README.md

metadata

title: Battery CT Defect Screening
emoji: 🔋
colorFrom: gray
colorTo: red
sdk: gradio
app_file: app.py
pinned: false
license: mit

🔋 배터리 CT 내부결함 스크리닝 데모

배터리를 CT로 스캔한 슬라이스에서 내부 결함(다공성·레진 오버플로·전역 팽창) 을 탐지해 🟢 이상없음 / 🟡 검토 필요 / 🔴 이상 있음 으로 판정하고, IATA 항공운송 규정 기반 조치 지침(한/영)을 생성합니다. 목적은 기내 화재(내부 단락) 예방 — recall(놓침 최소) 우선.

구성 (3트랙 + RAG)

• 검출(YOLO11 detect): 형태별 분리 — module(다공성+레진) / cell(다공성). 250px 타일 OR 집계.
• 팽창(YOLO11 classify): 5-fold 앙상블, 배터리 swelling 슬라이스 비율 > 0.1 이면 팽창.
• 다공성 정밀 위치(YOLO11 seg): 대표 슬라이스에 마스크 오버레이.
• RAG: 탐지 결함 → IATA D.06/SP A154 등 규정 매핑 → Claude 지침서.

사용법

1. 한 배터리의 CT 슬라이스(크롭된 회색 이미지) 여러 장 업로드
2. 형태(module/cell) 직접 선택 — 검출 모델이 형태별로 갈려 라우팅에 필요
3. 검사 → 판정 · 오버레이 · 보고서 · 조치 지침

⚠️ AI-Hub 원본 데이터는 라이선스상 포함하지 않습니다. 본인 슬라이스를 업로드하세요. ℹ️ 형태는 종횡비 자동판정이 축별 단면 차이로 부정확해 수동 선택으로 둡니다(범용 해법은 형태 분류기/메타데이터).

환경변수 (Space Settings)

• HF_MODEL_REPO — 가중치 모델 레포 id (필수)
• ANTHROPIC_API_KEY — (Secret) RAG 실제 지침 생성용. 없으면 규정 매핑만 폴백.
• GLUE_NO_SEG=1 — (선택) CPU Space 속도용, seg 마스크 끄고 박스만.

코드: https://github.com/dkrak737-svg/battery-ct-defect-screening