철도 Object Detection 개요
드론과 AI 기반 객체 탐지 기술은 철도 인프라 점검 분야에서 빠르게 확산되고 있다. 기존의 인력 중심 점검 방식 대비 비용 절감, 안전성 향상, 데이터 일관성 확보 측면에서 뚜렷한 이점을 제공한다.
핵심 요약
| 항목 | 내용 |
|---|---|
| 글로벌 시장 규모 | 1,890M (2030), CAGR 11.6% |
| 주요 활용 분야 | 지장물 탐지, 시설물 감지, 전차선 검사, 건널목 감시 |
| 국내 주요 기관 | 코레일(KORAIL), 한국철도기술연구원(KRRI), 국가철도공단 |
| 대표 성과 | MSL-YOLO mAP 94.3%, 코레일 AI 점검 열차 7편성 운행 |
| 핵심 과제 | 소형 객체 탐지, 야간·악천후 대응, 엣지 실시간 처리 |
문서 탐색
철도 분야 활용 현황
철도 Object Detection은 크게 네 가지 핵심 영역으로 구분된다.
지장물 탐지 (Foreign Object Detection)
선로 위에 낙석, 쓰러진 나무, 사람, 차량 등 열차 운행을 위협하는 이물질을 실시간으로 감지한다. 오탐(False Positive)보다 미탐(False Negative)이 더 치명적이므로 Recall 지표를 최우선으로 설계한다.
시설물 감지 (Infrastructure Detection)
레일, 침목, 체결장치, 분기기, 전차선 등 철도 핵심 시설물의 균열·결함·이상 상태를 탐지한다. 정밀한 클래스 분류와 위치 정확도가 요구된다.
전차선 검사 (Catenary Inspection)
팬터그래프와 접촉하는 전차선의 마모, 이탈, 애자 손상을 드론 탑재 카메라로 점검한다. 고전압 환경으로 인한 접근 제한 문제를 드론이 해결한다.
건널목 감시 (Level Crossing Surveillance)
무인 건널목이나 고위험 건널목에서 사람·차량 침입을 실시간 감지하여 열차 기관사에게 경보를 발송한다.
철도 지장물 탐지 연구
| 모델명 | mAP | 특징 | 데이터셋 |
|---|---|---|---|
| MSL-YOLO | 94.3% | 다중 스케일 레이어, 소형 객체 강화 | 자체 구축 |
| YOLO-UAT | 91.5% | UAV 특화 어텐션 모듈 | RailFOD23 |
| PMC 연구 | 83.1% | Pseudo-labeling 반지도학습 | 혼합 |
| YOLOv8-Rail | 89.7% | Transformer 인코더 결합 | 자체 구축 |
| RT-DETR-Rail | 90.2% | 실시간 DETR 기반 | COCO + 자체 |
| Cascade R-CNN | 88.4% | 고정밀 2-stage 탐지 | 자체 구축 |
참고: mAP는 mAP@50 기준이며, 데이터셋 구성에 따라 수치가 달라질 수 있다.
철도 시설물 감지 연구
| 모델명 | 기반 | 주요 탐지 대상 | 성능 |
|---|---|---|---|
| MSIM-YOLOv11m | YOLOv11m | 다중 시설물 통합 탐지 | mAP 92.1% |
| RCID-YOLOv5s | YOLOv5s | 레일 균열·손상 감지 | mAP 87.6% |
| DP-YOLOv5 | YOLOv5 | 동적 프루닝 경량화 | mAP 85.3%, 2.1× 속도 |
| Catenary-YOLO | YOLOv8 | 전차선 이상 탐지 | mAP 91.0% |
| Switch-Net | ResNet50 | 분기기 상태 분류 | Acc 96.4% |
드론 기반 철도 점검 사례
한국철도기술연구원 (KRRI) - 92억 원 프로젝트
KRRI는 총 92억 원 규모의 국가 R&D 과제로 드론 기반 철도 시설물 자율 점검 시스템을 개발 중이다.
