💻 computer science

CableDex: Cable Length Estimation on Industrial Reels Using a Handheld Device

CableDex는 카메라 보정, 인스턴스 분할, 부피 계산을 결합하여 단 한 장의 사진으로 산업용 케이블 릴 길이를 정확하게 추정함으로써 4.90%의 평균 절대 백분율 오차를 달로 달성하는, 휴대폰을 활용한 컴퓨터 비전 시스템입니다.

원저자: Francisco Guillén, Ricardo Almeida, Bruno Silva, João C. Neves

게시일 2026-08-11

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Francisco Guillén, Ricardo Almeida, Bruno Silva, João C. Neves

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

거대한 창고 안에 도시나 공장을 연결하는 데 쓰이는 거대한 케이블 스풀(spool)들이 가득 차 있는 모습을 상상해 보세요. 이 스풀들은 매우 무겁고, 케이블은 그 주위에 단단히 감겨 있습니다. 이제 한 작업자가 스풀에 케이블이 얼마나 남아 있는지 정확히 알아내야 한다고 가정해 봅시다. 옛날에는 스풀이 얼마나 무겁게 느껴지는지를 보고 짐작하거나, 최악의 경우에는 측정하기 위해 전체를 다 풀어내야 했습니다. 이는 느리고, 지저분하며, 좌절감을 주는 과정이었습니다. 이것이 바로 시간이 곧 돈이고 실수가 큰 비용을 초래하는 산업 제조 현장의 세계입니다.

이를 해결하기 위해 과학자들은 컴퓨터 비전이라는 컴퓨터 과학의 한 분야를 사용합니다. 이것을 여러분의 눈이 하는 것처럼 컴퓨터가 카메라 렌즈를 통해 세상을 '보고' 이해하도록 가르치는 것이라고 생각하면 됩니다. 두 가지 핵심 기술이 컴퓨터가 이 작업을 수행하도록 돕습니다. 첫 번째는 **세그멘테이션(segmentation)**으로, 이는 디지털 가위처럼 사진에서 특정 물체(예: 스풀)를 배경으로부터 잘라내는 것입니다. 두 두 번째는 **포즈 추정(pose estimation)**으로, 평면 사진만 보고도 컴퓨터가 물체가 3D 공간에서 어떻게 기울어져 있거나 회전해 있는지 파악하는 능력입니다. 이 기술들을 기하학적 원리와 결합하면, 컴퓨터는 단 한 장의 사진을 보고 복잡한 형태의 와이어 코일이라 할지라도 그 부피를 계산할 수 있습니다. 이 논문은 이러한 첨단 기술들을 먼지 날리는 실제 공장 바닥에 적용하여 작업자의 시간과 골칫거리를 줄이는 까다로운 현실 세계의 문제를 다룹니다.

케이블 개수를 세는 마법 같은 앱

산업용 케이블 릴(reel)을 위한 디지털 탐정 역할을 하는 똑똑한 새로운 시스템, CableDex를 만나보세요. 이 시스템이 해결하는 문제는 단순하지만 번거롭습니다. 거대한 릴에서 케이블을 뽑아 쓸 때, 직접 고생하지 않고서는 남은 양을 정확히 알 수 없다는 점입니다. CableDex는 작업자가 일반 스마트폰으로 릴의 사진을 딱 한 장 찍기만 하면, 남은 케이블 길이를 매우 정확하게 추정하여 즉시 알려줌으로써 판도를 바꿉니다.

마법이 일어나는 단계별 과정은 다음과 같습니다.

1. "디지털 가위" (인스턴스 세그멘테이션)
먼저, 시스템은 자신이 무엇을 보고 있는지 알아야 합니다. 이를 위해 1,000장의 다양한 케이블 릴 사진으로 학습된 YOLO11s라는 매우 똑똑한 AI 모델(신경망의 일종)을 사용합니다. 이 모델을 매우 정밀한 디지털 가위라고 생각하면 됩니다. 사진을 찍으면 AI는 즉시 사진에서 릴과 케이블을 나머지 배경으로부터 잘라내어 완벽한 윤곽선을 만듭니다. 이 모델은 매우 뛰어나서 **99.5%**의 정확도로 작업을 수행하며, 이 모든 과정을 눈 깜빡임보다 빠른 5.66밀리초 만에 끝냅니다.

2. "스마트 아이" (카메라 캘리브레이션)
컴퓨터가 무엇인가를 측정하기 전에, 휴대폰 카메라가 세상을 어떻게 보는지 알아야 합니다. 모든 사람의 눈이 색을 조금씩 다르게 보는 것처럼, 모든 휴대폰 렌즈도 미세하게 다릅니다. CableDex에는 다양한 휴대폰 모델에 대한 캘리브레이션(교정) 데이터가 담긴 내장 "메모리 뱅크"가 있습니다. 시스템에 처음 연결된 휴대폰이라면, 사용자는 체커보드 패턴(체스판 같은 모양)을 찍는 5초간의 짧은 영상을 촬영해야 합니다. 시스템은 이 영상을 분석하여 카메라의 "내부 비밀"(초점 거리 및 렌즈 왜곡)을 파악하고, 나중에 사물을 정확하게 측정할 수 있도록 합니다.

