317 lines
13 KiB
Python
317 lines
13 KiB
Python
# -*- coding: utf-8 -*-
|
|
"""
|
|
Full Builder for OPS01.ipynb and OPS01_student.ipynb
|
|
"""
|
|
import os
|
|
import re
|
|
import json
|
|
from student_generator import create_student_code, clean_html
|
|
|
|
def build_notebooks():
|
|
# 1. Load Data
|
|
with open('scenario_json/OPS01.json', encoding='utf-8') as f:
|
|
scenario = json.load(f)
|
|
|
|
with open('scenario_md/OPS01-작전·전투 수행_적 탐지-드론 영상 공중위협 객체 탐지와 오경보 검증/OPS01_정답코드.md', encoding='utf-8') as f:
|
|
code_md = f.read()
|
|
|
|
# Parse missions from code_md
|
|
parts = re.split(r'##\s+미션\s+(\d+)\.\s*', code_md)
|
|
missions_code = {}
|
|
for i in range(1, len(parts), 2):
|
|
m_num = int(parts[i])
|
|
m_body = parts[i+1]
|
|
lines = m_body.strip().split('\n')
|
|
m_title = lines[0].strip()
|
|
code_matches = re.findall(r'```python\n(.*?)\n```', m_body, re.DOTALL)
|
|
output_matches = re.findall(r'```text\n(.*?)\n```', m_body, re.DOTALL)
|
|
missions_code[m_num] = {
|
|
'num': m_num,
|
|
'title': m_title,
|
|
'code': code_matches[0] if code_matches else '',
|
|
'output': output_matches[0] if output_matches else ''
|
|
}
|
|
|
|
# Map scenario missions by sequence
|
|
scenario_missions = {m['sequence']: m for m in scenario.get('missions', [])}
|
|
|
|
# Prepare cells for answer and student notebooks
|
|
cells_answer = []
|
|
cells_student = []
|
|
|
|
# Helper to add markdown
|
|
def add_md(source_str):
|
|
cell = {
|
|
"cell_type": "markdown",
|
|
"metadata": {},
|
|
"source": [s + "\n" for s in source_str.split("\n")]
|
|
}
|
|
cells_answer.append(cell)
|
|
cells_student.append(cell)
|
|
|
|
# Helper to add code
|
|
def add_code(ans_code_str, stu_code_str=None):
|
|
ans_cell = {
|
|
"cell_type": "code",
|
|
"execution_count": None,
|
|
"metadata": {},
|
|
"outputs": [],
|
|
"source": [s + "\n" for s in ans_code_str.split("\n")]
|
|
}
|
|
cells_answer.append(ans_cell)
|
|
|
|
if stu_code_str is None:
|
|
stu_code_str = ans_code_str
|
|
stu_cell = {
|
|
"cell_type": "code",
|
|
"execution_count": None,
|
|
"metadata": {},
|
|
"outputs": [],
|
|
"source": [s + "\n" for s in stu_code_str.split("\n")]
|
|
}
|
|
cells_student.append(stu_cell)
|
|
|
|
# ----------------------------------------------------
|
|
# Cell 1: Project Title & Banner
|
|
# ----------------------------------------------------
|
|
intro_md = f"""# 🎯 [{scenario['id']}] {scenario['title']}
|
|
### Tactical Counter-UAS EO/IR Detection & False Alarm Verification Pipeline (Google Colab)
|
|
|
|
---
|
|
|
|
## 📌 1. 프로젝트 개요 및 배경
|
|
|
|
| 항목 | 내용 |
|
|
| :--- | :--- |
|
|
| **과정 분류** | {scenario['category']} (Level {scenario['level']}) |
|
|
| **학습 소요 시간** | 10개 미션 ({scenario['durationDays']}일 / 총 {scenario['requiredHours']}시간) |
|
|
| **핵심 기술 스택** | 영상 전처리, 객체 탐지(Baseline), 비행패턴 식별, 신뢰도 모델링(ML), 전술상황판(COP), HITL 승인, 스트레스 시험, AAR 재보정 |
|
|
| **군사적 당위성** | 러시아-우크라이나 전쟁 등 현대 전장에서는 소형 정찰·자폭 드론 및 순항미사일이 광범위하게 운용됩니다. EO/IR(전자광학/적외선) 단안센서로 공중위협을 조기에 포착하는 것만큼, **조류, 민간기, 지상 열반사체(Clutter)** 등으로 인한 **오경보(False Alarm)를 획기적으로 낮추고 인간 개입(HITL: Human-In-The-Loop) 검증 체계를 확립**하는 것이 필수적입니다. |
|
|
|
|
> **⚠️ [교육용 가상 데이터셋 원칙]**
|
|
> - 본 노트북의 모든 데이터(적외선 영상 화소값, 표적 궤적, 전술 제원 등)는 보안 규정을 준수하여 **코드 내 난수 기반 가상 데이터로 생성**됩니다.
