Ultralytics YOLO 모델을 사용하여 SiteAssist는 이미지 검증을 자동화하고, 규정 준수 문제를 실시간으로 감지하며, 수천 명의 사용자와 여러 현장에서 안전 워크플로를 간소화했습니다.
건설 현장에서는 인양 작업과 화기 작업처럼 위험도가 높은 작업이 수행되며, 작업팀은 작업을 시작하기 전에 엄격한 안전 절차를 따라야 합니다. 이러한 점검을 확인하기 위해 작업자는 일반적으로 디지털 워크플로를 통해 증빙 사진을 업로드합니다.
하지만 이러한 이미지를 검토하는 일이 항상 간단한 것은 아닙니다. 이미지가 불명확하거나 불완전하거나 때로는 오해를 불러일으킬 수 있어, 특히 대규모 프로젝트에서는 안전 요건이 실제로 충족되었는지 확인하기가 어렵습니다.
SiteAssist는 도구와 AI를 결합한 디지털 플랫폼을 통해 이러한 워크플로를 지원합니다. 특히 컴퓨터 비전 모델인 Ultralytics YOLO 모델을 사용하여 업로드된 이미지를 분석하고, 플랫폼이 현장에서 어떤 일이 일어나고 있는지 파악하도록 지원하며, 유효하지 않은 제출을 표시하고 잠재적인 문제를 강조합니다. 이를 통해 수작업을 줄이고 팀이 일관된 안전 기준을 유지할 수 있습니다.
AI를 사용하여 건설 현장의 안전 및 규정 준수 향상#
SiteAssist는 건설, 인프라 및 기타 중요 산업에서 위험도가 높은 작업을 관리하는 팀을 위해 설계된 작업 관리 플랫폼입니다. 복잡한 종이 기반 프로세스를 구조화된 디지털 워크플로로 대체하며, 굴착, 화기 작업, 인양 및 밀폐 공간 작업 등의 업무를 지원합니다.
Balfour Beatty, Taylor Woodrow (VINCI), Skanska, HG Construction과 같은 기업은 일관성을 높이고 규정 준수를 유지하며 프로젝트를 원활하게 운영하기 위해 SiteAssist를 사용합니다. 허가 및 워크플로를 디지털화함으로써 이 플랫폼은 팀이 잠재적인 위험을 식별하고 안전 요건이 일관되게 적용되도록 지원합니다.
현재 SiteAssist는 수천 명의 작업자를 지원하여 팀이 일상적인 작업을 더 명확하게 파악할 수 있도록 합니다. 이러한 향상된 가시성을 통해 팀은 안전 프로세스를 더욱 효과적으로 관리할 수 있습니다.
대규모 환경에서 건설 안전 점검이 제대로 작동하지 않는 이유#
건설 현장을 안전하게 유지하면서 원활하게 운영하는 일은 간단하지 않습니다. 대규모 프로젝트에는 여러 장소에서 작업하는 수천 명의 작업자가 참여하는 경우가 많으며, 각 작업자는 작업 시작 전에 엄격한 안전 점검이 필요한 위험도 높은 작업을 수행합니다.
이러한 점검이 완료되었는지 확인하기 위해 작업자는 일반적으로 디지털 워크플로 또는 허가 시스템에 증빙 사진을 업로드해야 합니다. 하지만 이러한 제출물을 검토하는 일이 항상 간단한 것은 아닙니다.
이미지가 불명확하거나 불완전하거나 때로는 오해를 불러일으킬 수 있어 안전 요건이 실제로 충족되었는지 확인하기가 어렵습니다. 승인 담당자는 각 제출물을 수동으로 확인하면서 올바른 장비, 적절한 설치 상태 및 전반적인 규정 준수 여부를 살펴봐야 합니다.
