Intelligent Vision-Based Pose Estimation with the Turn-of-Nut Method for Bolt Monitoring

현대 세계의 숨겨진 구조물 속에서, 마천루의 강철 거더부터 항공기의 복잡한 프레임에 이르기까지, 수많은 금속 패스너가 모든 것을 하나로 묶어주고 있습니다. 이것들은 단순한 나사산이 있는 원통형 부품인 볼트로, '프리로드(preload)'라고 불리는 숨겨진 힘에 의존하여 고정 상태를 유지합니다. 볼트를 조이면 볼트가 미세하게 늘어나면서 결합된 부품들을 제자리에 고정하는 강력한 클램핑력을 생성합니다. 그러나 엔진의 끊임 없는 진동, 교량의 무게 변화, 또는 기계의 리드미컬한 타격은 이러한 장력을 서서히 약화시킬 수 있습니다. 볼트가 느슨해지면 결합부가 헐거워져 잠재적으로 치명적인 실패로 이어질 수 있습니다. 수십 년 동안 이러한 연결 부위가 단단하게 유지되는지 확인하는 것은 노동 집약적인 작업이었으며, 종종 인간 검사원이 망치로 볼트를 두드려 소리의 변화를 듣거나 무거운 렌치를 사용하여 실제로 돌아갔는지 확인해야 했습니다. 볼트에 센서를 내장하여 모니터링할 수도 있지만, 이러한 장치들은 비싸고 복잡한 배선이 필요하며 가혹한 환경에서 자주 고장이 납니다. 오랫동안 과제는 손을 대거나 구조를 변경하지 않고도 볼트 내부의 보이지 않는 장력을 "보는" 방법을 찾는 것이었습니다.

하빈 공학 대학교(Harbin Engineering University)와 바하우딘 자카리아 대학교(Bahauddin Zakariya University)의 연구진은 볼트와 너트를 카메라가 풀어야 할 시각적 퍼즐로 취급하는 새로운 접근 방식을 개발했습니다. 물리적 센서나 인간의 귀에 의존하는 대신, 그들은 두 대의 카메라를 사용하여 볼트와 너트를 동시에 관찰하는 시스템을 구축했습니다. 핵심 아이디어는 단순하면서도 정밀합니다. 만약 볼트가 느슨해진다면, 너트와 볼트 머리는 서로를 기준으로 회전하게 됩니다. 이 미세한 회전을 극도로 정확하게 측정함으로써, 시스템은 장력이 정확히 얼마나 손실되었는지 계산할 수 있습니다. 이를 구현하기 위해 연구팀은 정교한 컴퓨터 비전 모델인 YOLOv11-pose라는 인공지능을 훈련시켜 금속 표면의 특정 지점들을 인식하도록 했습니다. 그들은 소프트웨어가 볼트 머리와 너트 각각에서 다섯 개의 뚜렷한 랜드마크를 식별하도록 가르쳤습니다. 이 랜드마크는 금속 부품의 방향을 정의하는 네 개의 고정된 지점과, 회전의 기준 역할을 하는 하나의 움직이는 마커로 구성됩니다.

과정은 카메라가 조립체를 포착하는 것으로 시작됩니다. 카메라가 항상 볼트와 완벽하게 정렬되어 있지는 않기 때문에, 이미지는 마치 직선 막대가 각도에 따라 휘어져 보이는 것처럼 원근법에 의해 왜곡될 수 있습니다. 이를 보정하기 위해 시스템은 이미지를 평평하게 만드는 수학적 변환을 적용하여, 볼트와 너트의 정면을 완벽하게 보여주는 뷰를 생성합니다. 이를 통해 컴퓨터는 움직이는 마커의 각도를 높은 정밀도로 측정할 수 있습니다. 마커의 각도를 볼트의 마커 각도와 비교함으로써, 시스템은 두 요소 사이의 상대적 회전을 계산합니다. 이 측정값은 너트 회전법(Turn-of-Nut method)에 기반한 기계적 모델로 전달되는데, 이는 너트가 얼마나 돌아갔느냐와 볼트가 얼마나 늘어났느냐 사이의 관계를 다루는 표준 공학 원리입니다. 금속 부품의 강성과 초기 조임 강도를 파악함으로써, 시스템은 그 미세한 회전 각도를 구체적인 힘의 값으로 변환하여 엔지니어들에게 프리로드가 정확히 얼마나 남아 있는지 알려줍니다.

이 방법을 테스트하기 위해 연구진은 스테인리스 스틸로 제작된 특정 M20 크기의 대형 볼트 하나를 사용하여 통제된 실험을 설정했습니다. 그들은 조립체를 조인 후, 실제 장력을 기록하기 위해 매우 민감한 힘 측정용 저울인 디지털 로드 셀을 사용했습니다. 그런 다음 로드 셀의 판독값과 카메라 시스템이 생성한 추정값을 비교했습니다. 결과는 유망했습니다. 회전 각도를 측정할 때 시스템은 평균 오차 1도 미만, 최대 오차 2.4도의 놀라운 정확도를 보였습니다. 이 각도를 힘 측정값으로 변환했을 때, 시스템은 평균 0.63kN의 오차로 프리로드를 추정했습니다. 볼트가 수백 kN의 힘을 견뎌야 하는 산업 안전의 맥맥락에서, 이 정도의 정밀도는 이 방법이 유의미한 느슨함을 감지하는 데 실행 가능하다는 것을 시사합니다.

그러나 연구는 시각에만 의존하는 것의 한계 또한 드러냈습니다. 연구진은 시스템이 조명 조건에 민감하다는 것을 발견했습니다. 주변 밝기를 낮추었을 때 측정 정확도가 떨어졌습니다. 빛이 어두워지면 시스템은 마커의 정확한 위치를 찾는 데 어려움을 겪었고, 이는 힘 계산의 오차를 키웠습니다. 밝기가 75% 감소했을 때, 힘 추정의 평균 오차는 거의 3kN까지 상승했습니다. 이는 이 기술이 통제된 환경에서는 잘 작동하지만, 신뢰할 수 있는 기능을 수행하기 위해서는 명확한 가시성과 일관된 조명이 필요함을 나타냅니다. 또한 연구진은 녹, 기름, 페인트와 같은 표면 상태가 마커를 보는 카메라의 능력에 간섭할 수 있다고 언급하며, 향에 버전의 시스템은 더럽거나 열악한 산업 환경을 처리할 수 있을 만큼 견고해져야 함을 시사했습니다.

이 연구의 의의는 침습적이고 비용이 많이 드는 모니터링 방법을 비접촉식의 저비용 솔루션으로 대체할 수 있는 잠재력에 있습니다. 회전의 시각적 탐지와 입증된 기계적 모델을 결합함으로써, 연구진은 구조물에 구멍을 뚫거나 전선을 연결하지 않고도 핵심 구조물의 상태를 모니터링하는 방법을 입증했습니다. 현재의 연구는 실험실 환경에서의 단일 유형 볼트로 제한되었지만, 이 프레임워크는 명확한 발전 경로를 제공합니다. 시스템은 듀얼 카메라 설정이 볼트와 너트의 상대적 움직임을 추적하여 구조물을 지탱하는 내부 힘을 추정할 수 있을 만큼 충분한 정밀도를 가질 수 있음을 성공적으로 증명했습니다. 이 기술이 성숙해지고 더 다양한 종류의 볼트와 더 도전적인 실제 환경에서 테스트됨에 따라, 이 기술은 교량, 풍력 터빈, 항공기의 안전을 보장하며 구축된 세계의 보이지 않는 힘을 지속적으로 감시하는 표준 도구가 될 수 있습니다.