항만 컨테이너 검수를 자동화해 물류 처리의 정확성과 효율을 높이는 AI 기반 시스템입니다.
최근 항만의 컨테이너 물동량이 지속적으로 증가하면서, 물류 처리 과정에서 다양한 문제가 나타나고 있습니다. 해양수산부에 따르면, 2025년 1분기 전국 항만의 컨테이너 처리 물동량은 전년 동기 대비 2.1% 증가한 794만 TEU를 기록하였고, 특히 부산항은 4.0% 증가한 626만 TEU로 역대 최대 물동량을 처리했습니다. 이처럼 증가하는 물량은 항만의 처리 능력을 초과시키며, 상하차 지연, 검수 비효율, 혼잡 등의 문제를 유발하고 있습니다. 기존에 사용되던 RFID 및 바코드 기반 시스템은 인건비 증가, 바코드 훼손, 정보 갱신의 번거로움 등으로 인해 물류 효율성 확보에 한계를 보이고 있습니다. 이러한 문제를 해결하고자 본 프로젝트는 BIC 코드(국제 컨테이너 식별 코드)와 IMDG 코드(국제 위험물 운송 코드)를 자동으로 인식하여 컨테이너 정보 및 위험물 정보를 자동으로 입력하고, 이를 기반으로 레포트를 생성함으로써 검수 효율을 획기적으로 향상시키는 것을 목표로 합니다.
- 최용훈: IMDG 태그 분류를 위한 머신러닝 모델 개발
- 이영훈: BIC 코드 영역 추출 및 OCR을 통한 텍스트 인식
- 임준혁: Yolo 모델을 활용한 컨테이너 라벨 실시간 탐지
- 황태언: BIC 텍스트 기반 기업 정보 자동 수집 및 문서 생성, SQL 연동 웹페이지 구현
- 컨테이너 라벨 실시간 인식
YOLOv5를 활용하여 다양한 컨테이너 클래스(BIC, DOOR, IMDG, TANK 등)를 실시간으로 탐지 - BIC 코드 영역 탐지 및 텍스트 추출
탐지된 BIC 코드 영역에서 OCR을 통해 텍스트 정보 추출 - IMDG 태그 분류 모델 구축
이미지 증강 및 Random Forest 모델 학습을 통해 위험물 태그 자동 분류 - BIC 코드 기반 기업 정보 수집
OCR 텍스트를 기반으로 기업명, 국가, 주소 등 관련 정보를 웹에서 자동 수집 - 문서 자동 생성 및 웹페이지 제공
수집된 정보를 바탕으로 문서를 자동 생성하고, SQL과 연동하여 웹에서 확인 가능하도록 구현
- YOLOv5x 모델을 활용한 객체 탐지 정확도 향상
- 실시간 객체 인식에 적합한 YOLOv5x 모델을 사용하여 batch size 8, epochs 50으로 학습을 수행
- YOLOv7 대비 mAP 값의 변동이 적고 안정적으로 수렴
- 흐릿하거나 저화질 이미지에서도 BIC 및 IMDG 태그를 안정적으로 탐지
- OCR 기반 텍스트 인식 성공
- 탐지된 BIC 영역에서 OCR을 통해 텍스트를 추출
- 추출된 텍스트는 이후 웹 크롤링과 문서 자동화의 핵심 입력으로 활용
- IMDG 태그 분류 성능 확보
- 이미지 증강을 통해 35개 각도와 기울기 데이터 확대
- 학습된 Random Forest 모델을 통해 위험물 분류 정확도 약 91.4% 달성
- BIC 코드 정보 자동 수집 정확도 향상
- OCR 텍스트를 기반으로 웹 크롤링을 통해 회사명, 주소, 국가, 연락처 등 정보 수집
- 입력된 BIC 코드와 유사한 코드 탐색 기능을 통해 직접적인 정보가 없을 경우에도 참고 가능한 관련 정보 제시 및 문서 작성 지원
- 검수 효율 향상 및 문서 자동화
- 컨테이너 및 위험물 정보를 자동 문서화할 수 있도록 시스템 구축
- SQL 연동을 통해 웹페이지에서 실시간 정보 확인 가능
커넥티드 항만을 위한 물류 인프라 데이터(AIHub)
BIC_Code_Recognition/
├── machine_learning/ # IMDG 태그 분류 및 BIC 코드 확률 계산
│ ├── imdg_randomforest.ipynb # Random Forest 기반 위험물 분류 모델
│ └── Shipping_code_probability_calculation.ipynb # BIC 코드 등장 확률 계산
├── nlp/ # BIC 코드 기반 기업 정보 수집 및 문서 자동화
│ ├── openAI_GPT-3.ipynb # GPT-3를 활용한 기업 정보 자동 생성 실험
│ ├── Report_writing(similarity)+database.ipynb # 유사 BIC 코드 기반 문서 생성 및 DB 저장
│ ├── bic_test.csv # BIC 테스트용 CSV 데이터셋
│ └── pro_data.jsonl # 크롤링 및 예측용 JSONL 데이터셋
├── vision/ # YOLOv5 기반 객체 탐지 및 OCR 추출
│ ├── front_best.pt # YOLOv5x 학습된 모델 가중치
│ ├── yolov5x_image_extraction.ipynb # 탐지된 BIC, IMDG 영역 이미지 추출
│ ├── ocr_text_extraction.ipynb # OCR로 BIC 텍스트 추출
│ └── json_converter.ipynb # YOLO 출력 결과를 JSON으로 변환
├── web(mysql)/ # 웹페이지 및 데이터베이스 연동을 위한 PHP 코드
│ ├── web_page.php # 메인 결과 조회 페이지
│ ├── memo_bic_code.php # 특정 BIC 문서 조회
│ ├── memo_practice_1.php # 기능 테스트용 PHP
│ ├── memo_practice_2.php # 기능 테스트용 PHP
│ └── warning.php # 오류/예외 안내 페이지
├── combined_code.ipynb # 전체 파이프라인 통합 실행
└── README.md # 프로젝트 설명 및 개요 문서
