진 마스크로 산출한다. 이후 해당 영역의 온도 행렬을 FEM 해석 모듈에 전달하여 열응력을 계산하고, 계산된 응력비를 기준으로 위험도 등급을 산정한다. 마지막으로 LLM 설명 생성 모듈이 위험도 판단 근거를 한국어로 설명하고, GUI는 분석 결과를 사용자에게 시각적으로 제공한다.
+<table class="wikitable" style="width:100%; border-collapse:collapse;">
+<tr>
+<th style="background:#63666a; color:white; width:22%;">구성 요소</th>
+<th style="background:#63666a; color:white; width:28%;">입력</th>
+<th style="background:#63666a; color:white; width:28%;">처리 내용</th>
+<th style="background:#63666a; color:white; width:22%;">출력</th>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">열화상 입력 모듈</td>
+<td>열화상 도로포장 이미지</td>
+<td>이미지 업로드 및 온도 행렬 입력값 정의</td>
+<td>열화상 이미지 데이터</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">Vision AI 모듈</td>
+<td>열화상 이미지</td>
+<td>SAM2 프롬프트 튜닝 기반 분석 영역 추출 및 형태학적 확대</td>
+<td>분석 영역 이진 마스크</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">FEM 해석 모듈</td>
+<td>분석 영역 마스크, 온도 행렬</td>
+<td>CST 기반 2차원 평면응력 열응력 해석</td>
+<td>최대 주응력, 응력 분포</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">위험도 산정 모듈</td>
+<td>최대 주응력, 인장강도</td>
+<td>응력비 계산 및 3단계 위험도 등급화</td>
+<td>Safe, Warning, Critical 등급</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">LLM 설명 모듈</td>
+<td>위험도 등급, 응력비, 분석 결과</td>
+<td>도로포장 유지관리 관점의 한국어 진단문 생성</td>
+<td>자연어 설명문</td>
+</tr>
+<tr>
+<td style="font-weight:bold; text-align:center;">GUI 모듈</td>
+<td>이미지, 마스크, 해석 결과, 설명문</td>
+<td>분석 결과 시각화 및 사용자 질의응답 제공</td>
+<td>통합 결과 화면</td>
+</tr>
+</table>
+===== 모듈 간 데이터 흐름 =====
+상세설계에서는 각 모듈이 독립적으로 개발되더라도 최종 통합 과정에서 오류 없이 연결될 수 있도록 입출력 형식을 명확히 정의하였다. Vision AI 모듈은 열화상 이미지를 입력받아 분석 영역 마스크를 생성하고, FEM 모듈은 해당 마스크를 기준으로 온도 행렬을 추출하여 열응력을 계산한다. 위험도 산정 모듈은 FEM 결과를 응력비로 변환하고, LLM 모듈은 이 결과를 자연어 설명으로 변환한다.
+<pre>
+열화상 이미지 입력
+→ SAM2 기반 분석 영역 추출
+→ 형태학적 확대 후처리
+→ 분석 영역 온도 행렬 추출
+→ FEM 기반 열응력 계산
+→ 응력비 기반 위험도 산정
+→ LLM 기반 한국어 진단문 생성
+→ GUI 기반 결과 제공
+</pre>
+===== 최종 구현 방향 =====
+최종 구현 시스템은 사용자가 열화상 이미지를 업로드하면 자동으로 분석을 수행하고, 결과를 하나의 화면에서 확인할 수 있는 통합 소프트웨어를 지향한다. 사용자는 입력 이미지, 분석 영역, 온도 분포, 응력 분포, 위험도 등급, 한국어 진단문을 순차적으로 확인할 수 있으며, 필요할 경우 추가 질의를 통해 분석 결과의 의미를 확인할 수 있다.
+본 상세설계의 핵심은 각 요소기술을 단순히 병렬적으로 나열하는 것이 아니라, 열화상 데이터가 AI 분석, 물리 해석, 위험도 산정, 자연어 설명으로 이어지는 하나의 흐름을 갖도록 구성한 점이다. 이를 통해 본 시스템은 도로포장 손상 탐지의 접근성을 높이고, 손상 위치 식별을 넘어 물리적 위험도 평가와 현장 의사결정 지원까지 수행할 수 있도록 설계되었다.
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''상세설계 요약''' — 본 시스템은 열화상 이미지 입력, SAM2 기반 분석 영역 추출, FEM 기반 열응력 해석, 응력비 기반 위험도 산정, LLM 기반 한국어 설명 생성, GUI 기반 결과 제공으로 이어지는 통합 소프트웨어 구조로 설계되었다.</div>
+===결과 및 평가===
+====완료 작품의 소개====
+본 과제의 최종 완료 작품은 열화상 영상 기반 도로포장 온도 분포 분석 및 열화 위험 구간 평가 시스템이다. 사용자가 열화상 도로포장 이미지를 입력하면, 시스템은 SAM2 기반 Vision AI를 이용하여 균열 주변 분석 영역을 추출하고, 해당 영역의 온도 분포를 기반으로 FEM 열응력 해석을 수행한다. 이후 계산된 응력비를 기준으로 Safe, Warning, Critical의 3단계 위험도를 산정하고, LLM 기반 한국어 진단문을 생성하여 사용자가 분석 결과를 직관적으로 이해할 수 있도록 제공한다.
