mtrail은 Ultralytics YOLO 기반의 오프라인 실시간 AI 이미지 인식 시스템 TrainVision을 구축했습니다. 이 시스템은 유럽 차량 번호, 위험 표지판, 브레이크 표지를 자동으로 감지해 데이터 수집 시간을 40~100% 단축하고 오류를 최소 90% 줄입니다.
mtrail은 15년 동안 철도 및 인프라 운영업체에 도메인 전문성과 운영 프로세스를 최적화하는 기술 솔루션을 제공해 왔습니다. TrainVision을 통해 mtrail은 이러한 전문성을 Ultralytics YOLO 기반의 지능형 객체 인식 시스템으로 구현했습니다. 이 시스템은 수동 프로세스를 자동화하고 최적화하여 이상을 효율적으로 감지하고 열차 정보를 안전하게 기록 및 검증할 수 있도록 합니다.
과제: 편성 데이터가 중요한 이유#
정확한 편성 및 견인 데이터(열차를 구성하는 객차와 기관차의 정확한 순서, 열차 길이, 중량, 견인 정보 포함)는 신뢰할 수 있는 운행 계획과 고객 안내에 필수적입니다. 철도 운영업체는 이 데이터를 중앙 열차 정보 시스템에 보고해야 합니다.
여객 열차의 편성 데이터는 일반적으로 운행 계획 데이터에서 자동으로 도출할 수 있습니다. 그러나 건설 열차와 조차장에서는 여전히 수동 입력이 필요한 경우가 많습니다. 따라서 철도 직원은 보통 장갑을 낀 채 운행 중인 선로 환경에서 모든 객차와 기관차의 유럽 차량 번호(EVN)를 직접 기록해야 합니다. 이 과정은 느리고 오류가 발생하기 쉬우며 실제 안전 위험을 초래합니다. 작업자가 태블릿에 집중하는 매초마다 주변 선로에 대한 주의가 줄어들기 때문입니다.
TrainVision: 철도 특화 데이터를 위한 실시간 인식#
TrainVision은 머신러닝과 컴퓨터 비전을 사용해 인식 과정을 처음부터 끝까지 자동화하고, 현재는 수동 프로세스를 지원하면서 완전 자동화로 나아갈 명확한 경로를 제공합니다. TrainVision은 객체 감지에 Ultralytics YOLO를 활용해 프레임 내 EVN과 위험 표지판 등의 요소를 정확히 찾습니다. 요소를 찾은 후에는 mtrail이 자체적으로 학습시킨 OCR 및 인식 모델을 사용해 도메인별 정보를 추출합니다. 여기에는 EVN 자체를 판독하고, 위험 분류나 제동 표지를 식별하는 작업이 포함됩니다.
그림 1. EVN 및 화차 표식을 대상으로 맞춤 학습된 Ultralytics YOLO를 활용하는 TrainVision의 라이브 데모(비공개 촬영 이미지).
이 활용 사례가 요구하는 정확도를 달성하기 위해 mtrail은 실제 이미지와 사내에서 생성한 수백만 장의 합성 이미지를 함께 사용해 모델을 학습시킵니다. 합성 과정이 완전히 정의되고 추적 가능하므로 생성된 이미지에는 수동 라벨링이 필요하지 않습니다. 이는 상당한 시간을 절약해 주며, 날씨에 따른 노후화, 가림, 특이한 조명 등 새로운 실제 엣지 케이스가 발견될 때마다 mtrail이 모델을 빠르게 재학습할 수 있게 합니다.
TrainVision은 모든 상황에 적용하는 단일 모델이 아닙니다. mtrail은 대상 플랫폼마다 해당 런타임에 최적화된 플랫폼별 맞춤 모델을 구축합니다. 따라서 TrainVision은 휴대용 모바일 기기부터 선로변 고정 카메라 시스템까지 다양한 배포 환경에 통합될 수 있으며, 각 이미지를 8~30밀리초 만에 처리합니다.
Ultralytics YOLO를 선택한 이유#
mtrail에는 감지 속도와 엣지 배포가 필수 요건이었습니다. TrainVision은 데이터 센터뿐 아니라 현장의 모바일 기기에서도 안정적으로 실행되어야 했으며, 각 대상 런타임에 맞춰 구축한 플랫폼별 모델 전반에서 작동해야 했습니다.
이러한 성능 덕분에 Ultralytics YOLO는 TrainVision 객체 감지 계층의 기반이 되었습니다. YOLO 모델은 실제 환경 이미지로 학습되어 모바일 및 고정 카메라 배포 환경 모두에서 EVN과 위험 표지판 같은 요소의 위치를 정확히 찾습니다. 이후 mtrail 자체 OCR 및 인식 모델이 도메인별 작업을 이어받아 YOLO가 찾은 요소에서 세부 정보를 추출합니다.
고객 혜택 및 성과#
기존에 전적으로 수동 입력에 의존하던 작업을 자동화해 TrainVision은 철도 운영업체에 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 것을 확인했습니다.
- 오류율 최소 90% 감소: 수동 데이터 입력과 비교한 결과입니다.
- 직원 안전 향상: 운행 중인 선로 구역에서 수동으로 데이터를 입력할 때 발생하는 주의 분산을 없앱니다.
- 고정 설치 환경에서 완전 자동화 가능: 고정 카메라 시스템은 수동 개입 없이 편성, 위험물, 제동 특성, 객차 상태, 검사 일자 등 다양한 철도 특화 측정 항목을 검증할 수 있습니다.
TrainVision의 다음 단계#
오늘날 물리적 스티커를 붙여 수동으로 기록하는 경우가 많은 결함을 자동으로 감지해 TAF-TSI와 같은 표준 인터페이스를 통해 유럽 철도 데이터 플랫폼이나 유지보수 시스템에 직접 전달할 수 있습니다. mtrail의 철도 도메인 전문성과 이 수준의 컴퓨터 비전을 결합하면 결함 감지의 효율성과 품질을 더욱 높일 수 있습니다. 또한 고정 시스템을 통해 무작위 표본 검사를 확대하면 네트워크 전반에 보다 포괄적이고 지속적인 안전 모니터링을 구축하는 데 도움이 됩니다.
mtrail은 철도 차량의 안전 점검과 예측 유지보수에 상당한 추가 가능성이 있다고 봅니다. 현재 철도 차량을 소유자와 철도 운송업체 사이에서 이전할 때 이상 감지는 수동으로 수행됩니다. 여기에는 ISO 2859 및 화물 객차 사용에 관한 일반 계약에 규정된 무작위 표본 검사가 포함되며, 이러한 작업은 TrainVision의 감지 기능을 적용하기에 적합한 다음 분야입니다.
Vision AI가 철도 및 운송 운영을 어떻게 혁신할 수 있는지 궁금하신가요? Ultralytics의 산업별 솔루션을 살펴보고, 라이선스 옵션을 확인하거나 GitHub 저장소를 방문해 지금 시작해 보세요.
