광부의 안전모, AI가 지켜준다? 복잡한 갱도 속 똑똑해진 ‘동적 배경 인식’ 기술

깊은 지하 갱도 안에서 일하는 광부들에게 안전모는 생명줄이다. 떨어지는 암석이나 낙반 사고에서 머리를 보호해주는 최소한의 안전장치이기 때문이다. 그런데 이런 필수품조차 실제로 잘 착용되고 있는지 확인하는 일은 생각보다 쉽지 않다. CCTV는 달려있지만, 어두운 갱도와 복잡한 배경, 먼지와 수증기 때문에 사람이 직접 모니터링하기도, 기존 AI가 자동으로 감시하기도 쉽지 않다.

중국 광산 인공지능 연구소 연구진은 바로 이 문제를 풀기 위해 새로운 AI 감시 기술을 내놨다. 이름하여 ‘동적 배경 인식 안전모 감지 기술’. 복잡한 갱도 배경에도 흔들리지 않고, 샘플이 부족해도 스스로 학습해 작은 헬멧까지 놓치지 않고 찾아낸다. 안전모 하나를 제대로 찾아내기 위해 AI가 얼마나 똑똑해졌는지 들여다봤다.

왜 갱도 안전모는 감지가 어려울까

갱도 안에서 안전모 감지가 어려운 데는 몇 가지 이유가 있다. 첫째, 대부분의 작업자는 안전 규정상 안전모를 반드시 쓰고 있어서 ‘안 쓴 상태’ 데이터가 거의 없다. AI가 ‘쓰지 않은 사람’을 찾아내려면 쓰지 않은 샘플도 학습해야 하는데, 샘플이 턱없이 부족한 셈이다.

둘째, 갱도는 환경 자체가 복잡하다. 어두컴컴하고 먼지와 수증기가 많아 영상이 뿌옇게 찍힌다. 거기에 기계 장비나 다른 장치들이 배경에 잔뜩 깔려 있어 AI가 헷갈리기 쉽다. 셋째, CCTV는 주로 갱도 위쪽 벽면에 고정 설치되기 때문에 사람이 찍히는 위치도 일정하다. 이 때문에 AI가 ‘안전모가 있을 법한 구역’만 계속 학습하게 되면서 편향이 생긴다.

YOLOv10 기반으로 새로 짠 ‘맞춤 AI’

연구진은 최신 실시간 객체 탐지 알고리즘인 YOLOv10을 기본으로 삼았다. 그리고 갱도의 복잡한 조건에 맞게 두 가지 특별한 기능을 붙였다.

첫 번째는 ‘동적 배경 인식 모듈(DBConv)’이다. 기존에는 안전모가 아니라 주변 기계나 구조물 같은 배경이 헷갈려서 오인식이 잦았다. 연구진은 CNN(합성곱 신경망)에 배경 마스크를 씌워 불필요한 영역을 자동으로 걸러내게 했다. 간단히 말해, AI가 “여긴 배경이니까 신경 쓰지 말자!”라고 스스로 판단하게 만든 셈이다.

두 번째는 ‘글로벌-로컬 융합 모듈(GLFM)’이다. 헬멧은 이미지에서 작은 객체로 잡히기 때문에 AI가 놓치기 쉽다. 이 모듈은 AI가 전체적인 큰 흐름(저주파)과 국소적인 디테일(고주파)을 동시에 잡도록 해준다. 덕분에 먼 배경에 묻힌 작은 안전모도 포착할 수 있다.

데이터는 어떻게 보강했나

‘안 쓴 안전모’ 샘플이 적다는 문제는 어떻게 풀었을까? 연구진은 지상 건설현장 등 다양한 장면에서 찍힌 안전모 데이터셋을 갱도 데이터에 섞었다. 동시에 영상 반전, 회전, 모자이크 기법으로 데이터를 가상으로 늘려 학습량을 키웠다. 덕분에 AI는 갱도의 한정된 장면에 갇히지 않고 더 다양한 상황을 인식할 수 있게 됐다.

또한 연구팀은 헬멧의 비율(길이와 너비)을 분석해, 이를 학습 손실 함수에 반영했다. 쉽게 말해 AI가 실제 안전모의 모양과 크게 벗어나지 않게 예측하도록 ‘가이드라인’을 넣어준 것이다.

얼마나 좋아졌을까

실험 결과는 놀라웠다. 이 새 모델은 기존 YOLOv10, YOLOv8, YOLOv9보다 최소 5% 이상 높은 정확도를 기록했다. 특히 복잡한 배경에서 잘못 인식하는 비율은 14%나 낮췄다. 헬멧을 쓴 사람은 94% 이상 정확히 찾아냈고, 안 쓴 사람도 89% 이상 잡아냈다.

작은 헬멧 탐지 성능도 크게 개선됐다. 기존 모델들이 놓쳤던 픽셀 32×32 이하의 작은 안전모도 잘 찾아냈다. 이는 실제 광부들이 좁고 멀리 떨어진 갱도에서 일할 때 특히 중요한 성능이다.

갱도 밖, 어디까지 쓸 수 있을까

이번 연구는 갱도라는 특수한 환경에서 시작됐지만, 그 아이디어는 다른 산업 안전 분야에도 적용할 수 있다. 공사 현장, 공장, 발전소 등 ‘작은 물체를 복잡한 배경 속에서 실시간으로 찾아내야 하는’ 모든 현장에 쓸 수 있는 셈이다.

다만 연구진도 한계를 인정했다. 갱도 밖 다른 환경에서는 데이터 특성이 달라 효과가 떨어질 수 있고, 새로운 환경에선 다시 데이터 보강이 필요하다. 그럼에도 현장 맞춤형 AI로 작업자 안전을 지킨다는 점에서, 이번 연구는 산업 안전 분야의 좋은 출발점으로 평가받고 있다.

출처 논문
Wang, G.; Sun, D.; Li, H.; Cheng, J.; Yan, P.; Li, H. Helmet Detection in Underground Coal Mines via Dynamic Background Perception with Limited Valid Samples. Mach. Learn. Knowl. Extr. 2025, 7, 64. https://doi.org/10.3390/make7030064