Ultralytics YOLO 모델을 사용하여 세탁물을 효율적으로 분류하는 방법

세탁은 간단한 작업처럼 보일 수 있습니다. 하지만 예상치 못한 일이 발생하기 전까지의 이야기입니다.

서로 다른 색상의 셔츠 몇 벌을 세탁기에 넣고 시작 버튼을 누르면 모든 옷이 처음 상태 그대로 나오기를 바랄 것입니다. 하지만 항상 그렇게 되지는 않습니다.

흰색 티셔츠가 회색으로 변하거나 가장 아끼는 스웨터가 몇 사이즈나 줄어들 수 있습니다. 사소한 분류 실수라도 시간이 지나면 옷감을 서서히 손상시킬 수 있습니다.

놀랍게도 많은 사람들이 분류의 중요성을 알면서도 여전히 이를 건너뜁니다. 최근 설문조사에 따르면 40세 미만 성인 중 절반 미만이 정기적으로 세탁물을 분류하여 흰색과 유색 의류를 구분하는 것으로 나타났습니다. 특히 바쁜 일상 속에서 세탁을 간소화하는 것이 얼마나 쉬운지 보여줍니다.

그림 1. 세탁물 분류는 색상을 선명하게 유지하고 옷감을 보호하는 데 도움이 될 수 있습니다.

분류에 대해 전혀 고민할 필요가 없다면 어떨까요? 시작 버튼을 누르기도 전에 의류, 색상, 심지어 케어 라벨 기호까지 인식하는 자동화 시스템을 상상해 보세요. 과거에는 미래의 아이디어였던 이 기술이 이제 컴퓨터 비전 덕분에 현실이 되고 있습니다.

컴퓨터 비전은 기계가 높은 정확도로 이미지와 영상을 보고 해석할 수 있게 해주는 인공지능(AI)의 한 분야입니다. Ultralytics YOLO11과 곧 출시될 Ultralytics YOLO26과 같은 비전 AI 모델을 사용하면 시스템이 의류, 색상, 그리고 기계 세탁, 손세탁, 혹은 세탁 금지 여부를 나타내는 케어 라벨 기호까지 분석할 수 있습니다. 이러한 수준의 이해도를 통해 사람의 노력 없이도 정확한 세탁물 분류가 가능해집니다.

이 글에서는 왜 세탁물 분류가 중요한지, 올바른 분류 방법은 무엇인지, 그리고 Ultralytics YOLO 모델이 어떻게 이 과정을 더욱 혁신적이고 효율적으로 만드는지 알아보겠습니다. 시작해 봅시다!

Link to this section올바른 세탁물 분류의 중요성#

세탁기를 열었을 때 흰색 셔츠가 분홍색으로 변한 것을 발견하면 무척 당혹스러울 수 있습니다. 이런 순간들은 왜 세탁물 분류가 정말 중요한지를 상기시켜 줍니다.

올바른 분류는 옷의 색상, 형태, 질감을 유지하는 데 도움이 됩니다. 밝은 색상이나 어두운 색상의 옷을 밝은 색 옷과 함께 세탁하면 색이 번져 전체 세탁물 상태를 나쁘게 만들 수 있습니다. 따로 분류하여 세탁하면 이를 방지할 수 있습니다.

실크, 캐시미어, 레이스와 같은 섬세한 원단은 특별한 관리가 필요합니다. 이런 의류들은 무거운 의류와 동일한 강력한 세탁 코스로 세탁해서는 안 됩니다. 또한, 원단 유형과 무게별로 옷을 분류하면 세탁기가 더 효율적으로 작동할 수 있습니다. 가벼운 의류와 무거운 의류는 물 흡수율과 탈수 방식이 다르므로, 비슷한 의류끼리 함께 세탁하는 것이 더 고르게 세탁되고 보풀을 줄이며 헹굼 성능을 향상시키는 방법입니다.

물 온도와 세제 선택 또한 중요합니다. 찬물은 색상과 섬세한 원단을 보호하는 데 도움이 되며, 뜨거운 물은 심한 얼룩 제거와 살균에 더 효과적입니다.

