이미지 인식 AI, 음성 인식 AI를 활용해 산악 터널 굴착 중 카메라 영상 데이터를 분석해 건설 기계의 배치와 작업별 소요 시간을 자동으로 파악하는 멀티모달 AI(*1)를 활용하는 기술입니다 CyclEye는 터널 굴착 작업별 소요 시간(Cycle Time)과 문제로 인해 작업이 중단된 시간(Downtime)에 대한 정보를 365일 24시간 자동으로 수집하여 생산성 향상에 필요한 데이터를 분석하고 현장 관리 방법을 고려하는 것이 가능합니다 CyclEye는 슬롯 커뮤니티야시코퍼레이션과 서울대학교가 공동 개발한 기술입니다

사이클 시간 및 가동 중지 시간 시각화

• 각 사이클 시간은 자동으로 측정되고 차트 형태로 시각화됩니다 콘크리트 살포 작업 시간에 대한 시계열 데이터를 표시하고, 그룹별 파이 차트를 이용하여 선택한 작업일의 사이클 시간을 비교할 수 있습니다
• 작업자의 주기 시간, 누적 경험 및 성취도를 학습 곡선으로 시각화하고 작업자의 동기를 향상시켜 생산성을 향상시킵니다

　　

멀티모달 AI로 정확성 향상

• 객체 감지 및 객체 추적을 통해 산터널 굴착 영상 데이터를 분석함으로써 각 건설 기계의 움직임을 이해할 수 있습니다 동일한 건설기계를 사용하여 락볼트를 천공, 장입, 배치할 때 본체와 팔 역할을 하는 붐, 고소 작업하는 작업자를 운반하는 맨케이지 사이의 위치 관계를 분석하여 각 작업을 식별하는 자세 추정 기술을 사용합니다
• 물체가 겹치면 AI가 이를 인식할 수 없으므로 스펙트로그램(*2)을 사용하여 작업 시 발생하는 특징적인 소리, 기계 엔진 소리 등 건설 ​​현장에서 발생하는 소리를 시각화합니다 이를 음향 장면 분류(*3), 음향 사건 감지 시스템(*4) 등의 음성 인식 기술로 보완하여 작업 내용 추정의 정확도를 높이고 있습니다



사이클타임 외 공사정보 획득

• 중장비의 작동 시간을 지속적으로 측정하여 터널 굴착 작업 중 CO2 배출량을 추정합니다
• 임시 저장고의 흙량을 확인할 수 없는 야간 작업 시, 덤프트럭의 반출입 횟수 기록을 통해 변위량을 추정할 수 있습니다 얻은 정보는 저장고 밖으로 부지를 이동하기 위한 다음날 작업을 신속하게 계획하는 데 유용합니다 또한, 각 작업 시 건설기계의 위치관계에 대한 데이터를 얻을 수 있어 자율터널 건설기계의 기초데이터로 활용될 수 있을 것으로 기대된다

페이지 상단으로 이동