[ROADs] Project Introduction
Road Obstacle AI Detection service
AI기반 도로장애물 탐지 서비스:
도로시설물의 파손으로 인해서 불편을 겪는 시민들이 많아지고 있다.
따라서 이러한 불편을 쉽게 해소하고자, object detection model 을 이용해서 빠르게 도로장애물의 파손여부를 파악할 수 있도록 하는 서비스를 만들어서, 실제로 도로를 이용하고 관리하는 사용자들에게 도움이 될 수 있도록 함을 목적으로 한다.
도로장애물로 인해서 사용자들의 불편호소 및 처리요청 민원은 꾸준하게 증가하는 반면에, 실제로 도로장애물의 파손을 파악하고 유관부서에서 실제로 보수하는데에는 오랜 기간이 소요됨을 확인하였다.
따라서 파손된 도로시설물을 빠르게 파악하고, 신속한 유지보수가 이루어질 수 있도록 서비스의 기능을 구성하였다.
위 목적을 달성하기 위해서, 본 서비스를 이용해서 사용자에게 제공할 주요 기능은 다음과 같다.
목표로 하는 사용자는 다음과 같으며, 서비스 이용목적이 다른 두 타겟을 대상으로 한다.
(1) 도로 운전자
- 실제 내비게이션 처럼 본 서비스를 이용하게 된다.
- 네비게이션을 이용하는 방식과 동일하게 서비스를 이용하면 되나, 지도에 파손된 시설물 위치/종류가 표시되어 있어 정보확인 가능
- 주행하다가, 파손 시설물 근처에 접근하게 되면 알림을 받을 수 있다.
- 주행하면서, 도로에서 파손 시설물을 발견하면 해당 파손물은 자동 탐지되어서, 지도에 표시된다.
- 따라서 다른 운전자들은 해당 파손물의 위치와 정보를 알 수 있고, 지자체 사용자는 유지보수에 참고할 수 있다.
(2) 도로시설물 관련 지자체 사용자
- 서비스 이용 운전자들이 주행하면서 탐지한 도로파손물들을 검색할 수 있다.
- 파손물이 탐지된 위치, 날짜, 종류, 사진을 확인할 수 있다.
이 프로젝트에서 모델관련 파트를 담당했고, obstacle detection 에 사용하고자 하는 모델과 dataset 은 아래와 같다.
Model
YOLOv8n 을 사용해서 custom dataset을 적용한 transfer learning 으로 detect model을 만들기로 함
[선정이유]
1. 실시간으로 주행하면서 장애물을 검출해야 하므로, 낮은 복잡도와 빠른 추론 속도를 제공하는 YOLOv8 중 관심영역(ROI) 내 모든 클래스 탐지에 성공하고 추론속도도 빠른 세부 모델 YOLOv8n 선정
2. webcam을 통한 FPS 실험 결과반영 (환경: macOS (Apple M1, 22.1.0 Darwin Kernel))
- YOLOv8m (2 ~ 3 FPS)
- YOLOv8s (7 ~ 8 FPS)
- YOLOv8n (10 ~ 11 FPS)
Dataset
AI hub - 지자체 도로부속시설물 파손 데이터
(도로부속시설물 정상 및 파손 → 총 16개 클래스)
