[논문]산업용 로봇 작업장 안전시스템 개발에 대한 연구

김진배; 권순현; 이만수

doi:10.12812/ksms.2023.25.3.017

산업용 로봇 작업장 안전시스템 개발에 대한 연구
A Study on the Development of Industrial Robot Workplace Safety System 원문보기

대한안전경영과학회지 = Journal of the Korea safety management & science, v.25 no.3, 2023년, pp.17 - 22

김진배 (호서대학교대학원 나노융합기술학과) , 권순현 (호서대학교대학원 나노융합기술학과) , 이만수 (호서대학교대학원 나노융합기술학과)

Abstract ▼ AI-Helper

As the importance of artificial intelligence grows rapidly and emerges as a leader in technology, it is becoming an important variable in the next-generation industrial system along with the robot industry. In this study, a safety system was developed using deep learning technology to provide worker safety in a robot workplace environment. The implemented safety system has multiple cameras installed with various viewing directions to avoid blind spots caused by interference. Workers in various scenario situations were detected, and appropriate robot response scenarios were implemented according to the worker's risk level through IO communication. For human detection, the YOLO algorithm, which is widely used in object detection, was used, and a separate robot class was added and learned to compensate for the problem of misrecognizing the robot as a human. The performance of the implemented system was evaluated by operator detection performance by applying various operator scenarios, and it was confirmed that the safety system operated stably.

주제어

표/그림 (15)

표 Death accidents by industry size in 22 years
표 Manufacturing Incidence of Death in 2022 years
그림 [Figure 1] YOLO Algorithm
그림 [Figure 2] System Structure and Implementation
그림 [Figure 3] Zone settings of Alarm, Warning, Emergency
표 Zone configuration
그림 [Figure 4] The Method of Safty Detect
그림 [Figure 5] Robot images for YOLO training
그림 [Figure 6] Results of object detection: YOLO v2+(with a robot class)
표 SYSTEM SPEC
그림 [Figure 7] Experiments of Object Detection: YOLO v2+(with a robot class)
그림 [Figure 8] The implemented system: (A) safe zone, (B) Warning zone, (C) Slow zone, (D) emergency zone
표 Experiment method
표 KOTCA test report
그림 [Figure 9] Emergency zone Object Detection

참고문헌 (6)

2022년 고용노동부 산업재해 현황 부가통계.
산업안전보건 기준에 관한규칙 13절 산업용 로봇.
Y. Kortli, M. Jridi, A. A. Falou, M. Atri(2018, April),？"A comparative study of CFs, LBP, HOG, SIFT, SURF,？and BRIEF for security and face recognition."？Proceedings Volume 10649, Pattern Recognition and？Tracking XXIX; 106490M. doi: 10.1117/12.2309454
R. Girshick, J. Donahue, T. Darrell, J. Malik(2016,？January), "Region-based Convolutional Networks？for Accurate Object Detection and Segmentation."？IEEE Transactions on Pattern Analysis and Machine？Intelligence, 38(1):142-158.

상세보기
J. Redmon, S. Divvala, R. Girshick, A. Farhadi(2016,？June), "You only look once: Unified, real-time object？detection." 2016 IEEE Conference on Computer？Vision and Pattern Recognition(CVPR). pp. 779-788.
J. Lee, H. Davari, J. Singh, V. Pandhare(2018,？September), "Industrial artificial intelligence for？industry 4.0-based manufacturing systems."？Manufacturing Letters, 18:20-23.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증