KR20220121933A - Method for Processing Defect Repairing Information by Using Analysis of Video Information - Google Patents

Method for Processing Defect Repairing Information by Using Analysis of Video Information Download PDF

Info

Publication number
KR20220121933A
KR20220121933A KR1020210025255A KR20210025255A KR20220121933A KR 20220121933 A KR20220121933 A KR 20220121933A KR 1020210025255 A KR1020210025255 A KR 1020210025255A KR 20210025255 A KR20210025255 A KR 20210025255A KR 20220121933 A KR20220121933 A KR 20220121933A
Authority
KR
South Korea
Prior art keywords
defect
information
building
designated
defect detection
Prior art date
Application number
KR1020210025255A
Other languages
Korean (ko)
Inventor
김재형
권봉기
Original Assignee
주식회사 비즈모델라인
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 비즈모델라인 filed Critical 주식회사 비즈모델라인
Priority to KR1020210025255A priority Critical patent/KR20220121933A/en
Publication of KR20220121933A publication Critical patent/KR20220121933A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

The present invention relates to a defect repair information processing method using image information analysis. The defect repair information processing method using image information analysis, according to the present invention, is executed through a system working in connection with a camera capable of taking pictures of a building. The method comprises: a first step of reading image information related to a designated building through a designated artificial intelligence module and performing an artificial intelligence training procedure for detecting N (N>=1) defects related to the building; a second step of generating N defect detection models for detecting the N defects related to the designated building through the trained artificial intelligence module and storing the generated N defect detection models in a designated storage medium; a third step of detecting n (1<=n<=N) defects related to the building included in the image information by analyzing the image information obtained from the camera through the N defect detection models; a fourth step of generating defect detection information corresponding to the detected n defects when n defects related to the building are detected; a fifth step of generating defect repair information for repairing defects corresponding to the defect detection information based on predetermined N defect repair rules; and a sixth step of providing the defect repair information to a designated terminal.

Description

영상정보 분석을 이용한 하자 보수 정보 처리 방법{Method for Processing Defect Repairing Information by Using Analysis of Video Information}Method for Processing Defect Repairing Information by Using Analysis of Video Information

본 발명은 영상정보 분석을 이용한 하자 보수 정보 처리 방법에 관한 것이다. 보다 상세하게는 인공지능모듈을 통해 지정된 건축물과 관련된 하자를 탐지하기 위해 생성된 하자탐지모델을 통해 카메라로부터 획득되는 영상정보를 분석하여 상기 영상정보에 포함된 건축물과 관련된 하자를 탐지하고, 상기 탐지된 하자에 대응하는 하자탐지정보를 생성한 후, 기 설정된 하자 별 하자보수규칙을 근거로 상기 하자탐지정보에 대응하는 하자를 보수하기 위한 하자보수정보를 생성하여 지정된 단말로 제공하는 방법에 관한 것이다.The present invention relates to a method of processing defect repair information using image information analysis. In more detail, by analyzing image information obtained from a camera through a defect detection model generated to detect defects related to a designated building through an artificial intelligence module, a defect related to a building included in the image information is detected, and the detection It relates to a method of generating defect detection information corresponding to a detected defect, then generating defect repair information for repairing a defect corresponding to the defect detection information based on a preset defect repair rule for each defect and providing it to a designated terminal .

건축물에 대한 하자 보수 관리는 건축물의 수명 연장은 물론 해당 건축물을 이용하고 있는 사람들이나 그 주변의 안전을 위해서도 매우 중요하다.Defect repair and management of a building is very important not only for extending the life of the building, but also for the safety of people using the building and its surroundings.

하자 보수에 대한 요청은 일반적으로 해당 건축물을 관리하거나 이용하는 사람들이 건물주나 건설사에 요청하게 되는데, 건축물에 대한 정기적인 안전 점검이 있다고 하더라도 갑자기 발생하거나 확인되는 하자들에 대해서는 관련 지식이 부족한 경우 즉각적이고 체계적인 하자 보수 대응이 어렵다는 문제가 있다. The request for repair of defects is usually made by the people who manage or use the building to the building owner or construction company. There is a problem that it is difficult to respond systematically to repairing defects.

한편, 대한민국 등록특허공보 제10-2018556호(2019년08월30일 등록)는 하자 보수 관리를 위한 관리 시스템 및 방법에 관한 것으로, 아파트 또는 다세대 주택과 같은 주거 밀집 시설물들에 대해 하자의 보수 및 관리가 체계적으로 관리될 수 있도록 하는 통합적 하자 보수 관리 시스템 및 하자 보수 관리 방법을 제공하는 방법이 개시되어 있다.On the other hand, Republic of Korea Patent Publication No. 10-188556 (registered on August 30, 2019) relates to a management system and method for defect repair management, repairing defects and Disclosed are an integrated defect repair management system and a method for providing a defect repair management method so that the management can be systematically managed.

그러나, 전술한 특허문헌은 하자를 직접 확인하고 보수를 요청해야 하며, 확인된 하자에 따른 보수자의 결정을 직접 해야하는 번거로움과 문제점이 있었다.However, in the aforementioned patent document, it is necessary to directly check a defect and request a repair, and there are inconveniences and problems in that a repairer has to directly determine a repairer according to the confirmed defect.

상기와 같은 문제점을 해소하기 위한 본 발명의 목적은, 지정된 인공지능모듈을 통해 지정된 건축물과 관련된 영상정보를 판독하여 건축물과 관련된 N(N≥1)개의 하자를 탐지하기 위한 인공지능 학습 절차를 수행하고, 상기 학습된 인공지능모듈을 통해 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자탐지모델을 생성하여 지정된 저장매체에 저장하며, 상기 N개의 하자탐지모델을 통해 상기 카메라로부터 획득되는 영상정보를 분석하여 상기 영상정보에 포함된 건축물과 관련된 n(1≤n≤N)개의 하자를 탐지하여, 상기 탐지된 n개의 하자에 대응하는 하자탐지정보를 생성하고, 기 설정된 N개의 하자 별 하자보수규칙을 근거로 상기 하자탐지정보에 대응하는 하자를 보수하기 위한 하자보수정보를 생성하여, 지정된 단말로 상기 하자보수정보를 제공하는 영상정보 분석을 이용한 하자 보수 정보 처리 방법을 제공함에 있다.An object of the present invention to solve the above problems is to perform an artificial intelligence learning procedure for detecting N (N≥1) defects related to a building by reading image information related to a designated building through a designated artificial intelligence module. And, N defect detection models for detecting N defects related to a designated building through the learned artificial intelligence module are generated and stored in a designated storage medium, and the image obtained from the camera through the N defect detection models Analyze the information to detect n (1≤n≤N) defects related to the building included in the image information, generate defect detection information corresponding to the n detected defects, and set N defects for each defect An object of the present invention is to provide a method of processing defect repair information using image information analysis that generates defect repair information for repairing a defect corresponding to the defect detection information based on a repair rule and provides the defect repair information to a designated terminal.

본 발명에 따른 영상정보 분석을 이용한 하자 보수 정보 처리 방법은, 건축물을 촬영 가능한 카메라와 연동하는 시스템을 통해 실행되며, 지정된 인공지능모듈을 통해 지정된 건축물과 관련된 영상정보를 판독하여 건축물과 관련된 N(N≥1)개의 하자를 탐지하기 위한 인공지능 학습 절차를 수행하는 제1 단계와, 상기 학습된 인공지능모듈을 통해 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자탐지모델을 생성하여 지정된 저장매체에 저장하는 제2 단계와, 상기 N개의 하자탐지모델을 통해 상기 카메라로부터 획득되는 영상정보를 분석하여 상기 영상정보에 포함된 건축물과 관련된 n(1≤n≤N)개의 하자를 탐지하는 제3 단계와, 상기 건축물과 관련된 n개의 하자를 탐지한 경우 상기 탐지된 n개의 하자에 대응하는 하자탐지정보를 생성하는 제4 단계와, 기 설정된 N개의 하자 별 하자보수규칙을 근거로 상기 하자탐지정보에 대응하는 하자를 보수하기 위한 하자보수정보를 생성하는 제5 단계와, 지정된 단말로 상기 하자보수정보를 제공하는 제6 단계를 포함하여 구성될 수 있다.The defect repair information processing method using image information analysis according to the present invention is executed through a system that interworks with a camera capable of photographing a building, and reads image information related to a designated building through a designated artificial intelligence module to obtain N ( A first step of performing an artificial intelligence learning procedure for detecting N≥1) defects, and N defect detection models for detecting N defects related to a designated building through the learned artificial intelligence module are designated A second step of storing in a storage medium, and analyzing the image information obtained from the camera through the N defect detection models to detect n (1≤n≤N) defects related to the building included in the image information The third step, the fourth step of generating defect detection information corresponding to the n detected defects when n defects related to the building are detected, and the defect repair rule for each N defects set in advance A fifth step of generating defect repair information for repairing a defect corresponding to the detection information and a sixth step of providing the defect repair information to a designated terminal may be included.

본 발명에 따르면, 상기 N개의 하자는, 지정된 건축물과 관련한 하자 탐지 파트 별 하자, 지정된 건축물과 관련한 하자 탐지 파트 별 하자 종류 별 하자 중 적어도 하나의 하자를 포함할 수 있다.According to the present invention, the N defects may include at least one of a defect for each defect detection part related to a designated building and a defect for each defect type for each defect detection part related to a designated building.

본 발명에 따르면, 상기 N개의 하자는, 지정된 건축물과 관련한 하자 중 카메라를 통해 촬영된 영상의 비디오 데이터와 오디오 데이터 중 어느 하나 또는 둘의 조합을 이용하여 탐지 가능한 하자를 포함할 수 있다.According to the present invention, the N defects may include defects detectable by using any one or a combination of audio data and video data of an image captured by a camera among defects related to a designated building.

본 발명에 따르면, 상기 제1 단계는, 지정된 건축물과 관련된 영상정보에 포함된 건축물의 지정된 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 특징에 대응하는 N개의 하자 별 i(i≥2)개의 입력 정보를 설정하고 상기 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 결과에 대응하는 N개의 하자 별 j(j≥1)개의 출력 정보를 설정하는 단계와, 상기 설정된 i개의 입력 정보 별 변수값과 j개의 출력 정보 별 변수값을 포함하는 학습 정보를 지정된 인공지능모듈의 변수값으로 대입하여 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자 탐지를 학습시키는 단계를 포함할 수 있다.According to the present invention, in the first step, i (i≥2) number of defects corresponding to the observed characteristics of the defect state or normal state for each designated defect detection part of the building included in the image information related to the designated building. Setting input information and setting j (j≥1) pieces of output information for each N defect corresponding to the observed result of the defect state or the normal state for each defect detection part; and substituting the learning information including the variable values for each of the j pieces of output information into the variable values of the specified artificial intelligence module to learn N defect detection for detecting N defects related to the specified building.

본 발명에 따르면, 상기 건축물과 관련된 영상정보는, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터를 포함하는 영상정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터를 포함하는 영상정보, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터를 포함하는 영상정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터를 포함하는 영상정보 중 적어도 하나를 포함할 수 있다.According to the present invention, the image information related to the building includes image information including video data corresponding to the defect state of the designated defect detection part of the building, and video data corresponding to the normal state of the designated defect detection part of the building. At least among image information, image information including video data and audio data corresponding to the defect state of the designated defect detection part of the building, and image information including video data and audio data corresponding to the normal state of the designated defect detection part of the building may contain one.

본 발명에 따르면, 상기 i개의 입력 정보는, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터의 관측된 특징에 대응하는 특징정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터의 관측된 특징에 대응하는 특징정보, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징에 대응하는 특징정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징에 대응하는 특징정보 중 적어도 하나의 특징정보를 포함할 수 있다.According to the present invention, the i pieces of input information include feature information corresponding to an observed feature of video data corresponding to a defect state of a designated defect detection part of a building, and video data corresponding to a normal state of a designated defect detection part of a building feature information corresponding to the observed feature of the building, feature information corresponding to the observed feature of video data and audio data corresponding to the defect state of the designated defect detection part of the building, and video corresponding to the normal state of the designated defect detection part of the building It may include at least one piece of feature information among data and feature information corresponding to the observed feature of the audio data.

본 발명에 따르면, 상기 i개의 입력 정보는, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보 중 적어도 하나의 패턴정보를 포함할 수 있다.According to the present invention, the i pieces of input information include pattern information for recognizing a pattern of an observed feature of video data corresponding to a defect state of a designated defect detection part of a building, pattern information corresponding to a normal state of a designated defect detection part of a building Pattern information that recognizes the pattern of the observed feature of the video data, the pattern information that recognizes the pattern of the observed feature of the video data and audio data corresponding to the defect state of the designated defect detection part of the building, and the pattern information of the designated defect detection part of the building It may include at least one pattern information of pattern information for recognizing the pattern of the observed feature of the video data corresponding to the normal state and the audio data.

