딥러닝 기반 원자력 발전소 CAD 도면의 설계 데이터 추출

국문 초록 (Abstract)

원자력 발전소에서 사용되는 일부 2차원 CAD(Computer-Aided Design) 도면은 여전히 수작업으로 입력 및 관리되고 있어 작업 시간이 길고 인적 오류 발생 가능성이 높다는 문제점이 존재한다. 본 연구에서는 이러한 문제를 해결하기 위해 딥러닝 기법과 도면 파싱(parsing) 기법을 결합한 데이터 추출 자동화 방안을 제안하였다. 구체적으로, 딥러닝 기반 객체 탐지 기법을 활용하여 도면 이미지로부터 기기 정보를 식별하였으며, 도면 파싱 기법을 적용하여 CAD 도면 내 텍스트 및 전선관 정보를 자동으로 추출하였다. 이후 추출된 정보 간의 상호 연관성을 체계적으로 구성하여 도면 정보 데이터베이스를 구축하였다. 기존의 수작업 입력 방식과 비교한 결과, 입력에 소요되는 시간이 수 시간에서 수 분 이내로 크게 단축되었으며, CAD 파일 기반 파싱 기법 적용을 통해 텍스트 추출 정확도 또한 향상됨을 확인하였다. 본 연구는 도면 데이터 입력 자동화를 구현함으로써 신뢰성 높은 도면 정보 데이터베이스 구축과 문서 관리 효율성 증진에 기여할 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

In nuclear power plants, the manual entry and management of some 2D CAD (Computer-Aided Design) drawings persist, leading to significant processing time and a high potential for human error. This study proposes an automated data extraction method integrating deep learning and drawing parsing techniques to address these issues. Specifically, deep learning-based object detection is utilized to identify equipment information from drawing images, while drawing parsing techniques are applied to automatically extract text and conduit information directly from CAD files. A drawing information database is then constructed by systematically organizing the correlations among the extracted data. Compared to conventional manual methods, this approach significantly reduces data entry time from hours to within minutes. Furthermore, the application of CAD file-based parsing markedly improves text extraction accuracy. This research is expected to contribute to the establishment of a highly reliable drawing information database and enhance document management efficiency through the implementation of automated data input.