거대 시각 언어 모델 API의 시각 정보 인식 최적화를 활용한 비정형 수기 전기 시퀀스 회로도 자동 논리 검증 연구

• 영문명: Automated Logical Consistency Verification for Unstructured Handwritten Electrical Sequence Diagrams using Visual Recognition Optimization of Large Vision-Language Model APIs
• 발행기관: 한국산업기술융합학회(구. 산업기술교육훈련학회)
• 저자명: 박준호
• 간행물 정보: 『산업기술연구논문지』제31권 2호, 141~151쪽, 전체 11쪽
• 주제분류: 공학 > 산업공학
• 파일형태: PDF
• 발행일자: 2026.06.30

국문 초록

본 연구는 상용 거대 시각 언어 모델 API를 활용하여 비정형 수기 전기 시퀀스 회로도의 논리 정합성을 자동으로 검증하는 프로세스를 제안한다. 기존 객체 탐지 모델이 비규격 스케치 내 위상학적 연결 구조를 파악하는 데 한계가 있음을 극복하고자 거대 시각 언어 모델의 시각 정보 인식 기능을 프롬프트 엔지니어링 기반으로 최적화하여 연동했 다. 특히 시각 정보 인식 단계와 후처리 단계를 분리한 이원화 파이프라인을 설계하고 후처리 단계에서 결정론적 검증을 수행하도록 구성했으며 문제별 부품 속성 제약 조건을 주입하는 타입 힌트 기법과 생각 모드 제어 전략을 적용했다. 실험 결과 실험 환경 내의 비정형 필기 도면 데이터셋에 대해 우수한 검출률과 정밀도를 달성했으며 평균 6.1초의 처리 속도를 기록했다. 본 연구는 상용 API의 프롬프트 제약을 통한 비정형 도면의 데이터 구조화 가능성을 확인했으며 향후 경량화 모델 학습을 위한 자동 라벨링 파이프라인 확장의 기술적 기반을 제공한다.

영문 초록

This study proposes a method for automatically verifying the logical consistency of unstructured handwritten electrical sequence diagrams using commercial large vision-language model application programming interfaces (APIs). To overcome the limitations of conventional object detection models in identifying topological connection structures within non-standard sketches, the visual recognition capabilities of large vision-language models were optimized and integrated using prompt engineering. To perform deterministic verification during the postprocessing phase, a pipeline was constructed by separating the visual recognition stage from the subsequent logical judgment stage, and a type hinting technique that injects problem-specific component attribute constraints along with a thinking mode control strategy was applied. The experimental results showed excellent recall and precision for the unstructured handwritten schematic dataset within the experimental environment, recording an average processing speed of 6.1 s. This study confirms the feasibility of structuring unstructured diagram data using commercial APIs’ prompt constraints and provides a technical foundation for expanding automatic labeling pipelines for future lightweight model training.

목차

Ⅰ. 서 론

Ⅱ. 관련 연구

Ⅲ. V-Logic 시스템 아키텍처 및 수리적 정형화

Ⅳ. 시각적 추론 최적화 및 데이터 확장 전략

Ⅴ. 실험 및 결과 분석

Ⅵ. 결 론

References

키워드

거대 시각 언어 모델 시각 정보 인식 최적화 비정형 수기 데이터 전기 시퀀스 회로도 논리 정합성 검증 Vision-Language Model Visual Recognition Optimization Unstructured Handwritten Data Electrical Sequence Diagram Logical Consistency Verification

참고문헌

• Proceedings of the Korean Society of Mechanical Engineers
• Asia-pacific Journal of Convergent Research Interchange
• Plant Journal
• SN Computer Science
• CVPR 2020 Workshop
• 2022 Spring Joint Conference
• Korean Journal of Computational Design and Engineering
• Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops
• IEEE Access