컴퓨터 비전

인공지능은 미래기술을 표현하는 키워드이다. 산업분야, 특히 자동차와 물류분야는 인공지능 테스트의 선구자로 역할을 하고 있다. 원리는 학습 능력이 있는 알고리즘이 기존의 정보를 바탕으로 스스로 결정을 내리고 작업 프로세스를 최적화하는 것이다.

옌스 카미온카(Jens Kamionka): T-Systems Multimedia Solutions 빅데이터 및 데이터 분석 책임자

산업단지에서 물류관리는 때로 엄청나게 복잡한 사업일 수 있다. 수백 명 또는 수천 명의 직원들 그리고 트럭과 다른 차량들이 장애 없이 자신의 목적지로 가야 하고 그것도 우회 없이 빠르게 다녀야 한다. 지상 센서를 통해 현재 위치를 파악하는 교통제어시스템이 한 가지 해결책을 제공할 수 있다. 그러나 이 방법도 한 가지 분명한 단점이 있다. 일정한 규모 이상의 회사에서는 회사 전체를 모두 커버하기 위해 많은 수의 센서가 필요하여 비용이 많이 든다는 단점이다. 이런 경우에 컴퓨터 비전에서 매력적인 솔루션을 제공할 수 있다.

일반적으로 모든 공장에는 많은 카메라들이 달려있고, 이 카메라들은 연속 동작으로 기록물을 공장의 쎈터로 전달한다. 이를 인공지능을 통해 자동으로 실시간으로 분석하고 여기에서 획득한 데이터를 통해 교통제어시스템에 제공할 알고리즘을 설계할 수 있다. 지상 센서와 반대로 이 알고리즘은 한 번만 프로그래밍하면 전체 부지에 사용할 수 있다. 부지가 얼마나 큰지 또는 확장할 것인지 그렇지 않은지는 상관없다. 이 시스템은 어느 곳에 평평한 설치 면이 제공되는지 아니면 트럭이 주차되었거나 화물이 내려져 장애물이 발생하는지를 자동으로 확인한다. 이를 통해 처리 시간이 최적화되고, 정체를 방지하여 짧은 시간에 많은 트럭을 처리할 수 있다. 또한 이 교통제어시스템도 인공지능을 사용한다. 이 시스템은 시스템으로 인해 교통장애가 발생했거나 사고를 초래한 잘못된 결정이 있었다면 이를 학습할 수 있다.

안면인식을 통해 더욱 안전하게

교통제어시스템의 최적화 외에 컴퓨터 비전을 적용할 수 있는 시나리오는 많다. 그 중 한 가지는 공장의 안전 개선이다. 컴퓨터 비전을 통한 자동 안면인식을 통해 소속이 아닌 사람을 빠르게 식별할 수 있다. 또한 직원 자체를 자동 안전인식을 통해 분류할 수 있어 키, 트랜스폰더 등이 필요하지 않다. 그와 더불어 접근권한과 장비 사용도 자동으로 통제할 수 있다. 독일에서는 이 시스템을 어느 기업에서도 전면적으로 사용되고 있지는 않으나, 이에 대한 기술은 이미 가지고 있다. 지속적으로 카메라를 통해 파악하고 모니터링 하는 것이 일부 직원들에게는 불쾌할 수도 있지만 카메라가 이미 존재하고 있다면 안전에 대한 위협을 막대하게 줄일 수 있다.

재고조사와 품질관리를 포함한 창고관리에도 카메라 지원 방식의 학습능력이 있는 알고리즘이 작업 프로세스의 강력한 최적화를 적용할 수 있다. 로봇이 창고의 선반을 따라 이동하고 각각의 상품을 촬영한다. 구현된 인공지능이 해당 제품이 어떤 것인지, 몇 개가 남아 있는지 그리고 나중에 상품을 보관하기 위해 남은 자리가 어디인지를 자동으로 인지한다. 또한 카메라 기록으로 상품의 품질을 추론할 수 있다. 포장이 손상되었는지 확인이 필요한 여타 결함을 보여준다. 학습 능력이 있는 컴퓨터 지능을 통해 이동식 카메라가 사람의 개입 없이 이러한 모든 질문에 답변할 수 있다.