ㅇ 시설 내 산업 재해 발생 예방 및 사고 발생 시 신속한 초동 대응을 위한 영상 AI 분석 기술 기반의 CCTV 관제 시스템
ㅇ 인명 사고 발생 예방을 위한 위험 구역 내 이상 상황 경고 조치
ㅇ 인명 사고 발생 시 즉각적인 알람과 설비(PLC) 제어를 통해 피해 최소화 목적
ㅇ 재해 예방 및 조치 시나리오에 기반한 시스템 개발
- 재해 예방 및 조치 시나리오를 기반으로 ‘위험인지’, ‘경고(예방)’, ‘사고인지’, ‘조치’ 에 따른 단계별 대응 프로세스 구현
- 위험인지: 생산 환경 내 발생 가능한 인명 사고를 사전에 예방하기 위하여 산업재해 통계를 바탕으로 중대 산업재해(쓰러짐, 끼임, 부딪힘) 예방 위험인지 시나리오 별 시스템 개발
- 경고(예방): 각 위험 요소별 사고 발생을 방지하기 위한 위험구역 접근 등에 대한 경고 알람 및 시설 담당자에게 상황 전파 구현
- 사고인지: 산업재해(쓰러짐, 끼임, 부딪힘) 발생 시 즉각적인 상황 전파 및 설비 현장 내 알람 발생(경광등, 부저, 음성) 구현
- 조치: 각 사고 유형에 따른 PLC 제어, 담당자 상황 전파 등 매뉴얼화된 초동 조치 방안 실시 구현
ㅇ 산업안전 특화 AI 기술 적용
- 비디오 영상 기반의 행동 인식(Action Recognition)과 단일 이미지에서의 객체 검출(Object Detection) AI 알고리즘을 활용하여 산업재해 사고 유형별 특화된 기술 개발
- Slowfast 행동 인식 알고리즘 적용: Facebook Research(현 Meta)에서 개발한 알고리즘으로 이전에 제안된 행동인식 알고리즘과 달리 Optical Flow를 사용하지 않는 단일 영상 기반 알고리즘으로 설계. 영장류의 시각 시스템 연구에서 영감을 받아 시간축을 ‘Slow pathway와 Fast pathway의 각각 다른 속도로 처리하고 두가지 경로를 연결하는 방식으로 영상을 처리함으로써 더욱 정확한 결과를 도출할 수 있도록 설계됨
Slow pathway에서는 영상의 고해상도 프레임을 처리하며 시간적으로 느린 정보(공간 영역)들을 추출하며 Fast pathway에서는 저해상도의 빠른 속도의 영상 프레임을 처리하며 모션 정보를 획득하는 구조로 구성됨
- YOLO 객체 탐지 알고리즘 적용: 이미지 내에 존재하는 물체(Object)를 찾고 영역을 구분하는 기술로 이전에 등장했던 기술들이 2-Stage Detector를 기반으로 했던 것을 1-Stage Detector 방식을 적용하여 검출 속도를 비약적으로 향상시킨 것과 동시에 정확도도 높여 현재 가장 보편적으로 사용하는 객체 탐지 알고리즘
* 2-Stage Detector: 관심 영역 제안 후에 후보 영역을 바탕으로 분류를 진행하며 객체 탐지, 높은 정확도에 비해 검출 속도가 느린 단점을 보유. R-CNN 계열이 대표적
* 1-Stage Detector: 관심 영역 제안과 분류가 Conv layers에서 동시에 이뤄져 검출 속도가 빠르며 지속적인 성능 향상으로 정확도도 높아짐. YOLO 계열, SSD계열이 대표적
- 상기 2개의 행동 인식 모델과 객체 탐지 모델을 산업안전 특화 모델로 파인튜닝하여 AI 성능 평가를 실시
- 객체 인식 모델 정확도 mAP: 0.995, mAP@50~95: 0.928 달성하며 적합 판정
- 행동 분류 모델 정확도 Accuracy: 92.21% 달성하며 적합 판정