본문 바로가기

중고폰, 교통관제, 철광까지? 못하는 게 뭐야? 아이팩토리 스마트비전 솔루션

제조 품질검사, 중고폰, 교통관제까지? 못하는 게 뭐야? 아이팩토리 스마트비전 SOLUTION

 

철강 영상 계측과 불량 분류, 중고폰 이미지 등급 분류 그리고 교통 혼잡 관제까지 다~ 하는 솔루션이 있다고 하는데 사실일까요?

SK㈜ C&C의 분석 솔루션, 아이팩토리 스마트비전 솔루션이 바로 그것인데요,오늘 김종문 매니저님과 함께 스마트비전 솔루션의 A to Z를 파헤쳐보도록 하겠습니다!

SK Careers Editor 송유진

 

 

 

 

 

안녕하세요.저는 현재 아이팩토리 스마트 비전이라는 솔루션의 알고리즘 설계와 개발을 담당하고 있는 김종문 매니저입니다.

 

 

 

A.I 엔지니어 직무의 메인 업무로는 CNN이나 Object Detection과 같은 모델을 적용하고자 하는 대상에 적합하도록 알고리즘을 튜닝하거나 전체 비즈니스 프로세스에 맞게 적용하는 것입니다. 알고리즘이 개발만 된다고 해서 실행이 되는 것은 아닙니다. 비즈니스 케이스에 따라서 알고리즘을 실행하는 환경이 다를 수 있기 때문이죠.

대표적으로 버스에 장착되는 모바일 예측 컴퓨터의 경우 하드웨어 스펙을 무조건 좋게 만들 수는 없기 때문에 제한된 환경에서 알고리즘이 돌아갈 수 있게끔 하는 알고리즘 아키텍처가 필요합니다. 알고리즘이 돌아가는 과정에서 필요로 하는 만큼의 자원을 적용하여 아키텍처 환경을 구축하는 것이 저의 주된 업무입니다.

 

 

 

아이팩토리 스마트비전 솔루션에 대해서 소개해주세요.

아이팩토리 스마트비전 솔루션은 딥러닝, 머신러닝 및 비전 알고리즘 기반의 워크플로우 모델링, 학습 그리고 실시간 분류와 운영이 가능한 Total A.I Vision 분석 솔루션입니다.

스마트비전 솔루션이 처음에는 제조 영역을 위주로 개발이 이루어졌지만 현재 스마트폰, 교통, 미생물(폐수 분석) 등 일상생활의 영역으로 확장해 나가고 있습니다.

오늘 아이팩토리 스마트비전의 세 가지 구축 사례를 직접 시연해보면서 더욱 자세히 소개해보도록 하겠습니다.

 

 

 

 

 

첫 번째 사례는 스마트 비전 솔루션 초기의 프로젝트인 철강 절단면 영상 계측 및 불량 분류 사례입니다.

지금 보이는 스틸컷은 용광로에서 쇳물을 녹인 다음 철봉과 같은 모양을 만드는 환봉 제조 공정과정의 스틸컷입니다.

용광로에서 나온 쇳물을 압연하여 나오는 환봉의 길이는 수 백 미터까지 되고, 이를 정해진 길이로 자릅니다. 환봉의 최소 두께는 2cm에서 최대 9~10cm인데요, 프레스로 누른 다음 가운데 보이는 컷팅 휠을 사용해서 뒤에서 앞으로 전진하는 형태로 환봉을 절단합니다. 이 휠은 지름이 1~1.5m정도입니다. 환봉을 자를 때 불꽃이 튀는 것을 볼 수가 있죠, 그래서 사람이 접근하는 것은 매우 위험하답니다. 그래서 해당 영상을 관제실에서 보면서 공정을 진행하는 것이죠.

 

 

 

휠이 철을 자르는 과정에서 열 때문에 휠이 휘는 현상이 발생하곤 하는데요, 이러한 현상의 해결방안으로 철강 절단면 영상 계측 및 불량 분류 솔루션이 활용될 수 있습니다.

인공지능과 이미지 프로세싱(원래의 이미지를 프로그래밍을 이용해서 내가 원하는 정보를 얻거나 이미지를 내가 원하는 방식으로 가공하는 것)을 통해서 환봉이 제대로 잘렸는지 확인할 수 있답니다.

수직선 대비 각도가 얼마나 휘었는지 확인하여 spec in / spec out 여부를 이미지 프로세싱과 통계 기반의 알고리즘으로 계측을 하고 판단을 할 수 있습니다. 초 당 4개의 프레임을 샘플로 뽑아서 어떤 이미지가 가장 계측하기에 좋은 이미지인가를 판단하는 것에 CNN 알고리즘 원리가 활용되었습니다.

CNN 모델은 이미지를 분류하는 모델인데요, 쉽게 말하면 이미지 내의 single object가 개인지 고양이인지를 분류하는 모델이라고 이해할 수 있습니다.

철강 절단면 영상 계측 및 불량 분류 사례의 경우 계측에 가장 용이한 이미지를 분류하는 과정에서 CNN 모델의 원리가 사용된 것이죠.

 

 

 

 

 

두 번째 사례는 중고폰 이미지 등급 분류 사례입니다.

고폰 이미지 분류 사례에서는 Mintit이라는 ATM기에서 중고폰 부위별로 16장의 이미지를 촬영하게 됩니다. Segmentation이라는 기법을 통해서 검출해야 하는 부위를 찾아내게 됩니다.

원본 이미지에서는 핸드폰의 전체 이미지를 볼 수 있는데 Segmentation 분석 기법으로 선정된 이미지를 가지고 각각의 부위별로 CNN 모델을 통해 파손된 부위를 찾게 됩니다.