본 발명에 따르면, 상기 N개의 하자탐지모델은, 지정된 건축물과 관련된 하자 탐지 파트 별 하자를 탐지 가능한 하자탐지모델, 지정된 건축물과 관련된 하자 탐지 파트 별 하자 종류 별 하자를 탐지 가능한 하자탐지모델 중 지정된 복수의 하자탐지모델을 포함할 수 있다.According to the present invention, the N number of defect detection models include a plurality of designated defect detection models capable of detecting defects for each defect detection part related to a designated building, and a defect detection model capable of detecting defects for each defect type by defect detection part related to a designated building. of the defect detection model.

본 발명에 따르면, 상기 N개의 하자탐지모델은, 지정된 건축물과 관련된 하자 탐지 파트 별 하자 내지 지정된 건축물과 관련된 하자 탐지 파트 별 하자 종류 별 하자를 포함하는 N개의 하자를 통합 탐지 가능한 하자탐지모델을 포함할 수 있다.According to the present invention, the N defects detection models include a defect detection model capable of integrally detecting N defects including defects by defect detection parts related to a designated building or defects by defect type by defect detection part related to a designated building. can do.

본 발명에 따르면, 상기 제3 단계는, 상기 N개의 하자탐지모델이 복수인 경우, 상기 카메라로부터 획득되는 영상정보를 기 설정된 순서에 따라 상기 N개의 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지하는 단계를 포함할 수 있다.According to the present invention, in the third step, when there are a plurality of the N defect detection models, the image information obtained from the camera is substituted into the N defect detection models according to a preset order and included in the image information. It may include the step of detecting n defects related to the building.

본 발명에 따른 영상정보 분석을 이용한 하자 보수 정보 처리 방법은, 상기 N개의 하자탐지모델이 복수인 경우, 지정된 단말을 통해 선택된 상기 카메라로부터 획득되는 영상정보와 관련된 하자 탐지 파트 정보 또는 하자 종류 정보를 확인하는 단계를 더 포함할 수 있으며, 상기 제3 단계는, 상기 영상정보를 상기 N개의 하자탐지모델 중 상기 확인된 하자 탐지 파트 정보 또는 하자 종류 정보에 대응하는 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지하는 단계를 포함할 수 있다.In the defect repair information processing method using image information analysis according to the present invention, when there are a plurality of the N defect detection models, defect detection part information or defect type information related to image information obtained from the camera selected through a designated terminal The method may further include confirming, wherein the third step includes substituting the image information into a defect detection model corresponding to the identified defect detection part information or defect type information among the N defect detection models to obtain the image information. It may include the step of detecting n defects related to the building included in the.

본 발명에 따르면, 상기 제3 단계는, 상기 N개의 하자탐지모델이 N개의 하자를 통합 탐지 가능한 통합 하자탐지모델인 경우, 상기 카메라로부터 획득되는 영상정보를 상기 통합 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지하는 단계를 포함할 수 있다.According to the present invention, in the third step, when the N defects detection model is an integrated defect detection model capable of integrally detecting N defects, image information obtained from the camera is substituted into the integrated defect detection model to obtain the image. It may include the step of detecting n defects related to the building included in the information.

본 발명에 따르면, 상기 하자탐지정보는, 상기 영상정보에 포함된 건축물에 대응하는 건축물 정보, 상기 하자탐지모델을 통해 하자 상태로 탐지된 n개의 하자에 대응하는 하자 파트 정보, 하자 종류 정보, 하자율 정보 중 적어도 하나의 정보를 포함할 수 있다.According to the present invention, the defect detection information includes building information corresponding to the building included in the image information, defect part information corresponding to n defects detected as defects through the defect detection model, defect type information, and defect rate. It may include at least one piece of information.

본 발명에 따르면, 상기 하자보수규칙은, 하자 상태로 탐지된 하자 파트 별 보수 대상 파트를 결정하는 규칙, 하자 상태로 탐지된 하자 파트 별 하자 종류 별 보수 대상 파트를 결정하는 규칙, 하자 상태로 탐지된 하자율 별 보수 대상 파트를 결정하는 규칙, 하자 상태로 탐지된 하자 파트 별 보수 종류를 결정하는 규칙, 하자 상태로 탐지된 하자 파트 별 하자 종류 별 보수 종류를 결정하는 규칙, 하자 상태로 탐지된 하자율 별 보수 종류를 결정하는 규칙 중 적어도 하나 규칙 또는 둘 이상 규칙의 조합을 포함할 수 있다.According to the present invention, the defect repair rule includes a rule for determining a repair target part for each defective part detected as a defect state, a rule for determining a repair target part for each defective part detected as a defect state, and detection as a defect state A rule for determining the repair target part for each defective rate, a rule for determining the type of repair for each defective part detected as a defect condition, a rule for determining the repair type for each defect type for each defective part detected as a defect condition, a defect rate detected as a defect condition At least one rule or a combination of two or more rules among the rules for determining the type of reward may be included.

본 발명에 따르면, 상기 하자보수정보는, 보수 대상에 대응하는 건축물에 대응하는 건축물 정보, 상기 하자보수규칙을 통해 결정된 n개의 하자 별 보수 대상 파트 정보, 보수 종류 정보 중 적어도 하나의 정보를 포함할 수 있다.According to the present invention, the defect repair information may include at least one information of building information corresponding to the building corresponding to the repair target, repair target part information for each n defects determined through the defect repair rule, and repair type information. can

본 발명에 따르면, 상기 하자보수정보는, 상기 건축물이 위치한 위치를 기준으로 상기 하자보수규칙을 통해 결정된 n개의 하자 별 보수 대상 파트 또는 보수 종류에 대응하는 하자를 보수 가능한 업체정보를 포함할 수 있다.According to the present invention, the defect repair information may include information on companies capable of repairing defects corresponding to repair target parts or repair types for n defects determined through the defect repair rules based on the location where the building is located. .

본 발명에 따른 영상정보 분석을 이용한 하자 보수 정보 처리 방법은, 상기 단말을 통해 상기 하자보수정보에 대응하는 하자 보수를 위한 견적을 요청하는 견적요청정보를 수신하는 단계와, 상기 견적요청정보를 수신한 경우 상기 하자탐지정보와 하자보수정보를 근거로 지정된 업체로 상기 하자 보수를 위한 견적을 의뢰하는 견적의뢰정보를 생성하는 단계와, 상기 생성된 견적의뢰정보를 지정된 업체의 정보수신수단으로 제공하는 단계를 더 포함할 수 있다.The method for processing defect repair information using image information analysis according to the present invention comprises the steps of: receiving, through the terminal, quotation request information for requesting an estimate for repairing a defect corresponding to the defect repair information; In one case, generating quotation request information for requesting an estimate for repairing the defect to a designated company based on the defect detection information and defect repair information, and providing the generated estimate request information as an information receiving means of a designated company It may include further steps.

본 발명에 따른 영상정보 분석을 이용한 하자 보수 정보 처리 방법은, 상기 견적의뢰정보를 수신한 지정된 업체의 정보제공수단으로부터 상기 견적의뢰정보에 대응하는 견적서정보를 수신하는 단계와, 상기 단말로 상기 견적서정보를 제공하는 단계와, 상기 단말로 제공된 견적서정보 중 상기 단말을 통해 지정된 견적서정보에 대한 계약요청정보를 수신하는 단계와, 상기 계약요청정보를 근거로 상기 하자 보수를 요청하는 사용자와 업체 간 하자 보수를 위한 계약을 체결하는 절차를 수행하는 단계를 더 포함할 수 있다. The method for processing defect repair information using image information analysis according to the present invention comprises the steps of: receiving quotation information corresponding to the quotation request information from the information providing means of a designated company that has received the quotation request information; A defect between a user and a company requesting repair of the defect based on the steps of providing information; The method may further include performing a procedure for concluding a contract for remuneration.

본 발명에 따르면, 스마트폰에 구비된 카메라를 통해 하자로 의심되는 부분을 촬영함으로써, 손쉽게 하자 여부 및 하자 종류를 확인할 수 있는 이점과, 하자 종류에 대응하는 하자 보수 업체를 확인할 수 있는 이점이 있다.According to the present invention, by photographing a portion suspected of a defect through a camera provided in a smartphone, there is an advantage in that it is possible to easily check whether a defect exists and the type of defect, and there is an advantage in that it is possible to check a defect repair company corresponding to the type of defect .

도 1은 본 발명의 실시 방법에 따른 영상정보 분석을 이용한 하자 보수 정보 처리 시스템 구성을 도시한 도면이다.
도 2는 본 발명의 실시 방법에 따라 인공지능모듈을 통해 지정된 건축물과 관련된 하자를 탐지하기 위한 하자탐지모델을 생성하는 과정을 도시한 도면이다.
도 3은 본 발명의 실시 방법에 따라 영상정보 분석을 통해 하자 보수 정보를 처리하는 과정을 도시한 도면이다.1 is a diagram showing the configuration of a defect repair information processing system using image information analysis according to an embodiment of the present invention.
2 is a diagram illustrating a process of generating a defect detection model for detecting a defect related to a designated building through an artificial intelligence module according to an implementation method of the present invention.
3 is a diagram illustrating a process of processing defect repair information through image information analysis according to an embodiment of the present invention.

이하 첨부된 도면과 설명을 참조하여 본 발명의 바람직한 실시예에 대한 동작 원리를 상세히 설명한다. 다만, 하기에 도시되는 도면과 후술되는 설명은 본 발명의 특징을 효과적으로 설명하기 위한 여러 가지 방법 중에서 바람직한 실시 방법에 대한 것이며, 본 발명이 하기의 도면과 설명만으로 한정되는 것은 아니다.Hereinafter, the principle of operation of the preferred embodiment of the present invention will be described in detail with reference to the accompanying drawings and description. However, the drawings shown below and the description to be given below relate to a preferred implementation method among various methods for effectively explaining the characteristics of the present invention, and the present invention is not limited only to the following drawings and description.

즉, 하기의 실시예는 본 발명의 수 많은 실시예 중에 바람직한 합집합 형태의 실시예 예에 해당하며, 하기의 실시예에서 특정 구성(또는 단계)를 생략하는 실시예, 또는 특정 구성(또는 단계)에 구현된 기능을 특정 구성(또는 단계)로 분할하는 실시예, 또는 둘 이상의 구성(또는 단계)에 구현된 기능을 어느 하나의 구성(또는 단계)에 통합하는 실시예, 특정 구성(또는 단계)의 동작 순서를 교체하는 실시예 등은, 하기의 실시예에서 별도로 언급하지 않더라도 모두 본 발명의 권리범위에 속함을 명백하게 밝혀두는 바이다. 따라서 하기의 실시예를 기준으로 부분집합 또는 여집합에 해당하는 다양한 실시예들이 본 발명의 출원일을 소급받아 분할될 수 있음을 분명하게 명기하는 바이다.That is, the following embodiment corresponds to an embodiment of a preferred union type among numerous embodiments of the present invention, and an embodiment in which a specific configuration (or step) is omitted in the following embodiment, or a specific configuration (or step) An embodiment in which a function implemented in a function is divided into a specific configuration (or step), or an embodiment in which a function implemented in two or more configurations (or step) is integrated into any one configuration (or step), a specific configuration (or step) Embodiments in which the order of operation is replaced, etc. are clearly stated to be within the scope of the present invention, even if not separately mentioned in the following embodiments. Accordingly, it is clearly specified that various embodiments corresponding to a subset or a complement can be divided retroactively from the filing date of the present invention based on the following examples.

또한, 하기에서 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로써, 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 발명에서 전반에 걸친 내용을 토대로 내려져야 할 것이다. In addition, in the following description of the present invention, if it is determined that a detailed description of a related well-known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted. And the terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to the intention or custom of the user or operator. Therefore, the definition should be made based on the content throughout the present invention.

결과적으로, 본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하 실시예는 진보적인 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.As a result, the technical spirit of the present invention is determined by the claims, and the following examples are one means for efficiently explaining the technical spirit of the present invention to those of ordinary skill in the art to which the present invention belongs. only

도면1은 본 발명의 실시 방법에 따른 영상정보 분석을 이용한 하자 보수 정보 처리 시스템 구성을 도시한 도면이다.1 is a diagram showing the configuration of a defect repair information processing system using image information analysis according to an embodiment of the present invention.

