📌 핵심 요약 (Key Takeaways)
- 핵심 성과 1: 6.8km 배전선로 실증 테스트에서 mAP(0.5:0.95) 63.2%, 소형 객체 재현율 88.8%를 달성하여 기존 YOLOv8 대비 소형 결함 탐지율 11.8% 향상.
- 독창적 차별점 2: 지상 샘플 거리(GSD) 제약 기반 데이터 수집 체계, 하이퍼볼릭 광학 흐름 정렬, 그리고 병렬 컨볼루션 주의 집중 및 손실 없는 융합 구조 도입.
- 실무 파급력 3: 단 120만 개의 파라미터 추가만으로 드론 기반 송배전선로 비가시권(BVLOS) 자동화 점검 및 미세 균열 진단 실무 적용성 확보.
1. 도입부: 무인 이동체 전력 인프라 점검의 기술적 한계
배전선로 및 송전선 코리도는 환경적 열화로 인해 인슐레이터와 같은 주요 컴포넌트에 미세 결함이 빈번하게 발생한다. 전통적인 무인 이동체(UAV) 기반 점검은 고해상도 영상을 확보하기 위해 다중 스케일 전송 과정을 거치는데, 이 과정에서 미세 피처가 유실되는 치명적인 문제가 존재한다.
특히 표준 YOLOv8 모델은 제한된 전역 문맥 모델링 능력과 레이어 전파 중 발생하는 정보 감쇠로 인해 소형 타겟 식별에 한계를 드러낸다. 본 연구는 이러한 파노라마 스티칭과 딥러닝 객체 탐지 간의 기술적 간극을 극복하기 위해 하드웨어 제약형 데이터 취득부터 구조적으로 개선된 비전 모델까지 통합된 파이프라인을 제안한다.
2. 고 fidelity 파노라마 스티칭 및 데이터 수집 프레임워크
정밀한 결함 탐지의 첫 단계는 고품질의 원본 이미지 확보에 있다. 이를 위해 지상 샘플 거리(Ground Sampling Distance, GSD)를 엄격히 제약하는 표준화된 데이터 취득 방안이 3중 조정 비행 스트립(Flight Strips) 전반에 걸쳐 설계되었다.
이어지는 프로세스에서는 딥 하위 광학 흐름 정렬(Deep Hierarchical Optical Flow Registration)과 경사 가중 융합(Gradient-weighted Fusion) 알고리즘이 적용된다. 이 조합은 아티팩트를 효과적으로 억제하는 동시에 고경사도의 결함 에지를 보존하여 고 fidelity 파노라마 이미지를 생성한다.
3. YOLOv8 프레임워크의 삼차원 아키텍처 개선
본 연구는 표준 YOLOv8의 구조적 한계를 돌파하기 위해 백본(Backbone), 넥(Neck), 탐지 헤드(Detection Head)의 3차원 축을 전면 개편했다. 백본 네트워크에는 병렬 컨볼루션 주의 집중 융합 모듈(Parallel Convolutional Attention Fusion Module)이 통합되어 지역 텍스처와 전역 문맥 종속성을 시너지 있게 포착한다.
넥 네트워크에서는 저단계 수집-분배 메커니즘(Low-stage Gather-and-Distribute Mechanism)을 도입하여 얕은 위치 세부 정보에 대한 손실 없는 전송 채널을 구축한다. 마지막으로 탐지 헤드는 적응형 임계값 포커스 손실과 차별화된 각도 인식 IoU 손실이 결합된 향상된 3분기 디커플드 구조(Three-branch Decoupled Structure)를 채택했다.
4. 실험 결과 및 성능 벤치마크
6.8km 길이의 실제 배전선로 코리도 환경에서 수행된 실험 결과, 제안된 방법은 mAP(0.5:0.95) 63.2%와 소형 객체 재현율 88.8%를 기록했다. 이는 기존 원본 YOLOv8 모델 대비 각각 2.5%, 11.8% 향상된 수치이다.
특히 주목할 점은 이러한 성능 향상이 파라미터 수를 단 1.2백만 개 증가시키는 데 그쳤다는 점이다. 이는 임베디드 온보드 컴퓨팅 환경에서의 실시간 처리 가능성을 강력하게 뒷받침한다.
유사 선행 연구 대비 독창성 및 성능 비교
| 비교 항목 | 기존/유사 논문 방식 | 본 연구의 제안 방식 | 실무적 차별성 및 한계 |
|---|---|---|---|
| 이미지 스티칭 | 전통적 특징점 매칭 기반 스티칭 (SIFT/ORB) | 딥 하위 광학 흐름 및 경사 가중 융합 | 아티팩트 억제 및 에지 정보 보존력 극대화 |
| 소형 객체 탐지 | 표준 YOLOv8 단일 스케일 융합 | 병렬 컨볼루션 주의 집중 및 넥 층 손실 방지 채널 | 소형 결함 재현율 11.8% 향상 (파라미터 최소 증가) |
| 손실 함수 설계 | 기본 CIoU / BCE Loss | 적응형 임계값 포커스 + 각도 인식 IoU Loss | 배전선로 복잡 배경 내 정밀 정렬 정확도 개선 |
5. 산업 현장 적용성 및 실무 파급 효과 (Paper-to-Industry)
본 연구 결과물은 드론 기반의 비가시권(BVLOS) 송배전선로 자동 점검 시스템에 직접적으로 적용될 수 있다. 기존 수동 판독 방식이나 단순 객체 탐지 모델의 높은 오탐지율 문제를 해결함으로써, 전력 인프라 유지보수 비용을 획기적으로 절감한다.
특히 비행제어(FC)와 연동된 정밀 GSD 제약 비행 경로 생성 기술과 결합될 경우, 사람이 접근하기 위험한 고압선 코리도의 자율주행 점검 파이프라인의 완성도를 높이는 핵심 기술 자산으로 기능할 것이다.