-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2024-06-28 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-06-28 산출물 공개 Beta Version 소개
- 전기 설비 공사 현장의 작업자 및 작업 환경 안전 데이터의 인공지능 학습용 데이터 구축
구축목적
- 글로벌 EHS 패러다임의 변화와 산업재해 예방을 위한 체계적 관리 시스템 구축 - 위험성 평가를 위한 인공지능 기초 데이터 구축
-
메타데이터 구조표 데이터 영역 재난안전환경 데이터 유형 이미지 데이터 형식 JPG (이미지) 데이터 출처 건축 현장 뿐만 아니라 전반적인 전기 설비 공사 관련 데이터 획득 라벨링 유형 바운딩박스(이미지), 키포인트(이미지) 라벨링 형식 JSON 데이터 활용 서비스 위험성 평가 서비스, 안전관리 서비스 플랫폼 데이터 구축년도/
데이터 구축량2023년/387,709 건 -
- 데이터 통계
■ 데이터 구축 규모
● 원천 데이터 : 33만 건
● 라벨링 데이터 : 33만 건데이터 종류 데이터 형태 라벨링 데이터 규모 작업공정-E63_DATA1 작업 이미지 192,542 사고유형-E63_DATA2 사고 이미지 97,265 안전장비-E63_DATA3 장비 이미지 97,902 ■ 데이터 분포
● 작업공정 : 지중송전설비작업 / 변전설비작업 / 배전설비작업 / 철탑설비작업 / 건축전기설비작업
● 사고유형 : 추락 / 낙하 / 감전 / 케이블협착 / 고소차량협착
● 안전장비 : 안전모 / 안전대 / 절연장갑구분 구축 건수 비율 작업공정-E63_DATA1 지중송전설비작업-C1 19,634 5.10% 변전설비작업-G1 18,680 4.80% 배전설비작업-H1 67,371 17.40% 철탑설비작업-I1 19,812 5.10% 건축전기설비작업-T1 67,045 17.30% 사고유형-E63_DATA2 케이블협착-CN 5,101 1.30% 케이블협착-CP 4,928 1.30% 감전-EN 15,240 3.90% 감전-EP 14,302 3.70% 추락-FN 15,006 3.90% 추락-FP 13,413 3.50% 고소차량협착-HN 9,651 2.50% 고소차량협착-HP 9,937 2.60% 낙하-ON 4,883 1.30% 낙하-OP 4,804 1.20% 안전장비-E63_DATA3 안전대미착용-B0 19,618 5.10% 안전대착용-B1 20,205 5.20% 절연장갑미착용-G0 9,676 2.50% 절연장갑착용-G1 9,237 2.40% 안전모미착용-H0 19,733 5.10% 안전모착용-H1 19,433 5.00% 합계 387,709 100% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- 활용 모델
■ 전기 데이터 모델 학습 및 AI 모델 설명
● 전기 임무별 AI 모델(YOLOv8, LightGBM, YOLOv8-pose, DD-Net)에 맞는 학습 데이터 포맷으로 변경
● 모델이 과적합 되는 것을 방지하고 효과적인 성능 평가를 위해 전체 학습 데이터 중 학습 데이터를 80%, 검증 데이터를 10%, 시험 데이터를 10%로 구성함
● 전기 데이터 AI 모델 설명AI 모델 임무 활용모델 측정지표 학습 활용 데이터 전기 설비 공사 작업 공정 탐지 YOLOv8 mAP 작업공정 데이터 전기 설비 공사 작업 공정 분류 LightGBM Top-1 Accuracy 작업공정 데이터 전기 설비 공사 작업 공정에 따른
사고유형 특징점 탐지YOLOv8-pose mAP 사고유형 데이터 전기 설비 공사 작업 공정에 따른
사고유형 행동인식DD-Net Top-1 Accuracy 사고유형 데이터 전기 설비 공사 작업자 안전장비
착용유무 탐지YOLOv8 mAP 안전장비 데이터 ■ AI 모델 임무 및 활용 모델 설명
[AI 모델 활용 프로세스]
[YOLOv8 모델 아키텍처]
■ 전기 설비 공사 작업 공정 탐지 및 분류 모델 (YOLOv8, LightGBM)
● YOLOv8 모델은 객체 탐지의 대표적인 딥러닝 모델로 2016년 처음 발표되었으며 2023년 1월에 YOLOv8 모델이 발표되었음
● One-stage 객체 탐지로 탐지 정확도가 높으면서 처리속도가 빠른 딥러닝 모델로 객체 탐지의 다양항 응용서비스에 활용되고 있는 모델임
● LightGBM 모델은 마이크로소프트가 공개한 머신러닝 알고리즘으로 학습 속도가 빠르고 메모리 사용량이 적으며 높은 데이터 분류 성능을 보이는 모델임
● 작업공정 데이터에서 YOLOv8 모델을 이용하여 작업공정 객체를 탐지하고 탐지된 객체 정보를 활용하여 LightGBM 모델에서 작업공정을 분류함■ 전기 설비 공사 작업 공정에 따른 사고유형 특징점 탐지 및 행동인식 모델 (YOLOv8-pose, DD-Net)
