Ultralytics YOLO 모델로 세탁물을 효율적으로 분류하는 방법

세탁은 간단한 일처럼 보일 수 있습니다. 하지만 예상치 못한 일이 생기기 전까지 그렇습니다.

색이 다른 셔츠 몇 장을 세탁기에 넣고 시작 버튼을 누른 뒤 모든 옷이 똑같은 상태로 나오기를 기대할 수도 있습니다. 하지만 항상 그렇게 되는 것은 아닙니다.

흰 티셔츠가 회색으로 변하거나, 아끼는 스웨터가 몇 치수나 줄어들어 나올 수도 있습니다. 분류 과정에서 생기는 사소한 실수도 시간이 지나면서 옷을 서서히 손상시킬 수 있습니다.

놀랍게도 세탁물 분류가 얼마나 중요한지 알면서도 여전히 분류를 건너뛰는 사람이 많습니다. 최근 설문조사에 따르면 40세 미만 성인 중 절반도 채 되지 않는 사람만 정기적으로 세탁물을 흰색과 어두운색으로 분리합니다. 특히 바쁠 때 세탁 과정에서 얼마나 쉽게 절차를 생략하는지 보여 줍니다.

그림 1. 세탁물을 분류하면 색상을 선명하게 유지하고 옷감을 좋은 상태로 보존하는 데 도움이 됩니다.

세탁물을 전혀 분류하지 않아도 된다면 어떨까요? 시작 버튼을 누르기도 전에 옷과 색상, 심지어 세탁 취급 표시까지 인식하는 자동화 시스템을 상상해 보세요. 한때는 미래의 일처럼 여겨졌던 이 아이디어가 이제 컴퓨터 비전 덕분에 현실화되고 있습니다.

컴퓨터 비전은 기계가 이미지와 동영상을 높은 정확도로 인식하고 해석할 수 있게 하는 인공지능(AI)의 한 분야입니다. Ultralytics YOLO11과 최신 Ultralytics YOLO26 같은 비전 AI 모델을 사용하면 시스템이 의류, 색상, 그리고 세탁기 사용, 손세탁 또는 세탁 금지 여부를 나타내는 취급 라벨 기호까지 분석할 수 있습니다. 이러한 수준의 이해를 바탕으로 사람의 개입 없이 정확한 세탁물 분류가 가능합니다.

이 글에서는 세탁물을 분류해야 하는 이유와 올바른 분류 방법, 그리고 Ultralytics YOLO 모델이 이 과정을 어떻게 더 혁신적이고 효율적으로 만드는지 살펴보겠습니다.

올바른 세탁물 분류의 중요성#

세탁기 문을 열었을 때 흰 셔츠가 분홍색으로 변해 있으면 당황스러울 수 있습니다. 이런 순간은 세탁물 분류가 정말 중요한 이유를 다시금 일깨워 줍니다.

올바른 분류는 옷의 색상과 형태, 질감을 유지하는 데 도움이 됩니다. 밝은색이나 어두운색 옷을 밝은 옷과 함께 세탁하면 염료가 번져 세탁물 전체의 색이 칙칙해질 수 있습니다. 옷을 분리하면 이를 방지할 수 있습니다.

실크, 캐시미어, 레이스 같은 섬세한 소재는 특별히 주의해서 관리해야 합니다. 이런 옷은 두꺼운 옷을 위한 강한 세탁 코스로 세탁해서는 안 됩니다. 또한 옷을 소재와 무게에 따라 분류하면 세탁기의 세탁 성능을 높이는 데 도움이 됩니다. 가벼운 옷과 무거운 옷은 물을 흡수하고 탈수되는 방식이 다르므로 비슷한 옷끼리 세탁하면 세탁이 더 고르게 되고, 보풀이 줄어들며, 헹굼 효과도 좋아집니다.

물의 온도와 세제 선택도 차이를 만듭니다. 찬물은 색상과 섬세한 소재를 보호하는 데 도움이 되고, 뜨거운 물은 심한 얼룩을 제거하고 살균하는 데 더 적합합니다.

