AI 비전이 공장 내 안전 사각지대를 줄일 수 있을까?
공장에서 안전모를 착용하지 않는 것은 심각한 산업재해로 이어질 수 있는 위험 요소입니다. 최근에는 AI 기반의 "비전 기반 안전모 감지 시스템"이 주목받고 있습니다. 이 글에서는 작업자가 안전모를 착용하지 않았을 때 이를 자동으로 감지하고 실시간으로 경고하는 비전 AI 시스템을 도입한 실제 사례를 중심으로, 구축 과정과 핵심 기술 요소, 그리고 현장에서의 실질적인 효과까지 자세히 다룹니다.
AI 기반 안전모 감지 시스템은 어떻게 시작되었을까?
공장에서는 이미 CCTV가 보편적으로 설치되어 있지만, 기존에는 영상 내용을 사람이 직접 모니터링해야 했습니다.
이 시스템은 기존 CCTV에 AI 비전 모듈을 탑재하여, 근로자의 머리 부위를 실시간으로
인식하고 안전모 착용 여부를 자동으로 판단할 수 있도록 설계되었습니다.
초기 단계에서는 YOLOv5 기반의 객체 감지 모델이 활용되었으며, 실제 근로자 영상을
익명화한 후 학습에 활용하여 해당 현장에 최적화된 정확도를 확보하였습니다.
시스템의 주요 구성 요소와 작동 원리
안전모 감지 시스템은 다음의 세 가지 핵심 모듈로 구성됩니다.
구성 요소 역할
CCTV 비전 입력 | 실시간 영상 스트리밍 수집 |
AI 감지 모듈 | 안전모 착용 여부 판단 |
경고 시스템 | 미착용 시 자동 경고(음성, 문자 등) 송출 |
작동 원리는 다음과 같습니다. CCTV가 사람을 감지하면, AI가
해당 인물의 머리 부분을 분석하여 안전모가 있는지를 판별합니다.
착용하지 않은 것으로 판단되면 즉시 경고가 발송됩니다. 경고 방식은
LED 경고등, 음성 방송, 관리자에게 문자 알림 등으로 설정 가능합니다.
어떤 AI 모델이 사용되었나?
YOLOv5 모델을 기반으로 하되, 시스템 성능을 높이기 위해 커스터마이징이 진행되었습니다.
안전모의 색상, 카메라 각도, 조명 변화 등 다양한 변수를 고려하여
다양한 환경의 데이터를 수집하고 Augmentation 기법을 활용해 데이터 다양성을 확보했습니다.
추가적으로 다음과 같은 성능 개선이 적용되었습니다.
개선 항목 설명
이미지 전처리 | 밝기 조절, 노이즈 제거 등 영상 품질 향상 |
다중 객체 추적 | 여러 사람이 동시에 진입해도 실시간 추적 가능 |
경계선 인식 | 출입구 기준선을 설정해 외부인 감지 기능 구현 |
실제 현장 적용 결과는?
설치 후 한 달 동안의 결과를 분석한 결과, 공장 내 안전모 미착용 비율이
이전보다 78% 이상 감소한 것으로 나타났습니다.
특히 야간 교대 근무 시 집중력이 떨어지는 문제를 AI 경고 시스템이
효과적으로 보완해주었습니다. 관리자들도 반복적인 알림 없이
자동화된 경고 시스템 덕분에 업무 효율이 높아졌다고 평가했습니다.
구축 시 고려해야 할 기술적 요소
- CCTV의 해상도 및 영상 품질 확보
- AI 모델의 경량화 및 실시간 처리 성능
- 네트워크 지연 최소화
- 데이터 보안 및 개인정보 보호 대책 마련
이 중 가장 핵심이 되었던 요소는 "현장 맞춤형 모델 학습"입니다.
공공 영상이 아닌 해당 공장에서 직접 수집한 실제 환경 데이터로 모델을 학습시켜,
작업자 복장, 이동 경로, 배경 등을 고려한 감지가 가능해졌고
그 결과 오탐률이 크게 낮아졌습니다.
시스템 인터페이스와 관리자 대시보드 구성
AI 시스템은 관리자에게 실시간 알림을 전송하는 것 외에도
웹 기반의 대시보드를 통해 시각적으로 상황을 파악할 수 있도록 구성되어 있습니다.
화면 구성 주요 기능
실시간 영상 모니터링 | 현재 화면에서 안전모 착용 여부 실시간 표시 |
경고 이력 조회 | 시간대·장소별 미착용 통계 제공 |
설정 관리 | 경고 기준, 알림 방식 등을 세부 조정 가능 |
이처럼 직관적인 인터페이스 덕분에 IT나 AI에 익숙하지 않은 관리자도
쉽게 시스템을 이해하고 운영할 수 있었습니다.
향후 확장 가능성과 개선 방향
현재는 안전모 감지에만 적용되고 있지만, 앞으로는
안전화 착용 여부, 작업복 착용 상태, 위험 지역 접근 여부 감지 등
다양한 기능으로 확장될 수 있습니다.
또한 클라우드 기반 분석과 IoT 연계를 통해 더욱 정교하고
종합적인 공장 안전 관리 플랫폼으로 발전시킬 가능성도 매우 높습니다.