Ultralytics YOLO 모델을 사용해 세탁물을 효율적으로 분류하는 방법

세탁은 간단한 작업처럼 보일 수 있습니다. 하지만 예상치 못한 일이 발생하면 이야기가 달라집니다.

여러 색상의 셔츠 몇 장을 세탁기에 넣고 시작 버튼을 누른 뒤, 모든 옷이 같은 모습으로 나오기를 기대할 수 있습니다. 하지만 항상 그렇게 되지는 않습니다.

흰색 티셔츠가 회색으로 변하거나, 아끼는 스웨터가 몇 치수 작아져 나올 수도 있습니다. 사소한 분류 실수도 시간이 지나면서 옷을 서서히 손상시킬 수 있습니다.

놀랍게도 많은 사람은 분류가 얼마나 중요한지 알면서도 여전히 분류를 생략합니다. 최근 설문조사에 따르면 40세 미만 성인 중 정기적으로 세탁물을 흰색과 어두운색으로 분리하는 사람은 절반도 되지 않았습니다. 특히 바쁠 때 세탁 과정에서 쉽게 절차를 생략하게 된다는 점을 보여 줍니다.

그림 1. 세탁물 분류는 색상을 선명하게 유지하고 원단을 좋은 상태로 보존하는 데 도움이 됩니다.

분류를 전혀 신경 쓰지 않아도 된다면 어떨까요? “시작”을 누르기도 전에 의류, 색상, 심지어 관리 라벨 기호까지 인식하는 자동화 시스템을 상상해 보십시오. 한때 미래의 기술처럼 보였던 이 아이디어가 이제 컴퓨터 비전 덕분에 현실화되고 있습니다.

컴퓨터 비전은 기계가 이미지와 동영상을 높은 정확도로 보고 해석할 수 있도록 하는 인공지능(AI)의 한 분야입니다. Ultralytics YOLO11과 곧 출시될 Ultralytics YOLO26 같은 비전 AI 모델을 사용하면 시스템이 의류, 색상, 그리고 해당 의류를 세탁기로 세탁해야 하는지, 손세탁해야 하는지, 또는 세탁해서는 안 되는지를 나타내는 관리 라벨 기호까지 분석할 수 있습니다. 이러한 수준의 이해를 바탕으로 사람의 개입 없이도 정확한 세탁물 분류가 가능합니다.

이 글에서는 세탁물 분류가 중요한 이유, 올바르게 분류하는 방법, 그리고 Ultralytics YOLO 모델이 이 과정을 어떻게 더 혁신적이고 효율적으로 만드는지 살펴봅니다. 시작해 보겠습니다!

올바른 세탁물 분류의 중요성#

세탁기 문을 열었는데 흰 셔츠가 분홍색으로 변해 있다면 당황스러울 수 있습니다. 이런 순간은 세탁물 분류가 왜 중요한지 다시 생각하게 합니다.

올바르게 분류하면 옷의 색상, 형태, 질감을 유지하는 데 도움이 됩니다. 밝거나 어두운 색상의 옷을 연한 색상의 옷과 함께 세탁하면 물이 빠져 전체 세탁물이 흐려질 수 있습니다. 따로 세탁하면 이를 방지할 수 있습니다.

실크, 캐시미어, 레이스 같은 섬세한 원단도 특별한 관리가 필요합니다. 무거운 의류에 맞춘 강한 세탁 코스와 함께 세탁해서는 안 됩니다. 또한 원단 종류와 무게에 따라 옷을 분류하면 세탁기가 더 효과적으로 작동합니다. 가벼운 옷과 무거운 옷은 물을 흡수하고 회전하는 방식이 다르므로 비슷한 옷끼리 세탁하면 세탁이 더 고르게 되고, 보풀이 줄어들며, 헹굼 효과가 좋아집니다.

선택하는 물의 온도와 세제도 영향을 줍니다. 찬물은 색상과 섬세한 원단을 보호하는 데 도움이 되고, 뜨거운 물은 심한 얼룩을 제거하고 살균하는 데 더 적합합니다.

