스마트한 관리를 위한 스마트한 AI 시스템의 도입을 고민하신다면
스마트인사이드AI의 자체 개발 AI 엔진을 활용하여 고유 솔루션을 도입해 보시기를 바랍니다.
AI의 활용과 확산 촉진을 위해 솔루션이 필요한 중소·벤처·중견기업(수요기업)에게 바우처(상품권)을 발급·지급하고,
등록된 공급기업의 AI 솔루션을 활용하도록 하는 지원사업
1. 데이터 형식 : 텍스트 파일(CSV, TXT) 등
2. 이상 탐지 : 센서데이터는 특성상 불량 데이터가 적음, 당사는 정상 데이터를 딥러닝 모델로 학습하고 적정 범위 이탈 시에 이상을 탐지
3. 알고리즘
가. Auto Encoder 기반의 자체 모델 : 정상 상태 학습 시 노이즈와 신호를 구별할 수 있도록 학습되어, 센서의 노이즈에 대해 강건한(Robust) 특성을 보임
나. 데이터 특성에 따라 필요 시 DWT(Discrete Wavelet Transform)를 활용하여 주파수 영역으로 변경하여 처리, DWT는 고주파수 구간은 시간분해능이 높고, 저주파수 구간은 주파수 분해능이 높은 특성을 보여 정확도를 향상하는데 도움이 됨
4. 모델링 : 자체 Auto DL 프로세스를 통해 모델의 레이어 개수, 사이즈 등을 자동으로 비교하여 최적의 모델을 만들고, Hyperparameter Tuning을 통해 최고의 성능을 유도
5. 적용 및 모델 개선 : 추후 이상 탐지 시 점검 후에 원인을 알게 되면 이상종류에 대한 라벨을 추가 학습하여 원인에 대한 설명도 제공
6. 모델 파일 및 모델 개발 보고서 작성/제공
영상/이미지 데이터
1. 데이터 형식 : 이미지 파일(jpg, png 등) 또는 동영상 파일(mp4, avi 등)
2. 라벨링 형식
가. 불량 판별 등 불량 종류 이름, 파일명에 반영 또는 별도 파일(json, txt 파일 등)
나. 객체 인식 : COCO 데이터셋 라벨 파일 형식 또는 Detectron2 라벨 형식 파일
3. 전처리 알고리즘
가. 데이터 증강 (회전, 확대/축소, 조도 등 다양한 이미지 변경)
나. 노이즈 제거 (U-net 기반 자체 알고리즘 활용으로 식별 어려운 이미지를 이진화하여 판별에 활용)
4. 모델링
가. CNN(Convolutional Neural Network)와 Object Detection 알고리즘 적용
나. Vistion Transformer, EfficientNet 등 다수의 최신 알고리즘 및 손실함수 등 다양한 Hyperparameter를 자동으로 테스트 수행하여 최상의 알고리즘 10개를 자동으로 학습 및 추출 (자체 개발 Auto Deep Learning 프로세스)
5. Deployment : 적용 현장에서 정확도 및 처리속도 중요성에 따라 위의 모델을 1개의 모델로 최적화, 속도와 정확도 사이에는 Trade-off 관계 존재하여 정확도 높인 모델도 초당 3장 이상 처리가능, 속도 중요한 환경에서는 초당 20장 이상 처리하여 실시간 영상 처리 가능토록 함
6. 시각화 : 딥러닝의 판별 사유를 확인할 수 있도록 Grad-CAM 기반의 이미지 제공. 시각화를 통해 모델의 판변 사유 알수 있으며, 잘못 판별된 경우에 구체적 사유 확인이 가능함.
7. 적용 및 모델 개선 : 실적용 시 잘못 판별된 데이터 확인하여 데이터 증강을 통해 추가학습하여 실적용 시의 정확도를 개선
8. 모델 파일 및 모델 개발 보고서 작성/제공