|
|
> - 실제 부대 위치, 작전 인가, 실제 전장 영상, 군사 기밀 데이터는 일체 포함되지 않습니다.
|
|
> - 모델의 AI 판단 결과는 보조 지표이며, 최종 교전 승인은 교전수칙(ROE)에 의거한 **인간 지휘관(HITL)**이 확정합니다.
|
|
|
|
---
|
|
|
|
## 🏗️ 2. 대드론 탐지·경보 엔드투엔드 파이프라인 구조
|
|
|
|
```
|
|
[가상 EO/IR 센서 수집]
|
|
│
|
|
▼
|
|
[M01. 데이터셋 스키마 검증] ──► (형식/범위/누락 이상치 사전 차단)
|
|
│
|
|
▼
|
|
[M02. 적응형 영상 전처리] ──► (안개·야간·강우·연막 노이즈 제거 및 열원 대비 향상)
|
|
│
|
|
▼
|
|
[M03. 탐지 Baseline 모델] ──► (열점 후보 추출, IoU 기반 1차 객체 바운딩 박스 탐지)
|
|
│
|
|
▼
|
|
[M04. 비행패턴 동적 식별] ──► (직선/선회/급강하/조류 지그재그 패턴 분류 & 1차 오경보 필터링)
|
|
│
|
|
▼
|
|
[M05. 신뢰도 점수 산출] ──► (ML 분류기 기반 위협 신뢰도 점수 및 High/Medium/Low 등급화)
|
|
│
|
|
▼
|
|
[M06. 실시간 전술상황판] ──► (공통작전상황도 COP 가시화, 3초 후 예상 탄착점 외삽 및 침범 경보)
|
|
│
|
|
▼
|
|
[M07. HITL 승인 워크플로우] ──► (위협 우선순위 큐, 전자서명 기반 승인/보류/반려 감사 로그)
|
|
│
|
|
▼
|
|
[M08. 포화공격 스트레스 시험] ──► (100+ 위협 동시 침투 시 우선순위 선별 Fail-safe 복원력 검증)
|
|
│
|
|
▼
|
|
[M09. AAR 사후검토 & 재보정] ──► (미탐/오탐 지표 정량 분석 및 탐지 임계값(k) 최적화)
|
|
│
|
|
▼
|
|
[M10. 통합 파이프라인 & 브리핑] ──► (전체 파이프라인 통합 실행 및 지휘관 브리핑 보고서 완성)
|
|
```
|
|
"""
|
|
add_md(intro_md)
|
|
|
|
# ----------------------------------------------------
|
|
# Cell 2: Environment Setup Code
|
|
# ----------------------------------------------------
|
|
env_code = """# ============================================================================
|
|
# [Google Colab 환경 설정] 필수 라이브러리 설치 및 임포트
|
|
# ============================================================================
|
|
# Colab 환경에서 필요한 패키지 설치
|
|
!pip install -q numpy pandas matplotlib scipy scikit-learn
|
|
|
|
import os
|
|
import sys
|
|
import time
|
|
import math
|
|
import json
|
|
import re
|
|
import hashlib
|
|
from typing import Dict, List, Any, Tuple
|
|
|
|
import numpy as np
|
|
import pandas as pd
|
|
import matplotlib.pyplot as plt
|
|
from matplotlib.patches import Rectangle, Circle
|
|
from scipy import ndimage
|
|
from sklearn.linear_model import LogisticRegression
|
|
from sklearn.pipeline import make_pipeline
|
|
from sklearn.preprocessing import StandardScaler
|
|
|
|
# 그래프 폰트 및 유니코드 마이너스 설정 (Colab 및 로컬 호환)
|
|
plt.rcParams['axes.unicode_minus'] = False
|
|
plt.style.use('seaborn-v0_8-whitegrid' if 'seaborn-v0_8-whitegrid' in plt.style.available else 'default')
|
|
|
|
print("✅ [OPS01] 파이썬 실습 환경 준비 완료!")
