본문 바로가기

'바코드 없이 사진으로 구분'...아마존, AI 활용하는 아이템 인식 MMID 개발 중

반응형

바코드는 상품 및 재고 관리와 물류 및 배송 자동화를 가능하게 한 일등공신이다. 하지만 더 빠르고 효율적인 자동화를 가로막는 최후의 걸림돌이기도 하다. 바코드가 부착 또는 인쇄된 정확한 위치를 찾아야 하고, 누락 또는 오염이나 훼손 때문에 인식할 수 없는 상황이 생길 수 있기 때문이다. 수 억 개의 제품에 대한 주문을 처리해야 하는 아마존에서는 이러한 상황이 문제가 될 수 있다. 

아마존이 바코드가 가진 이러한 문제를 해결하기 위해, 바코드 없이 아이템을 식별하는 기술을 개발 중이다. 제품 입고부터 재고 관리 그리고 주문 처리와 배송까지 대부분의 과정을 자동화하고 있는 아마존이, 바코드가 필요 없는 물류와 배송 혁신을 위해 인공 지능 기반의 비전 컴퓨팅을 활용한 상품 인식과 분류 기술 개발에 속도를 내고 있다.

트레이에 담겨 컨베어벨트를 이동하는 제품 사진을 촬영해 상품을 식별하는 MMID 프로젝트는 바코드 필요 없는 자동화를 목표로 아마존이 개발 중인 인공 지능 기반의 자동화 기술이다. (자료 : Amazon)


베를린의 아마존 컴퓨터 비전 그룹에서 시작한 MMID(multimodal identification) 프로젝트는 로봇이 바코드를 찾아 스캔하는 과정을 거치지 않고, 컨베어벨트를 이동하는 제품 사진만으로 정확하게 인식하고 구분하는 것을 목표로 하고 있다. 이를 위해 제품의 사진을 촬영하고 이를 학습하는 기계 학습을 통해 초기에는 75~80%의 정확도를 달성했고, 2년 동안의 프로젝트를 진행하며 현재는 99%의 일치율을 보이고 있다고 밝혔다. 

프로젝트는 말 그대로 아무것도 없는 상태에서 시작해야 했다. 어떤 제품인지 사진만으로 이를 인식하고 구별하는 알고리즘을 적용하기 위해서는 수많은 사진을 통한 사전 학습이 필요하다. 하지만 학습 과정에서 필요한 사진 데이터가 자체가 없었기 때문에, 컨베어벨트에서 이동하는 제품 사진을 찍어 이미지 라이브러리를 구축하는 것으로 출발했다. 

수집한 이미지를 숫자와 벡터 값으로 변환하고, 각각의 항목이 가진 크기 역시 벡터로 변환하는 과정을 거쳤다. 이렇게 생성한 기초 자료에서 벡터 데이터를 추출하고, 후보 항목의 벡터 데이터와 일치시키는 기계 학습 알고리즘을 개발하고 적용했다. 이러한 과정을 통해 개발된 MMID는 폴란드의 슈체친(Szczecin)에 있는 주문 처리 센터에서 시범적으로 사용되며 그 가치를 인정받았다.

프로젝트 초기에는 프라임 데이(Prime Day) 프로모션에서 예상하지 못했던 문제에 직면하기도 했다. 시간 당 수백 개의 에코 닷(Echo Dot)을 주문 처리 센터에서 배송해야 하는 상황에서, 알고리즘이 제품 색상을 구분하지 못해 오류가 발생했다. 바코드를 제외한 포장은 거의 동일한 데, 파란색 또는 회색의 작은 이미지가 포함된 상품을 알고리즘이 제대로 구분하지 못한 것이다.

이를 계기를 제품 식별 과정에서 신뢰도 점수라는 항목이 생겼고, 이를 기반으로 어떤 조치를 취해야 하는 지를 알려주는 기준을 만들었다. 이러한 개발과 진화를 통해 MMID를 주문 프로세스 전 과정에 통합하는 것을 목표로 하고 있다. 다만, 사람이 물건을 집거나 손으로 잡는 방법에 따라 식별하는 것이 훨씬 어렵기 때문에, 로봇 공학을 활용해 이러한 문제를 해결하기 위해 노력하고 있다고 아마존은 밝혔다.

 Syndicated to WWW.CIOKOREA.COM

반응형