딥러닝 기반 비전-초음파 로봇 시스템: 제조 현장의 가스 누출 및 아크 방전 위험 감지

본 연구는 딥러닝 기반 비전-초음파 로봇 시스템을 개발하여 제조 현장의 가스 누출 및 아크 방전 위험을 효과적으로 감지하는 데 성공했습니다. 인간의 감각 능력을 모방한 시스템 설계, 다중 모달 데이터 융합, 그리고 실시간 처리 최적화를 통해 높은 정확도와 신뢰성을 확보하였으며, 산업 안전 및 생산성 향상에 크게 기여할 것으로 예상됩니다.

인간의 시각적 판단과 청각적 확인을 결합한 프로토콜에서 영감을 얻은 이 연구는 제조 현장에서 가스 누출 및 아크 방전을 자율적으로 감지하고 분류하는 딥러닝 기반 로봇 시스템을 제안합니다. 이는 단순한 자동화를 넘어, 인간의 감각 능력을 모방하여 안전성과 효율성을 극대화하는 획기적인 시도입니다.

핵심은 112채널 초음파 카메라(96kHz 샘플링 레이트)를 활용한 다중 감각 정보 수집입니다. 다양한 산업 환경에서 수집된 실제 데이터셋(핀홀, 개방형 가스 누출, 코로나, 표면, 부유 방전 등)을 바탕으로, 시스템은 시각적 검출과 빔포밍 기반 향상된 음향 분석 파이프라인을 통합합니다. STFT 변환과 감마 보정을 통해 강력한 특징 추출을 수행하고, Inception-inspired CNN을 사용하여 위험을 분류합니다. 놀랍게도, 가스 누출 감지 정확도는 무려 99%에 달합니다!

단순한 감지뿐 아니라, 시각 및 음향 센서의 다중 모달 데이터 융합을 통해 분류 신뢰도를 높였습니다. 이는 하나의 센서에 의존하는 시스템의 한계를 극복하고, 보다 정확하고 신뢰할 수 있는 판단을 가능하게 합니다. 잔향 및 잡음이 있는 환경에서도 기존 모델보다 최대 44% 향상된 성능을 보였으며, 공정한 비교를 위해 실험 과정을 철저히 설계했습니다.

더욱 흥미로운 점은 실시간 배치 최적화를 통해 모바일 로봇 플랫폼에서 2.1초의 추론 시간을 달성했다는 것입니다. 이를 통해 실제 산업 현장에 빠르고 효율적으로 적용할 수 있습니다. 이 연구는 인간의 검사 프로토콜을 모방하고 시각 및 음향 정보를 통합함으로써 산업 자동화에 효과적인 솔루션을 제시하며, 안전성과 운영 신뢰성을 크게 향상시키는 잠재력을 보여줍니다. 향후 제조업 현장의 안전 관리에 혁신적인 변화를 가져올 것으로 기대됩니다.

주요 연구진: 이진희, 남다현, 키이 로빈 인호, 김영키, 부석준

연구 결과의 파급 효과: 산업 재해 예방, 생산성 향상, 안전한 작업 환경 조성