YOLO 기반 객체 인식을 활용한 물류 자동화용 지능형 싱귤레이션 및 인식 시스템
An Intelligent Singulation and Recognition System for Logistics Automation Using YOLO-Based Object Detection
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 중·소규모 물류센터 적용을 목표로, YOLOv4-Tiny 기반 싱귤레이터, YOLOv4 인식기, 휠 소터 제어기를 통합한 초소형 완전 자동 물류 처리 시스템을 제안한다. 기존 상용 싱귤레이터의 공간 비효율성과 반자동 구조를 극복하고 무인화를 실현하고자 하였다. 싱귤레이터는 컨베이어 속도 1.2 m/s에서 95.5% 단일열화 성능을 보였으며, 인식기는 송장이나 바코드가 없는 편의점 상품·화장품 등 소형 물품을 대상으로 0.3~0.6 m/s 구간에서 80~90% 정확도를 유지하였다. 다만 0.9 m/s 이상의 고속 구간에서는 모션 블러와 반사로 성능 저하가 확인되었다. 실제 물류센터에서 수집한 데이터셋을 활용하여 모델 일반화를 도모하였고, 모듈별 최적화를 통해 속도와 정확도를 동시에 확보하였다. 또한 대량 투입부터 단일열화, 인식, 자동 분류까지 통합 실험을 통해 안정적 동작을 검증하였다. 본 연구는 고속 조건에서의 인식 성능 및 제한된 품목 수라는 한계를 가지나, 다중 카메라·고속 영상처리·클래스 확장 연구를 통해 산업적 확장 가능성을 제시한다.
Abstract
This study proposes a compact and fully automated parcel handling system designed for small- and medium-scale logistics centers, integrating a YOLOv4-Tiny–based singulator, a YOLOv4 recognition module, and a wheel sorter controller. The system was developed to overcome the inefficiency and semi-automation of conventional singulators and to enable fully unmanned operation even in space-constrained sites. The singulator achieved 95.5% singulation accuracy at a conveyor speed of 1.2 m/s, demonstrating stable single-line feeding. The recognition module, specialized for items without invoices or barcodes such as convenience goods and cosmetics, maintained 80–90% accuracy under 0.3–0.6 m/s but degraded at higher speeds (≥0.9 m/s) due to motion blur and reflections. A real-world dataset collected from a logistics center was employed to improve model generalization, and module-level optimization ensured both speed and accuracy. End-to-end integration tests verified reliable operation from bulk input through singulation, recognition, and automatic sorting. This work highlights a practical pathway for real-world logistics automation using compact equipment, while recognizing limitations in high-speed recognition and restricted product classes, and suggests directions for future research including multi-camera integration and class expansion.