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

세탁물 분류 시 고려할 요소#

세탁 후 옷의 모양과 촉감에 큰 차이를 만들 수 있는 몇 가지 간단한 고려 사항을 소개합니다.

• 색상별 분리: 흰옷과 밝은색 옷, 어두운색 옷을 서로 다른 세탁물로 분리하세요. 염료가 옮겨 묻는 것을 방지하고 색상은 선명하게, 흰옷은 깨끗하게 유지할 수 있습니다.
• 소재별 분류: 청바지와 수건, 스웨터 같은 두꺼운 옷은 얇은 소재의 옷과 분리해서 세탁하세요. 함께 세탁하면 늘어남이나 탈색, 과도한 마모가 발생할 수 있으며, 특히 섬세한 옷이 영향을 받기 쉽습니다.
• 모든 지퍼 잠그기: 세탁 전에 모든 지퍼를 잠가 걸림이나 손상을 방지하세요. 지퍼를 열어 두면 세탁 중 섬세한 소재에 걸릴 수 있습니다.
• 세탁 취급 표시 확인: 의류 라벨의 작은 아이콘은 매우 중요하므로 잠시 시간을 내어 확인할 가치가 있습니다. 각 소재에 필요한 관리를 받을 수 있도록 손세탁이나 드라이클리닝, 자연 건조, 약한 세탁 코스 중 어떤 방법을 사용해야 하는지 알려 줍니다.
• 세탁기에 올바르게 넣기: 세탁 세제의 양을 정확히 측정하고 세탁물이 균형 있게 들어가도록 하여 모든 옷이 고르게 세탁되게 하세요.

비전 AI를 활용한 효율적인 세탁물 분류#

컴퓨터 비전은 세탁물 분류를 훨씬 쉽게 만들 잠재력이 있습니다. 색상과 옷, 질감의 차이를 빠르게 인식하는 데 사용할 수 있어 손으로 옷을 분류할 때 흔히 발생하는 실수를 방지하는 데 도움이 됩니다.

실제로 최근 연구에서는 컴퓨터 비전과 로봇공학을 활용해 직물을 자동으로 분류하는 방법을 제시했습니다. 연구진은 컨베이어 벨트를 따라 이동하는 직물 제품을 찾아내기 위해 이미지에서 객체의 위치를 파악하고 식별하는 방법인 객체 탐지 등의 작업을 지원하는 컴퓨터 비전 모델을 사용했습니다.

연구진은 다양한 외관 범주의 직물을 라벨링한 예제로 모델을 맞춤 학습시켰으며, 이를 통해 모델은 색상과 질감을 기준으로 각 제품을 밝은색 옷, 어두운색 옷, 여러 색이 섞인 옷으로 시각적으로 분류할 수 있었습니다. 그런 다음 로봇이 맞춤형 그리퍼로 각 옷을 집어 사람의 도움 없이 알맞은 수거함에 넣었습니다. 이 연구는 섬유 재활용에 초점을 맞췄지만, 제품을 보고 무엇인지 파악한 다음 어디로 보내야 하는지 알아내는 동일한 단계로 세탁물 자동 분류도 가능합니다.

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

Ultralytics YOLO 모델을 활용한 세탁물 분류 시스템#

컴퓨터 비전 솔루션은 기계가 시각 정보를 해석하도록 돕기 위해 함께 작동하는 몇 가지 핵심 비전 작업에 의존합니다. 예를 들어 객체 탐지를 사용하면 시스템이 이미지 속 항목을 식별하고 해당 위치를 파악할 수 있습니다.

마찬가지로 인스턴스 세그멘테이션은 픽셀 수준에서 각 항목의 정확한 형태를 표시해 더 많은 정보를 제공합니다. 또한 이미지 분류는 색상과 패턴, 의류 유형 등을 식별해 시스템이 무엇을 보고 있는지 범주화하는 데 도움이 됩니다.

