DX 시대의 스마트 야드(Smart Yard), '비전 AI'가 조선소의 눈이 되는 법

현장의 숙련공이 눈으로 철판의 상태를 살피고 크레인의 안전 거리를 가늠하듯, 스마트 조선소에서는 카메라(Sensor)와 비전 AI(Brain)가 그 역할을 대신하거나 보조하고 있습니다.

단순히 "찍는 것"을 넘어 "판단하는" Computer Vision 기술이 현장에 어떻게 적용되는지 기술 구조와 함께 살펴보겠습니다.

---

1. Edge-to-Cloud 기반 비전 시스템 구성도 (Example)

조선소 현장에 비전 시스템을 구축할 때 가장 기본이 되는 구성 예시입니다.

코드 스니펫

 

graph LR
    A[현장 카메라/CCTV] -- "영상 스트림(RTSP/ONVIF)" --> B{Edge Gateway}
    B -- "객체 탐지(YOLO v8/v11)" --> C[현장 제어부/PLC]
    B -- "이벤트 데이터(MQTT)" --> D[통합 관제 서버]
    D -- "데이터 대시보드" --> E[현장 관리자 Mobile/PC]
    
    style B fill:#f96,stroke:#333,stroke-width:2px

• Data Acquisition (수집): 고정식 CCTV나 드론, 작업자 헬멧에 장착된 카메라가 raw 데이터를 획득합니다.
• Edge Computing (연산): 현장의 Edge PC에서 비전 알고리즘이 실시간으로 객체를 식별(Object Detection)합니다. (예: 안전모 미착용, 화재 징후 등)
• Feedback (제어): 판단 결과에 따라 PLC를 통해 크레인을 멈추거나 사이렌을 울리는 즉각적인 액션을 수행합니다.

---

2. 조선 현장 맞춤형 비전 AI 활용 사례 (Use Case)

조선업의 특수성을 고려한 비전 기술의 핵심 적용 분야입니다.

① 선각 및 의장 작업 안전 모니터링 👷‍♂️

• 기술: 딥러닝 기반 객체 인식 (Detection)
• 현장 언어: "사람이 크레인 가동 범위(Dead Zone) 안에 들어왔는가?", "고소 작업 시 안전고리를 제대로 체결했는가?"를 AI가 24시간 감시하여 중대재해를 예방합니다.

② 블라스팅 및 도장 품질 검사 (Inspection) 🎨

• 기술: 이미지 세그멘테이션 (Segmentation)
• 현장 언어: 도장 전 블라스팅 조도(Roughness)가 균일한지, 혹은 도장 후 홀리데이(Holiday, 미도장 부위)나 런(Run, 흐름 현상)이 발생했는지 카메라가 정밀하게 체크하여 재작업(Rework)을 줄입니다.

③ 자재 및 부품 식별 (Traceability) 🏗️

• 기술: OCR(광학 문자 인식) 및 형상 인식
• 현장 언어: 수많은 부재(Member)와 파이프 피팅류에 적힌 마킹을 비전 AI가 자동으로 읽어 들여 ERP 시스템과 동기화합니다. "이 부재가 어느 블록에 들어갈 놈인지" 일일이 확인할 필요가 없어집니다.

---

3. 전문가의 한 끗: 카메라 vs 비전 AI의 관계

현장에서 혼동하기 쉬운 부분을 정의하자면 다음과 같습니다.

"카메라는 단순한 영상 획득 장치(Data Logger)이고, 비전 AI는 그 데이터를 가공해 의미 있는 신호(Signal)로 변환하는 로직(Logic)입니다."

아무리 고성능 카메라를 달아도 하단의 분석 알고리즘(YOLO, ResNet 등)이 현장 데이터에 최적화(Fine-tuning)되어 있지 않으면, 그것은 눈만 좋고 판단력이 없는 것과 같습니다. 따라서 조선소 같은 거친 환경에서는 조도 변화, 분진, 진동에 강한 모델 학습이 필수적입니다.

---

🌟 결론: 현장 기술자에게 비전 AI란?

비전 AI는 기술자의 노하우를 '디지털 규칙'으로 만드는 과정입니다. 숙련공이 "이 정도면 도장이 잘 됐다"라고 느끼는 그 감각을 데이터화하여 시스템에 이식하는 것이죠.

스마트 조선소의 완성은 결국 현장의 생생한 눈(Vision)을 얼마나 정확하게 시스템으로 구현하느냐에 달려 있습니다.