무엇을 만드나요

웹캠 앞에서 AI가 결함을 잡아내는 데모

Roboflow의 한 번 클릭 내보내기로 라벨링된 데이터가 YOLOv8 Colab 노트북에 그대로 들어갑니다. 학생은 실행 버튼을 누르고, AI가 결함을 배워 가는 과정을 실시간으로 봅니다. 아래는 수업에서 만드는 결과물의 예시입니다.

detect.py — live webcam

● REC · 30 fpsYOLOv8n · crack

실시간 탐지 — 예시. 균열/정상을 상자로 표시하고 확신도를 붙입니다.

Colab — train_yolo.ipynb

[1]

# Roboflow → YOLOv8, 실행 버튼만 누르면 학습 시작 from ultralytics import YOLO model = YOLO('yolov8n.pt') model.train(data='crack.yaml', epochs=50, imgsz=640)

[1]

Epoch 50/50 ... box_loss cls_loss mAP50 mAP50-95 0.71 0.44 0.921 0.647 Results saved to runs/detect/train

YOLOv8 학습 — 예시. 공개 데이터 + 직접 만든 사진으로 재학습(전이학습).

매끈한 모형과 일부러 금을 낸 모형을 클레이로 만들어 웹캠으로 촬영합니다. 화약도 연료도 없이, 오직 데이터를 늘리기 위한 사진 촬영입니다.

한 학기 진행

12~16회, 공개 데이터에서 나만의 데이터로

첫 주에 돌아가는 탐지 모델을 손에 넣고, 나만의 데이터로 성능을 끌어올립니다.

재현 · Reproduce · 1~3회

Roboflow Universe에서 공개 균열 데이터셋을 내려받아 YOLOv8 Colab 노트북에서 그대로 학습시킵니다. 실행 버튼을 누르고 웹캠 데모까지 확인합니다.

확장 · Extend · 4~9회

매끈한 모형과 일부러 금을 낸 클레이 모형을 만들어 웹캠으로 찍고, 라벨을 붙여 공개 데이터에 더합니다. 공개 데이터로 배운 모델을 자신의 영역에 옮겨 다시 학습시키는 것 — 이 도메인 이동이 대회에 낼 연구 기여입니다.

공개 · Publish · 10~13회

실시간 탐지 데모를 정리하고, "공개 데이터 → 나만의 데이터"로 이어진 전이학습 과정을 글로 남겨 GitHub에 공개합니다.

출전 · Compete · 14~16회

KSEF 공학·CS 부문 제출본으로 다듬습니다. 검사 앱 형태로 정리하면 CAC 같은 앱 대회에도 응용할 수 있습니다.

쓰는 도구와 데이터

도구·데이터	학부모께	student note (EN)
Roboflow Universe	공개 이미지 데이터셋을 찾고 라벨링해 내보내는 무료 플랫폼입니다.	Free open CV datasets + labeling + one-click Colab export.
Crack Detection · CODEBRIM	이미 라벨링된 표면 균열·결함 이미지 모음입니다.	Pre-labeled surface cracks, structural defects (Roboflow datasets).
YOLOv8 · Ultralytics	실시간 객체 탐지를 하는 공식 모델입니다.	Official YOLOv8 — real-time detection, Roboflow → Colab integration.
클레이 모형	학생이 직접 만드는 촬영용 공작 클레이 모형입니다. 그 밖의 물리 재료는 없습니다.	Craft clay only — smooth vs. deliberately cracked, webcam-photographed.

권장 수준

손으로 만들고 화면에서 바로 결과를 보는 것을 좋아하는 중1~고2 학생에게 잘 맞습니다. 코드는 노트북의 실행 버튼에서 시작하므로, 깊은 프로그래밍 경험이 없어도 됩니다.

대회로

KSEF 공학·CS 부문과 메이커 페어가 주요 무대입니다. 검사 앱으로 정리하면 Congressional App Challenge에도 응용할 수 있습니다. (CAC는 참가 자격을 먼저 확인합니다.)

무료 진단 수업에서 준비 상태를 보고 시작 지점을 함께 정합니다.