지난 시간의 언어 AI에 이어서 시각 AI와 데이터 AI 그리고 복합 AI의 사례에 대해 말씀드리겠습니다.

● 챗봇부터 음성봇까지! ‘언어 AI’가 나타났다

시각 AI는 각 산업 환경과 공공기관, 의료기관과 같이 다양한 환경에서 사람을 대신해서 이미지나 영상 등의 정보를 분석하고 추론하는 역할을 수행합니다. 이러한 시각 AI가 분석하는 정보의 유형은 크게 이미지와 영상으로 나눌 수 있습니다.

이 둘의 차이는 활용 목적이 특정 영역의 공간에 대한 분석(이미지)인지, 아니면 시간 흐름에 따른 해당 공간의 변화를 분석(동영상)하려는 목적인지에 따라 구분한 것입니다. 두 편에 걸쳐 유형별로 적용된 사례에 대해 살펴보겠습니다.

시각 AI – 이미지

시각 AI의 이미지 인식은 촬영된 이미지나 동영상의 특정 영역을 분석해 사람이나 사물을 인식하거나 OCR을 통해서 이미지에 삽입된 문자를 인식하고 추출하는 등의 용도로 주로 활용되고 있습니다.

산업체에서는 생산 라인의 불량이나 이물질 검사 등의 용도로 적용되기도 하며, 물류센터에서 자동 상품 분류 용도로 활용되기도 하며, 심지어는 문서 유출 탐지 등의 목적으로 활용되기도 합니다.

공공에서는 생활폐기물 관리 등에 활용되기도 하며 의료 영역에서는 X-Ray 판독 등의 용도로 활용된 사례도 있습니다. 이제 생산라인에 시각 AI를 활용해서 품질을 향상한 몇 가지 사례들을 소개해 드리겠습니다.

1.불량 유형 및 외관 품질 검사

다양한 디스플레이에서 사용되는 유리 기판은 품질에 매우 민감한 부속품이기 때문에 강도 높은 품질 검사가 필요합니다. 기존에는 이러한 품질 검사는 품질검사원이 육안으로 식별하거나 혹은 기계를 활용한 Rule 기반의 비전 검사기를 통한 검사로 진행되고 있었습니다.

다만, 검사 담당자에 따라 판정 기준이 조금씩 상이할 수 있으며 검사자의 숙련도에 의존하기 때문에 대체 인력이 없는 경우 대응할 방안을 마련하기 어렵다는 난점이 있었습니다. 또한, rule 방식의 경우에도 검사할 수 없는 정성적인 영역에서 문제점이 존재했습니다.

만약 이러한 품질 검사 과정에서 판정 오류가 생겨서 생산 공정에 들어갈 경우 제조 공정이 완료된 시점에서 불량으로 검출되게 됩니다. 이런 경우, 불량 부품이 제조 공정에 투입되어 불필요한 비용 손실이 발생하게 됩니다.

이러한 문제를 해결하기 위해 LG CNS의 시각 AI인 DAP Vision을 적용해 유리 기판의 시각 검사를 딥러닝 기반으로 자동화되도록 구현했습니다.

이를 통해 검사 품질을 일원화하고 불량 유리 기판이 후공정에 투입되어 발생하게 되는 비용 손실을 최소화할 수 있게 되었습니다.

2.생산라인 이물 검사

두 번째로 살펴볼 사례는 합성 고무 이물 검출 사례입니다.

BR(Butadiene Rubber) 생산 과정에서 섞일 수 있는 이물질에 대한 검사는 품질 검사자의 100% 수작업에 의존해 검사를 수행해 왔으나 이러한 기존의 검사 방식은 검사자의 휴먼 오류 가능성으로 인한 고객 Claim 발생률이 높아질 수 있다는 리스크와 품질 검사자의 열악한 근무환경 등의 문제점이 있었습니다.