보다 상세하게 본 도면1은 지정된 인공지능모듈을 통해 지정된 건축물과 관련된 영상정보를 판독하여 건축물과 관련된 하자를 탐지하기 위한 인공지능 학습 절차를 수행하고, 상기 학습된 인공지능모듈을 통해 지정된 건축물과 관련된 하자를 탐지하기 위해 생성된 하자탐지모델을 통해 카메라로부터 획득되는 영상정보를 분석하여 상기 영상정보에 포함된 건축물과 관련된 하자를 탐지하고, 상기 탐지된 하자에 대응하는 하자탐지정보를 생성한 후, 기 설정된 하자 별 하자보수규칙을 근거로 상기 하자탐지정보에 대응하는 하자를 보수하기 위한 하자보수정보를 생성하여 지정된 단말로 제공하기 위한 시스템의 구성을 도시한 것으로서, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면1을 참조 및/또는 변형하여 상기 시스템의 구성에 대한 다양한 실시 방법(예컨대, 일부 구성부가 생략되거나, 또는 세분화되거나, 또는 합쳐진 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면1에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다. In more detail, this figure 1 reads image information related to a designated building through a designated artificial intelligence module to perform an artificial intelligence learning procedure for detecting defects related to a building, and performs an artificial intelligence learning procedure related to the designated building through the learned artificial intelligence module. After analyzing the image information obtained from the camera through the defect detection model generated to detect the defect, detecting the defect related to the building included in the image information, and generating defect detection information corresponding to the detected defect, It shows the configuration of a system for generating defect repair information for repairing a defect corresponding to the defect detection information based on a preset defect repair rule for each defect and providing it to a designated terminal. Those skilled in the art will be able to infer various implementation methods (eg, implementation methods in which some components are omitted, subdivided, or combined) for the configuration of the system by referring and/or modifying this figure 1. , the present invention is made including all the implementation methods inferred above, and the technical characteristics are not limited only to the implementation method shown in FIG. 1 .

본 발명의 시스템은, 영상정보 획득을 위한 카메라를 구비하며, 지정된 건축물의 하자를 탐지하기 위해 상기 카메라로부터 획득되는 영상정보를 통신망을 통해 서버(100)로 전송하는 기능을 구비하는 사용자 무선단말(135)과, 상기 서버(100)로부터 하자보수정보를 제공받는 기능을 구비하는 단말(140)과, 지정된 인공지능모듈을 통해 지정된 건축물과 관련된 영상정보를 판독하여 건축물과 관련된 N(N≥1)개의 하자를 탐지하기 위한 인공지능 학습 절차를 수행하는 기능과, 상기 학습된 인공지능모듈을 통해 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자탐지모델을 생성하여 지정된 저장매체에 저장하는 기능과, 상기 N개의 하자탐지모델을 통해 상기 카메라로부터 획득되는 영상정보를 분석하여 상기 영상정보에 포함된 건축물과 관련된 n(1≤n≤N)개의 하자를 탐지하는 기능과, 상기 건축물과 관련된 n개의 하자를 탐지한 경우 상기 탐지된 n개의 하자에 대응하는 하자탐지정보를 생성하는 기능과, 기 설정된 N개의 하자 별 하자보수규칙을 근거로 상기 하자탐지정보에 대응하는 하자를 보수하기 위한 하자보수정보를 생성하는 기능과, 지정된 단말(140)로 상기 하자보수정보를 제공하는 기능을 구비하는 서버(100)를 포함하여 이루어질 수 있다.The system of the present invention includes a camera for acquiring image information, and a user wireless terminal having a function of transmitting image information obtained from the camera to the server 100 through a communication network in order to detect a defect in a designated building ( 135), the terminal 140 having a function of receiving defect repair information from the server 100, and N (N≥1) related to the building by reading the image information related to the designated building through the designated artificial intelligence module A function of performing an artificial intelligence learning procedure for detecting defects of dogs, and a function of generating N defect detection models for detecting N defects related to a designated building through the learned artificial intelligence module and storing them in a designated storage medium And, a function of analyzing the image information obtained from the camera through the N defect detection models to detect n (1≤n≤N) defects related to the building included in the image information, and n related to the building Defect repair for repairing defects corresponding to the defect detection information based on a function of generating defect detection information corresponding to the n detected defects when detecting the number of defects, and a preset repair rule for each of the N defects The server 100 having a function of generating information and a function of providing the defect repair information to a designated terminal 140 may be included.

본 발명의 실시 방법에 따르면, 상기 시스템은 카메라에 구비된 프로그램, 카메라를 구비한 무선단말, 카메라를 구비한 무선단말의 프로그램, 카메라를 구비한 장치(CCTV, 계측장비 등), 카메라를 구비한 무선단말의 프로그램, 카메라를 구비한 무선단말이나 장치와 통신하는 서버, 카메라를 구비한 무선단말이나 장치와 통신하는 서버의 프로그램 중 어느 하나 또는 둘 이상의 조합을 포함할 수 있으며, 본 도면1에서는 상기 서버(100)와 카메라가 구비된 사용자 무선단말(135)과, 단말(140)을 포함하는 실시예를 통해 본 발명을 기술하기로 한다.According to the implementation method of the present invention, the system includes a program provided in a camera, a wireless terminal equipped with a camera, a program of a wireless terminal equipped with a camera, a device equipped with a camera (CCTV, measuring equipment, etc.), a camera equipped with It may include any one or a combination of two or more of a program of a wireless terminal, a server that communicates with a wireless terminal or device equipped with a camera, and a program of a server that communicates with a wireless terminal or device equipped with a camera. The present invention will be described through an embodiment including the server 100 and the user wireless terminal 135 equipped with a camera, and the terminal 140 .

상기 사용자 무선단말(135)은 지정된 건축물에 하자로 의심되거나 추정되는 부분 또는 지역을 상기 사용자 무선단말(135)에 구비된 카메라로 촬영하는 사용자가 이용하는 모바일 컴퓨터 장치의 총칭으로서, 휴대폰, 스마트폰, 태블릿PC, 노트북 등의 무선단말을 중 적어도 하나를 포함할 수 있다. 바람직하게, 상기 사용자 무선단말(135)은 상기 카메라를 촬영하여 획득한 영상정보를 상기 서버(100)로 제공하는 기능과, 상기 서버(100)로부터 상기 영상정보에 대한 분석을 통해 생성된 하자탐지정보 및 하자보수정보를 제공받는 기능을 포함하며, 실시 방법에 따라 상기 기능을 위해 지정된 적어도 하나 이상의 절차를 수행하는 앱(Application)이나 프로그램이 설치될 수 있으며, 이 중 일부의 구성은 웹 방식을 통해 구현될 수도 있다. 이하, 별도의 언급이 없더라도 상기 사용자 무선단말(135) 또는 상기 사용자 무선단말(135)에 구비된 카메라를 주체로 하여 설명하는 기능은 상기 사용자 무선단말(135)에 설치된 프로그램(또는 앱)이나 웹 방식을 통해 구현되는 것임을 명백하게 밝혀두는 바이다.The user wireless terminal 135 is a generic term for a mobile computer device used by a user to photograph a part or area suspected or estimated to be defective in a designated building with a camera provided in the user wireless terminal 135, and includes a mobile phone, a smartphone, It may include at least one of a wireless terminal such as a tablet PC and a notebook computer. Preferably, the user wireless terminal 135 provides a function of providing image information obtained by photographing the camera to the server 100, and a defect detection generated through analysis of the image information from the server 100 It includes a function to receive information and defect repair information, and depending on the implementation method, an app or program that performs at least one or more procedures specified for the function may be installed, and some of these may be configured using a web method. It can also be implemented through Hereinafter, even if there is no separate mention, the function described with the user wireless terminal 135 or the camera provided in the user wireless terminal 135 as the main subject is a program (or app) installed in the user wireless terminal 135 or a web application. It is clearly stated that it is implemented through the method.

상기 단말(135)은 상기 서버(100)로부터 하자보수정보를 제공받는 사용자가 이용하는 컴퓨터 장치의 총칭으로서, 유선망에 연결된 컴퓨터, 노트북 등의 유선단말과, 무선망에 연결된 휴대폰, 스마트폰, 태블릿PC, 노트북 등의 무선단말을 중 적어도 하나를 포함한다. 바람직하게, 상기 단말(140)은 상기 서버(100)로부터 하자탐지정보나 하자보수정보를 제공받는 기능과, 상기 하자보수정보에 대응하는 하자 보수를 위한 견적을 요청하는 견적요청정보를 상기 서버(100)로 전송하는 기능과, 상기 견적요청정보에 대응하는 견적의뢰정보를 상기 서버(100)로부터 제공받는 기능과, 상기 견적의뢰정보에 대응하는 견적지시정보를 상기 서버(100)로 전송하는 기능과, 상기 서버(100)로부터 상기 견적의뢰정보에 대응하는 견적서정보를 제공받는 기능과, 상기 견적서정보에 대한 계약요청정보를 상기 서버(100)로 전송하는 기능과, 상기 서버(100)로 상기 하자보수정보에 대응하는 자가 보수를 위한 보수 대상 파트의 구매요청정보를 전송하는 기능을 포함하며, 실시 방법에 따라 상기 기능을 위해 지정된 적어도 하나 이상의 절차를 수행하는 프로그램이나 앱(Application)이 설치될 수 있으며, 이 중 일부의 구성은 웹 방식을 통해 구현될 수도 있다. 이하, 별도의 언급이 없더라도 상기 단말(140)을 주체로 하여 설명하는 기능은 상기 단말(140)에 설치된 프로그램(또는 앱)이나 웹 방식을 통해 구현되는 것임을 명백하게 밝혀두는 바이다.The terminal 135 is a generic term for a computer device used by a user who receives defect repair information from the server 100, and is a wired terminal such as a computer or laptop connected to a wired network, and a mobile phone, a smartphone, and a tablet PC connected to a wireless network. , and a wireless terminal such as a laptop computer. Preferably, the terminal 140 transmits the function of receiving the defect detection information or the defect repair information from the server 100 and the quotation request information for requesting an estimate for defect repair corresponding to the defect repair information to the server ( 100), a function of receiving quotation request information corresponding to the quotation request information from the server 100, and a function of transmitting quotation instruction information corresponding to the quotation request information to the server 100 and a function of receiving quotation information corresponding to the quotation request information from the server 100; a function of transmitting contract request information for the quotation information to the server 100; It includes a function of transmitting purchase request information of a part to be repaired by a person corresponding to the defect repair information, and a program or application that performs at least one or more procedures designated for the function according to the implementation method is installed. and some of these configurations may be implemented through a web method. Hereinafter, even if there is no separate mention, the functions described with the terminal 140 as the main body are clearly implemented through a program (or app) installed in the terminal 140 or a web method.

한편, 도면1을 참조하면, 상기 서버(100)는 지정된 건축물과 관련된 N(N≥1)개의 하자를 탐지하기 위해 지정된 인공지능모듈의 인공지능 학습 절차를 수행하는 인공지능 학습부(105)와, 상기 학습된 인공지능모듈을 통해 지정된 건축물의 하자를 탐지하기 위한 하자탐지모델을 생성하여 저장하는 하자탐지모델 생성부(110)와, 상기 하자탐지모델을 통해 상기 카메라로부터 획득되는 영상정보에 포함된 건축물과 관련된 하자를 탐지하는 하자 탐지부(115)와, 상기 건축물과 관련되어 탐지된 하자에 대응하는 하자탐지정보를 생성하는 하자탐지정보 생성부(120)와, 상기 하자탐지정보에 대응하는 하자를 보수하기 위한 하자보수정보를 생성하는 하자보수정보 생성부(125)와, 상기 생성된 하자보수정보를 지정된 단말(140)로 제공하는 하자보수정보 제공부(130)를 구비하여 구성될 수 있다.On the other hand, referring to Figure 1, the server 100 is an artificial intelligence learning unit 105 that performs the artificial intelligence learning procedure of the designated artificial intelligence module to detect N (N≥1) defects related to the designated building and , a defect detection model generating unit 110 for generating and storing a defect detection model for detecting a defect in a designated building through the learned artificial intelligence module, and the image information obtained from the camera through the defect detection model. A defect detection unit 115 for detecting a defect related to the building, a defect detection information generating unit 120 for generating defect detection information corresponding to a defect detected in relation to the building, and the defect detection information corresponding to the defect detection information. A defect repair information generating unit 125 for generating defect repair information for repairing defects and a defect repair information providing unit 130 providing the generated defect repair information to a designated terminal 140 may be provided. have.

한편 본 도면1의 실시예는 편의상 상기 서버(100)를 하나의 서버 형태로 도시하였으나, 상기 서버(100)를 구현하는 실시예가 이에 의해 한정되는 것은 아니며, 상기 서버(100)는 둘 이상의 서버 조합 또는 서버 시스템 형태로 구현되거나 기 구축된 서버에 탑재되는 소프트웨어 형태로 구현될 수 있으며, 본 발명은 이러한 모든 실시예를 포함한다.On the other hand, although the embodiment of this figure 1 shows the server 100 in the form of one server for convenience, the embodiment implementing the server 100 is not limited thereto, and the server 100 is a combination of two or more servers. Alternatively, it may be implemented in the form of a server system or may be implemented in the form of software mounted on a pre-built server, and the present invention includes all such embodiments.

상기 인공지능 학습부(105)는 지정된 인공지능모듈을 통해 지정된 건축물과 관련된 영상정보를 판독하여 건축물과 관련된 N(N≥1)개의 하자를 탐지하기 위한 인공지능 학습 절차를 수행한다.The artificial intelligence learning unit 105 performs an artificial intelligence learning procedure for detecting N (N≥1) defects related to a building by reading image information related to a designated building through a designated artificial intelligence module.