결국 이러한 작은 습관이 모이면 에너지를 절약하고 마모를 줄이며 옷을 더 오래 좋은 상태로 유지하는 데 도움이 됩니다.

세탁물 분류 시 고려해야 할 요소#

다음은 세탁할 때마다 옷의 외관과 촉감에 큰 차이를 만들어 낼 수 있는 몇 가지 간단한 고려 사항입니다.

• 색상별 분리: 흰색 옷, 밝은 색상의 옷, 어두운 색상의 옷을 서로 다른 세탁물로 분리합니다. 이렇게 하면 염료가 옮겨지는 것을 방지하고 색상은 선명하게, 흰색은 깨끗하게 유지할 수 있습니다.

• 원단 종류별 분류: 청바지, 수건, 스웨터 같은 무거운 의류는 가벼운 원단과 따로 세탁합니다. 함께 세탁하면 특히 섬세한 옷이 늘어나거나 색이 바래고 마모가 심해질 수 있습니다.

• 지퍼 모두 잠그기: 세탁 전에 모든 지퍼를 잠가 걸림과 손상을 방지합니다. 열린 지퍼는 세탁 중 섬세한 원단에 걸릴 수 있습니다.

• 관리 라벨 확인: 의류 태그에 있는 작은 기호는 매우 중요하므로 잠시 시간을 내어 확인할 가치가 있습니다. 각 원단에 필요한 관리가 이루어지도록 손세탁, 드라이클리닝, 자연 건조 또는 섬세한 세탁 코스 사용 여부를 알려 줍니다.

• 세탁기에 올바르게 넣기: 세탁 세제의 양을 정확히 측정하고, 모든 의류가 고르게 세탁되도록 세탁물의 균형을 맞춥니다.

비전 AI가 효율적인 세탁물 분류를 지원하는 방법#

컴퓨터 비전은 세탁물 분류를 훨씬 쉽게 만들 수 있습니다. 다양한 색상, 의류, 질감을 빠르게 인식하는 데 활용할 수 있어 사람들이 손으로 옷을 분류할 때 흔히 저지르는 실수를 방지하는 데 도움이 됩니다.

실제로 최근 연구에서는 컴퓨터 비전과 로보틱스를 활용해 섬유를 자동으로 분류하는 방법을 보여 주었습니다. 연구진은 컨베이어 벨트를 따라 이동하는 각각의 섬유 제품을 찾기 위해 이미지에서 객체의 위치를 파악하고 식별하는 방법인 객체 감지 등의 작업을 지원하는 컴퓨터 비전 모델을 사용했습니다.

연구진은 외관이 서로 다른 범주에 속하는 섬유 제품의 라벨링된 사례를 사용해 모델을 맞춤 학습시켰습니다. 그 결과 모델은 색상과 질감을 바탕으로 각 제품을 밝은색 의류, 어두운색 의류 또는 여러 색상 의류로 시각적으로 분류할 수 있었습니다. 이후 로봇은 맞춤형 그리퍼로 각 제품을 집어 올려 사람의 도움 없이 올바른 수거함에 넣었습니다. 이 연구는 섬유 재활용에 초점을 맞췄지만, 제품을 보고 무엇인지 이해하며 어디로 보내야 하는지 판단하는 동일한 단계가 자동화된 세탁물 분류를 가능하게 합니다.

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

Ultralytics YOLO 모델이 세탁물 분류 시스템을 지원하는 방법#

컴퓨터 비전 솔루션은 기계가 보는 대상을 해석하도록 함께 작동하는 몇 가지 핵심 비전 작업에 의존합니다. 예를 들어 객체 감지를 사용하면 시스템이 이미지 속 항목을 식별하고 위치를 파악할 수 있습니다.

이와 유사하게 인스턴스 세그멘테이션은 픽셀 수준에서 각 항목의 정확한 형태를 윤곽선으로 표시해 더 많은 세부 정보를 제공합니다. 또한 이미지 분류는 시스템이 보고 있는 대상을 범주화하여 색상, 패턴 또는 의류 종류를 식별하는 데 도움을 줍니다.

