드론을 이용한 석면 지붕 슬레이트의 탐지는 육안 점검과 관련된 안전 위험 및 비용을 회피하기 위해 필요하다. 또한 딥러닝 모델의 사용은 드론이 제공하는 이미지 분석의 속도를 높일 뿐 아니라 비용을 절감한다. 본 연구에서는 지붕 슬레이트를 정확히 분류하기 위해 지도학습 및 비지도학습 분류 기법을 결합한 포괄적 학습 모델을 개발하였다. 모델의 정확도는 고도 100 m의 저고도를 적용함으로써 확보하였으며, 이로 인해 지상 표본 거리(ground sampling distance)가 3 cm/pixel로 산출되었다. 더 나아가 다양한 조명 및 기상 조건에서 촬영된 이미지와 여러 각도에서 촬영된 이미지를 포함하여 모델의 포괄성을 확보하였다. 두 가지 분류 방법을 적용하여 학습 데이터셋을 구성한 후, 개발된 모델을 분류에 활용한 결과 475장의 이미지 중 12장이 잘못 분류되었다. 이후 시각적 점검과 분류 시스템의 조정을 수행하였고, 모델을 업데이트하여 475장의 이미지 모두를 정확히 분류하도록 하였다. 이러한 결과는 지도학습과 비지도학습 분류를 함께 사용함으로써 석면 지붕 슬레이트 탐지를 위한 딥러닝 모델의 정확도를 향상시킬 수 있음을 보여준다.