이미지 분석(이상 탐지) 솔루션
(ImageCatcher)이란?
GBPL의 이상 탐지(Anomaly Detection) 솔루션(ImageCatcher)은 의류 및 차량 등의 데이터를 기반으로 정상 패턴과 다른 특성을 가진 데이터를 효과적으로 식별하는 AI 기반 분석 시스템입니다.
본 솔루션은 YOLO v10과 ViT 알고리즘을 결합한 Hybrid 모델을 활용하여 이미지 내 이상치를 감지하고, 이를 통해 오염도 및 손상도를 분석하여 최적의 해결 방안을 도출합니다.
  • Anomaly detection

    이상 탐지

    AI 기반 데이터 분석을 통해 의류 및 차량 이미지에서 정상 패턴과 다른 특성을 가진 데이터 탐색

  • Object detection & classification

    객체 감지 및 분류

    YOLO v10 기반의 Hybird Model 을 활용한 이미지 내 이상 객체 탐지

  • Data labeling & preprocessing

    데이터 라벨링 및 전처리

    LabelMe 등의 오픈소스 툴을 활용한 데이터 구성 및 이미지 라벨링

  • Accuracy improvement techniques

    정확도 향상 기법 적용

    모델 최적화를 위한 다양한 데이터 전처리 및 증강 기법 활용

  • Real-time detection & analysis

    실시간 감지 및 분석

    빠른 분석 속도로 즉각적인 문제 탐지 및 대응 지원

이미지 분석 솔루션의 데이터 활용 절차
데이터 수집 - ERP 세탁업 MOU 업체 제공 데이터 (의류 데이터 200만 장)
- AI Hub 제공 의류 데이터 (40만 장)
- 차량 데이터(AI Hub 제공 100종 5만 장), 사고차 업체 제공(예정) 데이터 (20종 1만 장)
데이터 전처리 - 데이터 정제 및 라벨링 (LabelMe 활용)
- 이미지 리사이징 및 비율 조정
- 이상 패턴 감지를 위한 분류 라벨 적용
학습 - 총 10만 장 이상의 데이터 학습
- YOLOv10 + ViT 결합한 Hybrid 모델 기반 최적화 진행
- 데이터 증강 및 다양한 이미지 변형 기법 적용
평가 - Loss 값 분석을 통한 학습 성능 검증
- 정밀도(Presision) 및 재현율(Recall) 기반 모델 평가 진행
- 학습 결과 시각화를 통해 이상 탐지 모델의 성능 확인
이미지 분석 솔루션 적용 기술
  • Pytorch | FastAPI | Hugging Face Transformers | MMDetection | TensorRT

    대규모 데이터 처리 및 실시간 이상 탐지

  • YOLO v10 + ViT 기반 하이브리드 모델

    빠른 속도와 높은 정확도 제공

  • Random Cropping | 데이터 불균형 보정 | Adaptive Learning Rate

    성능 최적화

  • Image Resizing | Blur & Noise Augmentation | Color Jittering

    안정적인 감지 성능 유지 및 다양한 조건에서 학습 가능하도록 지원

  • GPU 기반(A6000 * 2), Conda 24.x, Cuda 12.4, WandB 모니터링 활용

    빠른 모델 학습 및 추론 가능, 모델 성능 개선

기대 효과
  • 산업 전반의
    이상 탐지
    기능 강화

    제조, 물류, 자동차, 세탁업 등 다양한 산업군에서 활용 가능

  • 오염도 및
    손상도 분석
    최적화

    의류 및 차량 등의 품질 검사 자동화 지원

  • 비용 절감 및
    운영 효율
    향상

    AI 기반 분석을 통한 자동화 및 비용 절감 가능

  • 실시간
    데이터 처리

    이상 탐지 및 문제 해결을 위한 실시간 대응 가능