비전 AI 적정 세이프 팩토리 모듈 연구

A Study on Vision AI-Driven Appropriate Safe Factory Module

산업안전은 현장의 지속가능성과 생산성을 좌우하는 핵심 요소이다. 최근 ICT 기반 산업안전 기술이 활발히 개발되고 있으나, 인프라 부족과 비용 부담으로 인해 산업 현장의 디지털 전환은 여전히 제약을 받고 있다. 본 연구는 ICT 기반 스마트 산업안전 기술의 확산을 촉진하기 위한 방안으로 저비용 엣지 컴퓨터와 오픈소스 소프트웨어(OSS)를 활용한 비전 AI 기반 적정 세이프 팩토리 모듈을 설계 및 구현하였다. 대상 공정은 석유화학 공정용 배관 용접 공정으로, 개인보호구(PPE) 안전조끼와 헬맷 미착용과 고위험 자세인 넘어짐을 동시에 인식하는 복합 안전 관리 기능을 제공하는 것을 목표로 한다. 제안된 모듈은 대표적인 소형 엣지 컴퓨터인 Raspberry Pi 5와 현장 설치가 용이한 돔형 웹캠으로 구성되어 120달러의 비용으로 구축되었다. 또한, 개발 과정에서 저사양 컴퓨팅 환경에서도 실시간 검출 성능을 확보할 수 있는 Open Neural Network Exchange (ONNX) 형식 변환 등 최적화 기법을 적용하였다. 연구 결과, 제안된 모듈은 온프레미스 기반 온디바이스 추론을 통해 중소기업 환경에서도 기술 수용성과 보안성을 높이고, 실질적인 안전 관리 수준 향상을 달성할 수 있는 적정 스마트 산업안전기술로 활용 가능함을 확인하였다.

Industrial safety is a critical factor determining the sustainability and productivity of on-site operations. Although Information and Communications Technology (ICT)-based industrial safety technologies have been actively developed recently, the digital transformation of industrial sites is still constrained by insufficient infrastructure and high costs. This study designs and implements an Appropriate Safe Factory Module based on Vision AI, utilizing low-cost edge computing and Open Source Software (OSS) to promote the dissemination of ICT-based smart industrial safety technology. The target process is the pipeline welding process for petrochemical facilities, and the module aims to provide advanced safety management capabilities by simultaneously detecting non-wearing of Personal Protective Equipment (PPE) (safety vests and helmets) and the high-risk posture of falling. The proposed module consists of a Raspberry Pi 5, a representative small-scale edge computer, and an easy-to-install dome-shaped webcam, constructed for $120. Furthermore, optimization techniques, such as conversion to the Open Neural Network Exchange (ONNX) format, were applied during development to maintain real-time detection performance (1–5 fps) even in a low-spec computing environment. The research results confirm that the proposed module can be used as an appropriate smart industrial safety technology that enhances technological acceptability and security through on-premises, on-device inference in small and medium-sized enterprise (SME) environments, thereby achieving a practical improvement in safety management.