PAUT 솔루션 성능 검증

PAUT 딥러닝 완료

날짜: 2026-04-11
작성자: 최원재
프로젝트: 데이터과학 기반 차세대 비파괴검사 기술개발

---

목적

PAUT 인공지능 솔루션의 KTL 인증 시험 결과를 분석하고, 성능 개선 방향을 정리한다.

실험 조건

항목	값
시편 재질	Carbon Steel / Stainless Steel
시편 두께	15mm, 25mm
결함 종류	LF, IP, CR, UC, PO, SI (6종)
학습 데이터 수	45,633개 (6종 결함 + 정상)
신경망 구조	3-layer CNN + Feature Processor

성능 결과

결함 분류 정확도 (10-Fold Cross Validation)

Fold	A-scan Only	A-scan + Features	개선율
Mean	89.78%	98.71%	+8.93%

KTL 인증 결과

• 결함검출확률 (POD): 94.37% (목표: 90%)
• 길이 오차: 41.78% (목표: 100% 이하)
• 깊이 오차: 74.33% (목표: 100% 이하)

핵심 성과

도메인 지식(4가지 특징값)을 신경망 입력에 추가한 Feature Processor 구조가 약 9%의 정확도 향상을 가져옴. 이는 순수 데이터 기반 접근보다 물리적 사전지식 활용이 효과적임을 보여줌.

분석

1. A-scan 신호만으로는 89.78%에서 정체 → 도메인 지식 결합이 돌파구
2. Stainless Steel 시편에서 Carbon Steel 대비 약간 낮은 성능 관찰
3. 작은 결함(길이 5mm 이하)에서 검출률 저하 경향

TODO

• [x] KTL 인증 시험 완료
• [x] 10-Fold Cross Validation 결과 정리
• [ ] 소형 결함 검출 성능 개선 방안 검토
• [ ] GUI에 결함 위치 3D 시각화 기능 추가

---

관련: 04/12 - ECT 센서 마찰 시뮬레이션