+본 시스템은 단순히 도로포장 균열의 위치를 탐지하는 데 그치지 않고, 열화상 영상의 온도 정보를 물리 기반 해석으로 연결하여 균열 주변의 열화 위험도를 정량적으로 평가한다는 점에서 차별성을 가진다. 또한 GUI 기반 인터페이스를 통해 입력 이미지, 분석 영역, 위험도 등급, 응력 해석 결과, 자연어 설명문을 하나의 화면에서 확인할 수 있도록 구현하였다.
+===== 프로토타입 사진 혹은 작동 장면 =====
+아래 그림은 최종 구현된 GUI 기반 분석 시스템의 작동 화면을 나타낸다. 분석 전 화면에서는 사용자가 열화상 이미지를 업로드하고 분석을 실행할 수 있으며, 분석 후 화면에서는 입력 영상, 분석 영역, 위험도 판정 결과, 한국어 진단문을 확인할 수 있다.
+[[파일:길바닥연구소_그림2.jpg|thumb|left|800px|그림 2. 분석 전 GUI 화면.<br>사용자가 열화상 도로포장 이미지를 업로드하고 분석을 실행하기 전의 초기 화면이다.]] <br clear="left">
+[[파일:길바닥연구소_그림3.jpg|thumb|left|800px|그림 3. 분석 후 GUI 화면.<br>열화상 이미지 분석 후 분석 영역, 위험도 등급, 해석 결과 및 한국어 진단문이 출력된 화면이다.]] <br clear="left">
+시스템의 전체 작동 과정은 시연 영상을 통해 확인할 수 있다. 시연 영상에서는 열화상 이미지 업로드, 분석 실행, 위험도 산정, LLM 기반 설명문 생성, GUI 결과 확인까지의 과정을 순차적으로 보여준다.
+[[파일:길바닥연구소_시연영상.mp4|thumb|left|800px|시연 영상. 열화상 이미지 입력부터 위험도 판정 및 한국어 진단문 생성까지의 전체 시스템 작동 과정.]] <br clear="left">
+개발된 소스코드는 GitHub 저장소를 통해 공개하였다.
+<pre>
+GitHub: https://github.com/yongyujin0211-alt/SOC_Project
+</pre>
+===== 포스터 =====
+최종 포스터는 본 과제의 문제 정의, 개발 목표, 시스템 구성, 핵심 알고리즘, 검증 결과 및 기대효과를 종합적으로 정리한 산출물이다. 포스터에는 열화상 영상 기반 도로포장 위험도 평가 시스템의 전체 흐름과 최종 구현 결과가 요약되어 있으며, 본 과제가 기존 도로포장 손상 탐지 기술과 비교하여 가지는 차별성을 함께 제시하였다.
+[[파일:길바닥연구소_포스터.jpg|thumb|left|800px|최종 포스터.<br>열화상 영상 기반 도로포장 온도 분포 분석 및 열화 위험 구간 평가 시스템의 개발 배경, 방법론, 검증 결과 및 기대효과를 정리한 포스터이다.]] <br clear="left">
+====완료작품의 평가====
+완료작품의 평가는 Vision AI 기반 분석 영역 추출 성능, FEM 열응력 해석의 수학적·물리적 타당성, 실도로 데이터 기반 통합 시스템 작동성, LLM 설명문의 논리적 일관성을 중심으로 수행하였다. 이를 통해 본 시스템이 단순한 프로토타입 수준을 넘어, 열화상 영상 입력부터 위험도 판정 및 설명문 생성까지 하나의 소프트웨어 파이프라인으로 작동함을 확인하였다.
+먼저 SAM2 기반 분석 영역 추출 모듈은 도로포장 균열 주변의 분석 영역을 자동으로 산출하는 역할을 수행하였다. 검증 결과, SAM2와 형태학적 확대 연산을 결합한 방식은 분석 대상 영역을 충분히 포함하는 방향으로 작동하였으며, Recall 0.9388을 달성하였다. 이는 후속 FEM 해석에서 균열 주변 열영향 영역을 누락하지 않는 데 중요한 결과이다.
+FEM 열응력 해석 모듈은 이론해 및 문헌값과 비교하여 검증하였다. 완전구속 평면응력 조건에서 이론해와 수치해를 비교한 결과 오차율은 0.17%로 나타났으며, TSRST 문헌값과 비교한 파괴응력 오차율은 0.11%로 나타났다. 이는 구현된 FEM 해석 모듈이 수학적으로 올바르게 작동하고, 아스팔트 포장의 저온 열응력 거동을 물리적으로 타당하게 모사할 수 있음을 의미한다.