본 발명의 실시 방법에 따르면, 상기 N개의 하자는 지정된 건축물과 관련한 하자 탐지 파트 별 하자, 지정된 건축물과 관련한 하자 탐지 파트 별 하자 종류 별 하자 중 적어도 하나의 하자를 포함할 수 있다.According to the implementation method of the present invention, the N defects may include at least one defect among a defect for each defect detection part related to a designated building and a defect for each defect type for each defect detection part related to a designated building.

또한, 본 발명의 실시 방법에 따르면, 상기 N개의 하자는 지정된 건축물과 관련한 하자 중 카메라를 통해 촬영된 영상의 비디오 데이터와 오디오 데이터 중 어느 하나 또는 둘의 조합을 이용하여 탐지 가능한 하자를 포함할 수 있다.In addition, according to the embodiment of the present invention, the N defects may include defects detectable by using any one or a combination of video data and audio data of an image captured by a camera among defects related to a designated building. .

한편, 본 발명의 실시 방법에 따르면, 상기 인공지능 학습부(105)는 지정된 건축물과 관련된 영상정보에 포함된 건축물의 지정된 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 특징에 대응하는 N개의 하자 별 i(i≥2)개의 입력 정보를 설정하고 상기 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 결과에 대응하는 N개의 하자 별 j(j≥1)개의 출력 정보를 설정할 수 있다.On the other hand, according to the implementation method of the present invention, the artificial intelligence learning unit 105 is N defects corresponding to the observed characteristic of the defect state or normal state for each designated defect detection part of the building included in the image information related to the designated building. It is possible to set input information of i (i≥2) stars and set j (j≥1) pieces of output information for each of the N defects corresponding to the observed result of the defect state or normal state for each defect detection part.

또한, 상기 인공지능 학습부(105)는 상기 설정된 i개의 입력 정보 별 변수값과 j개의 출력 정보 별 변수값을 포함하는 학습 정보를 지정된 인공지능모듈의 변수값으로 대입하여 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자 탐지를 학습시킬 수 있다. In addition, the artificial intelligence learning unit 105 substitutes the learning information including the set variable values for each of the i pieces of input information and the variable values for each of the j pieces of output information into the variable values of the designated artificial intelligence module, so that the N pieces related to the designated building It is possible to train N defect detection for detecting defects.

여기서, 상기 '각 하자 별 관측된 결과'는, 단순히 '하자' 또는 '정상' 중 하나를 포함하거나, 또는 'xx 하자', 'yy 하자', 'zz 하자', '정상' 등과 같이 복수의 하자와 정상 중 하나를 포함하거나, 또는 특정한 하자 탐지 파트에서 발생할 수 있는 특정한 하자에 대하여 'x% 하자', 'y% 하자', 'z% 하자', '정상' 등과 같이 복수의 하자율과 정상 중 하나를 포함할 수 있다.Here, the 'observed result for each defect' simply includes one of 'perfect' and 'normal', or a plurality of 'perfect', 'yy', 'zz', 'normal', etc. Multiple defect rates and normality, such as 'x% defect', 'y% defect', 'z% defect', 'normal', etc. may contain one of

또한, 본 발명의 실시 방법에 따르면, 상기 건축물과 관련된 영상정보는 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터를 포함하는 영상정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터를 포함하는 영상정보, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터를 포함하는 영상정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터를 포함하는 영상정보 중 적어도 하나를 포함할 수 있다.In addition, according to the embodiment of the present invention, the image information related to the building is image information including video data corresponding to the defect state of the designated defect detection part of the building, and video corresponding to the normal state of the designated defect detection part of the building. Image information including data, image information including video data and audio data corresponding to the defect state of the designated defect detection part of the building, video data and audio data corresponding to the normal state of the designated defect detection part of the building It may include at least one of image information.

한편, 본 발명의 실시 방법에 따르면, 상기 N개의 하자 별 i개의 입력 정보는 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터의 관측된 특징에 대응하는 특징정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터의 관측된 특징에 대응하는 특징정보, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징에 대응하는 특징정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징에 대응하는 특징정보 중 적어도 하나의 특징정보를 포함할 수 있다.On the other hand, according to the implementation method of the present invention, the input information for each of the N defects is the feature information corresponding to the observed features of the video data corresponding to the defect state of the designated defect detection part of the building, and the designated defect detection part of the building. feature information corresponding to the observed features of the video data corresponding to the normal state of At least one piece of feature information of video data corresponding to the normal state of the part and feature information corresponding to the observed feature of the audio data may be included.

본 발명의 다른 실시 방법에 따르면, 상기 N개의 하자 별 i개의 입력 정보는 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보 중 적어도 하나의 패턴정보를 포함할 수 있다.According to another embodiment of the present invention, the i input information for each of the N defects is pattern information for recognizing a pattern of an observed feature of video data corresponding to a defect state of a designated defect detection part of a building, and detecting a designated defect of a building Pattern information for recognizing the pattern of the observed feature of the video data corresponding to the normal state of the part, pattern information for recognizing the pattern of the observed feature of the video data and audio data corresponding to the defect state of the designated defect detection part of the building; It may include at least one pattern information of pattern information for recognizing the pattern of the observed feature of the video data and the audio data corresponding to the normal state of the designated defect detection part of the building.

한편, 본 발명의 실시 방법에 따르면, 상기 인공지능 학습부(105)는 지정된 건축물과 관련된 영상정보의 비디오 데이터에 포함된 건축물의 지정된 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 특징에 대응하는 N개의 하자 별 i(i≥2)개의 입력 정보를 설정하고 상기 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 결과에 대응하는 N개의 하자 별 j(j≥1)개의 출력 정보를 설정하고, 상기 설정된 i개의 입력 정보 별 변수값과 j개의 출력 정보 별 변수값을 포함하는 학습 정보를 지정된 인공지능모듈의 변수값으로 대입하여 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자 탐지를 학습시킬 수 있다.On the other hand, according to the implementation method of the present invention, the artificial intelligence learning unit 105 corresponds to the observed feature of the defect state or normal state for each designated defect detection part of the building included in the video data of the image information related to the designated building. Set i (i≥2) input information for each N defect and set j (j≥1) output information for each N defect corresponding to the observed result of the defect state or normal state for each defect detection part, By substituting the learning information including the set variable values for each of the i input information and the variable values for each of the j pieces of output information into the variable values of the specified artificial intelligence module, N defect detection for detecting N defects related to the specified building is learned. can do it

또한, 본 발명의 실시 방법에 따르면, 상기 인공지능 학습부(105)는 지정된 건축물과 관련된 영상정보의 비디오 데이터와 오디오 데이터의 조합에 포함된 건축물의 지정된 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 특징에 대응하는 N개의 하자 별 i(i≥2)개의 입력 정보를 설정하고 상기 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 결과에 대응하는 N개의 하자 별 j(j≥1)개의 출력 정보를 설정하고, 상기 설정된 i개의 입력 정보 별 변수값과 j개의 출력 정보 별 변수값을 포함하는 학습 정보를 지정된 인공지능모듈의 변수값으로 대입하여 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자 탐지를 학습시킬 수 있다.In addition, according to the implementation method of the present invention, the artificial intelligence learning unit 105 observes the defect state or normal state for each designated defect detection part of the building included in the combination of video data and audio data of image information related to the designated building. Set i (i≥2) input information for each N defect corresponding to the detected feature, and output j (j≥1) pieces for each N defect corresponding to the observed result of the defect state or normal state for each defect detection part. N for detecting N defects related to a designated building by setting information and substituting learning information including the set variable values for each of the i input information and the variable values for each of the j pieces of output information into the variable values of the designated artificial intelligence module Dogs can be trained to detect defects.

상기 하자탐지모델 생성부(110)는, 상기 인공지능 학습부(105)를 통해 상기 학습된 인공지능모듈을 통해 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자탐지모델을 생성하여 지정된 저장매체에 저장한다. The defect detection model generation unit 110 generates N defect detection models for detecting N defects related to a building designated through the artificial intelligence module learned through the artificial intelligence learning unit 105, and stores the specified Save to media.

여기서, 상기 하자탐지모델 생성부(110)를 통해 생성되는 상기 하자탐지모델은, 지정된 규모 이상의 빅데이터를 이용한 인공지능 학습 절차를 수행한 결과로서 생성되는 것이 바람직하다.Here, the defect detection model generated by the defect detection model generating unit 110 is preferably generated as a result of performing an artificial intelligence learning procedure using big data of a specified scale or more.

본 발명의 실시 방법에 따르면, 상기 N개의 하자탐지모델은 지정된 건축물과 관련된 하자 탐지 파트 별 하자를 탐지 가능한 하자탐지모델, 지정된 건축물과 관련된 하자 탐지 파트 별 하자 종류 별 하자를 탐지 가능한 하자탐지모델 중 지정된 복수의 하자탐지모델을 포함할 수 있다.According to the implementation method of the present invention, the N number of defect detection models is a defect detection model capable of detecting a defect for each defect detection part related to a designated building, and a defect detection model capable of detecting a defect by a defect type for each defect detection part related to a designated building. It may include a plurality of designated defect detection models.

또한, 본 발명의 실시 방법에 따르면, 상기 N개의 하자탐지모델은 지정된 건축물과 관련된 하자 탐지 파트 별 하자 내지 지정된 건축물과 관련된 하자 탐지 파트 별 하자 종류 별 하자를 포함하는 N개의 하자를 통합 탐지 가능한 하자탐지모델을 포함할 수 있다.In addition, according to the implementation method of the present invention, the N defects detection model is capable of integrally detecting N defects including defects by defect detection parts related to a designated building or defects by defect detection parts related to a designated building by type of defect. A detection model may be included.

상기 하자 탐지부(115)는, 상기 하자탐지모델 생성부(110)를 통해 생성된 상기 N개의 하자탐지모델을 통해 상기 카메라로부터 획득되는 영상정보를 분석하여 상기 영상정보에 포함된 건축물과 관련된 n(1≤n≤N)개의 하자를 탐지한다.The defect detection unit 115 analyzes the image information obtained from the camera through the N defect detection models generated by the defect detection model generation unit 110 to analyze the n related to the building included in the image information. (1≤n≤N) defects are detected.

본 발명의 실시 방법에 따르면, 상기 하자 탐지부(115)는 상기 N개의 하자탐지모델이 복수인 경우, 상기 카메라로부터 획득되는 영상정보를 기 설정된 순서에 따라 상기 N개의 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다.According to an embodiment of the present invention, the defect detection unit 115 substitutes the image information obtained from the camera into the N defect detection models in a preset order when there are a plurality of the N defect detection models. It is possible to detect n defects related to the building included in the image information.

여기서, 상기 하자 탐지부(115)는 상기 카메라로부터 획득되는 영상정보에 포함된 비디오 데이터 또는 비디오 데이터와 오디오 데이터의 조합을 기 설정된 순서에 따라 상기 N개의 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다.Here, the defect detection unit 115 substitutes video data or a combination of video data and audio data included in the image information obtained from the camera into the N defect detection models according to a preset order and includes in the image information. It is possible to detect n defects related to the built structure.

또한, 본 발명의 실시 방법에 따르면, 상기 하자 탐지부(115)는 상기 N개의 하자탐지모델이 복수인 경우, 지정된 단말(135)을 통해 선택된 상기 카메라로부터 획득되는 영상정보와 관련된 하자 탐지 파트 정보 또는 하자 종류 정보를 확인할 수 있으며, 상기 영상정보를 상기 N개의 하자탐지모델 중 상기 확인된 하자 탐지 파트 정보 또는 하자 종류 정보에 대응하는 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다.In addition, according to the implementation method of the present invention, when the number of the N defect detection models is plural, the defect detection unit 115 includes defect detection part information related to image information obtained from the camera selected through the designated terminal 135 . Alternatively, it is possible to check the defect type information, and substituting the image information into a defect detection model corresponding to the identified defect detection part information or defect type information among the N defect detection models, n related to the building included in the image information Dog defects can be detected.

여기서, 상기 하자 탐지부(115)는 상기 카메라로부터 획득되는 영상정보에 포함된 비디오 데이터 또는 비디오 데이터와 오디오 데이터의 조합을 상기 확인된 하자 탐지 파트 정보 또는 하자 종류 정보에 대응하는 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다.Here, the defect detection unit 115 substitutes video data or a combination of video data and audio data included in the image information obtained from the camera into a defect detection model corresponding to the identified defect detection part information or defect type information. Thus, it is possible to detect n defects related to the building included in the image information.

또한, 본 발명의 실시 방법에 따르면, 상기 하자 탐지부(115)는 상기 N개의 하자탐지모델이 N개의 하자를 통합 탐지 가능한 통합 하자탐지모델인 경우, 상기 카메라로부터 획득되는 영상정보를 상기 통합 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다.In addition, according to the embodiment of the present invention, the defect detection unit 115 integrates the image information obtained from the camera when the N defect detection models are an integrated defect detection model capable of integrally detecting N defects. By substituting the detection model, it is possible to detect n defects related to the building included in the image information.

