KITECH 생산기술 전문지

제조 현장 및 공사 현장에서 안전장비 미착용으로 인한 안전사고가 지속되면서, 인공지능을 활용한 무인 안전검사 시스템에 대한 연구가 활발히 이루어지고 있다. 그러나 기존 2D 영상 데이터 기반 안전검사 방식은 이미지 내 안전장비의 존재 여부만을 확인할 수 있으며, 실제 착용 여부를 정확히 판단하기에는 한계가 있었다. 이러한 문제를 해결하기 위해, 본 논문에서는 LiDAR 센서와 RGB 카메라 데이터를 융합하여 작업자의 안전장비 착용 여부를 효과적으로 판별하는 시스템을 제안한다. 제안된 시스템은 탐지된 객체의 경계 내부에 대해 LiDAR 센서를 이용하여 거리를 측정하고, 객체 간 거리 비교를 통해 작업자의 안전장비 착용 여부를 판단하는 방식을 채택하였다. 또한, 배경 부분의 불필요한 거리 측정을 최소화하고, 객체에 대한 정밀한 거리 측정을 수행하기 위해 실시간 이미지 분할 모델인 YOLACT를 적용하여 객체 탐지를 수행하고 탐지된 객체의 분할 중심 좌표 간 비교를 통해 안전장비의 정상 착용 여부를 판별하였다. 실험 결과, 안전장비를 정상적으로 착용한 경우 객체 간 평균 거리 오차가 4cm 이하로 나타나, 제안된 시스템이 매우 정밀한 검사 성능을 보임을 확인하였다. 본 연구는 무인 안전검사 시스템의 실효성을 향상시켜 제조업 및 건설업에서의 안전관리에 기여할 것으로 기대된다.

키워드 Deep Learning, Instance Segmentation, LiDAR Aided Detection, Safety Detection