-===기술개발 일정 및 추진체계===
+또한 실도로 열화상 영상 537장에 대해 전체 파이프라인을 적용한 결과, 모든 영상이 처리 중단 없이 분석되었고 위험도 판정 및 한국어 설명문이 생성되었다. 봄철 상온 조건에서 취득한 실도로 데이터는 모두 Safe 등급으로 판정되었으며, 이는 실제 촬영 조건과 물리적으로 일관된 결과이다. 반면 겨울철 저온 조건을 반영한 공개 데이터셋에서는 Warning 및 Critical 등급이 탐지되어, 온도 조건과 물성 변화에 따라 위험도 판정이 달라지는 시스템의 동작을 확인할 수 있었다.
-====개발 일정====
-내용
-====구성원 및 추진체계====
-내용
-==설계==
+LLM 기반 설명문은 FEM 해석 결과와 위험도 판정 결과를 바탕으로 생성되었다. 생성된 설명문은 입력 영상, 분석 영역, 위험도 등급과 논리적으로 모순되지 않는지 정성적으로 검토하였으며, 실도로 데이터 537장 전체에 대해 위험도 판정 결과를 설명하는 자연어 문장이 생성되었다. 이를 통해 본 시스템이 전문적인 수치해석 결과를 비전문가도 이해 가능한 형태로 변환할 수 있음을 확인하였다.
-===설계사양===
-====제품의 요구사항====
-내용
-====설계 사양====
-내용
-===개념설계안===
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''평가 요약''' — 최종 시스템은 SAM2 기반 분석 영역 추출, FEM 기반 열응력 해석, 위험도 산정, LLM 설명문 생성을 하나의 파이프라인으로 통합하였으며, 실도로 열화상 영상 537장 전체를 중단 없이 처리하여 통합 소프트웨어로서의 작동 가능성을 확인하였다.</div>
-내용
-===이론적 계산 및 시뮬레이션===
+====향후계획====
-내용
-===상세설계 내용===
+본 과제는 졸업설계 수준에서 열화상 영상 기반 도로포장 위험도 평가 시스템의 핵심 기능을 구현하고 검증하였다. 다만 실제 도로 유지관리 현장에 적용하기 위해서는 데이터 다양성 확대, 계절별·환경별 검증, 위험도 기준 고도화, 현장 업무 시스템과의 연계가 추가적으로 필요하다.
-내용
-==결과 및 평가==
+우선 향후에는 다양한 계절, 시간대, 기상 조건에서 취득한 열화상 도로포장 데이터를 추가로 확보할 필요가 있다. 본 과제에서는 봄철 상온 조건의 실도로 데이터와 저온 조건의 공개 데이터셋을 활용하였으나, 실제 도로포장은 여름철 고온, 겨울철 저온, 우천 후 수분 잔류, 그늘 및 일사 조건 등에 따라 온도 분포가 크게 달라질 수 있다. 따라서 다양한 환경 조건을 반영한 데이터셋을 구축하면 시스템의 신뢰성과 일반화 성능을 높일 수 있다.
-===완료 작품의 소개===
-====프로토타입 사진 혹은 작동 장면====
-내용
-====포스터====
-내용
-===관련사업비 내역서===
+둘째, 위험도 산정 기준을 실제 유지관리 이력과 연계하여 고도화할 필요가 있다. 현재 시스템은 계산된 열응력과 아스팔트 인장강도를 비교하여 Safe, Warning, Critical의 3단계 위험도를 산정한다. 향후에는 실제 보수 이력, 포트홀 발생 이력, 교통량, 포장 연령, 기상 데이터 등을 함께 반영하여 위험도 기준을 보정하면 보다 실무적인 보수 우선순위 판단이 가능할 것이다.
-내용
-===완료작품의 평가===
+셋째, 사용자 인터페이스와 보고서 자동화 기능을 확장할 수 있다. 현재 시스템은 GUI를 통해 분석 결과와 한국어 진단문을 제공하지만, 향후에는 분석 결과를 PDF 보고서, 점검 기록지, GIS 기반 위치 정보, 도로관리 시스템과 연계하는 방향으로 발전시킬 수 있다. 이를 통해 현장 점검자가 촬영한 열화상 이미지를 기반으로 손상 위치, 위험도, 보수 의견을 자동 기록하고 관리할 수 있다.
-내용
-===향후계획===
+마지막으로 본 과제의 기술 구조는 도로포장뿐 아니라 교량, 터널, 옹벽 등 다른 SOC 시설물의 열화상 기반 손상 평가로 확장 가능하다. 열화상 영상에서 이상 온도 영역을 추출하고, 물리 기반 해석 및 자연어 설명으로 연결하는 구조는 다양한 시설물 유지관리 문제에 적용될 수 있다. 따라서 향후에는 도로포장 열화 평가 시스템을 기반으로, 열화상 기반 SOC 시설물 진단 플랫폼으로 확장하는 것을 장기적인 발전 방향으로 설정할 수 있다.
-내용
-===특허 출원 내용===
+<div style="border-left:4px solid #63666a; padding:10px 14px; margin:12px 0; background-color:#dbdbdb;">'''향후계획 요약''' — 향후에는 계절별·환경별 데이터 확장, 실제 유지관리 이력 기반 위험도 기준 보정, 보고서 자동화 및 도로관리 시스템 연계, 타 SOC 시설물로의 적용 확장을 통해 현장 활용성을 높일 계획이다.</div>
-내용