=== Project level fields ===
id: OPS01
title: 드론 영상 공중위협 객체 탐지와 오경보 검증
category: 전장환경/적 탐지
level: 3
durationDays: 5
requiredHours: 27.5
summary: <h4>프로젝트에서 해결해야 하는 문제</h4><p>러시아-우크라이나 전쟁 전장 환경을 분석하여 드론 영상 및 EO/IR 센서 데이터 기반으로 저고도 공중위협(정찰·자폭드론, 순항미사일)을 탐지하고, 조류·민간기 등 오표적으로 인한 오경보를 검증·필터링하는 실전형 방공 탐지 및 결심 지원 체계를 구축한다.</p><h4>학습 목표</h4><p>드론 영상 수집 환경 분석부터 전처리, YOLO/규칙 기반 탐지 프로토타입 구현, 군집 드론 복합 위협 탐지 고도화, 신뢰도 점수 산출 엔진, 전술 대시보드(COP), 인간 개입(HITL) 교전 승인 워크플로우, 가상 스트레스 시뮬레이션 및 AAR 사후검토 피드백까지 전 과정을 아우르는 실전형 End-to-End 파이프라인을 완성한다.</p>
objectives: <h3>소개</h3><p>러시아-우크라이나 전쟁 등 현대 전장에서 급증하는 드론 및 공중위협에 대응하여 드론 영상 객체 탐지와 오경보 검증 체계를 구현하고, 지휘관의 긴급 결심을 지원하는 실전형 방공 솔루션을 개발한다.</p><h4>학습자가 수행할 핵심 과정</h4><ul><li><p>전술 드론 영상 수집 환경 분석 및 데이터셋 스키마 정의</p></li><li><p>적외선·광학(EO/IR) 전장 영상 노이즈 제거 및 기상 왜곡 보정 전처리</p></li><li><p>YOLO 및 규칙 기반 저고도 공중위협 객체 탐지 Baseline 프로토타입 구현</p></li><li><p>군집 드론 및 비행체 기만 비행 패턴 식별 복합 위협 탐지 모델 고도화</p></li><li><p>조류·민간기 오표적 식별 방지 및 신뢰도 점수(Confidence Score) 산출 엔진 개발</p></li><li><p>실시간 공중위협 경보 및 방공 사격구역 가시화 전술 대시보드(COP) 구현</p></li><li><p>긴급 요격 결심 지원을 위한 인간 개입(HITL) 교전 승인/보류 워크플로우 연계</p></li><li><p>대규모 드론 포화 공격 상황 모의 가상 스트레스 시뮬레이션 및 복원력 검증</p></li><li><p>AAR 사후검토 기반 미탐·오탐 원인 분석 및 탐지 파라미터 역환류 보정</p></li><li><p>드론 공중위협 탐지 최종 파이프라인 통합 및 대드론 방어 브리핑 패키지 완성</p></li></ul>
deliverables: ['data/schema/ops01_input_schema.json (필수)', 'docs/ops01_data_spec.md (필수)', 'src/preprocess/ops01_preprocessor.py (필수)', 'src/models/ops01_baseline_model.py (필수)', 'src/models/ops01_advanced_detector.py (필수)', 'src/verification/ops01_confidence_engine.py (필수)', 'src/ui/ops01_dashboard.py (필수)', 'src/hitl/ops01_approval_workflow.py (필수)', 'docs/ops01_hitl_guide.md (필수)', 'tests/ops01_stress_test.py (필수)', 'docs/ops01_aar_report.md (필수)', 'configs/ops01_tuned_params.yaml (필수)', 'src/main_ops01.py (필수)', 'README.md (필수)', 'docs/ops01_final_report.pdf(md) (필수)']
constraints: <h4>AI 탐지 결과와 인간 지휘관 판단의 구분</h4><ul><li><p>AI 모델의 단독 판단만으로 요격 결심을 내리지 않으며, 반드시 인간 개입(HITL) 교전 승인 절차를 거친다.</p></li><li><p>오탐 및 미탐 가능성을 고려하여 다차원 신뢰도 점수(Confidence Score)와 불확실성 지표를 함께 제공한다.</p></li></ul><h4>군사 보안 및 실전 데이터 취급 원칙</h4><ul><li><p>실제 작전 기밀 및 아군 부대 위치/보직 정보는 사용하지 않으며, 가상 시뮬레이션 데이터셋을 활용한다.</p></li><li><p>러시아-우크라이나 전쟁 공개 사례를 기반으로 전장 환경을 모의하되 비인가 장비 제원은 사용하지 않는다.</p></li></ul><h4>시스템 신뢰성 및 안전 실패(Fail-safe) 보장</h4><ul><li><p>통신 장애나 센서 노이즈 등 극한 환경에서도 시스템 다운 없이 안전 실패(Fail-safe) 기준을 만족해야 한다.</p></li><li><p>전술 환경의 오경보율(FAR)을 통제하여 지휘관 및 전투원의 인지 부하를 최소화한다.</p></li></ul>
