Smart Railway Obstruction Detection System using IoT and Computer Vision

기술 요약: NETRA – 스마트 철도 장애물 탐지 시스템

문제 제기
인도 철도는 야생동물 침입 (특히 코끼리 이동 통로) 과 고의적인 악의적 장애물 (철봉이나 바위를 이용한 파괴 행위) 이라는 두 가지 주요 원인으로 인해 치명적인 안전 문제를 직면하고 있습니다. 광섬유 기반의 '가자라지 (Gajraj)' 시스템과 같은 기존 솔루션은 막대한 배포 비용 (km 당 1,000 달러) 과 높은 오경보율로 인해 인도 내 101 개 코끼리 이동 통로 중 단 20 개에만 제한적으로 적용되고 있습니다. 또한, 많은 비전 기반 시스템은 지속적인 카메라 작동과 GPU 급 하드웨어를 요구하여 전력 제약이 있는 원격 엣지 환경에는 적합하지 않습니다. 야생동물과 장애물을 모두 실시간으로 탐지할 수 있는 통합적이고 비용 효율적이며 인터넷에 의존하지 않는 시스템은 부재합니다.

방법론
본 논문은 라즈베리 파이 플랫폼에 엣지 배포되도록 설계된 다층 침입 탐지 프레임워크인 NETRA를 제안합니다. 시스템 아키텍처는 다섯 가지 순차적 단계로 구성됩니다:

1. 확률론적 센서 융합: 전력 소모가 큰 구성 요소를 작동시키기 전에 오양성을 최소화하기 위해 2 단계 센서 레이어를 사용합니다.

   • 모션 트리거: HC-SR501 PIR 센서가 초기 모션을 감지합니다.
   • 공간 검증: PIR 가 활성화되면 HC-SR04 초음파 센서가 거리를 측정합니다.
   • 융합 논리: 확률론적 모델이 PIR 모션 증거 ($w_{PIR}=0.4$) 와 거리 기반 공간 검증 ($w_{dist}=0.6$) 에 가중치를 부여하여 침입 확률 ($P_{intrusion}$) 을 계산합니다.
   • 이벤트 기반 활성화: 카메라는 $P_{intrusion}$이 경험적으로 최적화된 임계값 ($\tau_c = 0.65$) 을 초과할 때만 활성화됩니다. 이 접근 방식은 불필요한 시각 처리를 52% 감소시킵니다.

2. 엣지-AI 분류: 트리거되면 시스템은 하드웨어에 맞춤화된 딥러닝 모델을 사용하여 위협을 로컬에서 분류합니다.

   • 라즈베리 파이 제로 (저비용 티어): MobileNet-SSD(PASCAL VOC 에서 사전 학습됨) 를 사용합니다. 명시적인 '코끼리' 클래스가 부재하므로, 인간에 대한 직접 탐지와 장애물에 대한 윤곽선 기반 분석과 함께 크기 기반 휴리스틱 (바운딩 박스 면적 비율 $\geq 0.25$) 에 의존하여 코끼리를 추론합니다.
   • 라즈베리 파이 4 (고성능 티어): YOLOv5s(INT8 로 양자화되어 ONNX Runtime 을 통해 실행) 를 사용합니다. 이 모델은 2,500 개 이상의 철도 이미지로 구성된 커스텀 데이터셋으로 미세 조정되어 휴리스틱 없이 코끼리, 인간, 장애물을 원천적으로 다중 클래스로 탐지할 수 있습니다.

3. 경보 전송: 확인된 위협은 **LoRa(868 MHz)**를 통해 접근하는 열차의 ESP32 마이크로컨트롤러로 전송됩니다. 셀룰러 인프라 없이 1~2km 거리에서 신뢰할 수 있는 통신을 보장하기 위해 적응형 스프레딩 팩터 (SF7–SF12) 를 사용합니다.