Ultralytics YOLOv8 및 YOLO11 같은 모델은 이러한 작업을 지원하며 실제 시스템에 쉽게 적용할 수 있습니다. 한 번의 추론으로 의류를 감지하고 형태를 윤곽선으로 표시하며 시각적 특징을 분류할 수 있고, 매우 빠르게 처리할 수 있습니다. 따라서 비전 AI 솔루션은 의류가 이동하거나 위치가 바뀌는 동안에도 실시간으로 항목을 분석할 수 있어 자동화된 세탁물 분류를 정확하고 효율적으로 수행할 수 있습니다.

Ultralytics YOLO 모델을 사용한 세탁물 분류#

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

• 세탁물 이미지 수집 및 어노테이션: 시스템 구축을 시작하려면 여러 조건에서 촬영한 세탁물 이미지를 수집합니다. 여기에는 섞여 있는 세탁물 더미, 개별 의류, 다양한 조명 환경이 포함됩니다. 어노테이션 형식은 사용하려는 컴퓨터 비전 작업에 따라 달라집니다. 예를 들어 객체 감지를 선택하면 각 의류에 바운딩 박스를 지정합니다. 인스턴스 세그멘테이션을 선택하면 픽셀 수준의 마스크에 어노테이션을 지정할 수 있습니다. 이러한 어노테이션은 항목이 어디에 나타나는지와 어떤 범주에 속하는지를 모델에 학습시킵니다.
• 맞춤형 Ultralytics YOLO 모델 학습: 어노테이션이 지정된 데이터셋을 사용해 YOLO11 같은 모델을 맞춤 학습하면 의류를 감지하고 형태의 윤곽을 표시하거나 색상, 의류 종류, 패턴 같은 특징을 분류하도록 만들 수 있습니다.
• 학습된 모델 테스트 및 평가: 별도의 테스트 세트에서 모델을 평가하여 새롭고 학습에 사용되지 않은 의류를 올바르게 식별하고 분류할 수 있는지 확인합니다. 이 단계는 실제 환경에서 시스템이 안정적으로 작동하도록 보장합니다.
• 모델 배포: 모델이 우수한 성능을 보이면 세탁물 바구니나 분류 스테이션을 향하도록 설치한 실시간 카메라에 연결합니다. 시스템은 이미지를 실시간으로 처리하고 각 의류를 식별한 후 분류 규칙을 적용해 적절한 수거함으로 보냅니다. 이러한 구성은 세탁 바구니 사이에서 항목을 물리적으로 옮기는 로봇 팔, 의류를 여러 구역으로 보내는 자동화 컨베이어 또는 내부 칸막이를 사용해 세탁물을 자동으로 분리하는 스마트 세탁물 바구니 등 다양한 하드웨어 시스템에 통합할 수 있습니다.

세탁물 분류 비전 시스템을 사용하는 동안에는 성능을 모니터링하고 필요할 때 업데이트하는 것이 중요합니다. 새로운 이미지를 추가하고 주기적으로 재학습하며 의류 스타일이나 원단의 변화에 따라 분류 규칙을 조정하면 시간이 지나도 시스템의 정확도와 신뢰성을 유지할 수 있습니다.

세탁 작업에서 비전 AI의 다른 활용 사례#

분류 외에도 비전 AI는 세탁 및 섬유 작업 흐름의 다른 부분에서도 사용되고 있습니다. 많은 경우 의류를 눈으로 보는 것만으로는 세탁 방법을 결정하기에 충분하지 않습니다. 겉보기에는 똑같은 셔츠 두 장도 하나는 섬세한 세탁이 필요하고 다른 하나는 드라이클리닝이 필요할 수 있으므로 관리 라벨을 확인하는 것이 중요합니다. 이 단계를 자동화하면 실수를 줄이고 의류가 올바르게 처리되도록 할 수 있습니다.