evalSummary: <h4>공통 PASS/FAIL 판정 원칙</h4><ul><li><p><strong>수행 증거:</strong> 요구된 데이터 스키마, 전처리 파이프라인, 탐지 모델, UI, HITL 워크플로우, 테스트 코드가 정상 동작하는가?</p></li><li><p><strong>판단 근거:</strong> 오경보 필터링 및 신뢰도 점수 산출 기준이 군사 전술적/수학적 근거와 부합하는가?</p></li><li><p><strong>앞뒤 연결성:</strong> 데이터 스키마부터 전처리, 탐지, UI, HITL, AAR 피드백까지 파이프라인이 유기적으로 연동되는가?</p></li><li><p><strong>완성도:</strong> 정량적 평가 지표(정확도, 재현율, 처리 지연, 오경보율)와 정성적 평가 기준을 충족하는가?</p></li></ul><h4>프로젝트 완료 조건</h4><p>10개 필수 미션을 순차적으로 완수하여 최종 End-to-End 통합 파이프라인과 대드론 방어 브리핑 패키지를 완성하고 회귀/통합 테스트를 통과해야 최종 PASS이다.</p>
prerequisites: Python 프로그래밍 기초, 컴퓨터 비전(OpenCV/YOLO) 및 딥러닝 기본 지식, 군사 전장 환경 및 드론 위협에 대한 기본 이해
projectSkills: [{'skillId': 'competency_AI_문제해결역량_1._문제_분석', 'level': 3, 'category': 'AI 문제해결역량', 'subCategory': '1. 문제 분석'}, {'skillId': 'competency_AI_문제해결역량_2._대안_도출', 'level': 3, 'category': 'AI 문제해결역량', 'subCategory': '2. 대안 도출'}, {'skillId': 'competency_AI_비판적사고역량_1._결과_검증', 'level': 3, 'category': 'AI 비판적사고역량', 'subCategory': '1. 결과 검증'}, {'skillId': 'competency_AI활용역량_1._AI_도구_활용', 'level': 3, 'category': 'AI활용역량', 'subCategory': '1. AI 도구 활용'}, {'skillId': 'competency_AI활용역량_2._프롬프트_설계', 'level': 2, 'category': 'AI활용역량', 'subCategory': '2. 프롬프트 설계'}]

=== Mission 1 ===
--- id ---
OPS01_M01
--- sequence ---
1
--- title ---
전술 드론 영상 수집 환경 분석 및 공중위협 객체(드론/미사일) 데이터셋 스키마 정의
--- durationHours ---
1.5
--- overview ---
<p><strong>전술 드론 영상 수집 환경 분석 및 공중위협 객체(드론/미사일) 데이터셋 스키마 정의</strong></p><p>러시아-우크라이나 전쟁 전장 환경을 분석하여 드론 탑재 광학/적외선(EO/IR) 센서 규격, 공중위협 객체(정찰·자폭드론, 순항미사일) 메타데이터 및 바운딩 박스 라벨링 스키마를 설계하고 정의한다.</p>
--- objectives ---
<h3>소개</h3><p>러시아-우크라이나 전쟁 전장 환경을 바탕으로 전술 드론 영상 수집 환경 분석 및 공중위협 객체(드론/미사일) 데이터셋 스키마 정의 과제를 수행한다.</p><h4>학습자가 수행할 핵심 과정</h4><ul><li><p>러시아-우크라이나 전쟁 전장 환경을 분석하여 드론 탑재 광학/적외선(EO/IR) 센서 규격, 공중위협 객체(정찰·자폭드론, 순항미사일) 메타데이터 및 바운딩 박스 라벨링 스키마를 설계하고 정의한다.</p></li><li><p>산출물 작성: `data/schema/ops01_input_schema.json` 및 `docs/ops01_data_spec.md`</p></li><li><p>검증 및 완료: JSON Schema 검증 도구 및 샘플 데이터 파싱 단위 테스트 및 입력 데이터 유효성 검증 스크립트 통과 및 명세서 문서화 완료</p></li></ul>
--- scenario ---
<h4>미션 배경</h4><p>러시아-우크라이나 전쟁 전장 환경을 분석하여 드론 탑재 광학/적외선(EO/IR) 센서 규격, 공중위협 객체(정찰·자폭드론, 순항미사일) 메타데이터 및 바운딩 박스 라벨링 스키마를 설계하고 정의한다.</p><p><strong>전쟁/사례 구분:</strong> 러시아-우크라이나 전쟁</p><p><strong>학습 유형 및 복잡도:</strong> 코딩형 (난이도: 초급, 복잡도: 낮음, 진행률: 10%)</p><p><strong>산출물 및 저장 위치:</strong> `data/schema/ops01_input_schema.json` 및 `docs/ops01_data_spec.md`</p>
--- attachments ---
[]
--- materials ---
['data/schema/ops01_input_schema.json', 'docs/ops01_data_spec.md']