여기서, 상기 하자 탐지부(115)는 상기 카메라로부터 획득되는 영상정보에 포함된 비디오 데이터 또는 비디오 데이터와 오디오 데이터의 조합을 상기 통합 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다.Here, the defect detection unit 115 substitutes video data or a combination of video data and audio data included in the image information obtained from the camera into the integrated defect detection model to obtain n pieces of information related to the building included in the image information. defects can be detected.

상기 하자탐지정보 생성부(120)는, 상기 하자 탐지부(115)를 통해 상기 건축물과 관련된 n개의 하자를 탐지한 경우, 상기 탐지된 n개의 하자에 대응하는 하자탐지정보를 생성한다.When n defects related to the building are detected through the defect detection unit 115, the defect detection information generating unit 120 generates defect detection information corresponding to the n detected defects.

여기서, 상기 하자탐지정보 생성부(120)는 상기 생성된 하자보수정보를 지정된 운영DB에 저장할 수 있다.Here, the defect detection information generating unit 120 may store the generated defect repair information in a designated operation DB.

본 발명의 실시 방법에 따르면, 상기 하자탐지정보는 상기 영상정보에 포함된 건축물에 대응하는 건축물 정보, 상기 하자탐지모델을 통해 하자 상태로 탐지된 n개의 하자에 대응하는 하자 파트 정보, 하자 종류 정보, 하자율 정보 중 적어도 하나의 정보를 포함할 수 있으며, 상기 건축물 정보 등은 단말을 통해 미리/실시간 선택/입력될 수 있다.According to the implementation method of the present invention, the defect detection information includes building information corresponding to the building included in the image information, defect part information corresponding to n defects detected as a defect state through the defect detection model, and defect type information. , and at least one of defect rate information, and the building information may be selected/inputted in advance/real-time through the terminal.

본 발명의 실시 방법에 따르면, 상기 하자탐지정보 생성부(120)는 상기 하자탐지정보가 생성되면, 상기 생성된 하자탐지정보를 지정된 운영DB에 저장할 수 있다.According to the embodiment of the present invention, when the defect detection information is generated, the defect detection information generating unit 120 may store the generated defect detection information in a designated operation DB.

상기 하자보수정보 생성부(125)는, 상기 하자탐지정보 생성부(120)를 통해 하자탐지정보가 생성되면, 기 설정된 N개의 하자 별 하자보수규칙을 근거로 상기 하자탐지정보에 대응하는 하자를 보수하기 위한 하자보수정보를 생성한다.The defect repair information generating unit 125, when the defect detection information is generated through the defect detection information generating unit 120, determines a defect corresponding to the defect detection information based on the preset N number of defect repair rules for each defect. Create defect repair information for repair.

본 발명의 실시 방법에 따르면, 상기 하자보수규칙은, 하자 상태로 탐지된 하자 파트 별 보수 대상 파트를 결정하는 규칙, 하자 상태로 탐지된 하자 파트 별 하자 종류 별 보수 대상 파트를 결정하는 규칙, 하자 상태로 탐지된 하자율 별 보수 대상 파트를 결정하는 규칙, 하자 상태로 탐지된 하자 파트 별 보수 종류를 결정하는 규칙, 하자 상태로 탐지된 하자 파트 별 하자 종류 별 보수 종류를 결정하는 규칙, 하자 상태로 탐지된 하자율 별 보수 종류를 결정하는 규칙 중 적어도 하나 규칙 또는 둘 이상 규칙의 조합을 포함할 수 있다. 또한, 상기 하자보수규칙은 보수 대상 파트 별 업체정보를 포함할 수 있다.According to the implementation method of the present invention, the defect repair rule includes a rule for determining a repair target part for each defective part detected as a defect state, a rule for determining a repair target part for each defective part detected as a defect state, and a defect Rules for determining the parts to be repaired for each defect rate detected as a condition, a rule for determining the type of repair for each defective part detected as a defect condition, a rule for determining the type of repair for each defect type for each defective part detected as a defect condition, as a defect condition It may include at least one rule or a combination of two or more rules among the rules for determining the type of compensation for each detected defect rate. In addition, the defect repair rule may include company information for each part to be repaired.

본 발명의 실시 방법에 따르면, 상기 하자보수정보는 보수 대상에 대응하는 건축물에 대응하는 건축물 정보, 상기 하자보수규칙을 통해 결정된 n개의 하자 별 보수 대상 파트 정보, 보수 종류 정보 중 적어도 하나의 정보를 포함할 수 있으며, 상기 건축물 정보 등은 단말을 통해 미리/실시간 선택/입력될 수 있다. 또한, 상기 하자보수정보는 상기 건축물이 위치한 위치를 기준으로 상기 하자보수규칙을 통해 결정된 n개의 하자 별 보수 대상 파트 또는 보수 종류에 대응하는 하자를 보수 가능한 업체정보를 포함할 수 있다.According to the implementation method of the present invention, the defect repair information includes information on at least one of building information corresponding to the building corresponding to the repair target, repair target part information for each n defects determined through the defect repair rule, and repair type information. may be included, and the building information may be selected/inputted in advance/real-time through the terminal. In addition, the defect repair information may include information on a company capable of repairing defects corresponding to repair target parts or repair types for each of the n defects determined through the defect repair rules based on the location where the building is located.

상기 하자보수정보 제공부(130)는, 상기 하자보수정보 생성부(125)를 통해 하자보수정보가 생성되면, 지정된 단말로 상기 생성된 하자보수정보를 제공한다. The defect repair information providing unit 130 provides the generated defect repair information to a designated terminal when the defect repair information is generated through the defect repair information generating unit 125 .

본 발명의 실시 방법에 따르면, 상기 하자보수정보 제공부(130)는 상기 하자탐지정보에 포함된 정보를 상기 단말(140)로 제공할 수 있다.According to the embodiment of the present invention, the defect repair information providing unit 130 may provide the information included in the defect detection information to the terminal 140 .

또한, 본 발명의 실시 방법에 따르면, 상기 하자보수정보 제공부(130)는 상기 단말을 통해 상기 하자보수정보에 대응하는 하자 보수를 위한 견적을 요청하는 견적요청정보를 수신하는 경우, 상기 하자탐지정보와 하자보수정보를 근거로 지정된 업체로 상기 하자 보수를 위한 견적을 의뢰하는 견적의뢰정보를 생성하고, 상기 생성된 견적의뢰정보를 지정된 업체의 정보수신수단으로 제공할 수 있다. 여기서, 상기 견적의뢰정보는 상기 하자 보수를 위한 업체시공요청정보, 상기 하자를 자가 보수하기 위한 보수 대상 파트를 지정된 업체로부터 구매하기 위한 구매요청정보 중 적어도 하나를 포함할 수 있다.In addition, according to the implementation method of the present invention, the defect repair information providing unit 130, when receiving the quotation request information for requesting an estimate for defect repair corresponding to the defect repair information through the terminal, the defect detection Based on the information and the defect repair information, it is possible to generate quotation request information for requesting an estimate for the repair of the defect to a designated company based on the information and the defect repair information, and provide the generated quotation request information to the information receiving means of the designated company. Here, the quotation request information may include at least one of the company construction request information for repairing the defect, and purchase request information for purchasing the repair target part for self-repairing the defect from a designated company.

또한, 상기 하자보수정보 제공부(130)는 상기 견적의뢰정보를 생성한 경우, 상기 단말로 상기 견적의뢰정보를 제공하고, 상기 단말을 통해 상기 견적의뢰정보에 대응하는 견적지시정보를 수신할 수 있다.In addition, when the defect repair information providing unit 130 generates the quotation request information, it provides the quotation request information to the terminal, and can receive quotation instruction information corresponding to the quotation request information through the terminal. have.

또한, 상기 하자보수정보 제공부(130)는 상기 견적의뢰정보를 수신한 지정된 업체의 정보제공수단으로부터 상기 견적의뢰정보에 대응하는 견적서정보를 수신하고, 상기 단말로 상기 견적서정보를 제공할 수 있으며, 상기 단말로 제공된 견적서정보 중 상기 단말을 통해 지정된 견적서정보에 대한 계약요청정보를 수신하고, 상기 계약요청정보를 근거로 상기 하자 보수를 요청하는 사용자와 업체 간 하자 보수를 위한 계약을 체결하는 절차를 수행할 수 있다. 여기서, 상기 계약은 업체 시공 계약 또는 보수 대상 파트의 판매 등을 포함할 수 있다.In addition, the defect repair information providing unit 130 may receive the quotation information corresponding to the quotation request information from the information providing means of the designated company that has received the quotation request information, and provide the quotation information to the terminal, , A procedure of receiving contract request information for quotation information specified through the terminal among the quotation information provided to the terminal, and signing a contract for repairing defects between a user and a company requesting repair based on the contract request information can be performed. Here, the contract may include a construction contract with a company or sales of parts to be repaired.

한편, 본 발명의 실시 방법에 따르면, 상기 하자보수정보 제공부(130)는 상기 단말을 통해 상기 하자보수정보에 대응하는 자가 보수를 위한 보수 대상 파트의 구매요청정보를 수신할 수 있으며, 상기 구매요청정보를 수신한 경우 상기 자가 보수를 위한 보수 대상 파트를 판매하는 쇼핑몰로 상기 단말을 연결하는 절차를 수행할 수 있다.Meanwhile, according to the embodiment of the present invention, the defect repair information providing unit 130 may receive purchase request information of a repair target part for self repair corresponding to the defect repair information through the terminal, and the purchase When the request information is received, a procedure of connecting the terminal to a shopping mall that sells parts to be repaired for self-repair may be performed.

도면2는 본 발명의 실시 방법에 따라 인공지능모듈을 통해 지정된 건축물과 관련된 하자를 탐지하기 위한 하자탐지모델을 생성하는 과정을 도시한 도면이다.2 is a diagram illustrating a process of generating a defect detection model for detecting defects related to a designated building through an artificial intelligence module according to an embodiment of the present invention.

보다 상세하게 본 도면2는 상기 도면1에 도시된 서버(100)에서 건축물과 관련된 하자를 탐지하기 위한 인공지능 학습 절차를 수행하는 인공지능모듈을 통해 지정된 건축물과 관련된 하자를 탐지하기 위한 하자탐지모델을 생성하여 지정된 저장매체에 저장하는 과정을 도시한 것으로서, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면2를 참조 및/또는 변형하여 상기 과정에 대한 다양한 실시 방법(예컨대, 일부 단계가 생략되거나, 또는 순서가 변경된 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면2에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.In more detail, Fig. 2 is a defect detection model for detecting defects related to a designated building through an artificial intelligence module that performs an artificial intelligence learning procedure for detecting defects related to a building in the server 100 shown in Fig. 1 As shows the process of generating and storing in a designated storage medium, those of ordinary skill in the art to which the present invention pertains may refer to and/or modify this figure 2 to see various implementation methods for the process (eg, An implementation method in which some steps are omitted or the order is changed) may be inferred, but the present invention is made including all the implementation methods inferred above, and the technical characteristics are not limited only to the implementation method shown in FIG. 2 No.

도면2를 참조하면, 상기 서버(100)는 지정된 건축물과 관련된 영상정보에 포함된 건축물의 지정된 하자 탐지 파트 별 하자 상태 또는 정상 상태의 특징을 관측한다(200).Referring to FIG. 2 , the server 100 observes a characteristic of a defect state or a normal state for each designated defect detection part of a building included in image information related to a designated building ( 200 ).

그리고, 상기 서버(100)는 상기 관측된 특징에 대응하는 N개의 하자 별 i(i≥2)개의 입력 정보를 설정하고(205), 상기 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 결과에 대응하는 N개의 하자 별 j(j≥1)개의 출력 정보를 설정한다(210).Then, the server 100 sets i (i≥2) input information for each N defect corresponding to the observed feature ( 205 ), and returns to the observed result of a defect state or a normal state for each defect detection part. J (j ≥ 1) pieces of output information for each of the corresponding N defects are set ( 210 ).

또한, 상기 서버(100)는 상기 설정된 i개의 입력 정보 별 변수값과 j개의 출력 정보 별 변수값을 포함하는 학습 정보를 지정된 인공지능모듈의 변수값으로 대입하고(215), 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자 탐지를 학습시킨다(220). In addition, the server 100 substitutes the learning information including the set variable values for each of the i pieces of input information and the variable values for each of the j pieces of output information into the variable values of the designated artificial intelligence module (215), and N related to the designated building. The detection of N defects for detecting the defects is learned (220).

본 발명의 실시 방법에 따르면, 상기 N개의 하자는 지정된 건축물과 관련한 하자 탐지 파트 별 하자, 지정된 건축물과 관련한 하자 탐지 파트 별 하자 종류 별 하자 중 적어도 하나의 하자를 포함할 수 있다.According to the implementation method of the present invention, the N defects may include at least one defect among a defect for each defect detection part related to a designated building and a defect for each defect type for each defect detection part related to a designated building.