예를 들어 최근 연구 프로젝트에서는 Ultralytics YOLOv8 이미지 분류 모델을 사용해 관리 라벨 인식 시스템을 개발했습니다. 연구팀은 10,000개가 넘는 관리 라벨 기호 이미지로 모델을 학습시켜 한 장의 사진에서 세탁, 건조, 다림질 기호를 정확하게 식별할 수 있도록 했습니다. 학습된 모델은 의류의 관리 라벨을 스캔하고 인식된 기호와 권장 세탁 지침을 함께 제공하는 모바일 앱에 통합되어 사용자가 옷을 올바르게 관리하기 쉽게 만들었습니다.

그림 3. YOLOv8을 사용한 관리 라벨 분류 (출처).

세탁 작업에서 비전 AI의 또 다른 주요 활용 사례는 원단 결함 감지입니다. Ultralytics YOLOv8 같은 모델을 기반으로 하는 솔루션은 세탁 또는 포장 전에 얼룩, 찢어진 부분, 풀린 실, 마모된 부분과 같은 결함이 있는지 의류를 스캔할 수 있습니다.

이러한 문제를 조기에 식별하면 손상된 제품이 자동화 장비에 투입되는 것을 방지하고 재작업을 줄이며 양호한 상태의 의류만 작업 흐름을 계속 진행하도록 보장할 수 있습니다. 이는 대규모 세탁 환경에서 품질 관리를 개선하고 폐기물을 최소화합니다.

그림 4. 티셔츠의 얼룩과 찢어진 부분 감지 (출처)

비전 AI를 사용한 의류 분류의 장단점#

비전 AI를 사용해 세탁물을 분류할 때의 주요 이점은 다음과 같습니다.

• 리소스 효율성: 의류를 올바른 세탁 범주로 분류하는 정확도를 높이면 비전 AI가 세탁물이 섞이는 것을 방지하고 필요한 물, 에너지, 세제만 사용하는 세탁 코스를 쉽게 선택할 수 있도록 지원합니다.
• 유연한 배포 옵션: 비전 모델은 엣지 디바이스, 임베디드 하드웨어, 클라우드 서버 등 다양한 하드웨어에서 실행할 수 있습니다. 따라서 소규모와 대규모 환경 모두에 맞는 비전 시스템을 설계할 수 있습니다.
• 데이터를 통한 지속적인 개선: 운영 중 더 많은 이미지가 수집되면 비전 시스템을 재학습하여 새로운 의류 스타일과 환경 조건에 맞게 조정할 수 있습니다.

이러한 이점에도 불구하고 이러한 솔루션을 구현할 때 고려해야 할 요소가 있습니다. 일반적인 한계는 다음과 같습니다.

• 이미징 조건에 대한 민감도: 조명, 그림자, 카메라 각도, 렌즈 품질의 변화로 인해 의류 인식의 신뢰성이 떨어질 수 있습니다.
• 어수선한 세탁물 더미 처리의 어려움: 옷이 심하게 겹쳐 있거나 서로 단단히 붙어 있으면 비전 시스템이 모든 항목을 올바르게 식별하는 데 어려움을 겪을 수 있습니다.
• 통합의 복잡성: 카메라, 센서, 로봇 시스템을 조율하려면 안정적인 작동을 위해 정밀한 타이밍, 캘리브레이션, 엔지니어링 작업이 필요합니다.

핵심 요점#

세탁물을 올바르게 분류하면 원단을 보호하고 색상을 선명하게 유지하며 의류 수명을 연장할 수 있습니다. 비전 AI는 이 과정을 더 빠르고 안정적으로 만들어 줍니다.

Ultralytics YOLOv8 및 YOLO11 같은 모델은 의류 종류를 식별하고 색상 범주를 구분하도록 맞춤 학습할 수 있어 자동화 시스템이 항목을 정확하게 분류할 수 있습니다. 이를 통해 폐기물을 줄이고 세탁 코스 오류를 방지하며 더 스마트하고 지속 가능한 세탁 작업을 지원할 수 있습니다.

커뮤니티에 참여하고 GitHub 리포지토리를 방문하여 AI에 대해 더 알아보십시오. 솔루션 페이지에서 물류 분야의 AI와 자동차 산업의 컴퓨터 비전에 관한 내용을 확인해 보십시오. 라이선스 옵션을 살펴보고 지금 바로 비전 AI를 사용해 개발을 시작해 보십시오!