Ultralytics YOLOv8과 YOLO11 같은 모델은 이러한 작업을 지원하며 실제 시스템에 쉽게 적용할 수 있도록 합니다. 이 모델은 한 번의 처리로 옷을 탐지하고 형태를 표시하며 시각적 특징을 분류할 수 있고, 처리 속도도 매우 빠릅니다. 따라서 비전 AI 솔루션은 움직이거나 위치가 바뀌는 항목을 실시간으로 분석할 수 있어 세탁물 자동 분류의 정확도와 효율성을 모두 높입니다.

Ultralytics YOLO 모델을 사용한 세탁물 분류#

Ultralytics YOLO 모델을 사용해 세탁물 분류 시스템을 구축하는 단계를 자세히 살펴보겠습니다.

• 세탁물 이미지 수집 및 주석 처리: 시스템 구축을 시작하려면 세탁물이 섞여 있는 더미와 개별 옷, 다양한 조명 환경 등 여러 조건에서 촬영한 이미지를 수집하세요. 주석 형식은 사용할 컴퓨터 비전 작업에 따라 달라집니다. 예를 들어 객체 탐지를 선택하면 각 옷에 바운딩 박스로 라벨을 지정합니다. 인스턴스 세그멘테이션을 선택하면 픽셀 수준의 마스크에 주석을 달 수 있습니다. 이러한 주석을 통해 모델은 항목이 어디에 나타나는지, 어떤 범주에 속하는지 학습합니다.
• 커스텀 Ultralytics YOLO 모델 학습: 어노테이션이 완료된 데이터셋을 사용해 YOLO11과 같은 모델을 커스텀 학습하면 의류를 탐지하고 윤곽을 표시하거나 색상, 의류 유형, 패턴 등의 특징을 분류하도록 할 수 있습니다.
• 학습된 모델 테스트 및 평가: 별도의 테스트 세트로 모델을 평가하여 처음 접하는 새 옷도 올바르게 식별하고 분류할 수 있는지 확인하세요. 이 단계는 실제 환경에서 시스템이 안정적으로 작동하는지 확인합니다.
• 모델 배포: 모델이 우수한 성능을 보이면 세탁 바구니나 분류 스테이션을 향하는 실시간 카메라에 연결하세요. 시스템은 이미지를 실시간으로 처리하고 각 옷을 식별한 다음 분류 규칙을 적용해 적절한 수거함으로 보냅니다. 이러한 구성을 여러 하드웨어 시스템에 통합할 수 있습니다. 예를 들어 옷을 세탁 바구니 사이로 직접 옮기는 로봇 팔, 옷을 각 구역으로 보내는 자동 컨베이어, 내부 칸막이로 세탁물을 자동 분리하는 스마트 세탁 바구니 등에 적용할 수 있습니다.

세탁물 분류 비전 시스템을 사용할 때는 성능을 모니터링하고 필요에 따라 업데이트하는 것이 중요합니다. 새로운 이미지를 추가하고 주기적으로 재학습하며, 의류 스타일이나 소재가 바뀔 때 분류 규칙을 조정하면 시스템의 정확도와 신뢰성을 장기간 유지하는 데 도움이 됩니다.

세탁 운영에서 비전 AI를 활용하는 다른 방법#

비전 AI는 세탁물 분류뿐 아니라 세탁 및 섬유 작업 과정의 다른 부분에도 활용되고 있습니다. 옷을 보는 것만으로는 세탁 방법을 결정하기에 부족한 경우가 많습니다. 겉보기에는 똑같은 셔츠라도 한 벌은 약하게 세탁해야 하고 다른 한 벌은 드라이클리닝이 필요할 수 있으므로 세탁 취급 표시를 확인하는 것이 중요합니다. 이 단계를 자동화하면 실수를 줄이고 옷을 올바르게 관리할 수 있습니다.

예를 들어 최근 한 연구 프로젝트에서는 세탁 취급 표시 인식 시스템을 Ultralytics YOLOv8 이미지 분류 모델을 사용해 개발했습니다. 연구팀은 세탁 취급 표시 이미지 10,000장 이상으로 모델을 학습시켜 한 장의 사진에서 세탁과 건조, 다림질 표시를 정확하게 식별할 수 있도록 했습니다. 학습된 모델은 의류의 세탁 취급 표시를 스캔하고 인식된 표시와 권장 세탁 방법을 제공하는 모바일 앱에 통합되어 사용자가 옷을 올바르게 관리하기 쉽게 해 줍니다.

