산업기술/제조/경영

Nikkei Monozukuri_2022.7 리포트 (p39)

도시바, 인프라 점검용 AI 기술 개발
여러 장의 정상 화상을 분석해 이상(異常)을 검출

도시바는 5월 23일, 여러 장의 정상 화상을 분석해 점검 화상에 찍힌 물체의 이상 지점을 특정하는 인공지능(AI) 기술을 개발했다고 발표했다. 인프라 점검용을 상정한 것으로, 점검 현장에서의 AI 학습이 필요 없다. 균열이나 녹, 누수, 이물질 부착, 부품의 탈락(脫落) 등 발생의 빈도 낮고 학습되지 않은 이상이라도 고정밀도로 검출할 수 있다고 한다. 2023년의 실용화를 목표로 하고 있다.

-- 수 장의 화상으로부터 이상을 판단 --
교량의 고가 밑이나 산악지대의 철탑, 터널, 태양광 패널의 뒷면과 같은 장소는 점검원이 출입할 때 위험이 따른다. 점검 장소를 촬영한 화상을 기반으로 AI가 이상을 판단할 수 있으면 위험을 줄일 수 있지만, 사람이 출입하기 어려운 장소에서는 AI의 학습이나 판단에 사용되는 화상을 대량으로 촬영하기 어렵다.

과제는 기존의 AI 기술에도 있었다. 도시바에 따르면, 촬영된 점검 화상과 미리 준비된 정상 화상 간에 보는 방식의 차이가 있으면, 정상적인 상태에도 불구하고 AI가 비정상이라고 잘못 판단하는 경우(과검출)가 있었다. 이 때문에 기존에는 과검출을 상정해 사람이 육안으로 다시 한번 점검 화상을 확인해야 하는 번거로움이 있었다고 한다.

도시바가 이번에 개발한 AI 기술은 점검 화상의 이상도(異狀度)를 스코어 맵으로 표시한다. 도시바는 우선, 공개되고 있는 화상 데이터베이스 ‘ImageNet’의 화상을 기반으로 심층학습 모델을 구축. 이를 이용해 점검 화상과 정상 화상의 심층 특징량을 도출한 후, 점검 화상과 특징량이 비슷한 정상 화상을 자동으로 선택 및 비교해서 그 차이를 파악해 스코어 맵을 계산했다. 이를 통해 적은 양의 정상 화상으로도 이상 스코어 맵을 계산할 수 있다고 한다.

이 스코어 맵 계산까지는 이미 알려져 있는 기술로, 앞에서 언급한 바와 같이 정상이라도 비정상이라고 판단하는 과검출이 발생하기 쉽다. 이를 해결하기 위해 도시바는 여러 장의 정상 화상에서 비슷한 특징 부분을 차감하여 도출한 스코어 맵을 보완하는 기술을 개발했다. 이를 통해 기존의 과제였던 이상에 대한 과검출을 해결할 수 있었다고 한다. 공개 데이터 세트를 이용해 이상 유무를 판단하는 정밀도를 검증한 결과, 기존의 89.9%에서 91.7%로 향상. “세계 최고 정밀도의 성능을 달성했다”(도시바)라고 한다.

 -- 끝 --.

Copyright © 2020 [Nikkei Monozukuri] / Nikkei Business Publications, Inc. All rights reserved.