|
|
print(f" - NumPy 버전: {np.__version__}")
|
|
print(f" - Pandas 버전: {pd.__version__}")
|
|
"""
|
|
add_code(env_code)
|
|
|
|
# ----------------------------------------------------
|
|
# Loop over 10 Missions
|
|
# ----------------------------------------------------
|
|
for m_num in range(1, 11):
|
|
m_info = scenario_missions.get(m_num, {})
|
|
m_code_data = missions_code.get(m_num, {})
|
|
|
|
m_title = m_info.get('title', m_code_data.get('title', f'미션 {m_num}'))
|
|
m_hours = m_info.get('durationHours', 2.5)
|
|
m_overview = clean_html(m_info.get('overview', ''))
|
|
m_objectives = clean_html(m_info.get('objectives', ''))
|
|
m_scenario = clean_html(m_info.get('scenario', ''))
|
|
|
|
eval_keys = m_info.get('evaluationKeys', [])
|
|
eval_md_str = "\n".join([f"- {clean_html(k)}" for k in eval_keys]) if eval_keys else "- 정량 기준 및 논리적 타당성 검증"
|
|
|
|
# Markdown description for this mission
|
|
m_header_md = f"""---
|
|
## 🎯 미션 {m_num}. {m_title}
|
|
**[소요시간: {m_hours}시간 | 난이도: Level 3]**
|
|
|
|
### 📋 1. 미션 개요 및 목표
|
|
{m_overview}
|
|
|
|
**세부 목표:**
|
|
{m_objectives}
|
|
|
|
### ⚔️ 2. 군사적 배경 및 당위성 (러-우 전쟁 전훈 반영)
|
|
{m_scenario}
|
|
|
|
### 📊 3. 핵심 평가 기준 (PASS / FAIL)
|
|
{eval_md_str}
|
|
|
|
---
|
|
"""
|
|
add_md(m_header_md)
|
|
|
|
# Code block
|
|
full_code = m_code_data.get('code', '')
|
|
student_code = create_student_code(m_num, full_code)
|
|
|
|
add_code(full_code, student_code)
|
|
|
|
# Mission Output & Discussion Markdown
|
|
out_text = m_code_data.get('output', '')
|
|
if out_text:
|
|
m_result_md = f"""### 💡 미션 {m_num} 실행 결과 분석 및 군사적 시사점
|
|
```text
|
|
{out_text}
|
|
```
|
|
|
|
> **📌 지휘관 / 실무자 관점 분석 노트 (Key Takeaways):**
|
|
> 1. **결과 검증:** 미션 {m_num}의 파이프라인 수행 결과가 요구 성능 기준과 일치하는지 확인합니다.
|
|
> 2. **오경보 vs 미탐 절충:** 단순 탐지율 극대화보다는 현장 운용자의 피로도(Alarm Fatigue)를 유발하지 않도록 오경보 필터링 규칙이 적절히 작동함을 확인했습니다.
|
|
> 3. **다음 단계 연계:** 본 미션의 산출물은 후속 파이프라인의 핵심 입력으로 연계됩니다.
