아래 내용으로 개요 작성
1. 서비스 명칭
- 실시간 물체 탐지를 통한 target object의 pick & place task 진행
2. 서비스 배경 및 목적
- 반복적이고 시간이 많이 소요되는 물체 집기 및 배치 작업을 처리할 수 있는 자동화된 솔루션에 대한 요구가 증가.
- 이전까지 물체를 집고 배치하는 작업은 인간이 직접 수행했기 때문에 노동 집약적이고 시간이 많이 걸리며 오류가 발생하기 쉬움.
- 로봇이 물체를 집어 들 수 있으려면 물체를 정확하고 빠르게 감지하고 찾을 수 있어야 하며, 이를 위해서는 시각적 데이터를 실시간으로 분석할 수 있는 정교한 센서와 알고리즘이 필요.
- 실시간 물체 탐지 기능을 로봇에 적용함으로써 작업의 효율성, 정확성 및 생산성을 향상 시킬 수 있음.
- 로봇의 실시간 개체 감지를 통해 사람의 개입 없이 대상 개체를 신속하게 찾아 task 수행
- 반복적이고 육체적으로 힘든 작업을 수행할 필요가 줄어들어 부상이나 피로를 줄이고,업무상 안전성을 향상시킬 수 있음.
3. 인공지능 서비스 유사 사례 분석
- 비전 기반의 universal robot의 pick & place 작업 메뉴얼
- 협동로봇의 실제 적용 사례
- 실시간 객체 탐지 알고리즘 yolo v5 사용법, 데이터 준비 및 후 처리 https://hashdork.com/ko/yolov5/
4. 인공지능 모델의 입출력
- 입력: 이미지 또는 비디오 프레임 //(해상도: 480 x 320, 파일형식: jpeg)
- 출력: 경계 상자의 좌표, 감지에 대한 신뢰도 점수 및 감지된 객체 유형을 나타내는 클래스 레이블
5. 데이터셋 구축방안
- AIHub 상품 이미지 데이터 (https://aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=realm&dataSetSn=64)를 이용하여 실시간으로 탐지할 object 데이터 생성
- 스마트폰 카메라로 target object의 실시간 이미지 촬영
6. 데이터셋 구성 목표
- 학습셋: 547장
- 시험셋: 137장
- 학습셋 및 시험셋의 클래스별 비율: 4:1
7. 인공지능 모델 평가 방법
인공지능 모델을 정량 평가할 수 있는 방안에 대해서 기술합니다.
- Accuracy
8. 인공지능 모델 성능 목표
인공지능 모델 성능 목표를 기재합니다. (베이스라인 성능 대체)
- Accuracy 90.0%이상
9. 서비스 구축계획 및 사용 시나리오
서비스를 구축하기 위한 소프트웨어 및 하드웨어 구성, 사용 시나리오를 기술합니다.
그라디오로 웹 인터페이스 구성안 (입력: 이미지 파일 업로드, 출력: 텍스트)
- 학습한 인공지능 모델 탑재
- 실시간 탐지를 진행할 object를 picking place에 두기
- 협동로봇의 vision 역할을 스마트폰으로 대체하여, 스마트폰으로 실시간 객체 탐지 성능을 파악
10. 서비스 기대효과
- 반복적이고 육체적으로 힘든 작업을 수행할 필요가 줄어들어 작업자의 부상이나 피로를 줄이고,업무상 안전성을 향상시킬 수 있음.
- 다품좀 소량생산 시대가 도래함에 따라 라인 별 실시간 작업을 변경하여 생산성을 향상시키고, 불필요한 리드타임을 감소시킬 수 있음