• Cutting-edge AI research .
  • Accelerating innovations in research and service .
  • “SotA” (State-of-the-Art) .
  • Human. Machine. Experience Together .

에코제주 프로젝트에 적용된 ‘Machine Vision AI’에는 어떤 특별함이 숨어 있을까요?

2021.09.03

에코제주 프로젝트에 적용된 ‘Machine Vision AI’에는 어떤 특별함이 숨어 있을까요?

최근 SK텔레콤은 환경부, 제주특별자치도, 한국공항공사, 스타벅스 코리아, CJ대한통운, 행복 커넥트와 함께 제주 지역 스타벅스 매장을 중심으로 다회용 컵 사용 문화를 확산하는 ‘에코제주 프로젝트*’를 시작했습니다. (관련기사 : https://www.news2day.co.kr/article/20210602500245)
*‘에코제주 프로젝트’는 스타벅스 매장에 사회적기업 행복커넥트가 다회용 컵(해피해빗 컵)을 비치하고, 사용이 완료된 컵을 제주 내 스타벅스 매장 또는 제주공항에 설치된 무인 반납기를 통해 회수하는 방식으로 운영된다. 고객은 1,000원의 보증금을 내고 다회용 컵을 이용한 뒤 반납 시 반납기에서 보증금을 환급 받는다.

얼핏 보기에 어울리지 않는다고 생각하는 ‘환경(에코)’과 ‘기계(머신)’의 조합이 다회용 컵 무인 반납기 덕분에 가능해 졌습니다. 무인 반납기가 지정된 컵만 구분해서 받아들이게 하고 이를 통해 일회용 컵 줄이는 프로젝트에 핵심적인 역할을 수행하게 하는 데에 SK텔레콤의 Machine Vision AI 기술을 적용한 것입니다.

이 에코제주 프로젝트가 단 2주만에 준비되었다는 사실이 매우 놀라운데요

사업 주체 간 협력 의사가 있어도 관련 기술이 시점에 맞게 준비되지 않으면 기술이 준비될 때까지 기다려야 하는 경우가 다반사인데, 이러한 AI 서비스 개발을 2주 안에 신속하게 완료할 수 있었던 비결은 바로 SK 텔레콤이 자체 개발한 Vision AI Full Stack Solution 에 있습니다.
Vision AI Full Stack 은 SK 텔레콤이 보유하고 있는 Vision AI end-to-end 기술이 집약된 플랫폼으로, 데이터 수집부터 모델링, 추론 및 서비스 제공에 이르는 AI 기술 요소를 포괄하여 제공할 수 있는 장점을 가지고 있습니다.

이번 에코 제주 프로젝트에서는 이 Vision AI Full Stack를 활용해
1) 데이터 수집, 레이블링과 2) AI 모델 학습 그리고 3) AI 모델 배포라는 전 과정을 순환 구조 (feedback loop) 로 구성하여, 시간이 지남에 따라 모델의 성능을 높일 수 있도록 개발하고 운영하고 있습니다.

좀더 자세히 살펴보면,
1) 데이터 수집과 레이블링
고객이 해피해빗 컵을 반납기에 반납하면, 반납기 내부의 카메라로 컵 표면을 촬영하여 이미지로 만든 후, 반납기와 AI 모델을 연동하는 API를 통해 판정 요청을 하게 됩니다. API는 배포된 AI 모델을 기반으로 해당 이미지를 추론하고 동시에, 데이터베이스에 이미지를 자동으로 적재합니다.
에코제주의 경우, 하루 평균 1,800 장 내외의 데이터를 수집하고 있으며, 연내 제주 스타벅스 전 지점 (26 개점) 으로 확대 시 하루에만 15,000 건 이상의 데이터를 누적할 것으로 예상하고 있습니다. 수집된 이미지를 의미 있는 데이터로 활용하기 위해서는 해당 이미지가 어떤 정보를 담고 있는지 정답을 입력하는 레이블링 과정이 필수적이지만 데이터를 사람이 일일이 살펴보고 레이블링을 한다면 양이 많을 수록 시간과 비용이 많이 소요되는 문제가 있습니다. 에코제주 프로젝트는 Meta Learner**의 레이블링 자동화 기능을 활용하여 시간과 비용을 획기적으로 줄일 수 있었습니다. 그리고 이렇게 자동 레이블링한 실 사용 데이터를 모델의 성능을 지속적으로 고도화하기 위한 Input Data로 활용하고 있습니다.
**Meta Learner: Vision AI Full Stack의 요소로 AI 모델 자동 탐색 및 AI 데이터 레이블링 자동화 기능 지원

2) AI 모델 학습
에코제주 AI 모델은 반투명한 컵 표면에 음료 잔여물이 남아 있는 상황에서도 '정확히' 해피해빗 컵을 인지해야 하고, 동시에 컵과 함께 투입되는 이물질(빨대, 슬리브, 스티커 등)을 탐지하여 걸러 내야 하며, 반납기가 악용되지 않도록 해피해빗 컵이 아닌 다른 종류의 투입품을 포착하여 분류해야 합니다. 이렇게 다양한 판단을 해야 하는 AI 모델을 효율적으로 개발하기 위해 최적의 AI 모델을 자동으로 탐색해주는 Meta Learner를 활용하였습니다.

여기에 사용되는 모델의 핵심은 비지도 이상 탐지 (unsupervised anomaly detection) 기법입니다. 상대적으로 많은 양의 정상 데이터를 확보하기 용이하므로, 정상 데이터만을 학습하여 그것과 벗어나는 정도로 이상 점수를 정의하는 방법이고, 양질의 이상 데이터를 확보 하기 어려운 경우에는 지도 학습 (supervised learning) 기법보다 더 좋은 성능을 보이는 것으로 알려져 있습니다.
에코제주 AI 모델의 경우에도 컵 판정 정확도(Accuracy) 99.4%***라는 높은 성능을 보여주고 있습니다.
***반납기를 통해 판정을 요청한 전체 이미지 중 모델이 정확하게 판정한 이미지 수의 비율을 의미,
2021/7/24 (토) – 7/27 (화) 4일 간의 실 이미지 8,143건의 대상으로 측정함

3) AI 모델 배포
사용자가 더 나은 서비스를 경험하려면 학습된 모델을 서비스에 반영하는 시간을 단축해야 합니다. 이 때도 Meta Learner가 자체 Serving Engine 을 통해 자동으로 탐색한 AI 모델을 서비스로 배포하여 쉽고 빠르게 업데이트 가능하였고, 서버 이상 등의 상황이 발생하더라도 안정적인 추론 환경을 제공할 수 있었습니다.
이러한 과정을 거쳐 AI 모델과 사용자의 서비스 경험을 동시에 향상시키는 에코제주를 위한 Vision AI의 순환 구조 (feedback loop) 를 완성했습니다.

물론 Vision AI Full Stack을 활용하여 구축한 Vision AI 순환 구조와 비지도 이상 탐지 모델은 현재 SK텔레콤이 추진하고 있는 Security, Media, Smart Factory, Medical 등의 분야에 모두 공통적으로 활용되고 있으며, Vision AI 서비스를 필요로 하는 모든 산업에 적용이 가능합니다.

금번 에코제주 프로젝트는 Machine Vision AI 기술이 사람 뿐 아니라 자연에도 도움을 줄 수 있다는 것을 보여주는 좋은 사례입니다.
SK텔레콤은 이렇게 사람과 자연을 아우르는 즉 ‘세상을 이롭게 하는’ AI 기술을 개발하고 적용하려는 노력을 계속하고 있으며, 좋은 사례들을 본 채널을 통해 지속적으로 소개하겠습니다.