mtrail은 Ultralytics YOLO를 기반으로 하는 오프라인 실시간 AI 이미지 인식 시스템 TrainVision을 구축했습니다. 이 시스템은 유럽 차량 번호, 위험 표지 및 제동 표지를 자동으로 감지하여 데이터 수집 시간을 40~100% 단축하고 오류를 최소 90% 줄입니다.
mtrail은 15년 동안 풍부한 도메인 전문 지식과 운영 프로세스를 최적화하는 기술 솔루션을 통해 철도 및 인프라 운영자를 지원해 왔습니다. mtrail은 TrainVision을 통해 이러한 전문 지식을 지능형 객체 인식 시스템으로 구현했습니다. Ultralytics YOLO를 기반으로 구축된 TrainVision은 수동 프로세스를 자동화하고 최적화하여 효율적인 이상 감지와 열차 정보의 안전한 기록 및 검증을 지원합니다.
과제: 편성 데이터가 중요한 이유#
정확한 편성 및 견인 데이터(열차를 구성하는 객차와 기관차의 정확한 순서, 열차 길이, 중량 및 견인 세부 정보)는 신뢰할 수 있는 운행 일정 수립과 고객 안내에 필수적입니다. 철도 운영자는 이 데이터를 중앙 열차 정보 시스템에 보고해야 합니다.
여객 열차의 경우 일반적으로 계획 데이터에서 편성 데이터를 자동으로 도출할 수 있습니다. 그러나 공사 열차와 차량 조성장에서는 여전히 수동 입력이 필요한 경우가 많습니다. 따라서 철도 직원은 운행 중인 선로 환경에서 일반적으로 장갑을 착용한 채 모든 객차와 기관차의 유럽 차량 번호(EVN)를 수동으로 기록해야 합니다. 이 프로세스는 느리고 오류가 발생하기 쉬우며, 실제적인 안전 위험을 초래합니다. 작업자가 태블릿에 집중하는 매 순간마다 주변 선로에 대한 주의력이 저하되기 때문입니다.
TrainVision: 철도 전용 데이터의 실시간 인식#
TrainVision은 머신러닝과 컴퓨터 비전을 사용하여 이러한 인식 과정을 처음부터 끝까지 자동화하며, 현재는 수동 프로세스를 지원하고 완전 자동화로 나아갈 명확한 경로를 제공합니다. 객체 감지를 위해 TrainVision은 Ultralytics YOLO를 활용하여 프레임 내에서 EVN 및 위험 표지와 같은 요소의 위치를 정확하게 파악합니다. 위치가 파악되면 mtrail이 자체적으로 맞춤 학습한 OCR 및 인식 모델이 도메인별 정보를 추출하여 EVN 자체를 판독하고 위험 분류 또는 제동 표지를 식별합니다.
그림 1. EVN 및 객차 표시에 맞춤 학습된 Ultralytics YOLO를 활용하는 TrainVision의 라이브 데모입니다(비공개 촬영 이미지).
이 사용 사례에 필요한 정확도를 달성하기 위해 mtrail은 실제 이미지와 사내에서 생성한 수백만 개의 합성 이미지를 결합하여 모델을 학습합니다. 합성 프로세스가 완전히 정의되고 추적 가능하므로 생성된 이미지에 수동으로 라벨을 지정할 필요가 없습니다. 이는 상당한 시간 절감 효과를 제공하며, 새로운 실제 엣지 케이스(마모, 가림, 비정상적인 조명)가 확인될 때마다 mtrail이 모델을 신속하게 재학습할 수 있도록 합니다.
TrainVision은 하나의 모든 상황에 적용되는 단일 모델이 아닙니다. mtrail은 각 대상 플랫폼에 맞춰 해당 런타임에 최적화된 플랫폼별 맞춤 모델을 구축합니다. 이를 통해 TrainVision은 휴대용 모바일 기기부터 선로변 고정 카메라 시스템까지 다양한 배포 환경에 통합될 수 있으며, 각 이미지를 단 8~30밀리초 만에 처리할 수 있습니다.
Ultralytics YOLO를 선택한 이유#
mtrail에 속도와 엣지 배포는 타협할 수 없는 요구 사항이었습니다. TrainVision은 데이터센터뿐 아니라 현장의 모바일 기기에서도 안정적으로 실행되어야 했으며, 각 대상 런타임에 맞춰 구축된 플랫폼별 모델 전반에서 작동해야 했습니다.
이러한 성능 덕분에 Ultralytics YOLO는 TrainVision 객체 감지 계층의 기반이 되었습니다. YOLO 모델은 실제 이미지를 사용하여 학습되며, 모바일 및 고정 카메라 배포 환경 모두에서 EVN 및 위험 표지와 같은 요소의 위치를 정확하게 파악합니다. 그런 다음 mtrail 자체의 OCR 및 인식 모델이 YOLO가 찾은 대상에서 세부 정보를 추출하는 도메인별 작업을 담당합니다.
고객 혜택 및 결과#
이전에는 전적으로 수동 입력에 의존했던 작업을 자동화함으로써 TrainVision은 철도 운영자에게 측정 가능한 개선 효과를 제공합니다.
- 데이터 수집 시간 최대 100% 단축: 현장에서 EVN을 수동으로 입력할 필요가 없어집니다. mtrail은 Ultralytics YOLO를 통해 효율성이 약 40%에서 거의 100%로 향상되는 효과를 확인했습니다.
- 오류율 최소 90% 감소: 수동 데이터 입력과 비교한 결과입니다.
- 직원 안전성 향상: 운행 중인 선로 구역에서 수동 데이터 입력으로 인한 주의 분산을 제거합니다.
- 고정 설비의 완전 자동화 가능성: 고정 카메라 시스템이 수동 개입 없이 편성, 위험물, 제동 특성, 객차 상태 및 검사일을 포함한 다양한 철도 전용 측정 지점을 검증할 수 있습니다.
TrainVision의 다음 단계#
현재 물리적 스티커를 사용해 수동으로 기록하는 경우가 많은 결함을 자동으로 감지하여 TAF-TSI와 같은 표준화된 인터페이스를 통해 유럽 철도 데이터 플랫폼 또는 유지보수 시스템에 직접 전달할 수 있습니다. mtrail의 철도 도메인 전문 지식과 이 수준의 컴퓨터 비전을 결합하면 결함 감지의 효율성과 품질을 모두 더욱 높일 수 있습니다. 또한 고정 시스템을 활용해 무작위 샘플링을 확대함으로써 네트워크 전반에서 더욱 포괄적이고 지속적인 안전 모니터링을 구축하는 데 기여할 수 있습니다.
mtrail은 철도 차량의 안전 점검과 예측 유지보수에 상당한 추가 가능성이 있다고 보고 있습니다. 현재 철도 차량을 소유자와 철도 사업자 간에 이전하는 과정에서 이상 감지가 수동으로 수행됩니다. 여기에는 ISO 2859 및 화물 운송용 철도 차량 사용 일반 계약에 따라 정의된 무작위 샘플링 검사가 포함되며, 이는 TrainVision의 감지 기능을 적용할 수 있는 자연스러운 다음 분야입니다.
Vision AI가 철도 및 운송 운영을 어떻게 혁신할 수 있는지 궁금하신가요? Ultralytics의 산업 솔루션을 살펴보고, 라이선스 옵션을 확인하거나, GitHub 리포지토리를 방문하여 지금 시작해 보세요.