--- materialText ---
<p><strong>미션 산출물 및 저장 위치</strong></p><ul><li><p><code>`data/schema/ops01_input_schema.json` 및 `docs/ops01_data_spec.md`</code></p></li></ul><p><strong>검증 및 개선 방안</strong></p><ul><li><p>검증 방법: JSON Schema 검증 도구 및 샘플 데이터 파싱 단위 테스트</p></li><li><p>개선 및 피드백 방안: 누락된 전술 파라미터(기상, 위치오차, 통신지연 등) 보완</p></li></ul>
--- techStack ---
['전장환경', '적 탐지', '드론 영상', '컴퓨터 비전', 'Python']
--- deliverables ---
['data/schema/ops01_input_schema.json (필수)', 'docs/ops01_data_spec.md (필수)']
--- evaluationKeys ---
['<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정량적 평가] 스키마 필드 정의 완성도 100%, 샘플 데이터 검증 오류 0건</strong></p><h4>PASS 증거</h4><p>정량적 지표(스키마 필드 정의 완성도 100%, 샘플 데이터 검증 오류 0건)를 달성하고 단위 테스트 및 실행 결과가 성공적으로 확인되었다.</p><h4>보완이 필요한 상태</h4><p>정량적 성능 지표가 기준에 미달하거나 실행 중 에러가 발생하는 경우.</p><h4>보완 방법</h4><p>누락된 전술 파라미터(기상, 위치오차, 통신지연 등) 보완을 적용하여 성능 및 파라미터를 보정한다.</p>', '<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[정성적 평가] 작전·전투 수행 실무 및 러시아-우크라이나 전쟁 전장 환경과의 군사적 부합성 기준을 충족하였는가?</strong></p><h4>PASS 증거</h4><p>러시아-우크라이나 전쟁 전장 환경 및 작전 실무 요구사항에 부합하는 알고리즘 논리와 타당성이 확보되었다.</p><h4>보완이 필요한 상태</h4><p>군사적 전술 환경에 대한 고려가 부족하거나 알고리즘 판단 기준이 모호한 경우.</p><h4>보완 방법</h4><p>전술 환경 변수와 군사적 판단 기준을 명세서 및 코드에 보강한다.</p>', '<h4>평가 질문 (PASS/FAIL)</h4><p><strong>[진행 추적 및 완료 기준] 입력 데이터 유효성 검증 스크립트 통과 및 명세서 문서화 완료을 완수하였는가?</strong></p><h4>PASS 증거</h4><p>요구된 산출물(`data/schema/ops01_input_schema.json` 및 `docs/ops01_data_spec.md`)이 지정된 경로에 생성되고 JSON Schema 검증 도구 및 샘플 데이터 파싱 단위 테스트를 통과하였다.</p><h4>보완이 필요한 상태</h4><p>산출물이 미완성이거나 검증 절차를 통과하지 못한 경우.</p><h4>보완 방법</h4><p>JSON Schema 검증 도구 및 샘플 데이터 파싱 단위 테스트 절차를 재수행하여 발견된 결함을 수정하고 문서를 완성한다.</p>']
--- evaluationTypes ---
['REQUIRED', 'REQUIRED', 'REQUIRED']
--- evaluationText ---
<h4>미션 판정</h4><p><strong>평가 구분:</strong> 필수</p><p><strong>난이도 / 복잡도:</strong> 초급 / 낮음 (진행률: 10%)</p><h4>미션 PASS 조건</h4><ul><li><p>정량적 기준: 스키마 필드 정의 완성도 100%, 샘플 데이터 검증 오류 0건</p></li><li><p>정성적 기준: 작전·전투 수행 실무 및 러시아-우크라이나 전쟁 전장 환경과의 군사적 부합성</p></li><li><p>진행 추적 및 완료: 입력 데이터 유효성 검증 스크립트 통과 및 명세서 문서화 완료</p></li><li><p>검증 방법 통과: JSON Schema 검증 도구 및 샘플 데이터 파싱 단위 테스트</p></li></ul>
--- aiGuidelines ---
{'allow': ['전장 환경 분석 및 데이터 전처리 알고리즘 가이드 요청', '단위 테스트 및 성능 검증 스크립트 작성 보조', '오경보 필터링 및 신뢰도 점수 산출 수식 검토'], 'rules': ['군사 기밀 및 실제 부대 정보는 절대 입력하지 않는다.', 'AI 탐지 결과에 대해 최종 인간 검토(HITL) 원칙을 유지한다.', '주어진 가상 시뮬레이션 데이터셋과 스키마 규격을 준수한다.'], 'forbid': ['실제 군사 작전 기밀 데이터 입력', '인간 검토 없는 무조건적인 자동 사격/요격 결심 로직 구현', '검증되지 않은 임의의 데이터 조작']}
--- guideSteps ---
[]