또한, 본 발명의 실시 방법에 따르면, 상기 N개의 하자는 지정된 건축물과 관련한 하자 중 카메라를 통해 촬영된 영상의 비디오 데이터와 오디오 데이터 중 어느 하나 또는 둘의 조합을 이용하여 탐지 가능한 하자를 포함할 수 있다.In addition, according to the embodiment of the present invention, the N defects may include defects detectable by using any one or a combination of video data and audio data of an image captured by a camera among defects related to a designated building. .

또한, 본 발명의 실시 방법에 따르면, 상기 건축물과 관련된 영상정보는 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터를 포함하는 영상정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터를 포함하는 영상정보, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터를 포함하는 영상정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터를 포함하는 영상정보 중 적어도 하나를 포함할 수 있다.In addition, according to the embodiment of the present invention, the image information related to the building is image information including video data corresponding to the defect state of the designated defect detection part of the building, and video corresponding to the normal state of the designated defect detection part of the building. Image information including data, image information including video data and audio data corresponding to the defect state of the designated defect detection part of the building, video data and audio data corresponding to the normal state of the designated defect detection part of the building It may include at least one of image information.

한편, 본 발명의 실시 방법에 따르면, 상기 N개의 하자 별 i개의 입력 정보는 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터의 관측된 특징에 대응하는 특징정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터의 관측된 특징에 대응하는 특징정보, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징에 대응하는 특징정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징에 대응하는 특징정보 중 적어도 하나의 특징정보를 포함할 수 있다.On the other hand, according to the implementation method of the present invention, the input information for each of the N defects is the feature information corresponding to the observed features of the video data corresponding to the defect state of the designated defect detection part of the building, and the designated defect detection part of the building. feature information corresponding to the observed features of the video data corresponding to the normal state of At least one piece of feature information of video data corresponding to the normal state of the part and feature information corresponding to the observed feature of the audio data may be included.

본 발명의 다른 실시 방법에 따르면, 상기 N개의 하자 별 i개의 입력 정보는 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보, 건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보, 건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보 중 적어도 하나의 패턴정보를 포함할 수 있다.According to another embodiment of the present invention, the i input information for each of the N defects is pattern information for recognizing a pattern of an observed feature of video data corresponding to a defect state of a designated defect detection part of a building, and detecting a designated defect of a building Pattern information for recognizing the pattern of the observed feature of the video data corresponding to the normal state of the part, pattern information for recognizing the pattern of the observed feature of the video data and audio data corresponding to the defect state of the designated defect detection part of the building; It may include at least one pattern information of pattern information for recognizing the pattern of the observed feature of the video data and the audio data corresponding to the normal state of the designated defect detection part of the building.

한편, 본 발명의 실시 방법에 따르면, 상기 서버(100)는 지정된 건축물과 관련된 영상정보의 비디오 데이터에 포함된 건축물의 지정된 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 특징에 대응하는 N개의 하자 별 i(i≥2)개의 입력 정보를 설정하고 상기 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 결과에 대응하는 N개의 하자 별 j(j≥1)개의 출력 정보를 설정하고, 상기 설정된 i개의 입력 정보 별 변수값과 j개의 출력 정보 별 변수값을 포함하는 학습 정보를 지정된 인공지능모듈의 변수값으로 대입하여 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자 탐지를 학습시킬 수 있다.On the other hand, according to the implementation method of the present invention, the server 100 includes N defects corresponding to the observed characteristics of the defect state or normal state for each designated defect detection part of the building included in the video data of the image information related to the designated building. Set the input information of i (i≥2) stars and set j (j≥1) pieces of output information for each N defect corresponding to the observed result of the defect state or normal state for each defect detection part, and the set i By substituting the learning information including the variable values for each input information and the variable values for each j pieces of output information into the variable values of the specified artificial intelligence module, it is possible to learn the detection of N defects for detecting N defects related to the specified building. .

또한, 본 발명의 실시 방법에 따르면, 상기 서버(100)는 지정된 건축물과 관련된 영상정보의 비디오 데이터와 오디오 데이터의 조합에 포함된 건축물의 지정된 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 특징에 대응하는 N개의 하자 별 i(i≥2)개의 입력 정보를 설정하고 상기 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 결과에 대응하는 N개의 하자 별 j(j≥1)개의 출력 정보를 설정하고, 상기 설정된 i개의 입력 정보 별 변수값과 j개의 출력 정보 별 변수값을 포함하는 학습 정보를 지정된 인공지능모듈의 변수값으로 대입하여 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자 탐지를 학습시킬 수 있다.In addition, according to the implementation method of the present invention, the server 100 detects the observed feature of the defect state or normal state for each designated defect detection part of the building included in the combination of video data and audio data of image information related to the designated building. Set i(i≥2) input information for each N defect and set j(j≥1) output information for each N defect corresponding to the observed result of the defect state or normal state for each defect detection part. and substituting learning information including the set variable values for each of the i pieces of input information and the variable values for each of the j pieces of output information into the variable values of the designated artificial intelligence module to detect N defects for detecting N defects related to the designated building. can be learned

이후, 상기 서버(100)는 상기 학습된 인공지능모듈을 통해 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자탐지모델을 생성하고(225), 상기 생성된 N개의 하지탐지모델을 지정된 저장매체에 저장한다(230). Thereafter, the server 100 generates N defect detection models for detecting N defects related to a designated building through the learned artificial intelligence module (225), and stores the N generated lower limb detection models as specified. It is stored in the medium (230).

여기서, 상기 하자탐지모델은, 지정된 규모 이상의 빅데이터를 이용한 인공지능 학습 절차를 수행한 결과로서 생성되는 것이 바람직하다.Here, it is preferable that the defect detection model is generated as a result of performing an artificial intelligence learning procedure using big data of a specified scale or more.

본 발명의 실시 방법에 따르면, 상기 N개의 하자탐지모델은 지정된 건축물과 관련된 하자 탐지 파트 별 하자를 탐지 가능한 하자탐지모델, 지정된 건축물과 관련된 하자 탐지 파트 별 하자 종류 별 하자를 탐지 가능한 하자탐지모델 중 지정된 복수의 하자탐지모델을 포함할 수 있다.According to the implementation method of the present invention, the N number of defect detection models is a defect detection model capable of detecting a defect for each defect detection part related to a designated building, and a defect detection model capable of detecting a defect by a defect type for each defect detection part related to a designated building. It may include a plurality of designated defect detection models.

또한, 본 발명의 실시 방법에 따르면, 상기 N개의 하자탐지모델은 지정된 건축물과 관련된 하자 탐지 파트 별 하자 내지 지정된 건축물과 관련된 하자 탐지 파트 별 하자 종류 별 하자를 포함하는 N개의 하자를 통합 탐지 가능한 하자탐지모델을 포함할 수 있다.In addition, according to the implementation method of the present invention, the N defects detection model is capable of integrally detecting N defects including defects by defect detection parts related to a designated building or defects by defect detection parts related to a designated building by type of defect. A detection model may be included.

도면3은 본 발명의 실시 방법에 따라 영상정보 분석을 통해 하자 보수 정보를 처리하는 과정을 도시한 도면이다.3 is a diagram illustrating a process of processing defect repair information through image information analysis according to an embodiment of the present invention.

보다 상세하게 본 도면3은 상기 도면2의 과정을 통해 지정된 인공지능모듈을 통해 지정된 건축물과 관련된 영상정보를 판독하여 건축물과 관련된 N(N≥1)개의 하자를 탐지하기 위한 인공지능 학습 절차가 수행되고, 상기 학습된 인공지능모듈을 통해 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자탐지모델이 생성되어 지정된 저장매체에 저장된 이후, 서버(100)에서 상기 N개의 하자탐지모델을 통해 상기 카메라로부터 획득되는 영상정보를 분석하여 상기 영상정보에 포함된 건축물과 관련된 n(1≤n≤N)개의 하자를 탐지하여, 상기 탐지된 n개의 하자에 대응하는 하자탐지정보를 생성하고, 기 설정된 N개의 하자 별 하자보수규칙을 근거로 상기 하자탐지정보에 대응하는 하자를 보수하기 위한 하자보수정보를 생성하여, 지정된 단말로 상기 하자보수정보를 제공하는 과정을 도시한 것으로서, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면3을 참조 및/또는 변형하여 상기 과정에 대한 다양한 실시 방법(예컨대, 일부 단계가 생략되거나, 또는 순서가 변경된 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면3에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.In more detail, this figure 3 shows an artificial intelligence learning procedure for detecting N (N≥1) defects related to a building by reading image information related to a designated building through an artificial intelligence module designated through the process of FIG. and N defect detection models for detecting N defects related to a designated building through the learned artificial intelligence module are generated and stored in a designated storage medium, and then through the N defect detection models in the server 100 By analyzing the image information obtained from the camera, n (1≤n≤N) defects related to the building included in the image information are detected, and defect detection information corresponding to the n detected defects is generated, and preset The process of generating defect repair information for repairing defects corresponding to the defect detection information based on the defect repair rules for each defect and providing the defect repair information to a designated terminal is shown. Those of ordinary skill in the art will be able to infer various implementation methods (eg, an implementation method in which some steps are omitted or in which the order is changed) for the above process by referring to and/or modifying this figure 3, The present invention is made including all the implementation methods inferred above, and the technical characteristics are not limited only to the implementation method shown in FIG. 3 .

도면3을 참조하면, 상기 도면2의 과정을 통해 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자탐지모델이 생성되어 지정된 저장매체에 저장된 이후, 서버(100)는 상기 N개의 하자탐지모델을 통해 상기 카메라로부터 획득되는 영상정보를 분석하고(300), 상기 영상정보에 포함된 건축물과 관련된 n(1≤n≤N)개의 하자를 탐지한다(305).Referring to FIG. 3 , after the N defect detection models for detecting N defects related to a designated building through the process of FIG. 2 are generated and stored in a designated storage medium, the server 100 generates the N defect detection models Analyzes the image information obtained from the camera through (300), and detects n (1≤n≤N) defects related to the building included in the image information (305).

본 발명의 실시 방법에 따르면, 서버(100)는 상기 N개의 하자탐지모델이 복수인 경우, 상기 카메라로부터 획득되는 영상정보를 기 설정된 순서에 따라 상기 N개의 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다. 여기서, 상기 서버(100)는 상기 카메라로부터 획득되는 영상정보에 포함된 비디오 데이터 또는 비디오 데이터와 오디오 데이터의 조합을 기 설정된 순서에 따라 상기 N개의 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다.According to the implementation method of the present invention, when there are a plurality of the N defect detection models, the server 100 substitutes the image information obtained from the camera into the N defect detection models according to a preset order to add the image information to the image information. It is possible to detect n defects related to the included building. Here, the server 100 substitutes video data or a combination of video data and audio data included in the image information obtained from the camera into the N defect detection models according to a preset order, and the building included in the image information. It is possible to detect n defects related to .

또한, 본 발명의 실시 방법에 따르면, 상기 서버(100)는 상기 N개의 하자탐지모델이 복수인 경우, 지정된 단말(135)을 통해 선택된 상기 카메라로부터 획득되는 영상정보와 관련된 하자 탐지 파트 정보 또는 하자 종류 정보를 확인할 수 있으며, 상기 영상정보를 상기 N개의 하자탐지모델 중 상기 확인된 하자 탐지 파트 정보 또는 하자 종류 정보에 대응하는 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다. 여기서, 상기 서버(100)는 상기 카메라로부터 획득되는 영상정보에 포함된 비디오 데이터 또는 비디오 데이터와 오디오 데이터의 조합을 상기 확인된 하자 탐지 파트 정보 또는 하자 종류 정보에 대응하는 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다.In addition, according to the embodiment of the present invention, when the number of the N defect detection models is plural, the server 100 includes defect detection part information or defect related to image information obtained from the camera selected through the designated terminal 135 . Type information can be checked, and n defects related to the building included in the image information by substituting the image information into a defect detection model corresponding to the identified defect detection part information or defect type information among the N defect detection models can be detected. Here, the server 100 substitutes video data or a combination of video data and audio data included in the image information obtained from the camera into a defect detection model corresponding to the identified defect detection part information or defect type information, It is possible to detect n defects related to the building included in the image information.

또한, 본 발명의 실시 방법에 따르면, 상기 서버(100)는 상기 N개의 하자탐지모델이 N개의 하자를 통합 탐지 가능한 통합 하자탐지모델인 경우, 상기 카메라로부터 획득되는 영상정보를 상기 통합 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다. 여기서, 상기 서버(100)는 상기 카메라로부터 획득되는 영상정보에 포함된 비디오 데이터 또는 비디오 데이터와 오디오 데이터의 조합을 상기 통합 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지할 수 있다.In addition, according to the implementation method of the present invention, when the N defect detection models are an integrated defect detection model capable of integrally detecting N defects, the server 100 converts the image information obtained from the camera into the integrated defect detection model. It is possible to detect n defects related to the building included in the image information by substituting it for . Here, the server 100 substitutes video data or a combination of video data and audio data included in the image information obtained from the camera into the integrated defect detection model to detect n defects related to the building included in the image information. can detect

상기 건축물과 관련된 n개의 하자가 탐지되는 경우, 상기 서버(100)는 상기 탐지된 n개의 하자에 대응하는 하자탐지정보를 생성하여 지정된 운영DB에 저장한다(310).When n defects related to the building are detected, the server 100 generates defect detection information corresponding to the n detected defects and stores the generated defect detection information in a designated operation DB (310).

