SiteAssist, Ultralytics YOLO를 통해 77만 개 이상의 이미지를 처리하여 현장 안전 개선

건설 현장에는 인양 작업이나 화기 작업과 같은 고위험 활동이 포함되며, 작업 시작 전 팀은 엄격한 안전 절차를 따라야 합니다. 이러한 점검 사항을 확인하기 위해 작업자들은 일반적으로 디지털 워크플로우를 통해 증빙 사진을 업로드합니다.

하지만 이러한 이미지를 검토하는 것은 항상 간단하지만은 않습니다. 이미지가 불분명하거나 불완전하거나 때로는 오해의 소지가 있을 수 있어, 특히 대규모 프로젝트 진행 중에 안전 요구 사항이 실제로 충족되었는지 파악하기 어렵습니다.

SiteAssist는 다양한 도구와 AI를 결합하여 디지털 플랫폼을 통해 이러한 워크플로우를 지원합니다. 특히 computer vision 모델인 Ultralytics YOLO models을 사용하여 업로드된 이미지를 분석함으로써 플랫폼이 현장 상황을 파악하고, 유효하지 않은 제출물을 표시하며, 잠재적인 문제를 강조할 수 있도록 돕습니다. 이는 수동 작업 노력을 줄이고 팀이 일관된 안전 표준을 유지할 수 있도록 합니다.

Link to this sectionAI를 활용한 건설 현장의 안전 및 규정 준수 개선#

SiteAssist는 건설, 인프라 및 기타 주요 산업 전반에서 고위험 활동을 관리하는 팀을 위해 설계된 작업 제어 플랫폼입니다. 이 플랫폼은 복잡한 종이 기반 프로세스를 구조화된 디지털 워크플로우로 대체하여 굴착, 화기 작업, 인양 및 밀폐 공간 작업과 같은 업무를 지원합니다.

Balfour Beatty, Taylor Woodrow (VINCI), Skanska 및 HG Construction과 같은 기업들은 일관성을 개선하고 규정 준수를 유지하며 프로젝트를 원활하게 운영하기 위해 SiteAssist를 사용합니다. 허가증과 워크플로우를 디지털화함으로써 이 플랫폼은 팀이 잠재적 위험을 식별하고 안전 요구 사항이 일관되게 적용되도록 돕습니다.

오늘날 SiteAssist는 수천 명의 작업자를 지원하며 팀에게 일상적인 운영에 대한 더 명확한 통찰력을 제공합니다. 이러한 향상된 가시성을 통해 팀은 안전 프로세스에 대해 더 큰 통제력을 갖게 됩니다.

Link to this section건설 현장의 안전 점검이 대규모로 이루어질 때 발생하는 문제#

건설 현장을 안전하게 유지하고 원활하게 운영하는 것은 간단하지 않습니다. 대규모 프로젝트에는 흔히 여러 장소에서 수천 명의 작업자가 투입되며, 각 작업자는 시작 전 엄격한 안전 점검이 필요한 고위험 작업을 수행합니다.

이러한 점검이 완료되었는지 확인하기 위해 작업자들은 일반적으로 디지털 워크플로우나 허가 시스템에 증빙 사진을 업로드해야 합니다. 그러나 이러한 제출물을 검토하는 작업은 항상 간단하지만은 않습니다.

이미지가 불분명하거나 불완전하거나 때로는 오해의 소지가 있을 수 있어 안전 요구 사항이 실제로 충족되었는지 확인하기 어렵습니다. 승인자는 올바른 장비, 적절한 설정 및 전반적인 규정 준수 여부를 확인하기 위해 각 제출물을 수동으로 검토해야 합니다.

제출물 수가 증가함에 따라 이 프로세스는 시간이 많이 소요되고 일관되게 관리하기가 더 어려워집니다. 동시에 많은 프로젝트가 여전히 종이 기반 허가증이나 부분적으로 디지털화된 워크플로우에 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, 이는 추가적인 지연을 초래합니다.

운영 규모가 커짐에 따라 이러한 과제는 일관된 안전 표준을 유지하기 어렵게 만들고, 점검이 누락되거나 지연될 위험을 증가시킵니다.

Link to this sectionUltralytics YOLO 모델을 통한 강력한 안전 점검 구현#

SiteAssist는 허가 워크플로우와 실시간 이미지 확인을 결합하여 안전 점검을 단순화합니다. 수동 검토에 의존하는 대신 팀은 현장에서 직접 이미지를 캡처하고 업로드할 수 있으며, 모든 제출물은 승인이 진행되기 전에 검증됩니다. 이는 변화하는 조건 속에서도 안전 점검이 일관되게 수행되도록 돕습니다.

배후에서는 업로드된 각 이미지가 object detection 및 이미지 분류와 같은 비전 태스크를 활용하는 Ultralytics YOLO 모델을 사용하여 분석되어 현장에 무엇이 있는지 파악합니다.

Ultralytics YOLO26과 같은 모델은 플랫폼을 통해 실제 건설 현장에서 수집된 이미지로 구축된 SiteAssist 자체 데이터셋으로 미세 조정되었습니다. 여기에는 소화기, 안전 장비, 가스통, 일반적인 전동 공구 및 기계와 같은 약 45개의 건설 관련 객체가 포함됩니다.

시스템은 이러한 객체를 식별하고 필수 항목이 표시되는지 확인하여 누락되었거나 예상 기준을 충족하지 않는 모든 항목을 표시합니다. 또한 실제 현장 조건에서 촬영되지 않은 이미지와 같이 유효하지 않은 제출물을 강조할 수도 있습니다. 이러한 제출물 전반에서 이미지당 평균 1.7개의 객체가 감지되며, 배경 이미지를 제외할 경우 2.7개로 증가하여 현장의 유의미한 활동 밀도를 보여줍니다.

