초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

공장 내 안전사고의 예방은 공장 운영에서 중요한 역할을 차지한다. 특히 부딪힘, 물체에 맞음, 교통사고와 같이 작업자와 위험물체의 충돌로 인한 재해사고가 높은 비율을 차지하고 있다. 이러한 예기치 못한 안전사고를 예방하기 위해 공장의 상황을 실시간으로 분석하여, 위험 상황을 미리 파악하고 작업자에게 최대한 빠르게 알리는 것이 중요하다. 따라서 사람의 인지 시간보다 빠른 판단이 가능한 정보통신기술을 사용하여 안전사고를 예방할 수 있다. 특히 정보통신기술 중에서도 ...

공장 내 안전사고의 예방은 공장 운영에서 중요한 역할을 차지한다. 특히 부딪힘, 물체에 맞음, 교통사고와 같이 작업자와 위험물체의 충돌로 인한 재해사고가 높은 비율을 차지하고 있다. 이러한 예기치 못한 안전사고를 예방하기 위해 공장의 상황을 실시간으로 분석하여, 위험 상황을 미리 파악하고 작업자에게 최대한 빠르게 알리는 것이 중요하다. 따라서 사람의 인지 시간보다 빠른 판단이 가능한 정보통신기술을 사용하여 안전사고를 예방할 수 있다. 특히 정보통신기술 중에서도 지능형 영상 분석은 인공지능이 사람의 직접적인 판단을 대신하여 인적 오류를 최소화하고, 정확한 상황 판단이 가능하다. 본 논문에서는 인공지능 객체 탐지 기술을 활용하여 공장 내 작업자와 위험물체의 실시간 위치를 판별하고, 작업자와 위험물체의 위치에 따라 실시간으로 변동하는 위험지역을 계산한다. 또한 움직이는 물체만 탐지하는 알고리즘을 사용하여 충돌 위험을 감지할 수 있다. 실시간 객체 탐지를 위해 다른 객체 탐지 알고리즘보다 처리 속도가 빠른 YOLO (You Only Look Once) 알고리즘을 사용하였고, 그 중에서도 처리 속도가 뛰어난 YOLOv5를 사용하였다. 실험은 실제 공장 환경에 CCTV를 설치하여 데이터를 수집하고 안전 시스템을 구축하였다. 객체 탐지 모델을 학습하기 위해 해당 공장의 위험물체를 정의하고 작업자와 위험물체에 대한 데이터셋을 구축하였다. 데이터셋은 총 11,448개의 대량 라벨링 데이터를 포함한다. 학습된 객체 탐지 모델의 성능을 평가한 결과, 객체 탐지의 성능의 지표로 사용되는 mAP는 0.985로 높은 성능을 보여주었다. 또한 움직이는 객체의 판별과 위험지역의 계산에서도 좋은 결과를 나타내었다.

Keyword