AI 기반 소포·우편물 분류 시스템: 효율성 향상 및 인건비 절감

대량의 소포와 봉투를 수작업으로 개별화(singulation)한 후 분류하여 컨베이어 벨트에 올리는 작업은 블랙프라이데이나 크리스마스 같은 성수기에는 특히 큰 부담이 됩니다. 이 과정을 자동화하면 생산성 향상, 비용 및 시간 절감, 작업자 부상 감소를 동시에 달성할 수 있습니다. 인공지능 기반의 로봇 개별화 및 분류 시스템은 급증하는 이커머스 수요에 대응하려는 물류 기업들에게 필수적인 솔루션으로 자리 잡고 있습니다.

수작업 개별화, 이제는 과거의 유물인가?

연중 소포 물량은 큰 변동을 보이며, 일반적으로 블랙프라이데이와 크리스마스 시즌에 정점을 찍습니다. 전 세계 소포 물량은 연간 최대 25%씩 증가해 왔습니다.

코로나19 팬데믹은 정시 주문 이행 능력을 시험했습니다. 이커머스 의존도가 가속화되면서 용량 수요가 늘어났고, 이는 직원 채용뿐만 아니라 채용 과정 자체와 관련된 운영 비용 증가로 이어졌습니다. 평소라면 매출 측면에서 가장 좋은 시기였을 때가 최악의 시기가 되어버린 것입니다.

처리량 요구사항과 수요 급증 외에도, 작업자 건강과 만족도는 수작업 개별화 및 분류의 과제입니다. 직원들은 반복 작업으로 인한 지루함뿐만 아니라 불규칙하고 무거운 물건을 다루다 부상을 입을 수 있습니다. 이는 산재 보상 비용 증가와 생산성 저하로 이어집니다.

비전과 로봇 기술이 구원하다

위 과제들은 개별화 및 분류 공정 자동화를 통해 해결할 수 있으며, 이는 비용 예측 가능성을 높이고 수요 피크에 대한 확장성을 제공합니다.

오늘날 가장 진보된 자동화는 3D 머신 비전, AI 알고리즘, 주요 로봇 브랜드와의 호환성을 결합합니다. 특정 픽앤플레이스 시스템의 품질과 성공률을 측정하는 것도 가능합니다. 구체적인 예를 들어보겠습니다. 대량의 비정형 소포를 개별화하고 분류해야 하는 기업이 자동화 시스템 도입으로 어떤 이점을 얻을 수 있을까요?

예를 들어, Photoneo는 자체 개발한 3D 머신 비전을 알고리즘과 통합하여 로봇이 시간당 2,250개 이상의 소포를 픽업할 수 있게 했습니다. 비전 시스템은 정확한 3D 데이터를 제공하고 정밀한 위치 파악을 가능하게 하여 ±3mm의 그리핑 정확도를 달성합니다.

Photoneo 개별화 및 분류 시스템은 사전 학습된 신경망을 기반으로 하여, 별도의 학습 없이 바로 소포를 인식하며 95%의 픽업 성공률을 보입니다.

나머지 5%는 소포의 기계적 특성과 재질 때문입니다. 예를 들어 주름진 표면이나 직물 재질의 물건은 그리퍼에서 떨어져 재픽업이 필요할 수 있습니다. Photoneo에 따르면 이러한 물건도 두 번째 시도에서는 항상 성공적으로 픽업됩니다. 사이클 타임 1.5초 미만 달성이 가능하며 다양한 로봇 브랜드와 호환됩니다.

싱글 스캔 모드 vs 멀티 픽 모드

성능 속도는 선택한 스캔 모드에 따라 달라집니다. 싱글 스캔 모드는 스캔 → 데이터 처리 → 객체 위치 파악 → 로봇 픽업 명령 전송 과정을 객체마다 반복합니다. 처리 지연은 일반적으로 0.5초를 넘지 않습니다.

반면 멀티 픽 모드에서는 스캐너/카메라가 한 번 스캔하여 모든 픽업 가능 객체를 인식하고, 로봇이 중단 없이 연속으로 픽업합니다. 스캔 횟수는 애플리케이션에 맞게 조정 가능합니다. 멀티 픽 모드에는 처리 지연이 없으므로 성능이 더 빠르며, 사이클 타임은 로봇 속도에 의해서만 제한됩니다.