다음은 Ultralytics YOLO 모델이 SiteAssist 내에서 사용되는 몇 가지 예입니다.

• 라이브 이미지 검증: 시스템은 화면 사진과 같이 실제 조건에서 촬영되지 않은 이미지가 업로드된 경우를 감지하고 검토를 위해 표시할 수 있습니다.
• 장비 감지 및 계수: 시스템은 소화기와 같은 필수 항목을 식별하고 올바른 수량이 있는지 확인할 수 있습니다. 경우에 따라 YOLO와 함께 OCR(광학 문자 인식)을 사용하여 이미지에서 텍스트를 추출하며, 예를 들어 레이블을 읽어 장비 유형을 결정합니다.

그림 1. SiteAssist에서 Ultralytics YOLO 모델을 사용한 소화기 감지 (출처)

Link to this section왜 Ultralytics YOLO 모델인가?#

Ultralytics YOLO 모델은 SiteAssist가 실제 이미지 검증에 필요로 하는 속도와 정확성을 제공합니다. 이미지가 업로드되는 즉시 빠르게 처리될 수 있어 지연 없이 안전 점검을 더 쉽게 수행할 수 있습니다.

실제로 2025년 1월부터 SiteAssist는 Ultralytics YOLO 모델을 사용하여 770,918장 이상의 이미지를 처리했으며, 1,302,315개 이상의 객체를 감지하여 대규모 환경에서 안정적인 성능을 입증했습니다.

Ultralytics Python package를 사용하면 실제 현장 워크플로우에서 수집된 데이터를 사용하여 모델을 교육하고 미세 조정하는 작업도 간단해집니다. 이는 시간이 지남에 따라 더 많은 데이터가 캡처되면서 모델 성능이 지속적으로 향상될 수 있음을 의미합니다.

배포 측면에서 YOLO 모델은 효율적이고 유연합니다. SiteAssist는 현재 백엔드의 일부로 클라우드에서 이미지를 처리하며, 작업자 기기에서 업로드되는 데이터를 실시간으로 처리합니다. 동시에 모델은 기기에서 로컬로 실행될 수도 있어 현장에서 직접 처리가 이루어지는 향후 활용 사례를 지원할 수 있습니다.

그 외에도 ONNX 및 ExecuTorch와 같은 export formats을 지원함으로써 Ultralytics YOLO 모델을 복잡성을 더하지 않고도 다양한 에지 시스템에 통합할 수 있습니다. 이는 SiteAssist가 비전 AI 워크플로우를 구축하고 확장할 수 있는 실용적이고 확장 가능한 방법을 제공합니다.

Link to this section실시간 안전 점검을 강화하는 SiteAssist와 Ultralytics YOLO#

현재 SiteAssist는 약 4,000개의 기기에서 약 12,000명의 활성 사용자를 지원하며, 대규모의 복잡한 프로젝트를 위해 안전 워크플로우를 효율적으로 확장할 수 있도록 합니다.

자동화된 이미지 검증을 도입함으로써 팀은 수동 검토에 대한 의존도를 줄이고 승인 프로세스 속도를 높였습니다. 이전에는 반복적인 점검이 필요했던 작업이 이제 더 빠르게 검증되어, 작업을 제시간에 시작하고 지연을 줄이는 데 도움이 됩니다.

YOLO 기반 이미지 분석은 또한 안전 점검 수행 방식의 일관성을 향상시켰습니다. 제출물이 더 구조화된 방식으로 평가되므로 누락된 장비, 인공 이미지 또는 불완전한 점검을 더 쉽게 식별할 수 있습니다. 2025년 1월부터 가장 흔하게 감지된 객체로는 283,000대 이상의 차량과 201,000명 이상의 인원, 그리고 약 68,500개의 인공 이미지와 55,000개 이상의 소화기가 포함됩니다.

이는 현장 관리자에게 진행 중인 작업에 대한 더 명확한 가시성을 제공하고 안전 요구 사항이 충족되고 있다는 더 큰 확신을 줍니다.

그림 2. SiteAssist가 Ultralytics YOLO를 사용하여 감지한 인공 사진의 예시.

또한 수동 서류 작업을 줄임으로써 팀이 행정 업무에 할애하는 시간을 줄이고 현장 작업에 더 많은 시간을 투자할 수 있게 되었습니다. 결과적으로 운영이 더 원활하게 이루어지고 서로 다른 위치에서 안전 프로세스가 더 안정적으로 변하게 됩니다.

Link to this section비전 기반 건설 안전 워크플로우의 에지 도입#

향후 SiteAssist는 에지 AI를 탐색하여 현장에서 데이터가 캡처되는 곳과 더 가까운 지점에서 Ultralytics YOLO 모델을 실행하려고 합니다. 기기에서 직접 이미지를 처리함으로써 팀은 클라우드 비용을 절감하고 데이터 개인 정보를 개선하며 실시간 의사 결정을 지원하는 것을 목표로 합니다. 그들은 이러한 기능을 지속적으로 확장하여 더 고급화된 실시간 안전 및 운영 워크플로우를 구현할 계획입니다.

운영 환경에 Vision AI를 도입하고 싶으신가요? 우리 커뮤니티에 가입하시고 의료 분야 AI 및 농업 분야 Vision AI와 같은 애플리케이션에 대해 알아보세요. GitHub 저장소를 방문하시고 라이선스 옵션을 확인하여 오늘 바로 시작해 보세요!