제출물 수가 증가하면 이 프로세스는 더 많은 시간이 걸리고 일관되게 관리하기도 어려워집니다. 동시에 많은 프로젝트가 여전히 종이 기반 허가 또는 부분적으로 디지털화된 워크플로에 의존하고 있습니다.
이로 인해 승인이 지연되고 병목 현상이 발생하며 현장 활동에 대한 실시간 가시성이 제한됩니다. 팀은 직접 후속 조치를 취하거나 점검을 반복해야 할 수 있으며, 이로 인해 추가 지연이 발생합니다.
운영 규모가 확대되면 이러한 문제로 인해 일관된 안전 기준을 유지하기가 어려워지고, 점검이 누락되거나 지연될 위험이 커집니다.
Ultralytics YOLO 모델로 강력한 안전 점검 지원#
SiteAssist는 허가 워크플로와 실시간 이미지 검증을 결합하여 안전 점검을 간소화합니다. 팀은 수동 검토에 의존하는 대신 현장에서 직접 이미지를 촬영하고 업로드할 수 있으며, 각 제출물은 승인이 진행되기 전에 검증됩니다. 이를 통해 조건이 변화하더라도 안전 점검이 일관되게 수행되도록 지원합니다.
백그라운드에서는 업로드된 각 이미지를 Ultralytics YOLO 모델로 분석하며, 객체 감지 및 이미지 분류와 같은 비전 작업을 활용하여 현장에 무엇이 있는지 파악합니다.
Ultralytics YOLO26과 같은 모델은 SiteAssist 자체 데이터셋으로 파인튜닝되었으며, 이 데이터셋은 플랫폼을 통해 실제 건설 현장에서 수집한 이미지로 구축되었습니다. 여기에는 소화기, 안전 장비, 가스통, 일반적인 전동 공구 및 기계류 등 건설 관련 객체 약 45개가 포함됩니다.
시스템은 이러한 객체를 식별하고 필수 항목이 보이는지 확인하여, 누락되었거나 예상 기준을 충족하지 못하는 항목을 표시합니다. 또한 실제 현장 조건에서 촬영되지 않은 이미지와 같은 유효하지 않은 제출물도 강조할 수 있습니다. 이러한 제출물 전체에서 이미지당 평균 1.7개의 객체가 감지되며, 배경 이미지를 제외하면 2.7개로 증가하여 현장에서 발생하는 의미 있는 활동의 밀도를 보여줍니다.
다음은 SiteAssist 내에서 Ultralytics YOLO 모델이 사용되는 몇 가지 예입니다.
- 실시간 이미지 검증: 시스템은 화면을 촬영한 사진처럼 업로드된 이미지가 실제 환경에서 촬영된 것이 아닌 경우를 감지하여 검토 대상으로 표시할 수 있습니다.
- 장비 감지 및 개수 확인: 시스템은 소화기와 같은 필수 항목을 식별하고 올바른 수량이 있는지 확인할 수 있습니다. 경우에 따라 YOLO와 함께 광학 문자 인식(OCR)을 사용하여 이미지에서 텍스트를 추출하며, 예를 들어 라벨을 읽어 장비 유형을 확인할 수 있습니다.
그림 1. SiteAssist에서 Ultralytics YOLO 모델을 사용한 소화기 감지 (출처)
Ultralytics YOLO 모델을 선택한 이유#
Ultralytics YOLO 모델은 SiteAssist가 실제 환경의 이미지를 검증하는 데 필요한 속도와 정확도를 제공합니다. 이미지를 업로드하는 즉시 신속하게 처리할 수 있어 지연 없이 안전 점검을 수행하기가 쉬워집니다.
실제로 SiteAssist는 2025년 1월 이후 Ultralytics YOLO 모델을 사용하여 770,918개가 넘는 이미지를 처리하고 1,302,315개 이상의 객체를 감지하여 대규모 환경에서 안정적인 성능을 입증했습니다.