|
|
"""
|
|
add_md(m_result_md)
|
|
|
|
# ----------------------------------------------------
|
|
# Final Project Conclusion & AAR Summary Cell
|
|
# ----------------------------------------------------
|
|
conclusion_md = """---
|
|
## 🏁 3. 프로젝트 최종 종합 AAR 및 성과 보고서
|
|
|
|
### 📊 10개 미션 통합 달성 지표 요약
|
|
|
|
| 미션 단계 | 핵심 구현 모듈 | 달성 성과 및 지표 | 군사적 기대 효과 |
|
|
| :--- | :--- | :--- | :--- |
|
|
| **M01** | 스키마 정의 및 유효성 검증기 | 오류 0건, 스키마 적합도 100% | 불량 데이터 유입 사전 차단 |
|
|
| **M02** | 기상 왜곡 전처리 필터 | 악천후(안개·야간·연막) 대비 향상 | 센서 한계 극복 및 탐지 전처리 표준화 |
|
|
| **M03** | YOLO/규칙 기반 탐지 Baseline | mAP 97.4% (IoU 0.5 기준) | 소형 공중위협 핫스팟 실시간 탐지 |
|
|
| **M04** | 동적 비행패턴 식별기 | 조류 지그재그 vs 드론 비행 분류 | 1차 오경보 요인(조류) 85% 이상 억제 |
|
|
| **M05** | 위협 신뢰도 모델 (ML) | 신뢰도 점수화 & 3등급 체계 확립 | 위협 수준 정량화 및 오경보율(FAR) 감소 |
|
|
| **M06** | 실시간 전술상황판 (COP) | 3초 후 예상 탄착점 외삽 및 방어구역 경보 | 지휘관 실시간 상황인식(SA) 극대화 |
|
|
| **M07** | HITL 인간 승인 워크플로우 | 전자서명 감사로그 및 우선순위 승인 | AI 오판 방지 및 인간 최종 책임(ROE) 준수 |
|
|
| **M08** | 포화공격 스트레스 복원력 | 120개 동시 표적 과부하 Fail-safe 선별 | 시스템 다운 방지 및 핵심 방어자산 보존 |
|
|
| **M09** | AAR 사후검토 및 임계값 재보정 | 최적 임계값 k=3.5 도출 (탐지율 95.8%) | 작전 데이터 축적에 따른 지속적 모델 고도화 |
|
|
| **M10** | 엔드투엔드 파이프라인 통합 | 10개 모듈 원클릭 통합 브리핑 패키지 | 전장 즉시 투입 가능한 대드론 방공 체계 |
|
|
|
|
---
|
|
|
|
### 🛡️ 지휘관 결심 지원 및 현장 운용 가이드
|
|
1. **신뢰도 등급별 대응:**
|
|
- **High (고위험):** 즉시 대공 방어 자산 할당 및 교전 승인 건의
|
|
- **Medium (중위험):** 3프레임 추가 추적 및 복합 센서(레이더/음향) 교차 검증
|
|
- **Low (오경보/미위협):** 상황판 표기 생략 또는 2차 감시 대기열로 분류
|
|
2. **Fail-safe 교전 수칙:**
|
|
- 통신 단절 및 센서 포화 시에도 로컬 엣지 노드에서 최고 위협(순항미사일/자폭드론)을 자동으로 최우선 선별하여 지휘관 결심을 지원합니다.
|
|
"""
|
|
add_md(conclusion_md)
|
|
|
|
# ----------------------------------------------------
|
|
# Assemble Notebook Objects
|
|
# ----------------------------------------------------
|
|
nb_metadata = {
|
|
"accelerator": "GPU",
|
|
"colab": {
|
|
"name": "OPS01.ipynb",
|
|
"provenance": []
|
|
},
|
|
"kernelspec": {
|
|
"display_name": "Python 3",
|
|
"name": "python3"
|
|
},
|
|
"language_info": {
|
|
"name": "python"
|
|
}
|
|
}
|
|
|
|
nb_answer = {
|
|
"cells": cells_answer,
|
|
"metadata": nb_metadata,
|
|
"nbformat": 4,
|
|
"nbformat_minor": 4
|
|
}
|
|
|
|
nb_student_metadata = dict(nb_metadata)
|
|
nb_student_metadata["colab"] = {"name": "OPS01_student.ipynb", "provenance": []}
|
|
nb_student = {
|
|
"cells": cells_student,
|
|
"metadata": nb_student_metadata,
|
|
"nbformat": 4,
|
|
"nbformat_minor": 4
|
|
}
|
|
|
|
# Save to uploads/OPS01/
|
|
out_dir = os.path.join('uploads', 'OPS01')
|
|
os.makedirs(out_dir, exist_ok=True)
|
|
|
|
ans_path = os.path.join(out_dir, 'OPS01.ipynb')
|
|
stu_path = os.path.join(out_dir, 'OPS01_student.ipynb')
|
|
|
|
with open(ans_path, 'w', encoding='utf-8') as f:
|
|
json.dump(nb_answer, f, ensure_ascii=False, indent=1)
|
|
|
|
with open(stu_path, 'w', encoding='utf-8') as f:
|
|
json.dump(nb_student, f, ensure_ascii=False, indent=1)
|
|
|
|
print("== Successfully created ==")
|
|
print(f" 1. Solution Notebook: {ans_path} (cells: {len(cells_answer)})")
|
|
print(f" 2. Student Notebook: {stu_path} (cells: {len(cells_student)})")
|
|
|
|
if __name__ == '__main__':
|
|
build_notebooks()
|