Ultralytics 활용한 플래노그램 준수 여부 감지

우리 모두 빵이나 시리얼 같은 걸 사려고 가게에 들어가서 진열대를 몇 분 동안 훑어보다가, 정작 찾지 못한다는 사실을 깨달은 적이 있을 겁니다. 때로는 제자리에 있지 않거나, 품절된 경우도 있고, 그냥 진열대 위 다른 물건들 사이에 묻혀 버린 경우도 있죠.

소매업체에게 있어 상품을 적절한 위치에 진열하는 것은 생각보다 훨씬 중요합니다. 이는 고객이 상품을 얼마나 쉽게 찾을 수 있는지에 영향을 미치며, 매출과 전반적인 고객 만족도에 직접적인 영향을 줄 수 있습니다. 이를 관리하기 위해 매장에서는 각 상품이 선반의 어디에 배치되어야 하는지를 보여주는 간단한 배치도인 ‘플라노그램’을 활용합니다.

플래노그램 준수 여부는 실제 진열 상태가 예상된 레이아웃과 일치하는지 확인하는 과정을 말합니다. 많은 매장에서 여전히 수동 점검과 체크리스트를 통해 이를 수행하고 있는데, 이는 시간이 많이 소요될 뿐만 아니라 일관성이 떨어질 수 있습니다.

SKU(재고 관리 단위) 오기입, 잘못된 가격 표시, 품절 상품과 같은 사소한 오류조차도 큰 차이를 만들 수 있습니다. SKU는 다양한 사이즈나 맛과 같은 track 상품 변종을 식별하고 track 데 사용되는 고유 코드입니다. 이러한 문제들은 진열대 재고 가용성을 떨어뜨리고 매출 손실로 이어질 수 있습니다.

이 때문에 소매업체들은 컴퓨터 비전과 이미지 인식 기술에 점점 더 주목하고 있습니다. 이러한 AI 기술은 매장 내 카메라로 촬영된 진열대 이미지를 분석하여 detect 자동으로 detect , 제품이 올바르게 배치되었는지 확인할 수 있습니다. Ultralytics 같은 비전 AI 모델은 이 과정을 빠르고 정확하게 처리하여 실제 매장 환경에서 실용적으로 활용할 수 있게 해줍니다.

이 글에서는 Ultralytics 사용하여 플래노그램 준수 여부를 감지하는 시스템을 구축하는 방법을 단계별로 살펴보겠습니다. 그럼 시작해 볼까요!

플래노그램 준수란 무엇인가요? 

플래노그램 준수 여부는 매장 레이아웃의 일관성을 유지하고, 정확한 가격 책정 및 프로모션을 지원하며, 재고 관리를 개선하고, 고객이 진열대에서 제품을 더 쉽게 찾을 수 있도록 돕습니다.

이는 미리 정해진 레이아웃이나 플래노그램에 따라 상품을 진열하는 것을 의미합니다. 이 레이아웃은 각 상품의 배치 위치, 진열 수(선반 앞쪽에 배치되어 고객이 볼 수 있는 상품의 수), 그리고 어떤 상품들을 서로 나란히 배치해야 하는지를 규정합니다.

소매업체와 소비재(CPG) 브랜드 모두 플래노그램에 의존합니다. 소매업체는 이를 통해 진열대를 정리하고 매장 간 일관성을 유지하며, CPG 브랜드는 자사 제품이 올바르게 진열되어 적절한 노출을 확보할 수 있도록 합니다.

플래노그램 감사 과정은 실제 진열 상태를 예상된 레이아웃과 비교하는 것을 포함합니다. 여기에는 올바른 SKU가 적절한 위치에 배치되었는지, 그리고 요구되는 진열 수량이 유지되고 있는지 확인하는 작업이 포함됩니다.

제품의 진열 위치가 정말로 큰 차이를 만들까 하고 궁금해하실 수도 있습니다. 하지만 제품들이 비슷해 보일 때는, 사소한 진열 실수조차도 제품을 찾기 어렵게 만들거나 고객을 혼란스럽게 할 수 있습니다. 

