인천대학교 인디고클랫폼 인천대학교 기술지원허브

폭염 발생 증가에 따른 건설근로자의 온열질환 관리가 중요해짐에 따라, 작업 중인 건설근로자를 모니터링하고 진단하기 위한 연구가 많이 진행되고 있다. 하지만, 효율적으로 건설근로자의 온열질환을 관리하기 위해서는, 건설현장에 투입되기 전에 고열환경에 취약한 그룹을 선별할 필요가 있다. 고열환경에 취약한 정도는 개인의 특성에 따라 다르게 나타날 수 있기 때문에, 사전에 취약한 그룹을 선별하여 집중적으로 관리한다면, 보다 더 효율적으로 온열질환 관리가 이루어질 수 있을 것이다. 따라서 본 특허에서는, 개인생체특성(신장, 체중, 체지방률, 골격근량, BMI 등)이 고열환경에 대한 취약성에 미치는 영향을 객관적이고 상세하게 분석하고, 취약성에 영향을 미치는 주요특성을 파악하여, 고열환경에 취약한 그룹에 속하는 건설근로자를 선별할 수 있는 머신러닝 기반의 열스트레스 고위험군 분류 장치를 제안하였다. 본 특허에서 제안하는 방법을 검증하기 위하여, 총 30명의 피실험자가 자발적으로 참여한 열환경실험을 진행하였다. 우선, 실험 전에 체성분 분석을 통해 피실험자들의 개인생체특성 정보를 수집하였다. 그 다음, 피실험자들은 극한의 고열환경 조건(37℃/70%)에서 건설현장 근로자의 작업부하와 유사한 수준의 신진대사율로 제시된 '트레드밀 걷기(경사: 5°, 속도: 4 km/h)'를 수행하였으며, 이때 실시간 심박수 데이터를 수집하였다. 수집된 데이터를 활용하여, 다음의 3가지 관점에서의 분석을 수행하였다. 첫째, 심박수를 통해 산출된 신진대사율을 활용하여, 피실험자 중에서 고열환경에 취약한 그룹을 분류하였다. 둘째, 개인 생체특성 중 열스트레스에 대한 취약성에 영향을 미치는 주요특성을 파악하였다. 셋째, 이러한 주요특성를 활용하여, 고열환경에 취약한 그룹에 속하는 건설근로자를 선별할 수 있는 머신러닝 기반의 열스트레스 고위험군 분류 장치를 개발하였다.

YOLO는 지속적인 버전 업데이트를 통한 사용의 편리성과 높은 객체 인식률 보장으로 인해 최근 많은 지능형 영상 application의 객체인식 소프트웨어로써 사용되고 있다. 또한, 최근에는 고성능의 임베디드 보드를 이용한 다양한 인공지능 기반 솔루션들이 개발되고 있다. 그럼에도 불구하고, 여전히 성공적인 실시간 객체인식을 위해서 YOLO는 고사양의 하드웨어를 요구한다. 본 발명에서는 먼저 리소스 제약이 있는 임베디드 보드에서의 YOLO의 실시간 객체인식 서비스에 대해 논의한다. 특히, RTSP 기반의 네트워크 카메라와 연동되는 YOLO 객체인식에서의 실시간 처리에 관한 문제점을 지적하고, 이러한 문제에 효율적으로 대처할 수 있는 YOLO with AFC를 제안한다. 다양한 실험을 통해 제안된 AFC는 YOLO의 높은 인식률과 편의성을 지원하면서, 기존 YOLO에서의 한계로 남아있던, 실시간 객체인식 서비스가 가능함을 보인다.