외장 코팅 검사 바운딩 박스 회귀를 위한 형태 인식 Wasserstein 거리 손실
장거리 오일 및 가스 파이프라인의 안전한 운영을 위해 외부 방식 코팅의 무결성 확보는 매우 중요합니다. 건설 현장 이미지는 복잡한 배경, 다중 스케일 객체, 그리고 길거나 경계가 불분명한 코팅 상태를 포함하여, 낮은 겹침 조건에서 기존 바운딩 박스 회귀에 어려움을 줍니다. 본 연구는 장거리 천연가스 파이프라인 건설 현장에서 수집한 1388개의 이미지와 6가지 코팅 상태 범주에 걸친 1756개의 주석 인스턴스로 구성된 실제 현장 데이터셋을 구축했습니다. YOLOv10n을 기반으로, 훈련 중 객체의 스케일과 종횡비에 따라 NWD(Normalized Wasserstein Distance) 가중치를 조절하는 스케일-종횡비 적응형 NWD(SA-NWD) 회귀 전략을 개발했습니다. 6가지 무작위 시드에 걸쳐 SA-NWD는 가장 높은 평균 Recall(0.459 vs. 기준선 0.437)과 mAP@0.5(0.451 vs. 0.431)를 달성했습니다. 반면, 고정 가중치 NWD는 가장 높은 평균 mAP@0.5:0.95(0.251 vs. 기준선 0.240)를 기록했습니다. 형태학적으로 그룹화된 분석에서 SA-NWD는 극도로 긴 객체에 대해 더 높은 Recall(0.714 vs. 고정 가중치 NWD의 0.659)과 낮은 시드 간 표준 편차(±0.027 vs. ±0.101)를 보였습니다. 이 결과는 SA-NWD가 형태학적으로 복잡한 코팅 상태의 높은 Recall 선별에 유용하며, 고정 가중치 NWD는 더 안정적인 높은 IoU(Intersection over Union) 지역화를 제공할 수 있음을 시사합니다. 두 전략 모두 YOLOv10n 기준선의 추론 아키텍처, 매개변수 수, GFLOPs를 유지합니다.