궁극적으로 이러한 작은 습관들이 모여 에너지를 절약하고 옷감 손상을 줄이며, 옷을 더 오랫동안 새것처럼 유지할 수 있게 해줍니다.

Link to this section세탁물 분류 시 고려해야 할 요소들#

매번 세탁 후 옷의 상태에 큰 차이를 만들 수 있는 몇 가지 간단한 고려 사항은 다음과 같습니다.

• 색상별 분류: 흰색 옷, 밝은 색 옷, 어두운 색 옷을 나누어 별도로 세탁하십시오. 이는 염료가 이염되는 것을 방지하고 색상을 선명하게, 흰색 옷은 더 하얗게 유지하는 데 도움이 됩니다.

• 원단 유형별 그룹화: 청바지, 수건, 스웨터와 같은 무거운 의류는 가벼운 원단과 분리하여 세탁하십시오. 함께 세탁할 경우 특히 섬세한 의류의 경우 늘어남, 색 빠짐 또는 추가적인 손상이 발생할 수 있습니다.

• 지퍼 닫기: 세탁 전 모든 지퍼를 닫아 걸림이나 손상을 방지하십시오. 열린 지퍼는 세탁 중에 섬세한 원단에 걸릴 수 있습니다.

• 케어 라벨 확인: 옷 태그에 있는 작은 아이콘들은 필수 정보이므로 잠시 시간을 내어 확인하는 것이 좋습니다. 각 원단에 필요한 관리를 받을 수 있도록 손세탁, 드라이클리닝, 자연 건조 또는 울 코스 세탁 여부를 알려줍니다.

• 올바른 세탁기 로딩: 세탁 세제 양을 정확히 측정하고, 세탁물이 고르게 세척될 수 있도록 세탁 양을 적절히 조절하십시오.

Link to this section비전 AI가 효율적인 세탁물 분류를 돕는 방법#

컴퓨터 비전은 세탁물 분류를 훨씬 더 쉽게 만들 잠재력을 가지고 있습니다. 이를 활용하여 색상, 의류 종류, 질감을 빠르게 인식함으로써 사람들이 손으로 옷을 분류할 때 흔히 하는 실수를 방지할 수 있습니다.

실제로 최근 한 연구에서는 컴퓨터 비전과 로봇 공학을 사용하여 섬유를 자동 분류하는 방법을 보여주었습니다. 연구진은 객체 탐지와 같이 이미지 속 객체의 위치를 찾고 식별하는 작업을 지원하는 컴퓨터 비전 모델을 사용하여 컨베이어 벨트를 따라 이동하는 각 섬유 품목을 찾았습니다.

그들은 다양한 외관 카테고리의 섬유 라벨링 예제를 사용하여 모델을 맞춤형으로 학습시켰으며, 이를 통해 모델이 색상과 질감을 기반으로 각 의류를 밝은 옷, 어두운 옷, 혹은 혼합 색상 옷으로 시각적으로 분류할 수 있도록 했습니다. 그런 다음 로봇이 맞춤형 그리퍼를 사용하여 각 옷을 집어 올리고 사람의 도움 없이 올바른 바구니에 넣었습니다. 비록 이 연구는 섬유 재활용에 초점을 맞췄지만, 물체를 보고, 무엇인지 이해하고, 어디로 보내야 할지 아는 동일한 단계가 자동화된 세탁물 분류를 가능하게 합니다.

그림 2. 로봇 비전 시스템이 의류를 식별하고 집어 올립니다. (출처)

Link to this sectionUltralytics YOLO 모델이 세탁물 분류 시스템을 지원하는 방법#

컴퓨터 비전 솔루션은 기계가 보는 것을 해석하도록 돕기 위해 함께 작동하는 여러 핵심 비전 작업에 의존합니다. 예를 들어, 객체 탐지는 시스템이 이미지 내의 항목을 식별하고 위치를 파악할 수 있게 합니다.