이러한 문제점들을 해결하기 위해 고해상도 카메라 및 열화상 카메라 등의 설비와 LG CNS의 DAP Vision 솔루션을 연계해 딥러닝 기반의 이물질 자동 검출 솔루션을 도입했으며 99.8% 이상의 검사 정확도를 확보하게 되었습니다.

이 외에도 공공기관에서도 ‘AI 기반의 대형 폐기물 처리 시스템’을 구축한 은평구나 ‘X-Ray 영상 기반의 금지 물품 자동 판독 솔루션’을 도입한 인천공항 사례와 같이 참고할 만한 외부의 다양한 시각 AI 사례들이 있습니다.

다만 지면 관계상 일일이 소개하기는 어려울 것 같아서 아래와 같이 참고 사이트를 안내해 드립니다.

● AI 대형 생활폐기물 처리 시스템 l 은평구 l https://bit.ly/2N7xOtY
● 보건소 X-Ray 자동 판독 서비스 l 은평구 l https://bit.ly/3hwIuk5
● X-Ray 영상 기반 금지 물품 자동 판독 솔루션 l 인천공항 l https://bit.ly/3eaoL7C
● 위성사진 비행기 종류 분석 l 록히드마틴 l https://lmt.co/2UPFsxB
● 드론 영상 기지국 안테나 점검 l AT&T l https://soc.att.com/2YOgCPU

시각 AI – 동영상

시각 AI의 동영상 인식은 카메라에 감지된 특정 영역의 시간 흐름에 따른 변화를 분석해 필요한 정보를 수집하고 추론하는 용도로 주로 활용되고 있습니다.

시각 AI와 관련해서 LG CNS의 영상 분석 솔루션인 DAP Analytics를 활용한 작업장 안전을 모니터링하는 사례를 소개해 드리겠습니다.

작업장 안전을 위해 아래의 표와 같이 인물의 행위나 현상, 혹은 사물의 변화나 사건 등을 감지하고 분석하는 용도로도 DAP Analytics를 활용한 사례입니다.

이 중에서 몇 가지를 설명해 드리겠습니다.

1.위험 지역 안전 장비 착용 여부 및 쓰러짐 감지

동영상 분석을 통해 작업장 내에서 안전모 등의 보호장구를 착용하지 않고 있는 인원이 있는지 감지하고 즉각 안전 조치를 취하도록 안내할 수 있습니다.

그리고 작업장 내에서 사람이 쓰러진 상황을 모니터링하고 즉각 조치하도록 활용할 수 있습니다.

2.침입 및 배회 감지

동영상 분석을 통해 사전에 정의한 공간에서 일정 시간 이상 배회하거나 혹은 침입하는 인원이 있는지 모니터링하고 경고를 발송할 수 있습니다.

또한 모니터링 영역 내에서 사람이나 차량의 이동을 모니터링할 수도 있습니다. 예를 들어, 공사장 내 특정 영역 내에서의 레미콘 트럭의 이동 내역을 파악할 수 있습니다.

이 외에도 참고할 만한 시각 AI 사례 몇 가지와 관련한 사이트를 아래와 같이 소개해 드립니다.

● 야생동물 탐지 l Zoological Society of London(ZSL) l https://bit.ly/37DQ3AY
● 항공기 관제 시스템 l 영국 Heathrow 공항 l https://bit.ly/30N9y8E
● AI를 활용한 운전면허 시험 l 인도 Dehradun l https://bit.ly/2YJ7r2R

지금까지 다양한 환경에서 사람을 대신해서 이미지나 영상 등의 정보를 분석하고 추론하는 역할을 수행하는 AI 중 시각 AI에 대해 알아보았습니다. 다음 편에는 이번 편에 이어서 데이터 AI와 복합 AI에 대해 알아보겠습니다.

글 l LG CNS AI빅데이터연구소

[참고 자료]

<사이트 및 보고서>

• LG CNS (2020), AI 수행체계 TF 내부 보고자료 中 case study 참고
• DeepMind : AI Reduces Google Data Centre Cooling Bill by 40%
• https://deepmind.com/blog/article/deepmind-ai-reduces-google-data-centre-cooling-bill-40