주요 기여

• 통합 탐지 프레임워크: NETRA 는 단일 인터넷 비의존 아키텍처 내에서 야생동물 (특히 코끼리) 과 악의적 장애물을 동시에 탐지하는 최초의 제안된 시스템입니다.
• 확률론적 센서 융합: PIR 과 초음파 센서를 조정 가능한 임계값 ($\tau_c = 0.65$) 과 통합하여 95% 탐지 정확도를 달성하고 **오경보 0%**를 기록하여 이진 융합 방법 (85% 정확도) 을 크게 능가합니다.
• 비용 효율적인 엣지 배포: 가자라지 시스템 대비 배포 비용을 75% 절감합니다 ($km 당 247 달러 vs $1,000 달러). 계층적 배포 전략을 제공합니다:
  • 티어 1(중요): 고위험 코끼리 이동 통로를 위한 Pi 4 + YOLOv5($km 당 100 달러).
  • 티어 2(표준): 중위험 구역을 위한 Pi Zero + MobileNet-SSD($km 당 20 달러).
• 에너지 효율성: 확인된 침입 시에만 카메라를 활성화함으로써 지속적인 모니터링 대비 에너지 소비를 62.8% 감소시켜 태양광 작동이 가능합니다.

실험 결과
시스템은 1 주일 동안 반실외 환경에서 113 개의 모션 이벤트를 통해 평가되었습니다:

• 탐지 정확도: 확률론적 융합은 95% 탐지율과 0% 오경보율을 달성했습니다.
• 분류 성능:
  • Pi 4(YOLOv5): 코끼리 탐지에서 83.5% F1-점수를 달성하여 Pi Zero 의 휴리스틱 접근법 대비 5.6 배 개선되었습니다. 또한 인간에 대해서는 92%, 장애물에 대해서는 100% 의 F1-점수를 달성했습니다.
  • Pi Zero(MobileNet-SSD): 코끼리와 큰 가축 (물소) 간의 크기 모호성으로 인해 코끼리 탐지에서 14.8% F1-점수에 그쳤으며, 이는 중요한 코끼리 이동 통로에는 부적합하지만 일반적인 인간/장애물 모니터링에는 실행 가능합니다.
• 지연 시간 및 신뢰성: Pi 4 플랫폼에서 종단 간 지연 시간 (탐지부터 경보까지) 은 2.4 초였습니다. LoRa 통신은 현장 시험에서 1~2km 거리에서 100% 패킷 전달률을 달성했습니다.
• 현장 검증: 7 일간 배포에서 시스템은 42 건의 인간 침입, 15 건의 동물 침입, 8 건의 코끼리 횡단, 12 건의 선로 장애물을 정확히 식별하여 77 건의 위험 경보를 전송하고 오경보는 0 건이었습니다.

의의 및 주장
본 논문은 NETRA 가 기존 인프라가 부재하거나 비용이 너무 많이 드는 원격 철도 안전을 위한 실용적이고 확장 가능한 솔루션을 제공한다고 주장합니다. 센서 융합과 계층적 엣지 컴퓨팅을 결합함으로써 야생동물과 파괴 행위의 이중 위협을 해결하면서도 철도 운영에 필수적인 낮은 오경보율을 유지합니다. 저자들은 시스템의 인터넷 연결 없이 작동할 수 있는 능력과 75% 의 비용 절감 효과가 현재 광섬유 솔루션에 대한 실행 가능한 대안이 되며, 인도의 모든 101 개 코끼리 이동 통로 커버리지를 가능하게 할 수 있음을 강조합니다.

인정된 한계
저자들은 몇 가지 제약 사항을 지적합니다:

• Pi Zero 의 휴리스틱 접근 방식은 중요한 구역의 코끼리 탐지에는 불충분합니다.
• Pi 4 의 ONNX 배포는 백엔드 파싱 차이로 인해 소/물소를 인간으로 체계적으로 오분류합니다.
• 카메라에 적외선 기능이 부재하여 현재 야간 탐지는 지원되지 않습니다.
• 안전 제약으로 인해 현장 검증은 활성 철도 선로가 아닌 반실외 환경에서 수행되었습니다.