마찬가지로 인스턴스 세그멘테이션은 픽셀 수준에서 각 항목의 정확한 모양을 외곽선으로 표시하여 더 자세한 정보를 제공합니다. 또한 이미지 분류는 시스템이 무엇을 보고 있는지(예: 색상, 패턴 또는 의류 유형 식별) 범주화하는 데 도움을 줍니다.

Ultralytics YOLOv8 및 YOLO11과 같은 모델은 이러한 작업을 지원하며 실제 시스템에 쉽게 적용할 수 있습니다. 이러한 모델은 한 번의 추론으로 의류를 탐지하고 모양을 묘사하며 시각적 특징을 분류하는 작업을 모두 고속으로 수행할 수 있습니다. 이를 통해 비전 AI 솔루션은 움직이거나 위치가 바뀌는 의류를 실시간으로 분석하여 자동 세탁물 분류를 정확하고 효율적으로 만듭니다.

Link to this sectionUltralytics YOLO 모델을 사용하여 세탁물 분류하기#

Ultralytics YOLO 모델을 사용하여 세탁물 분류 시스템을 구축하는 단계는 다음과 같습니다.

• 세탁물 이미지 수집 및 주석 작업: 시스템 구축을 시작하려면 혼합된 빨래 더미, 개별 의류, 다양한 조명 설정 등 여러 상황의 세탁물 이미지를 수집하십시오. 주석 형식은 사용할 컴퓨터 비전 작업에 따라 달라집니다. 예를 들어 객체 탐지를 선택하면 각 의류에 바운딩 박스를 라벨링합니다. 인스턴스 세그멘테이션을 선택하면 픽셀 수준의 마스크를 주석으로 지정할 수 있습니다. 이러한 주석은 모델에게 항목이 어디에 나타나고 어떤 범주에 속하는지를 가르칩니다.
• 맞춤형 Ultralytics YOLO 모델 학습: 주석이 달린 데이터 세트를 사용하여 YOLO11과 같은 모델을 맞춤 학습시키면 의류 탐지, 모양 묘사, 혹은 색상, 의류 유형, 패턴과 같은 특징 분류가 가능해집니다.
• 학습된 모델 테스트 및 평가: 모델이 이전에 본 적 없는 새로운 의류를 올바르게 식별하고 분류할 수 있는지 확인하기 위해 별도의 테스트 세트로 평가하십시오. 이 단계는 시스템이 실제 환경에서 안정적으로 작동하도록 보장합니다.
• 모델 배포: 모델이 원활하게 작동하면 빨래 바구니나 분류대를 향한 카메라에 연결하십시오. 시스템은 실시간으로 이미지를 처리하고 각 의류를 식별하며 분류 규칙을 적용하여 적절한 바구니로 유도합니다. 이 설정은 다양한 하드웨어 시스템에 통합할 수 있습니다. 예를 들어, 빨래 바구니 사이에서 물리적으로 항목을 이동시키는 로봇 팔, 의류를 다른 구역으로 전달하는 자동 컨베이어, 또는 내부 칸막이를 사용하여 자동으로 세탁물을 분리하는 스마트 바구니 등이 있습니다.

세탁물 분류 비전 시스템을 운영할 때는 성능을 모니터링하고 필요에 따라 업데이트하는 것이 중요합니다. 새로운 이미지를 추가하고, 정기적으로 재학습하며, 의류 스타일이나 원단 변화에 따라 분류 규칙을 조정하여 시스템의 정확도와 신뢰성을 지속적으로 유지하십시오.

Link to this section세탁 작업에서 비전 AI의 다른 응용 분야#

분류 외에도 비전 AI는 세탁 및 섬유 워크플로의 다른 부분에서도 활용되고 있습니다. 의류를 보기만 해서는 어떻게 세탁해야 할지 결정하기 어려운 경우가 많습니다. 두 셔츠가 겉으로 보기에는 동일할지라도 하나는 섬세한 세탁이 필요하고 다른 하나는 드라이클리닝이 필요할 수 있기 때문에 케어 라벨 확인이 필수적입니다. 이 단계를 자동화하면 실수를 줄이고 의류가 올바르게 관리되도록 보장할 수 있습니다.