비전과 지능

3D 데이터 품질이 자동화된 개별화 및 분류 솔루션의 성패를 가릅니다. 아무리 지능적인 시스템이라도 좋은 3D 데이터가 없으면 무용지물입니다. 우수한 3D 카메라는 고해상도와 정확도, 넓은 스캔 볼륨과 심도, 빠른 스캔 속도를 제공해야 합니다.

주변광 억제 능력과 '플러그앤플레이' 성능도 중요합니다. 배포된 3D 카메라가 이 모든 기능을 갖추면 AI가 데이터를 처리하여 각 객체를 성공적으로 위치 파악할 수 있습니다.

소포의 AI 기반 세그멘테이션 및 위치 파악에 가장 현대적인 접근법은 컨볼루션 신경망(CNN)을 사용하는 것입니다. 최근 수년간 CNN은 눈부신 발전을 이루었으며, 형태, 질감, 재질에 관계없이 소포, 봉투, 봉투형 가방을 인식하고 치수, 위치, 방향까지 파악할 수 있습니다.

최고의 솔루션은 방대한 객체 데이터베이스로 학습된 알고리즘을 기반으로 하여, 한 번도 본 적 없는 새로운 유형의 객체도 쉽고 빠르게 일반화하여 인식합니다. 주름, 변형, 기타 불규칙성도 빠른 인식의 걸림돌이 되지 않습니다.

성공적인 감지와 위치 파악 후, 로봇은 특정 객체를 픽업하여 컨베이어 벨트 등 미리 정의된 위치에 놓라는 명령을 받습니다.

개별화의 주요 과제

로봇 개별화 시스템 개발자들은 수많은 과제에 직면합니다. 3D 비전의 주요 난제는 반짝이거나 반사되는 표면, 다양한 패턴과 그림이 있는 표면, 검은색 표면입니다. 질감의 다양성도 어려움을 줍니다. 소포는 보통 비정형적으로 쌓여 서로 겹쳐 있어 위치 파악이 어렵습니다.

가장 큰 과제 중 하나는 봉투형 가방의 특성에 있습니다. 모양이 변형되고 주름과 접힘이 많아 로봇 그리퍼가 집어 올리기가 극도로 어렵습니다. 이 때문에 고품질 3D 비전과 정교한 AI 알고리즘의 강력한 조합만이 이러한 모든 과제를 신뢰성 있게 해결할 수 있습니다.

애플리케이션 범위 확장

AI 기반 자동화 솔루션의 활용은 단순 소포 개별화 및 분류에 그치지 않습니다. 3D 카메라가 고속으로 고품질의 움직이는 장면을 스캔할 수 있다면, 패키지를 실시간으로 측정하고 크기나 기타 기준에 따라 분류할 수 있습니다.

예를 들어, Photoneo MotionCam-3D는 초속 40m까지 움직이는 객체를 포착하며 1cm의 측정 정밀도, 약 200만 화소의 뎁스 맵 해상도, 초당 1,500만 3D 포인트를 제공합니다.

AI와 3D 머신 비전을 결합한 시스템은 주름진 봉투와 소포를 펴거나 풀어서(가상 기하 변환 수행) OCR 판독성을 높여 후속 처리를 개선하는 데에도 사용됩니다. 일부 시스템은 바코드 기반 소포 분류도 지원합니다.

이러한 시스템의 가능한 애플리케이션과 역량은 AI와 머신 비전의 발전뿐만 아니라 개발 방향을 결정하는 시장 수요와 함께 진화하고 확장됩니다.

로봇 개별화는 안전성, 생산성, 신뢰성을 높이고 비용을 대폭 절감합니다. 자동화는 물류 프로세스 최적화의 필수 도구가 되었습니다. 창고와 유통 센터는 연말 성수기와 코로나19 기간의 이커머스 급증으로 인한 엄청난 소포 물량 홍수 속에서 인력 유지에 어려움을 겪어왔습니다. 비전 가이드 방식의 지능형 로봇을 배치하여 대량의 비정형 소포 흐름을 개별화하고 분류하는 것이 이러한 과제에 대응하는 해법입니다.

본 기사는 원래 The Robot Report에 "How singulation and sorting of parcels can benefit from AI-powered robots"라는 제목으로 게재되었습니다.