중장비 공장 안전모 감지 개선

중장비 공장에서 작업자의 안전모 착용 여부를 정확하게 감지하는 것은 매우 중요하지만, 수동 검사나 영상 감시는 오판 및 누락의 위험이 있습니다. 이에 따라 현대 공장의 안전 관리를 위해 빠르고 지능적인 감지 알고리즘 개발이 필수적입니다. 본 연구는 객체 감지 분야에서 속도와 정확성의 균형이 뛰어난 YOLO 시리즈를 기반으로, YOLOv10 모델을 개선하여 안전모 식별 성능을 향상시켰습니다. 먼저, YOLOv10의 Conv 컨볼루션을 분산형 DSConv 컨볼루션으로 대체하여 컨볼루션 레이어의 메모리 효율성을 높이고 작은 객체 식별 정확도를 확보했습니다. 또한, Dysample 모듈을 통합하여 계산 부하를 줄이고 샘플링을 개선하여 모델의 일반화 능력을 향상시켰으며, WIoU 손실 함수를 도입하여 수렴 속도를 높이고 적응성을 강화했습니다. 최적화된 모델은 SSD, Faster RCNN 및 다양한 YOLO 버전과 같은 주류 객체 인식 알고리즘과 비교했을 때 우수한 성능을 보였습니다. 특히, 원본 YOLOv10 대비 평균 정확도는 0.5% 증가했으며, 부동 소수점 연산량은 7.1%, 모델 크기는 1.4% 감소했습니다. 최종적으로, 최적화된 모델을 Atlas200I DK A2 컴퓨팅 박스에 배포하여 IoT 엣지 디바이스에서의 활용 가능성을 검증했습니다.