호주에서 운전할 수 있는 운전면허

회사와 대학(KAIST)이 공동연구하여 논문발표. 우수 논문상 수상 ACK 2024 - 모빌리티 환경에서 초음파 AI 센서를 활용한 도로 표면 상 태 인식 기법

해당 기업은 초음파 센서를 활용한 블랙아이스 감지 기술을 보유하고 있었지만, 감지 거리가 약 2m로 제한되어 있었습니다. 국내 대부분의 도로 모니터링 시스템은 넓은 범위를 커버할 수 있는 카메라 기반이지만, 블랙아이스와 젖은 노면을 구분하기 어렵다는 한계가 있었습니다. 핵심 과제는 감지 범위를 넓히면서도 블랙아이스 식별 성능을 유지하는 것이었으며, 시각적으로 유사한 영역은 동일한 노면 상태일 것이라는 가정을 바탕으로, 초음파 센서의 측정값을 카메라 영상의 유사한 영역으로 확장하는 알고리즘을 개발하였습니다.

초기 모델은 FRCNN 기반으로, 캔:페트:기타 비율이 9:10:1인 이미지로 학습되었고, 기타 쓰레기를 페트병으로 오인하는 경우가 많아 필드매니저들의 불만이 컸습니다. 정확도 평가도 신뢰성 있는 검증은 이루어지지 않았고, 추가로 페트병 내부 액체 여부 및 뚜껑·라벨의 개별 인식 요구도 있었습니다. 저는 시각적 유사성으로 인한 혼동을 줄이기 위해 분류 체계를 약 15개 클래스로 정교화하고, 정부 지원 크라우드소싱을 통해 10만 장 이상의 학습 데이터를 확보한 뒤, 개선된 YOLO-v4 모델을 배포했습니다.

‘납 이물질’은 비산란 그리드 제조 과정에서 간혹 혼입되는 1~2mm 크기의 납 조각으로, 엑스레이 영상에서 내부 석회화로 오인될 수 있어 완전히 제거해야 합니다. 기존에는 작업자가 엑스레이 이미지를 수작업으로 검사했기 때문에, 작은 결함을 찾는 데 시간이 오래 걸리고 눈의 피로도 심했습니다. 저는 AI를 활용해 엑스레이 영상을 자동 분석하고 결함 가능성이 있는 부분을 표시해주는 CAD(Computer-Aided Detection) 소프트웨어를 개발하여, 최종 판별은 검사자가 할 수 있도록 지원했습니다.