파손 부위를 찾고 난 이후에는 파손 부위별 등급을 분류하게 되는데요, 가장 하위 등급을 외관에 대한 등급으로 선정하게 됩니다.

Mintit SK대리점, LG대리점, 삼성디지털프라자, 하이마트 등 다양한 매장에서 만나볼 수 있습니다. 공식 홈페이지(https://www.mintit.co.kr/)에서 ATM 위치를 확인할 수 있으니 이용해보면 좋을 것 같습니다.

 

 

 

 

 

세 번째 사례는 교통 혼잡 관제 사례입니다.

일상 속의 CCTV 영상에서 차량이 몇 대나 있는지 차량 종류별로 몇 대가 이동하고 있는지를 확인해서 그 구역의 물류 장비 이동 현황 및 주정차 위반 현황을 확인할 수 있습니다.

이를 통해 해당 구역의 혼잡도를 예측할 수 있는 방향으로도 활용이 가능합니다.

대형 재래시장 내의 여러 CCTV에서 실시간 모니터링이 이뤄지고 있는데요.

현황 집계 화면에서 일자별, CCTV별 물류 장비 현황의 집계, 비율, 추이를 확인할 수 있습니다.

교통 혼잡 관제 사례에서는 중고폰 이미지 분류 솔루션과 달리 한 이미지 내에서 다중의 Object Detection이 적용이 되었습니다.

 

 

 

상단의 이미지를 통해 CNN의 경우 이미지 당 하나의 결과가 나오지만 Object Detection의 경우 여러 피사체를 Detection(탐지) 해서 여러 개의 분류 결과가 나온다는 것을 확인하실 수 있습니다. 

교통 혼잡 관제 사례는 앞으로 모바일 엣지, 버스, 중장비와 같은 움직이는 모빌리티에 설치하여 사용하고자 계획하고 있습니다.

차량의 전방에 설치된 경우 갑작스럽게 나타나는 사람이나 장애물을 검출할 수 있겠죠. 버스의 경우 문 쪽에 하차하는 사람이 있는지 비정상 상태가 있는지를 확인할 수 있는 방향으로 활용할 수 있을 것이라고 생각합니다.

 

 

 

사람들이 일상생활 속에서 많이 접할 수 있는 영역으로 나아가고자 합니다.

과거에는 제조 공정에서 검사의 역할을 많이 했다면 교통, 환경, 안전, 폐수의 수질을 검사하는 미생물 검사 그리고 건설 현장의 안전 관제 등 다양한 분야에서 스마트비전 솔루션을 적용해보고자 합니다.

 

 

 

앞선 질문인 나아가고자 하는 방향성에 이어서 말씀드릴 수 있을 것 같습니다. 저희는 SaaS 클라우드 서비스를 하고자 하는데요, AWS와 같은 경쟁사가 내세우고 있는 것이 딥러닝 코딩을 할 수 없어도 일반 사용자들이 딥러닝 알고리즘을 개발할 수 있다는 것입니다. 하지만 사실 현실적으로 쉽지는 않죠. 그래서 저희는 다양한 분야의 실전 경험을 기반으로 SaaS에 비즈니스 서비스를 담아서 그 제품을 판매하고자 합니다.

예를 들어보면, 핵심 비니지스 서비스가 완성된 교통 혼잡 관제 서비스를 SaaS에 적용하여 여러 다양한 고객에게 신속한 서비스 제공이 가능한 것이죠.

 

 

 

저는 일반적이지 않은 커리어 패스를 가지고 있습니다. 15년 정도 회사생활을 하고 있는데요, 학부는 전기공학을 전공했습니다. 인공지능과는 전혀 관련이 없죠.

첫 직업도 디스플레이 공정 엔지니어였고 수율 분석이나 품질 분석, 통계 분석을 하는 업무를 했었죠. 다음 업무는 MES 시스템 개발 및 프로세스 이노베이션 컨설팅 업무를 했습니다. 이렇게 두 가지 경험을 바탕으로 스마트 비전 개발 솔루션과 함께 하게 되었습니다.

 

 

 

통계나 딥러닝을 기반으로 하는 업무는 도메인 지식, 통계 지식 그리고 IT 지식의 3가지 축이 모두 갖춰져야만 한다고 생각합니다.

 

 

 

실질적인 경험을 하는 것은 어렵겠지만 제조사별로 본인들이 생산하는 제품의 공정 프로세스를 소개하는 자료들이 있습니다. 소개 자료들로 충분히 공부를 하는 것이 좋을 것 같습니다.

 

 

 

딥러닝 기술에 대한 관심을 기반으로 해당 직무를 준비하시는 취준생분들께서 딥러닝 라이브러리를 활용해서 알고리즘을 코딩하는 IT 분야 외에 데이터베이스와 같은 또 다른 IT 영역을 중요하지 않게 생각하시는 경우가 있어 아쉬움을 많이 느낍니다.  나는 데이터사이언티스트 직무니까 관련된 기술만 습득을 하면 돼라는 생각 보다는 전통적인 IT영역 그리고 도메인 지식 분야에서도 많은 준비를 하신다면 준비된 인재가 될 수 있을 것이라고 생각합니다.

 

 

 

 

 

철강 영상 계측과 불량 분류부터 중고폰 이미지 등급 분류, 교통 혼잡 관제까지 ~ 하는 만능 솔루션,아이팩토리 스마트비전 솔루션에 대해 알아보았는데요. 어떠셨나요? 철강, 일반 제조의 영역을 넘어 더 다양한 분야에서 아이팩토리 스마트비전 솔루션이 활약할 수 있기를 바랍니다!