Ultralytics Python 패키지를 사용하면 실제 현장 워크플로에서 수집한 데이터로 모델을 학습하고 파인튜닝하기도 간편합니다. 따라서 시간이 지나 더 많은 데이터가 수집될수록 모델 성능을 지속적으로 향상시킬 수 있습니다.
배포 측면에서 YOLO 모델은 효율적이고 유연합니다. SiteAssist는 현재 백엔드의 일부로 클라우드에서 이미지를 처리하며, 작업자 디바이스에서 실시간으로 업로드되는 이미지를 처리합니다. 동시에 모델을 디바이스에서 로컬로 실행할 수도 있어 향후 현장에서 직접 처리가 이루어지는 사용 사례를 지원할 수 있습니다.
또한 ONNX 및 ExecuTorch와 같은 내보내기 형식을 지원하므로 Ultralytics YOLO 모델을 복잡성을 추가하지 않고 다양한 엣지 시스템에 통합할 수 있습니다. 이를 통해 SiteAssist는 비전 AI 워크플로를 구축하고 확장할 수 있는 실용적이고 확장 가능한 방법을 확보합니다.
SiteAssist와 Ultralytics YOLO로 실시간 안전 점검 향상#
현재 SiteAssist는 약 4,000대의 디바이스에서 약 12,000명의 활성 사용자를 지원하여 대규모의 복잡한 프로젝트에서도 안전 워크플로를 효율적으로 확장할 수 있도록 합니다.
자동화된 이미지 검증을 도입함으로써 팀은 수동 검토에 대한 의존도를 낮추고 승인 프로세스를 가속화했습니다. 이전에는 반복적인 점검이 필요했던 작업을 이제 더 신속하게 검증할 수 있어 작업을 제때 시작하고 지연을 줄이는 데 도움이 됩니다.
YOLO 기반 이미지 분석은 안전 점검을 수행하는 방식의 일관성도 향상시켰습니다. 제출물을 더욱 구조화된 방식으로 평가할 수 있어 누락된 장비, 인위적으로 생성된 이미지 또는 불완전한 점검을 더 쉽게 식별할 수 있습니다. 2025년 1월 이후 가장 많이 감지된 객체에는 차량 283,000개 이상과 사람 201,000명 이상, 인위적으로 생성된 이미지 약 68,500개, 소화기 55,000개 이상이 포함됩니다.
이를 통해 현장 관리자는 진행 중인 작업을 더 명확하게 파악하고 안전 요건이 충족되고 있다는 확신을 높일 수 있습니다.
그림 2. SiteAssist가 Ultralytics YOLO를 사용하여 감지한 인위적으로 생성된 사진의 예입니다.
또한 수작업 서류 작업이 줄어들면서 팀은 관리 업무에 할애하는 시간을 줄이고 현장에서 더 많은 시간을 보낼 수 있게 되었습니다. 그 결과 운영이 더욱 원활해지고 여러 장소에서 안전 프로세스의 신뢰성이 향상됩니다.
비전 기반 건설 안전 워크플로를 엣지로 확장#
앞으로 SiteAssist는 현장에서 데이터가 수집되는 위치에 더 가까운 곳에서 Ultralytics YOLO 모델을 실행하기 위해 엣지 AI를 검토하고 있습니다. 디바이스에서 이미지를 직접 처리함으로써 클라우드 비용을 절감하고 데이터 개인정보 보호를 강화하며 실시간 의사 결정을 지원하는 것이 목표입니다. 또한 더욱 고도화된 실시간 안전 및 운영 워크플로를 지원할 수 있도록 이러한 기능을 계속 확장할 계획입니다.
운영에 비전 AI를 도입하고 싶으신가요? 커뮤니티에 참여하여 헬스케어 분야의 AI 및 농업 분야의 비전 AI와 같은 애플리케이션에 대해 알아보세요. GitHub 리포지토리를 방문하고 라이선스 옵션을 확인하여 지금 시작해 보세요!