본 발명의 실시 방법에 따르면, 상기 하자탐지정보는 상기 영상정보에 포함된 건축물에 대응하는 건축물 정보, 상기 하자탐지모델을 통해 하자 상태로 탐지된 n개의 하자에 대응하는 하자 파트 정보, 하자 종류 정보, 하자율 정보 중 적어도 하나의 정보를 포함할 수 있으며, 상기 건축물 정보 등은 단말을 통해 미리/실시간 선택/입력될 수 있다.According to the implementation method of the present invention, the defect detection information includes building information corresponding to the building included in the image information, defect part information corresponding to n defects detected as a defect state through the defect detection model, and defect type information. , and at least one of defect rate information, and the building information may be selected/inputted in advance/real-time through the terminal.

상기 하자탐지정보가 생성되면, 상기 서버(100)는 기 설정된 N개의 하자 별 하자보수규칙을 근거로 상기 하자탐지정보에 대응하는 하자를 보수하기 위한 하자보수정보를 생성한다(315).When the defect detection information is generated, the server 100 generates defect repair information for repairing a defect corresponding to the defect detection information based on the preset N number of defect repair rules for each defect ( 315 ).

본 발명의 실시 방법에 따르면, 상기 하자보수규칙은, 하자 상태로 탐지된 하자 파트 별 보수 대상 파트를 결정하는 규칙, 하자 상태로 탐지된 하자 파트 별 하자 종류 별 보수 대상 파트를 결정하는 규칙, 하자 상태로 탐지된 하자율 별 보수 대상 파트를 결정하는 규칙, 하자 상태로 탐지된 하자 파트 별 보수 종류를 결정하는 규칙, 하자 상태로 탐지된 하자 파트 별 하자 종류 별 보수 종류를 결정하는 규칙, 하자 상태로 탐지된 하자율 별 보수 종류를 결정하는 규칙 중 적어도 하나 규칙 또는 둘 이상 규칙의 조합을 포함할 수 있다. 또한, 상기 하자보수규칙은 보수 대상 파트 별 업체정보를 포함할 수 있다.According to the implementation method of the present invention, the defect repair rule includes a rule for determining a repair target part for each defective part detected as a defect state, a rule for determining a repair target part for each defective part detected as a defect state, and a defect Rules for determining the parts to be repaired for each defect rate detected as a condition, a rule for determining the type of repair for each defective part detected as a defect condition, a rule for determining the type of repair for each defect type for each defective part detected as a defect condition, as a defect condition It may include at least one rule or a combination of two or more rules among the rules for determining the type of compensation for each detected defect rate. In addition, the defect repair rule may include company information for each part to be repaired.

본 발명의 실시 방법에 따르면, 상기 하자보수정보는 보수 대상에 대응하는 건축물에 대응하는 건축물 정보, 상기 하자보수규칙을 통해 결정된 n개의 하자 별 보수 대상 파트 정보, 보수 종류 정보 중 적어도 하나의 정보를 포함할 수 있으며, 상기 건축물 정보 등은 단말을 통해 미리/실시간 선택/입력될 수 있다. 또한, 상기 하자보수정보는 상기 건축물이 위치한 위치를 기준으로 상기 하자보수규칙을 통해 결정된 n개의 하자 별 보수 대상 파트 또는 보수 종류에 대응하는 하자를 보수 가능한 업체정보를 포함할 수 있다.According to the implementation method of the present invention, the defect repair information includes information on at least one of building information corresponding to the building corresponding to the repair target, repair target part information for each n defects determined through the defect repair rule, and repair type information. may be included, and the building information may be selected/inputted in advance/real-time through the terminal. In addition, the defect repair information may include information on a company capable of repairing defects corresponding to repair target parts or repair types for each of the n defects determined through the defect repair rules based on the location where the building is located.

상기 하자보수정보가 생성되면, 상기 서버(100)는 지정된 단말로 상기 생성된 하자보수정보를 제공한다(320). When the defect repair information is generated, the server 100 provides the generated defect repair information to a designated terminal ( 320 ).

본 발명의 실시 방법에 따르면, 상기 서버(100)는 상기 하자탐지정보에 포함된 정보를 상기 단말(140)로 제공할 수 있다.According to the embodiment of the present invention, the server 100 may provide the information included in the defect detection information to the terminal 140 .

그리고, 상기 서버(100)는 상기 단말을 통해 상기 하자보수정보에 대응하는 하자 보수를 위한 견적을 요청하는 견적요청정보가 수신되면(325), 상기 하자탐지정보와 하자보수정보를 근거로 지정된 업체로 상기 하자 보수를 위한 견적을 의뢰하는 견적의뢰정보를 생성하고(330), 상기 생성된 견적의뢰정보를 지정된 업체의 정보수신수단으로 제공한다(335). 여기서, 상기 견적의뢰정보는 상기 하자 보수를 위한 업체시공요청정보, 상기 하자를 자가 보수하기 위한 보수 대상 파트를 지정된 업체로부터 구매하기 위한 구매요청정보 중 적어도 하나를 포함할 수 있다. 여기서, 상기 서버(100)는 상기 단말로 상기 견적의뢰정보를 제공하고, 상기 단말을 통해 상기 견적의뢰정보에 대응하는 견적지시정보를 수신할 수 있다.In addition, when the server 100 receives quote request information requesting an estimate for defect repair corresponding to the defect repair information through the terminal ( 325 ), a company designated based on the defect detection information and defect repair information to generate quotation request information for requesting an estimate for repairing the defect ( 330 ), and provide the generated quotation request information as an information receiving means of a designated company ( 335 ). Here, the quotation request information may include at least one of the company construction request information for repairing the defect, and purchase request information for purchasing the repair target part for self-repairing the defect from a designated company. Here, the server 100 may provide the quotation request information to the terminal, and receive quotation instruction information corresponding to the quotation request information through the terminal.

이후 상기 서버(100)는 상기 견적의뢰정보를 수신한 지정된 업체의 정보제공수단으로부터 상기 견적의뢰정보에 대응하는 견적서정보가 수신되면(340), 상기 단말로 상기 견적서정보를 제공한다(345). Afterwards, the server 100 receives the quotation information corresponding to the quotation request information from the information providing means of the designated company that has received the quotation request information (340), and provides the quotation information to the terminal (345).

그리고, 상기 서버(100)는 상기 단말로 제공된 견적서정보 중 상기 단말을 통해 지정된 견적서정보에 대한 계약요청정보가 수신되면(350), 상기 계약요청정보를 근거로 상기 하자 보수를 요청하는 사용자와 업체 간 하자 보수를 위한 계약을 체결하는 절차를 수행한다(355). 여기서, 상기 계약은 업체 시공 계약 또는 보수 대상 파트의 판매 등을 포함할 수 있다.And, when the server 100 receives contract request information for the quote information specified through the terminal among the quote information provided to the terminal (350), the user and the company requesting repair of the defect based on the contract request information A procedure for concluding a contract for inter-defect repair is performed (355). Here, the contract may include a construction contract with a company or sales of parts to be repaired.

한편, 본 발명의 실시 방법에 따르면, 상기 서버(100)는 상기 단말을 통해 상기 하자보수정보에 대응하는 자가 보수를 위한 보수 대상 파트의 구매요청정보를 수신할 수 있으며, 상기 구매요청정보를 수신한 경우 상기 자가 보수를 위한 보수 대상 파트를 판매하는 쇼핑몰로 상기 단말을 연결하는 절차를 수행할 수 있다.Meanwhile, according to the embodiment of the present invention, the server 100 may receive purchase request information of a repair target part for self-repair corresponding to the defect repair information through the terminal, and receives the purchase request information. In one case, a procedure of connecting the terminal to a shopping mall selling parts to be repaired for self-repair may be performed.

100 : 서버 105 : 인공지능 학습부
110 : 하자탐지모델 생성부 115 : 하자 탐지부
120 : 하자탐지정보 생성부 125 : 하자보수정보 생성부
130 : 하자보수정보 제공부 135 : 사용자 무선단말
140 : 단말 100: server 105: artificial intelligence learning unit
110: defect detection model generation unit 115: defect detection unit
120: defect detection information generation unit 125: defect repair information generation unit
130: defect repair information providing unit 135: user wireless terminal
140: terminal

Claims (18)

