군수품 품질보증 활동을 위한 드론 및 AI 기반 외관 검사 프로세스 연구

Study on a UAV and AI Based Visual Inspection Process for Quality Assurance of Defense Materiel

최근 민간에서는 드론, 라이다(LiDAR), AI를 융합한 검사 기술이 건축, 에너지, 항공 정비 등 다양한 산업 분야에서 안전성과 효율성을 입증하며 활용되고 있다. 본 연구는 이처럼 민간에서 검증된 기술들을 군수품 품질보증 영역에 적용을 위한 새로운 프로세스를 제안한다. 본 연구는 드론으로 3차원 점군 데이터와 고해상도 이미지를 동시에 취득하여 3D 모델로 규격 일치성을 정량적으로 검사하고, AI로는 녹과 같은 표면 결함을 정밀하게 탐지하는 이중 검사 방식을 수행한다. 특히, AI 결함 검출 단계의 실효성을 검증하기 위해 속도와 정밀도를 대표하는 YOLO모델 및 MASK R-CNN 모델을 비교 분석하여 군사 환경에 최적화된 모델을 탐색한다. 본 연구는 이러한 통합된 검사 프로세스를 통해 데이터 기반의 객관적 품질보증 체계를 구축하고, 국방 품질보증 패러다임의 전환에 기여하고자 한다.

In recent years, the integration of drones, LiDAR, and artificial intelligence (AI) has been widely adopted in the civilian sector, demonstrating enhanced safety and efficiency in industries such as construction, energy, and aircraft maintenance. Building upon these validated applications, this study proposes a novel process for applying such technologies to the domain of defense materiel quality assurance. Specifically, drones are utilized to simultaneously acquire three-dimensional point cloud data and high-resolution imagery, enabling quantitative inspection of dimensional conformity through 3D modeling. In parallel, AI techniques are employed to precisely detect surface defects such as corrosion, establishing a dual inspection framework. To evaluate the effectiveness of the AI defect detection stage, this study conducts a comparative analysis of YOLO, representing real-time performance, and Mask R-CNN, representing high accuracy, to identify the optimal model for military environments. The proposed integrated inspection process is expected to establish a data-driven and objective quality assurance system, thereby contributing to a paradigm shift in defense quality assurance practices.