이는 가격 표시의 정확성과 고객의 구매 결정에 영향을 미칠 수 있습니다. 규정 준수를 철저히 함으로써 진열대를 깔끔하게 정리하고 고객 경험을 향상시킬 수 있습니다.

컴퓨터 비전을 활용한 진열 계획 준수 관리

전통적으로 소매점은 수동 감사와 체크리스트를 통해 플래노그램 준수 여부를 관리해 왔습니다. 매장 직원은 진열대 배치를 점검하고, 제품 배치와 진열 방향을 확인한 뒤, 그 결과를 기록합니다. 

그러나 이러한 과정은 시간이 많이 소요될 뿐만 아니라 여러 매장으로 확대 적용하기 어렵고, 점검 방식에 일관성이 떨어지는 경우가 많습니다. 이에 소매업계는 이러한 규정 준수 점검을 보다 효율적으로 처리하기 위해, 시스템이 이미지를 분석하고 이해할 수 있게 해주는 인공지능 분야인 컴퓨터 비전을 빠르게 도입하고 있습니다.

이러한 시스템은 카메라를 통해 진열대 이미지를 촬영하고, 학습된 모델을 활용해 이를 처리함으로써 개별 제품을 인식합니다. Ultralytics 같은 컴퓨터 비전 모델은 물체 탐지 및 인스턴스 분할과 같은 비전 작업을 지원하여, 소매점 진열대에 있는 제품을 정확하게 식별하고 위치를 파악할 수 있게 해줍니다.

이 사용 사례에 YOLO26을 적용하는 것도 매우 간단합니다. YOLO26은 사전 학습된 모델로 바로 사용할 수 있어 훌륭한 출발점을 제공하며, 소매 진열대 데이터를 활용해 맞춤형으로 훈련시켜 특정 제품을 인식하도록 할 수 있기 때문입니다.

이러한 감지 결과를 바탕으로, 진열도 준수 감지 시스템은 진열대상의 제품 위치를 매핑하여 예상된 진열 배치와 비교할 수 있습니다. 이러한 방식을 통해 소매업체는 수동 점검을 넘어 매장 차원에서 진열대를 지속적으로 모니터링할 수 있습니다. 

이 시스템은 SKU 단위로 detect , 진열 오류를 파악하며, 진열대 재고 가용성과 전반적인 운영 효율성을 향상시킬 수 있습니다.

AI 기반 플래노그램 준수 여부 감지 방식 이해하기

YOLO26을 활용해 진열도 준수 여부를 감지하는 방법을 자세히 살펴보기 전에, 한 걸음 물러서서 이러한 시스템에서 상품 감지와 진열 비교가 어떻게 결합되는지 먼저 이해해 봅시다.

플래노그램 준수 시스템은 일반적으로 두 가지 주요 단계로 작동합니다. 첫째, Ultralytics 같은 모델이 진열대 이미지를 분석하여 classify detect classify . 모델은 각 제품을 탐지할 때마다 해당 제품이 진열대의 어느 위치에 있는지 보여주는 위치 정보를 제공합니다.

다음으로, 이러한 탐지 결과는 체계적인 선반 배치 형태로 정리됩니다. 상품들은 실제 매장에서의 진열 방식을 반영하여 위치에 따라, 주로 선반 행 단위로 그룹화됩니다.

그런 다음 이 구조화된 레이아웃을 예상 플래노그램과 비교합니다. 시스템은 올바른 SKU가 적절한 위치에 배치되었는지, 필요한 진열 횟수가 유지되었는지, 그리고 누락되거나 잘못 배치된 제품이 있는지 여부를 확인합니다.

제품 감지 기능과 진열대 배치 비교 기능을 결합함으로써, 이 시스템은 예상된 진열 배치와 실제 진열 배치 간의 차이를 파악할 수 있습니다. 분석 결과는 매장별 문제점을 명확히 보여주는 규정 준수 보고서나 대시보드 형태로 제공될 수 있습니다.

