원자력 발전소의 배관감육 관리를 위해서는 정확한 화학조성 데이터 확보가 필수적이다. 그러나 이 정보는 수천 페이지에 달하는 품질증빙서류에 흩어져 있으며, 현재까지는 수작업에 크게 의존해 왔다. 본 연구에서는 이러한 비효율성을 해소하기 위해, 품질증빙서류에서 관심 페이지만을 분류하고 페이지 내 화학조성 정보가 담긴 테이블 영역을 정밀 검출하는 2단계 자동화 딥러닝 파이프라인을 제안한다. 제안한 파이프라인은 다양한 문서 양식과 복잡한 내포 테이블 구조에서도 강건하게 동작하도록 설계되었다. 실험 결과, 페이지 분류는 99% 이상의 정확도, 테이블 검출은 mAP50-95 기준 0.85 이상의 성능을 달성하였다. 이러한 성과는 배관감육 평가에 필요한 핵심 정보 추출 과정을 자동화하고, 향후 완전한 데이터베이스 구축을 위한 기반 기술을 제시한다는 점에서 의의가 있다.