[학회후기]

2022 대한산업공학회 춘계학술대회에 오프라인으로 참가하였다. 지난 추계학술대회 때 석사논문경진대회에 오프라인으로 참가하긴 하였지만, 학회 세션 발표는 처음이라 또다른 느낌이었고 제주도에서 진행되어 더욱 설레는 기분이었다. 정말 오랜만에 느끼는 현장감 덕분에 긴장도 되었지만, 무사히 발표를 마칠 수 있었다. 관심있는 발표들도 많았는데, 확실히 인공지능 방법론의 연구 내용이 많아지고 있고 더 발전되고 있음을 느낄 수 있었다. 질의응답 시간에는 기업체에서 참가한 분들의 높은 관심도 느낄 수 있었다. 이틀 간의 짧은 일정이었지만 제주도의 공기를 느끼며 기분 전환도 되고 최신 연구들도 많이 접할 수 있었던 학회 경험이었다. 

[발표후기]

Mutual information 기반 비지도 학습을 활용한 강판 제조공정의 표면 결함 인식을 주제로 발표하였다. 지난 연구가 지도 학습을 기반으로 한 표면 결함 인식이었다면, 이번에는 레이블을 확보하기 어려운 상황을 가정하여 비지도 학습 기반의 강판 표면 결함 인식 연구를 주제로 하였다. 지난 연구에서 이미지 분할 문제의 레이블 품질이 생각보다 좋지 않았다는 것을 알게 되어, 실제 현장에서 이미지 분할 문제의 레이블을 만드는 것이 정말 어려운 일이라는 것을 새삼 깨달았다. 따라서 이번 비지도 학습 기반 이미지 분할 연구는 레이블 확보가 어려운 상황에서 유용하게 활용될 수 있을 것이라는 기대로 연구를 진행하였다. 이에 대한 최근 연구들이 Mutual information을 기반으로 하고 있다는 점을 참고하여 이를 기반으로 연구하였고, 최근 연구들을 리뷰하면서 이미지의 전체 정보를 담은 global feature가 이미지 분할 예측에 도움이 될 것이라는 가설을 수립하여 이를 검증하는 실험을 진행했다. 그 결과, IIC 모델을 베이스라인으로 하여 IIC에 global feature를 추가한 모델의 성능이 향상됨을 실험적으로 확인하였다. 향후 이미지 분할 레이블을 확보하기 어려운 현업에 실질적인 도움이 될 수 있기를 기대한다.

질문) 원통과 같은 3차원의 3D 이미지에서도 결함 검출이 가능한지?

답변) 현재 제안한 모델은 3D 이미지를 위한 모델은 아니기 때문에 바로 적용이 가능하진 않고, 3D 이미지를 위한 CNN 모델을 사용하여 튜닝한다면 적용할 수도 있을 것으로 생각함.

[청취후기]

1. 머신러닝 기법을 활용한 제강 공정 설비 할당 - 이상욱(한국과학기술원)

철강 제조 공정 중 하나인 제강 공정은 전로, 2차 정련, 연주의 순서로 공정이 이루어져 있으며, 이 연구의 대상 공정은 2차 정련의 설비이고, 2차 정련 설비의 할당 알고리즘을 연구하였다. 현장에서는 2차 정련 설비를 할당하는 과정을 관제사가 직접 수행하고 있으나 복잡한 현장 상황을 모두 고려해야 하다보니 관제사의 업무가 부담되고 있다. 이에 이 연구에서는 실제 관제사들이 하는 스케줄링을 잘 따라할 수 있는 자동화 관점에서 문제에 접근하였고, 실제 현장 작업자들의 할당 결과와 유사한 할당 모델을 구축하고자 하였다. 2차 정련 설비 할당 모델로 GRU를 사용하였는데, 현업 관제사의 할당 방식과 유사한 시퀀스 모델을 활용하기 위함이다. LSTM, SVM, Light GBM과 같은 다양한 머신러닝 방법과의 비교를 통해 작업자와의 유사도를 평가하였고, GRU를 사용한 모델이 가장 우수한 성능을 보였다. 실제 나도 현업에서 겪었던 문제이기에 문제 상황에 대한 이해가 잘 되었고, 이를 GRU 모델을 사용하여 다음에 할당해야할 설비를 예측하는 방법으로 문제에 접근한 점이 신선하다고 생각했다. 질의응답에서 나온 의견처럼, 실제 작업자 수행 결과와의 유사도로만 모델이 평가되었다는 점은 한계점이 될 수 있지만, 현업에서는 유용하게 활용될 수도 있는 결과라고 생각한다.

2. YOLOv5와 칼만 필터 기반의 폐색영역에 강건한 객체 검출 알고리즘 - 김다솔(한국공학대)

폐색영역에서 YOLO의 검출 성능이 저하되는 것을 보완하기 위한 연구이다. YOLO는 검출 속도가 빠르지만 검출 정확도가 비교적 낮다는 단점이 있다. Occlusion area를 뜻하는 폐색 영역은 검출하고자 하는 물체가 다른 물체에 의해 가려지는 현상을 의미하고, 이러한 폐색 영역으로 인해 검출 성능이 저하될 수 있다. 제안 알고리즘은 YOLOv5와 2개의 칼만 필터를 사용하여 이를 극복하고자 하였다. 2개의 칼만 필터는 Detection KF와 Inference KF로 이루어져 있고, Detection KF는 검출 결과에, Inference KF는 객체의 추적능력에 비중을 두어 검출 결과를 업데이트한다. 실험 결과, 기존 YOLOv5로 테스트할 경우 폐색영역에서 검출이 잘 안되던 것이 제안 방법론에서는 폐색영역에서도 검출이 잘 되는 것을 확인하였다. 실제 드론이 건물 앞으로 움직이는 영상을 테스트하여 기존 모델은 드론이 건물 앞으로 지나가는 순간 검출이 안되는 현상이 나타났지만, 제안 알고리즘을 사용하면 건물 앞으로 지나가는 드론도 지속적으로 검출이 되는 모습을 보여준 점이 인상 깊었다. 폐색 영역에 대한 성능 저하는 이미지와 영상을 다루는 모든 문제에서 극복해야할 이슈로 생각되고, 이 연구가 좋은 인사이트가 될 수 있을 것으로 생각된다.