이를 통해 매장 팀은 문제점을 신속하게 파악하고, 시정 조치를 취하며, 일관된 매장 운영 상태를 유지할 수 있습니다.

플래노그램 준수 시스템 구축을 위한 데이터셋 준비

플래노그램 준수 시스템을 구축하는 첫 번째 단계는 체계적으로 구성된 데이터 세트를 준비하는 것입니다. 여기에는 다양한 소매 환경에서 진열대 이미지를 수집하는 작업이 포함됩니다. 이 데이터의 품질과 다양성은 모델의 성능에 직접적인 영향을 미칩니다.

공개 데이터셋도 출발점으로 활용할 수 있습니다. 하지만 매장 레이아웃, 상품 구성, 진열 방식은 소매업체마다 다르기 때문에, 이러한 데이터셋이 실제 상황과 완전히 일치하지 않는 경우가 많습니다. 

안정적인 성능을 보장하려면 일반적으로 대상 매장 환경에 맞춤화된 데이터 세트를 생성해야 합니다. 데이터는 매장 내 카메라나 모바일 기기를 통해 다양한 소매점 위치에서 촬영한 진열대 사진을 활용하여 수집할 수 있습니다. 

실제 데이터 외에도 시뮬레이션된 진열대 구성을 활용하여 통제된 시나리오를 만들 수 있습니다. 이 두 가지를 결합하면 모델이 다양한 매장 환경에서 더 안정적으로 작동할 수 있습니다.

또한 매장 레이아웃, 진열대 배치, 상품 배치, 조명, 카메라 각도, 진열대 정리 상태 등의 다양한 실제 매장 환경을 포착하는 것이 매우 중요합니다. 다양하고 현실적인 데이터를 수집함으로써, 모델은 여러 매장에 걸쳐 일반화할 수 있게 되며, 대규모 환경에서 정확한 플래노그램 준수 여부를 감지하는 데 기여할 수 있습니다.

소매 데이터셋 라벨링 개요

데이터 수집이 완료되면 다음 단계는 라벨링입니다. 모델이 다양한 SKU를 인식하도록 학습할 수 있도록, 이미지 속 각 제품에 경계 상자를 그려 라벨을 지정합니다.

상품 진열을 계획할 때는 명확한 분류 기준을 설정하는 것이 중요합니다. 이는 진열 계획도에 따라 세부 수준을 달리하여 수행할 수 있습니다. 

SKU 수준에서는 특정 브랜드, 사이즈, 맛과 같은 각 제품 변종이 개별적으로 분류됩니다. 카테고리 수준에서는 모든 탄산음료나 모든 스낵과 같이 유사한 제품들을 한데 묶을 수 있습니다.

데이터셋 관리, 라벨링, 훈련 및 배포를 위한 통합 환경인 Ultralytics 같은 도구를 활용하면 이 과정을 간소화할 수 있습니다. 이 플랫폼은 수동 라벨링과 AI 지원 라벨링을 모두 지원하며, 모델이 제안한 라벨을 검토하고 수정할 수 있어 작업 속도와 일관성을 높이는 데 도움이 됩니다.

제품 탐지를 위한 Ultralytics 모델 훈련

데이터셋을 준비하고 라벨링이 완료되면, 다음 단계는 YOLO26을 훈련시켜 소매점 진열대의 detect 것입니다. 이는 Ultralytics Python Ultralytics 사용하여 수행할 수 있습니다. 

Ultralytics Python 사용자 지정 파이프라인을 구축하고 기존 워크플로에 훈련 과정을 통합할 수 있는 유연성을 제공합니다. 마찬가지로, Ultralytics 단일 대시보드에서 라벨링 작업 수행, 데이터셋 관리, 훈련 설정, 실험 실행 및 결과 모니터링을 모두 처리할 수 있는 통합 환경을 제공합니다. 

또한 확장 가능한 훈련을 위한 클라우드 GPU 제공하며 배포를 지원하므로, 인프라를 구축하거나 종속성을 관리해야 하는 부담을 줄여줍니다.