For example, a recent research project developed a care-label recognition system using an Ultralytics YOLOv8 image classification model. The team trained the model on more than 10,000 images of care-label symbols, enabling it to accurately identify washing, drying, and ironing symbols from a single photo. The trained model was integrated into a mobile app that scans a garment’s care label and returns the recognized symbols along with recommended washing instructions, making it easier for users to care for their clothes correctly.

그림 3. YOLOv8을 사용한 케어 라벨 분류 (출처).

세탁 작업에서 비전 AI의 또 다른 핵심 응용 분야는 섬유 결함 탐지입니다. YOLOv8과 같은 모델을 기반으로 하는 솔루션은 세탁이나 포장 전 얼룩, 찢어짐, 풀린 실 또는 낡은 부위와 같은 결함에 대해 의류를 스캔할 수 있습니다.

이러한 문제를 조기에 식별하면 손상된 품목이 자동화 장비로 유입되는 것을 방지하고 재작업을 줄이며, 양호한 상태의 의류만 다음 워크플로로 진행되도록 보장합니다. 이는 품질 관리를 향상시키고 대규모 세탁 환경에서 낭비를 최소화합니다.

그림 4. 티셔츠의 얼룩 및 찢어짐 탐지 (출처)

Link to this section세탁물 분류에 비전 AI를 사용할 때의 장단점#

비전 AI를 사용하여 세탁물을 분류할 때의 주요 이점은 다음과 같습니다.

• 자원 효율성: 의류를 올바른 세탁 범주로 분류하는 정확도를 향상시켜 비전 AI는 혼합 세탁을 방지하고 필요한 물, 에너지, 세제만 사용하는 세탁 코스를 쉽게 선택할 수 있게 합니다.
• 유연한 배포 옵션: 비전 모델은 엣지 디바이스, 임베디드 하드웨어, 클라우드 서버 등 다양한 하드웨어에서 실행될 수 있습니다. 이는 비전 시스템이 소규모 환경과 대규모 환경 모두를 위해 설계될 수 있음을 의미합니다.
• 데이터를 통한 지속적인 개선: 운영 중에 더 많은 이미지가 수집됨에 따라, 비전 시스템은 새로운 의류 스타일과 환경 조건에 적응하도록 재학습될 수 있습니다.

이러한 이점에도 불구하고 솔루션을 구현할 때 고려해야 할 몇 가지 요소가 있습니다. 일반적인 제한 사항은 다음과 같습니다.

• 이미징 조건에 대한 민감도: 조명, 그림자, 카메라 각도 및 렌즈 품질의 변화는 의류 인식의 신뢰도를 떨어뜨릴 수 있습니다.
• 복잡하게 쌓인 빨래더미의 어려움: 옷이 심하게 겹쳐 있거나 꽉 달라붙어 있는 경우, 비전 시스템은 모든 항목을 올바르게 식별하는 데 어려움을 겪을 수 있습니다.
• 통합 복잡성: 카메라, 센서 및 로봇 시스템을 조정하려면 안정적인 운영을 위해 정확한 타이밍, 보정 및 엔지니어링 작업이 필요합니다.

Link to this section핵심 요약#

세탁물을 올바르게 분류하면 원단을 보호하고 색상을 선명하게 유지하며 의류의 수명을 연장하는 데 도움이 됩니다. 비전 AI는 이 과정을 더 빠르고 신뢰할 수 있게 만듭니다.

Ultralytics YOLOv8 및 YOLO11과 같은 모델은 의류 유형을 식별하고 색상 범주를 구분하도록 맞춤 학습될 수 있어 자동화 시스템이 항목을 정확하게 분류할 수 있게 합니다. 이는 낭비를 줄이고 세탁 실수 방지하며 더 스마트하고 지속 가능한 세탁 운영을 지원합니다.

AI에 대해 더 자세히 알아보려면 저희 커뮤니티에 가입하고 GitHub 저장소를 방문하십시오. 또한 물류 분야 AI 및 자동차 산업의 컴퓨터 비전에 대한 솔루션 페이지를 확인해 보십시오. 라이선스 옵션을 살펴보고 지금 바로 비전 AI로 구축을 시작해 보십시오!