JW's AI_Stash

3.2.1 철도 AI 지물 검출 시스템 개요

6 min read

철도 AI 지물 검출 시스템 개요

드론 또는 점검 차량이 촬영한 철도 영상에서 AI가 시설물을 자동으로 찾아내고 경계를 표시해 주는 시스템이다. 수천 장의 영상을 수작업으로 분류하던 현장 업무를 자동화한다.

핵심 요약

항목내용
탐지 방식GroundingDINO(위치 파악) + SAM 2.1(경계 추출) 2단계 파이프라인
검출 대상10종 핵심 철도 지물 (전차선로 5종 + 궤도·교량 5종)
입력점검 영상 이미지 (JPG / PNG)
출력지물별 마스크(Mask) + 이름표(Label) + 신뢰도 점수
운영 방식웹 기반 뷰어 (http://127.0.0.1:3000)

1. 도입 배경

기존 철도 시설물 관리는 점검 차량이 촬영한 수만 장의 영상에서 작업자가 직접 시설물을 찾아 분류하는 방식이었다.

단계기존 (사람 중심)AI 도입 후
위치 파악영상 전체를 훑으며 육안 검색AI가 0.1초 만에 박스로 표시
경계 지정마우스로 테두리를 하나씩 클릭AI가 지물 경계를 자동 추출
지물 분류목록에서 이름을 직접 선택AI가 10종 자동 분류
  • 시간 단축: 수동 작업 대비 90% 이상 절약
  • 비용 절감: 외부 라벨링 용역 비용 감축
  • 디지털 전환: 모든 시설물이 좌표 데이터로 기록 → 자산 관리 시스템 연동 가능

2. AI 검출 대상 — 10종 지물

전차선로 부품 (하늘 영역)

명칭설명
catenary_pole전차선을 지지하는 전주(기둥)
cantilever_bracket전주에서 전선을 잡아주는 삼각형 지지대
contact_wire팬터그래프와 직접 닿는 전차선
messenger_wire전차선이 처지지 않게 위에서 잡아주는 조가선
insulator전기가 통하지 않게 전선을 격리하는 애자

궤도 및 교량 시설 (바닥 영역)

명칭설명
rail철도 바퀴가 닿는 금속 궤도
concrete_sleeper레일을 바닥에 고정하는 콘크리트 침목
ballast궤도 바닥에 깔린 도상 자갈
bridge_girder교량 상판을 지탱하는 거더
bridge_pier교량을 떠받치는 교각

단순히 존재 여부만 판단하지 않고 정확한 경계를 추출한다. 이를 통해 지물의 면적·마모도 변화를 시간순으로 추적할 수 있다.

3. AI 검출 원리

시스템 내부에서 두 AI 모델이 협력한다.

  • GroundingDINO: 이름을 받아 이미지에서 위치(박스)를 찾는 탐색 모델
  • SAM 2.1: 박스 안을 들여다보고 지물의 실제 경계를 픽셀 단위로 추출하는 세그멘테이션 모델
flowchart TD
    A[사용자: 지물 이름 입력] --> B[GroundingDINO: 위치 박스 탐색]
    B --> C[SAM 2.1: 정밀 경계 추출]
    C --> D{합산 신뢰도 판정}
    D -->|통과| E[화면에 Mask + Label 표시]
    D -->|미달| F[미표시 — 오탐 방지]

합산 신뢰도: GroundingDINO 확신도 × SAM 경계 품질 → 둘 다 높아야 최종 표시. 하나라도 낮으면 결과를 표시하지 않아 오탐을 줄인다.

공간 필터링: 예를 들어 레일이 하늘 영역에서 탐지되면 시스템이 자동으로 기각한다.

4. railway vs railwayMaster 비교

구분3.1 railway3.2 railwayMaster
독자연구자 · 개발자현장 운영자 · 기획자
AI 모델SAM 3, YOLO-SegGroundingDINO + SAM 2.1
코드 포함O (Python, SQL)X
데이터셋AI Hub, RailFOD23 구축 상세이미지 준비 및 품질 기준
파이프라인배치 처리 · 중심선 추출 · DB 저장뷰어 기반 실시간 검출

문서 탐색

이전다음
3.1.3 철도 파이프라인 설계3.2.2 검출 데이터 준비 가이드

참고 자료

출처내용
3.1.1 철도 OD 개요연구·학술 관점의 철도 AI 탐지 동향
GroundingDINO 논문텍스트 기반 객체 탐지 모델 원논문
SAM 2 공식 문서Meta SAM 2.1 모델 소개

Graph View

Backlinks