훈련을 시작하기 전에 고려해야 할 몇 가지 다른 주요 사항이 있습니다:

• 데이터셋 분할: 데이터셋은 훈련 세트, 검증 세트, 테스트 세트로 나누어져야 합니다. 이를 통해 모델이 새로운 데이터에 얼마나 잘 일반화되는지 평가할 수 있으며, 과적합을 방지할 수 있습니다.
• 모델 선택: YOLO26 모델은 다양한 크기로 제공되므로, 배포 환경에 따라 속도와 정확도의 균형을 맞출 수 있습니다.
• 훈련 설정: 배치 크기, 이미지 크기, 에포크 수와 같은 매개변수는 훈련 속도와 모델 성능 모두에 영향을 미칠 수 있습니다. 

훈련이 완료되면 정밀도, 재현율, mAP 평균 정밀도)와 같은 지표를 사용하여 모델을 평가할 수 있습니다. 이러한 지표를 통해 모델이 제품을 얼마나 정확하게 탐지하는지, 그리고 오류를 얼마나 잘 피하는지 측정할 수 있습니다.

모델의 성능이 충분하지 않다면, 데이터셋과 훈련 설정을 개선할 수 있습니다. 여기에는 데이터 증강 기법을 적용하거나, 더 다양한 이미지를 추가하거나, 특정 SKU가 덜 자주 나타나는 경우 해당 클래스의 비율을 조정하는 것이 포함될 수 있습니다.

플래노그램 준수 로직 통합

모델을 훈련하고 평가한 후 다음 단계는 플래노그램 준수 여부를 확인하는 로직을 구축하는 것입니다. 여기에는 진열대 데이터를 체계화하고 이를 예상 레이아웃과 비교하는 작업이 포함됩니다.

이 과정이 어떻게 진행되는지 간략히 설명해 드리겠습니다:

• 예상 진열 레이아웃 정의: 먼저, 플래노그램을 사용하여 예상 진열 레이아웃을 정의하고, 이를 행과 열로 구성된 구조화된 격자 형태로 표현합니다. 격자 내의 각 위치는 특정 SKU에 해당하며, 이는 제품이 진열 공간에 어떻게 배치되어야 하는지를 반영합니다.
• 탐지된 상품 정리: 그런 다음 모델이 탐지한 상품들은 진열대상의 위치에 따라 배열됩니다. 상품의 좌표를 활용해 정렬하고 진열대 행별로 그룹화함으로써, 원시 탐지 데이터를 실제 진열대 배치를 반영하는 구조화된 레이아웃으로 변환합니다.
• 예상 레이아웃과 실제 레이아웃 비교: 다음으로, 실제 선반 배치와 예상 플래노그램을 비교하여 차이점을 파악합니다. 감지된 제품이 예상 SKU와 일치하지 않으면 ‘잘못 진열됨’으로 표시됩니다. 특정 위치에 제품이 없는 경우 ‘누락됨’으로 표시됩니다. 이 단계는 필요한 진열 수량이 유지되고 있는지 확인하는 데에도 활용될 수 있습니다.
• 규정 준수 결과 생성: 마지막으로, 각 선반에 대한 규정 준수 보고서를 생성하여 규정 미준수 사항, 편차 및 불일치 사항을 명확히 확인할 수 있습니다. 이러한 결과물은 대시보드를 통해 공유되어 팀이 문제를 신속하게 파악하고 해결하는 데 도움을 줍니다.

플래노그램 준수 여부를 확인하기 위한 비전 모델 구축

제품 감지 및 규정 준수 로직을 통합한 솔루션을 구축한 후, 다음 단계는 이를 소매점 환경에 배포하는 것입니다. 배포를 진행할 때는 사용 사례와 인프라에 따라 고려해야 할 몇 가지 옵션이 있습니다.

한 가지 방법은 매장 내 서버나 임베디드 하드웨어와 같은 에지 기기에 모델을 배포하는 것입니다. 이러한 시스템은 카메라 근처에 배치되어 선반 이미지가 촬영되는 바로 그 자리에서 처리되므로, 낮은 지연 시간과 실시간 모니터링이 가능해집니다.