3. "3D 탐정" (포즈 추정)
이제 컴퓨터는 릴이 무엇인지, 그리고 카메라가 세상을 어떻게 보는지 알게 되었으므로 3D 기하학 게임을 시작합니다. 컴퓨터는 사진 속 릴의 네 모서리를 보고 이를 실제 세계의 알려진 크기와 비교합니다. 이를 통해 릴이 공간에서 정확히 어떻게 놓여 있는지, 즉 얼마나 멀리 떨어져 있고 어떻게 기울어져 있는지를 파악할 수 있습니다. 이것을 포즈 추정이라고 합니다. 릴의 위치를 파악하고 나면, 릴 위의 케이블을 3D 공간으로 매핑하여 케이블 더미의 상단 반경, 하단 반경, 그리고 높이를 계산할 수 있습니다.

4. "부피 계산기" (수학적 부분)
케이블 더미의 3D 형태가 파악되면, 시스템은 "절두체 원뿔"(윗부분이 잘린 원뿔) 공식을 사용하여 케이블의 총 부피를 계산합니다. 하지만 주의할 점이 있습니다. 케이블은 단단한 플라스틱 덩어리가 아니라, 그 사이에 작은 공기 틈이 있는 둥근 와이어라는 점입니다. 시스템은 와이어 사이의 공기를 나타내기 위해 부피의 약 **21.5%**를 빼는 방식으로 이를 보정합니다. 마지막으로, 이 부피를 케이블의 두께(릴의 바코드 라벨을 스캔하여 얻음)로 나누어 전체 길이를 밝혀냅니다.

실제로 효과가 있을까요?

연구팀은 포르투갈의 한 공장에서 실제 환경을 통해 CableDex를 테스트했습니다. 단순히 컴퓨터 시뮬레이션에 그치지 않고, 5가지 유형의 서로 다른 스풀을 가진 75개의 릴을 대상으로 현장에서 직접 테스트했습니다.

결과는 인상적이었습니다. 시스템은 평균 오차 단 **4.90%**로 케이블 길이를 추정했습니다. 산업 현장에서는 보통 **10%**의 오차 범위도 허용 가능한 수준으로 간주하므로, CableDex는 안정적인 범위 내에 충분히 들어와 있습니다. 연구팀은 릴의 크기가 결과에 영향을 미치지 않는다는 것을 발견했습니다. 즉, 작은 릴에서도 큰 릴에서와 마찬가지로 정확했습니다.

한계와 미래

시스템이 무게나 케이블을 풀어내는 방식보다 훨씬 개선된 형태이지만, 저자들은 이 시스템의 한계에 대해서도 솔직하게 밝히고 있습니다. 이 수학적 모델은 케이블이 팬케이크를 쌓아 놓은 것처럼 아주 깔끔하고 정갈하게 감겨 있다고 가정합니다. 만약 케이블이 느슨하거나 무질서하게 감겨 있다면 "절두체 원뿔" 모양이 변하게 되어 추정치가 덜 정확해질 수 있습니다.

하지만 대부분의 공장 상황에서 CableDex는 단순한 사진 한 장을 정밀한 측정값으로 바꾸는 빠르고 신뢰할 수 있는 방법을 제공합니다. 이는 느리고 수동적인 짐작을 신속한 스냅샷으로 대체함으로써, 때로는 거대한 산업적 문제를 측정하는 가장 좋은 방법이 바로 사진을 찍는 것임을 증명합니다.

기술 요약: CableDex

문제 정의
산업 제조 환경에서 릴(reel)에 남아 있는 케이블의 잔여 길이를 결정하는 것은 지속적인 운영상의 과제이다. 전통적인 방식은 특수 장비를 사용하거나 케이블을 완전히 풀어내야 하며, 두 방법 모두 시간이 많이 소요되고 비효율적이다. 또는 작업자들이 무게 기반 추정치에 의존하기도 하지만, 이는 정밀도가 떨어진다. 따라서 접근 가능한 하드웨어를 사용하여 케이블 길이를 신속하고 정확하며 비침습적으로 추정할 수 있는 방법이 필요하다.

방법론
CableDex는 휴대용 모바일 기기로 촬영된 단일 사진을 통해 케이블 길이를 추정하도록 설계된 컴퓨터 비전 시스템이다. 이 시스템은 Flutter 모바일 애플리케이션, Python/FastAPI 백엔드, 그리고 케이블 사양을 위한 외부 API로 구성된 클라이언트-서버 아키텍처로 작동한다. 처리 파이프라인은 네 개의 통합된 모듈로 구성된다:

카메라 캘리브레이션(Camera Calibration): 시스템은 Zhang의 알고리즘을 사용하여 카메라의 내적 행렬( $K$ )을 추정한다. 중복되는 캘리브레이션을 피하기 위해 중앙 집중형 데이터베이스가 스마트폰 모델별로 인덱싱된 캘리브레이션 파라미터를 저장한다. 등록되지 않은 기기의 경우, 사용자가 체스판 패턴의 짧은 영상을 기록하면 백엔드에서 프레임을 추출하고, 코너를 서브픽셀 정밀도로 검출하며, 내적 파라미터를 계산한다.
인스턴스 분할(Instance Segmentation): YOLO11s 모델이 이미지를 분할하여 릴과 케이블 영역을 구분하고, 이진 마스크( $B_{reel}$ 및 $B_{cable}$ )를 생성한다. 모델은 다양한 방향의 5가지 릴 유형을 포함하는 1,000개의 수동 주석 이미지(3,000개로 증강됨)로 학습되었다. 신뢰도가 0.85 이상인 탐지만 처리되며, 시스템은 이미지 중심에 가장 가까운 릴과 케이블을 선택한다.
포즈 추정 및 기하학적 복원(Pose Estimation and Geometry Recovery): 분할 마스크를 사용하여 시스템은 릴의 네 개 극점 코너와 그에 대응하는 케이블 마스크의 가장 가까운 점들을 식출한다. 이 2D 점들은 알려진 3D 릴 치수와 결합되어 PnP(Perspective-n-Point) 알고리즘에 입력되어 릴의 회전 행위( $R$ )와 이동 벡터( $t$ )를 복원한다. 케이블 코너들은 3D 월드 좌표로 역투영되어 상단 반경( $r_1$ ), 하단 반경( $r_2$ ), 그리고 케이블 영역의 높이( $h$ )를 결정한다.
체적 계산(Volumetric Calculation): 케이블 체적( $V_{cable}$ )은 원형 케이블 권선 사이의 공기 비율( $\alpha \approx 0.215$ )을 조정한 절두체 원뿔 공식을 사용하여 추정된다:
$V_{cable} = \frac{\pi h}{3} (r_1^2 + r_1 r_2 + r_2^2) \times (1 - \alpha)$
최종 길이는 릴 라벨 스캔을 통해 얻은 케이블의 단면적으로 계산된 체적을 나누어 도출된다.

주요 기여

엔드 투 엔드 파이프라인: 본 논문은 라벨 스캔 및 이미지 캡처부터 세그멘테이션, 포즈 추정, 길이 계산에 이르기까지 모바일 애플리케이션을 통해 구현된 완전한 시스템 흐름을 제시한다.
효율적인 세그멘테이션 모델: 저자들은 네 가지 YOLO11 변형 모델과 Mask R-CNN을 평가하였으며, 속도와 정확도의 최적의 균형을 갖춘 YOLO11s를 선택하였다. 이 모델은 Mask R-CNN(33.57 ms)보다 훨씬 빠른 5.66 ms의 추론 시간을 유지하면서도 대등한 정확도로 99.5%의 mAP50(mean Average Precision)을 달성하였다.
강건한 캘리브레이션 전략: 시스템은 특정 기기 모델에 대해 사전 계산된 파라미터를 활용할 수 있도록 데이터베이스 기반 접근 방식을 사용하여 사용자 경험을 간소화한다.

실험 결과
시스템은 COFICAB Portugal의 표준 공장 조명 조건 하에서 다섯 가지 릴 유형(NPS150, NPS250, NPS400, D600, D800)에 걸친 75개의 산업용 릴을 대상으로 평가되었다.

정확도: 시스템은 **4.90%**의 전체 평균 절대 백분율 오차(MAPE)를 달성하였다.
허용 오차: 이 결과는 산업용 케이블 릴 측정에서 일반적으로 수용되는 10% 오차 허용 범위 내에 있다.
일관성: 성능 분석 결과 릴 크기와 추정 정확도 사이에 유의미한 상관관계가 없음을 나타냈다. 저자들은 잔여 오차의 주요 원인을 릴의 치수 자체가 아니라 이미지 획득 조건, 세그멘테이션 품질 또는 케이블 두께의 변화 때문이라고 설명하였다.

의의 및 한계
CableDex는 수동 측정 및 무게 기반 추정의 실행 가능한 대안을 제공하며, 시간을 단축하고 정확도를 높임으로써 제조 환경에 명확한 자산이 될 수 있다. 이 시스템은 핸드헬드 기기가 컴퓨터 비전과 결 결합될 때 복잡한 산업용 측정을 수행할 수 있음을 성공적으로 입증하였다.

그러나 저자들은 시스템의 한계에 대해 겸허한 범위를 유지한다. 체적 추정은 규칙적인 권선 패턴을 가정하는 절두체 원뿔 근사에 의존한다. 논문은 케이블이 느슨하게 또는 불규칙하게 감겨 있을 경우 이러한 기하학적 가정에서 벗어나 추정 정확도에 영향을 미칠 수 있음을 명시적으로 언급하였다. 시스템은 모든 가능한 권선 불규칙성을 처리한다고 주장하지 않으며, 대신 표준적인 산업용 사례를 다루는 데 집중한다.

케이블 개수를 세는 마법 같은 앱

실제로 효과가 있을까요?

한계와 미래

기술 요약: CableDex

유사한 논문