- 사업 기간: 2023~2027년 (5년)
- 핵심 기술: 자율 비행 경로 생성, AI 결함 탐지, 3D 디지털 트윈 연동
- 목표 성능: 레일 균열 탐지 정확도 95% 이상, 점검 속도 시속 60km
- 협력 기관: KRRI, KAIST, 코레일, 국가철도공단
서울교통공사 드론 관제 시스템
서울 지하철 1~8호선 터널 구간에 드론 관제 시스템을 도입하여 야간 점검 자동화를 추진 중이다.
- 점검 주기: 주 1회 심야 점검 (기존 월 1회 대비 4배 향상)
- 탐지 항목: 터널 균열, 침수, 전선 이탈, 이물질
국가철도공단 AI 점검
국가철도공단은 교량, 터널, 노반 시설물에 드론 + AI 점검 체계를 단계적으로 도입하고 있다.
코레일 AI 자동점검 시스템
코레일(KORAIL)은 2023년부터 AI 기반 자동점검 열차를 실전 운영 중이다.
| 항목 | 내용 |
|---|---|
| 운행 편성 | 7편성 (전국 주요 노선 커버) |
| 점검 분야 | 궤도, 전기, 신호, 통신, 토목 — 총 5개 분야 |
| 점검 항목 | 17개 세부 항목 |
| 누적 성과 | 조류 둥지 180개 발견, 레일 이상 징후 조기 감지 다수 |
| 점검 속도 | 영업 운행 속도(최대 250km/h)와 동일 속도로 점검 |
| AI 모델 | YOLO 계열 + 자체 학습 데이터 적용 |
| 비용 절감 | 인력 점검 대비 40% 절감 추정 |
| 점검 주기 | 월 1회 → 매일 (영업 운행 병행) |
| 조기 감지 | 실제 장애 발생 전 평균 14일 전 감지 |
코레일 AI 자동점검 열차는 별도 점검 시간을 확보할 필요 없이 영업 운행 중 동시에 점검 데이터를 수집·분석한다.
점검 항목 상세
| 분야 | 점검 항목 | 탐지 방법 |
|---|---|---|
| 궤도 | 레일 균열, 체결장치 이완·누락, 침목 손상 | 카메라 + AI |
| 전기 | 전차선 이탈, 애자 손상, 드로퍼 단선 | 카메라 + AI |
| 신호 | 신호기 현시 오류, 표지 누락·손상 | 카메라 + AI |
| 통신 | 안테나 손상, 케이블 노출 | 카메라 + AI |
| 토목 | 교량 균열, 터널 누수, 노반 침하 | LiDAR + AI |
한국 철도 AI 정책
코레일 AI 전략 본부 설립 (2024)
코레일은 2024년 AI 전략 본부를 신설하여 전사 AI 전환(AX)을 추진 중이다.
- 중점 과제 1: AI 기반 예측 정비(PdM) — 고장 발생 전 사전 감지
- 중점 과제 2: 생성형 AI 활용 고객 서비스 자동화
- 중점 과제 3: 철도 운행 최적화 AI (다이아 자동 조정)
디지털 트윈 연계
국가철도공단과 코레일은 BIM 기반 철도 디지털 트윈과 드론 점검 데이터를 연동하는 통합 플랫폼을 구축 중이다.
- 드론 촬영 → AI 탐지 → 결함 위치 자동 매핑 → 디지털 트윈 반영
- 점검 이력 자동 기록 및 유지보수 일정 자동 생성
ETRI 협약
한국전자통신연구원(ETRI)과 코레일은 2024년 AI 철도 안전 기술 공동 연구 협약을 체결하였다.
- 연구 주제: 엣지 AI 기반 실시간 지장물 탐지, 자율 드론 철도 점검
- 활용 모델: 경량화 YOLO + TensorRT 최적화