또 다른 옵션은 이미지를 원격 서버로 전송하여 처리하는 클라우드 기반 배포 방식입니다. 이 방식은 특히 중앙 집중식 모니터링이 필요한 경우, 여러 지역에 걸친 배포 환경을 보다 쉽게 관리하고 확장할 수 있게 해줍니다.

Ultralytics 내에는 이러한 다양한 배포 시나리오를 지원하는 여러 가지 옵션이 있습니다. 예를 들어, Ultralytics Python 사용하면 훈련된 YOLO26 모델을 ONNX, TensorRT 또는 CoreML 같은 다양한 형식으로 내보낼 수 있습니다. 

이를 통해 배포 요구 사항에 따라 그래픽 처리 장치(GPU), 중앙 처리 장치(CPU), 모바일 기기, 임베디드 시스템 등 다양한 하드웨어에서 모델을 실행할 수 있습니다.

한편, Ultralytics 테스트, 통합 및本番 환경 배포를 간소화하는 내장형 배포 옵션을 제공합니다. 모델은 브라우저에서 직접 테스트하거나, 공유 추론 API를 사용하여 애플리케이션에 통합하거나, 확장 가능한本番 환경 사용을 위해 전용 엔드포인트에 배포할 수 있습니다. 

또한 외부 시스템이나 엣지 디바이스에서 실행할 수 있도록 모델을 내보내는 기능을 지원하여, 개발 단계에서 실제 환경으로의 배포를 보다 원활하게 진행할 수 있습니다. 이 외에도 이 플랫폼에는 배포 후 track 장기적으로 안정적인 운영을 보장하는 모니터링 도구가 포함되어 있습니다.

플래노그램 준수 여부 감지에 비전 AI를 활용할 때의 이점

YOLO26을 활용하여 플래노그램 준수 관리 시스템을 구축할 때 얻을 수 있는 주요 이점은 다음과 같습니다: 

• 다양한 소매 환경에 유연하게 대응 가능: YOLO26은 새로운 데이터를 기반으로 재학습하거나 미세 조정이 가능하므로, 다양한 매장 레이아웃, 상품 구성 및 지역별 특성에 유연하게 적응할 수 있습니다.
• 데이터 기반 의사결정을 최적화합니다: 여러 매장의 규정 준수 데이터를 통합하여 추세를 파악하고, 성과를 측정하며, 소매 전략을 개선할 수 있습니다.
• 실시간 연속 모니터링: YOLO26은 저지연 추론을 위해 최적화되어 있어, 엣지 디바이스에서 진열대 이미지를 지속적으로 분석하고 제품 배치 변화를 실시간으로 감지할 수 있습니다.
• 소매 시스템과의 연동: YOLO26 기반의 진열 계획 준수 감지 시스템을 재고 관리, POS(판매 시점 관리) 또는 분석 시스템과 연동하여 매장 실적에 대한 보다 포괄적인 현황을 파악할 수 있습니다.

주요 내용

플래노그램 준수 여부는 정확한 상품 진열과 일관된 매장 운영을 유지하는 데 필수적입니다. 상품 인식 기능과 진열대 배치 비교 기능을 결합함으로써, 매장은 수동 점검을 줄이고 진열대를 보다 정확하게 확인할 수 있습니다. YOLO26과 같은 모델을 활용하면 이러한 시스템을 여러 매장에 걸쳐 적용할 수 있을 뿐만 아니라, 매장별 데이터를 바탕으로 더 나은 의사결정을 내리는 데도 도움이 됩니다.

프로젝트에 비전 AI를 도입하고 싶으신가요? 활발한 커뮤니티에 참여하여 소매업 분야의 비전 AI와 로봇 공학 분야의 컴퓨터 비전에 대해 알아보세요. GitHub 저장소를 살펴보시면 더 자세한 정보를 확인하실 수 있습니다. 시작하시려면 라이선스 옵션을 확인해 보세요!