건축물을 촬영 가능한 카메라와 연동하는 시스템을 통해 실행되는 방법에 있어서,
지정된 인공지능모듈을 통해 지정된 건축물과 관련된 영상정보를 판독하여 건축물과 관련된 N(N≥1)개의 하자를 탐지하기 위한 인공지능 학습 절차를 수행하는 제1 단계;
상기 학습된 인공지능모듈을 통해 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자탐지모델을 생성하여 지정된 저장매체에 저장하는 제2 단계;
상기 N개의 하자탐지모델을 통해 상기 카메라로부터 획득되는 영상정보를 분석하여 상기 영상정보에 포함된 건축물과 관련된 n(1≤n≤N)개의 하자를 탐지하는 제3 단계;
상기 건축물과 관련된 n개의 하자를 탐지한 경우 상기 탐지된 n개의 하자에 대응하는 하자탐지정보를 생성하는 제4 단계;
기 설정된 N개의 하자 별 하자보수규칙을 근거로 상기 하자탐지정보에 대응하는 하자를 보수하기 위한 하자보수정보를 생성하는 제5 단계; 및
지정된 단말로 상기 하자보수정보를 제공하는 제6 단계;
를 포함하는 방법.
In the method executed through a system that interlocks a camera capable of photographing a building,
A first step of performing an AI learning procedure for detecting N (N≥1) defects related to a building by reading image information related to a designated building through a designated artificial intelligence module;
a second step of generating N defect detection models for detecting N defects related to a designated building through the learned artificial intelligence module and storing the N defect detection models in a designated storage medium;
a third step of analyzing the image information obtained from the camera through the N defect detection models to detect n (1≤n≤N) defects related to the building included in the image information;
a fourth step of generating defect detection information corresponding to the detected n defects when n defects related to the building are detected;
a fifth step of generating defect repair information for repairing defects corresponding to the defect detection information based on the preset N defect repair rules for each defect; and
a sixth step of providing the defect repair information to a designated terminal;
How to include.
 제 1항에 있어서, 상기 N개의 하자는,
지정된 건축물과 관련한 하자 탐지 파트 별 하자,
지정된 건축물과 관련한 하자 탐지 파트 별 하자 종류 별 하자 중 적어도 하나의 하자
를 포함하는 방법.
According to claim 1, wherein the N defects,
Defects by defect detection part related to the designated building,
Defect detection related to a designated building At least one defect by type of defect by part
How to include.
 제 1항에 있어서, 상기 N개의 하자는,
지정된 건축물과 관련한 하자 중 카메라를 통해 촬영된 영상의 비디오 데이터와 오디오 데이터 중 어느 하나 또는 둘의 조합을 이용하여 탐지 가능한 하자
를 포함하는 방법.
According to claim 1, wherein the N defects,
Defects that can be detected using any one or a combination of video data and audio data of images captured by a camera among defects related to a designated building
How to include.
 제 1항에 있어서, 상기 제1 단계는,
지정된 건축물과 관련된 영상정보에 포함된 건축물의 지정된 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 특징에 대응하는 N개의 하자 별 i(i≥2)개의 입력 정보를 설정하고 상기 하자 탐지 파트 별 하자 상태 또는 정상 상태의 관측된 결과에 대응하는 N개의 하자 별 j(j≥1)개의 출력 정보를 설정하는 단계;
상기 설정된 i개의 입력 정보 별 변수값과 j개의 출력 정보 별 변수값을 포함하는 학습 정보를 지정된 인공지능모듈의 변수값으로 대입하여 지정된 건축물과 관련된 N개의 하자를 탐지하기 위한 N개의 하자 탐지를 학습시키는 단계;
를 포함하는 방법.
According to claim 1, wherein the first step,
Set i(i≥2) input information for each of N defects corresponding to the observed feature of the defect state or normal state for each defect detection part of the building included in the image information related to the designated building, and the defect detection part by the defect setting j (j≥1) pieces of output information for each N defect corresponding to the observed result of a state or a steady state;
By substituting the learning information including the set variable values for each of the i input information and the variable values for each of the j pieces of output information into the variable values of the specified artificial intelligence module, N defect detection for detecting N defects related to the specified building is learned. making;
How to include.
 제 4항에 있어서, 상기 건축물과 관련된 영상정보는,
건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터를 포함하는 영상정보,
건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터를 포함하는 영상정보,
건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터를 포함하는 영상정보,
건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터를 포함하는 영상정보 중 적어도 하나
를 포함하는 방법.
According to claim 4, wherein the image information related to the building,
Image information including video data corresponding to the defect state of the designated defect detection part of the building;
Image information including video data corresponding to the normal state of the designated defect detection part of the building;
Image information including video data and audio data corresponding to the defect state of the designated defect detection part of the building;
At least one of image information including video data and audio data corresponding to the normal state of a designated defect detection part of a building
How to include.
 제 4항에 있어서, 상기 i개의 입력 정보는,
건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터의 관측된 특징에 대응하는 특징정보,
건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터의 관측된 특징에 대응하는 특징정보,
건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징에 대응하는 특징정보,
건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징에 대응하는 특징정보 중 적어도 하나의 특징정보
를 포함하는 방법.
According to claim 4, wherein the i pieces of input information,
feature information corresponding to the observed features of the video data corresponding to the defect state of the designated defect detection part of the building;
feature information corresponding to the observed features of the video data corresponding to the normal state of the designated defect detection part of the building;
feature information corresponding to the observed features of the video data and audio data corresponding to the defect state of the designated defect detection part of the building;
At least one feature information of video data corresponding to the normal state of the designated defect detection part of the building and feature information corresponding to the observed feature of the audio data
How to include.
 제 4항 또는 제 6항에 있어서, 상기 i개의 입력 정보는,
건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보,
건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보,
건축물의 지정된 하자 탐지 파트의 하자 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보,
건축물의 지정된 하자 탐지 파트의 정상 상태에 대응하는 비디오 데이터와 오디오 데이터의 관측된 특징의 패턴을 인식한 패턴정보 중 적어도 하나의 패턴정보
를 포함하는 방법.
The method of claim 4 or 6, wherein the i pieces of input information include:
Pattern information that recognizes the pattern of the observed feature of the video data corresponding to the defect state of the designated defect detection part of the building;
Pattern information that recognizes the pattern of the observed feature of the video data corresponding to the normal state of the designated defect detection part of the building;
Pattern information that recognizes the pattern of the observed feature of video data and audio data corresponding to the defect state of the designated defect detection part of the building;
At least one pattern information of pattern information that recognizes patterns of observed features of video data and audio data corresponding to the normal state of a designated defect detection part of a building
How to include.
 제 1항에 있어서, 상기 N개의 하자탐지모델은,
지정된 건축물과 관련된 하자 탐지 파트 별 하자를 탐지 가능한 하자탐지모델,
지정된 건축물과 관련된 하자 탐지 파트 별 하자 종류 별 하자를 탐지 가능한 하자탐지모델 중 지정된 복수의 하자탐지모델
을 포함하는 방법.
According to claim 1, wherein the N defect detection models,
Defect detection model that can detect defects by defect detection parts related to the designated building,
A plurality of designated defect detection models among the defect detection models that can detect defects by type of defect by part for detecting defects related to a designated building
How to include.
 제 1항에 있어서, 상기 N개의 하자탐지모델은,
지정된 건축물과 관련된 하자 탐지 파트 별 하자 내지 지정된 건축물과 관련된 하자 탐지 파트 별 하자 종류 별 하자를 포함하는 N개의 하자를 통합 탐지 가능한 하자탐지모델
을 포함하는 방법.
According to claim 1, wherein the N defect detection models,
Defect detection model capable of integrated detection of N defects including defects by defect detection part related to a designated building or defects per defect detection part related to a designated building by type of defect
How to include.
 제 1항에 있어서, 상기 제3 단계는,
상기 N개의 하자탐지모델이 복수인 경우,
상기 카메라로부터 획득되는 영상정보를 기 설정된 순서에 따라 상기 N개의 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지하는 단계
를 포함하는 방법.
According to claim 1, wherein the third step,
If there are a plurality of the N defect detection models,
Substituting the image information obtained from the camera into the N defect detection models in a preset order to detect n defects related to the building included in the image information
How to include.
 제 1항에 있어서,
상기 N개의 하자탐지모델이 복수인 경우,
지정된 단말을 통해 선택된 상기 카메라로부터 획득되는 영상정보와 관련된 하자 탐지 파트 정보 또는 하자 종류 정보를 확인하는 단계
를 더 포함하며,
상기 제3 단계는,
상기 영상정보를 상기 N개의 하자탐지모델 중 상기 확인된 하자 탐지 파트 정보 또는 하자 종류 정보에 대응하는 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지하는 단계
를 포함하는 방법.
The method of claim 1,
When there are a plurality of the N defect detection models,
Checking defect detection part information or defect type information related to the image information obtained from the selected camera through a designated terminal
further comprising,
The third step is
Detecting n defects related to the building included in the image information by substituting the image information into a defect detection model corresponding to the identified defect detection part information or defect type information among the N defect detection models
How to include.
 제 1항에 있어서, 상기 제3 단계는,
상기 N개의 하자탐지모델이 N개의 하자를 통합 탐지 가능한 통합 하자탐지모델인 경우,
상기 카메라로부터 획득되는 영상정보를 상기 통합 하자탐지모델에 대입하여 상기 영상정보에 포함된 건축물과 관련된 n개의 하자를 탐지하는 단계
를 포함하는 방법.
According to claim 1, wherein the third step,
When the N defects detection model is an integrated defect detection model capable of integrally detecting N defects,
Substituting the image information obtained from the camera into the integrated defect detection model to detect n defects related to the building included in the image information
How to include.
 제 1항에 있어서, 상기 하자탐지정보는,
상기 영상정보에 포함된 건축물에 대응하는 건축물 정보,
상기 하자탐지모델을 통해 하자 상태로 탐지된 n개의 하자에 대응하는 하자 파트 정보, 하자 종류 정보, 하자율 정보 중 적어도 하나의 정보
를 포함하는 방법.
According to claim 1, wherein the defect detection information,
Building information corresponding to the building included in the image information,
At least one of defect part information, defect type information, and defect rate information corresponding to n defects detected as defects through the defect detection model
How to include.
 제 1항에 있어서, 상기 하자보수규칙은,
하자 상태로 탐지된 하자 파트 별 보수 대상 파트를 결정하는 규칙,
하자 상태로 탐지된 하자 파트 별 하자 종류 별 보수 대상 파트를 결정하는 규칙,
하자 상태로 탐지된 하자율 별 보수 대상 파트를 결정하는 규칙,
하자 상태로 탐지된 하자 파트 별 보수 종류를 결정하는 규칙,
하자 상태로 탐지된 하자 파트 별 하자 종류 별 보수 종류를 결정하는 규칙,
하자 상태로 탐지된 하자율 별 보수 종류를 결정하는 규칙 중 적어도 하나 규칙 또는 둘 이상 규칙의 조합
을 포함하는 방법.
The method of claim 1, wherein the defect repair rule comprises:
Rules for determining the parts to be repaired for each defective part detected as a defect state;
Rules for determining parts to be repaired for each type of defect detected as a defect state;
A rule to determine the parts to be repaired for each defect rate detected as a defect,
Rules for determining the type of repair for each defective part detected as a defect state;
A rule to determine the type of repair for each type of defect detected as a defect state,
At least one rule or a combination of two or more rules among the rules for determining the type of repair for each defect rate detected as a defect state
How to include.
 제 1항에 있어서, 상기 하자보수정보는,
보수 대상에 대응하는 건축물에 대응하는 건축물 정보,
상기 하자보수규칙을 통해 결정된 n개의 하자 별 보수 대상 파트 정보, 보수 종류 정보 중 적어도 하나의 정보
를 포함하는 방법.
The method of claim 1, wherein the defect repair information comprises:
Building information corresponding to the building corresponding to the repair target;
Information on at least one of repair target part information and repair type information for each of the n defects determined through the defect repair rule
How to include.
 제 15항에 있어서, 상기 하자보수정보는,
상기 건축물이 위치한 위치를 기준으로 상기 하자보수규칙을 통해 결정된 n개의 하자 별 보수 대상 파트 또는 보수 종류에 대응하는 하자를 보수 가능한 업체정보
를 포함하는 방법.
The method of claim 15, wherein the defect repair information,
Based on the location of the building, information on companies capable of repairing defects corresponding to the types of repairs or parts to be repaired for each of the n defects determined through the defect repair rules
How to include.
 제 1항에 있어서,
상기 단말을 통해 상기 하자보수정보에 대응하는 하자 보수를 위한 견적을 요청하는 견적요청정보를 수신하는 단계;
상기 견적요청정보를 수신한 경우 상기 하자탐지정보와 하자보수정보를 근거로 지정된 업체로 상기 하자 보수를 위한 견적을 의뢰하는 견적의뢰정보를 생성하는 단계; 및
상기 생성된 견적의뢰정보를 지정된 업체의 정보수신수단으로 제공하는 단계;
를 더 포함하는 방법.
The method of claim 1,
receiving, through the terminal, quotation request information for requesting an estimate for defect repair corresponding to the defect repair information;
generating quotation request information for requesting an estimate for repairing the defect to a designated company based on the defect detection information and defect repair information when the quotation request information is received; and
providing the generated quotation request information to an information receiving means of a designated company;
How to include more.
 제 17항에 있어서,
상기 견적의뢰정보를 수신한 지정된 업체의 정보제공수단으로부터 상기 견적의뢰정보에 대응하는 견적서정보를 수신하는 단계;
상기 단말로 상기 견적서정보를 제공하는 단계;
상기 단말로 제공된 견적서정보 중 상기 단말을 통해 지정된 견적서정보에 대한 계약요청정보를 수신하는 단계; 및
상기 계약요청정보를 근거로 상기 하자 보수를 요청하는 사용자와 업체 간 하자 보수를 위한 계약을 체결하는 절차를 수행하는 단계;
를 더 포함하는 방법.
18. The method of claim 17,
receiving quotation information corresponding to the quotation request information from the information providing means of a designated company that has received the quotation request information;
providing the quotation information to the terminal;
receiving contract request information for quote information designated through the terminal among the quote information provided to the terminal; and
performing a procedure of concluding a contract for repairing defects between a user and a company requesting repairs based on the contract request information;
How to include more.
KR1020210025255A 2021-02-25 2021-02-25 Method for Processing Defect Repairing Information by Using Analysis of Video Information KR20220121933A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210025255A KR20220121933A (en) 2021-02-25 2021-02-25 Method for Processing Defect Repairing Information by Using Analysis of Video Information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210025255A KR20220121933A (en) 2021-02-25 2021-02-25 Method for Processing Defect Repairing Information by Using Analysis of Video Information

Publications (1)

Publication Number Publication Date
KR20220121933A true KR20220121933A (en) 2022-09-02

Family

ID=83280914

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210025255A KR20220121933A (en) 2021-02-25 2021-02-25 Method for Processing Defect Repairing Information by Using Analysis of Video Information

Country Status (1)

Country Link
KR (1) KR20220121933A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115389519A (en) * 2022-10-28 2022-11-25 徐州成光卫设备有限公司 Crankshaft manufacturing surface detection and analysis method based on industrial camera

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115389519A (en) * 2022-10-28 2022-11-25 徐州成光卫设备有限公司 Crankshaft manufacturing surface detection and analysis method based on industrial camera

Similar Documents

Publication Publication Date Title
US20200111041A1 (en) System and method for generating and managing workflows
CN111567022B (en) Machine diagnostics using mobile devices and cloud computers
CN110286938B (en) Method and apparatus for outputting evaluation information for user
CN107844948A (en) Credit methods, device, equipment and readable storage medium storing program for executing based on credit product storehouse
CN113111369B (en) Data protection method and system in data annotation
US20170337240A1 (en) Software function verification system and software function verification method
CN107693997B (en) Fire fighting equipment detection and maintenance management system and management method
CN113726890A (en) Block chain data service-oriented federal prediction method and system
KR20220121933A (en) Method for Processing Defect Repairing Information by Using Analysis of Video Information
CN114742529B (en) Laboratory equipment maintenance management system
KR20210041408A (en) Apparatus and method for learning and evaluating worker&#39;s work based on eye tracking technology
CN114331692A (en) Loan black intermediary prediction method and system based on social relationship
KR102202114B1 (en) Smart construction management system
JP2019158684A (en) Inspection system, identification system, and discriminator evaluation device
CN105184466A (en) Research and development management system of enterprise
CN111260219A (en) Asset class identification method, device, equipment and computer readable storage medium
JP2021043634A (en) Information processing apparatus, method, and program
Chmiel et al. Workflow management system with smart procedures
KR101717597B1 (en) The dimensional control system based on mobile
KR102382030B1 (en) Ai education and inspection automation system and control method for the same
KR101679301B1 (en) Assets management system using the unique pattern
CN113837170A (en) Automatic auditing processing method, device and equipment for vehicle insurance claim settlement application
CN114518877A (en) Data processing method and device and computer storage medium
CN107067137A (en) A kind of power marketing metering class&#39;s routine work management control method and system
JP2003140735A (en) Pumping station checking system