그림 3. YOLOv8을 사용한 세탁 취급 표시 분류 (출처).

세탁 작업에서 비전 AI의 또 다른 주요 활용 사례는 원단 결함 탐지입니다. Ultralytics YOLOv8과 같은 모델을 기반으로 하는 솔루션은 세탁이나 포장 전에 얼룩, 찢어짐, 풀린 실, 마모 부위 등의 의류 결함을 검사할 수 있습니다. Ultralytics Platform의 Fabric Stain과 같은 공개 데이터셋은 이러한 탐지기 학습을 시작하는 데 유용합니다.

이러한 문제를 조기에 식별하면 손상된 품목이 자동화 장비에 투입되는 것을 방지하고, 재작업을 줄이며, 양호한 상태의 의류만 작업 흐름을 계속 진행하도록 할 수 있습니다. 이를 통해 대규모 세탁 환경에서 품질 관리를 개선하고 폐기물을 최소화할 수 있습니다.

그림 4. 티셔츠의 얼룩과 찢어진 부분 탐지 (출처)

비전 AI를 활용한 의류 분류의 장단점#

비전 AI로 세탁물을 분류할 때 얻을 수 있는 주요 이점은 다음과 같습니다.

• 자원 효율성: 의류를 적절한 세탁 범주에 더 정확하게 분류하면 비전 AI가 서로 다른 종류의 세탁물이 섞이는 것을 방지하고, 필요한 양의 물과 에너지, 세제만 사용하는 세탁 코스를 쉽게 선택하도록 돕습니다.
• 유연한 배포 옵션: 비전 모델은 엣지 디바이스, 임베디드 하드웨어, 클라우드 서버 등 다양한 하드웨어에서 실행할 수 있습니다(모델 배포 옵션 참조). 따라서 소규모와 대규모 환경 모두에 적합한 비전 시스템을 설계할 수 있습니다.
• 데이터를 통한 지속적인 개선: 운영 중 이미지가 더 많이 수집되면 비전 시스템을 재학습하여 새로운 의류 스타일과 환경 조건에 적응시킬 수 있습니다.

이러한 이점에도 불구하고 솔루션을 구현할 때 고려해야 할 요소가 있습니다. 흔히 발생하는 몇 가지 제약 사항은 다음과 같습니다.

• 촬영 조건에 대한 민감성: 조명과 그림자, 카메라 각도, 렌즈 품질이 달라지면 의류 인식의 신뢰도가 떨어질 수 있습니다.
• 뒤섞인 옷 더미 처리의 어려움: 옷이 심하게 겹치거나 서로 단단히 엉켜 있으면 비전 시스템이 모든 항목을 정확하게 식별하기 어려울 수 있습니다.
• 통합의 복잡성: 카메라와 센서, 로봇 시스템을 조율하려면 안정적으로 작동하도록 정밀한 타이밍과 캘리브레이션, 엔지니어링 작업이 필요합니다.

핵심 요점#

세탁물을 올바르게 분류하면 옷감을 보호하고 색상을 선명하게 유지하며 의류의 수명을 늘릴 수 있습니다. 비전 AI는 이 과정을 더 빠르고 안정적으로 수행할 수 있게 합니다.

Ultralytics YOLOv8과 YOLO11 같은 모델은 의류 유형을 식별하고 색상 범주를 구분하도록 맞춤 학습할 수 있어 자동화 시스템이 항목을 정확하게 분류하도록 합니다. 이를 통해 낭비를 줄이고 세탁 코스 선택 실수를 방지하며 더 스마트하고 지속 가능한 세탁 운영을 지원합니다.

커뮤니티에 참여하고 GitHub 저장소를 방문해 AI에 대해 자세히 알아보세요. 솔루션 페이지에서 물류 분야의 AI와 자동차 산업의 컴퓨터 비전에 관한 내용을 살펴보세요. 라이선스 옵션을 확인하고 지금 바로 비전 AI 개발을 시작해 보세요!