● YOLOv8-pose 모델은 자세 추정 작업에 적합하며 높은 정확도를 보이는 최신 특징점 탐지 모델로 COCO 데이터셋에 사전 학습되어 있으며, 이미지나 비디오에서 사람의 신체 부위를 탐지하고 표시할 수 있는 모델임
● DD-Net 모델은 사람의 특징점을 연결한 Skeleton 이미지를 입력받아 행동을 인식하는 모델로 파라미터 최적화와 효율적인 모델 활용을 통해 실시간 행동인식이 가능한 모델임
● 사고유형 데이터에서 YOLOv8-pose 모델을 이용하여 특징점 정보를 추출하여 DD-Net 모델 학습 데이터로 활용하고, 학습된 DD-Net 모델을 이용한 행동인식을 통해 사고유형을 분류함
■ 전기 설비 공사 작업자 안전장비 착용유무 탐지 모델 (YOLOv8)
● YOLOv8 모델을 이용하여 안전장비 객체를 탐지하여 착용유무를 판단함- 서비스 활용 예시
■ AI 기반 송전탑 안전관리 서비스 활용 예시
● (안전관리) 전기 설비 공사 현장에서 발생하는 위험 상태를 신속·정확하게 분류하여 송전탑 공사 시 발생할 수 있는 안전사고를 예방하는 서비스 제공
● (작업개선) 전기 설비 공사 현장의 위험 요인에 대한 조사 및 작업 개선 가능 -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 데이터 구성
KEY Description Type data_info 데이터 정보 object name 파일 프로젝트 이름 string id 파일 프르젝트 아이디 string categories 카테고리 array [ object name 카테고리 이름 string value 카테고리 값 array ] object class 클래스 array [ object id 클래스 아이디 number name 클래스 이름 string keypoints 키포인트 값 array ] object images object { object id 이미지 아이디 number file_name 파일명 string width 이미지 가로 길이 number height 이미지 세로 길이 number date 촬영 시간 yyyy-mm-dd hh:mm:ss string location 촬영 위치 string environment 촬영 장소 실내외 string device 촬영 장비 string angle 촬영 각도 number } - 어노테이션 포맷
항목 타입 필수 여부 한글명 영문명 객체 번호 object_id number Y 객체 클래스 object_class number Y 바운딩박스 bbox array Y 문단 [] number Y 키포인트 keypoint array N 문단 [] number N 카테고리 categories array Y 문단 [ object Y 카테고리명 name string Y 카테고리 값 value string Y ] - 데이터 포맷
파일명 E63_DATA1_H1_L2_D2023-10-04-14-26_002_000001 카테고리 작업공정-E63_DATA1 클래스 배전설비작업-H1 촬영일자 2023-10-04 원천 데이터 라벨링 이미지 라벨링 데이터 (JSON 형식) { "data_info": {
"name": "01.E63-D1-H1",
"id": "23"
},
"categories": [
{
"name": "사고유형",
"value": [
"감전(Negative)",
"고소차량협착(Negative)",
"고소차량협착(Positive)",
"낙하(Negative)",
"추락(Negative)",
"케이블협착(Negative)"
]
},
{
"name": "작업공정",
"value": [
"건축전기설비작업",
"배전설비작업",
"변전설비작업",
"지중송전설비작업",
"철탑설비작업"
]
}
],
"class": [
{
"id": 0,
"name": "전기작업자",
"keypoints": [
"Nose", "Right Shoulder", "Right Elbow", "Right Wrist", "Left Shoulder",
"Left Elbow", "Left Wrist", "Right Hip", "Right Knee", "Right Ankle",
"Left Hip", "Left Knee", "Left Ankle", "Right Eye", "Left Eye", "Right Ear",
"Left Ear"
]
},
{
"id": 1,
"name": "활선작업차",
"keypoints": [
""
]
},
{
"id": 2,
"name": "스마트스틱",
"keypoints": [
""
]
}
],
"images": {
"id": 1576492,
"file_name": "E63_DATA1_H1_L2_D2023-10-04-14-26_002_000001.jpg",
"width": 1920,
"height": 1080,
"date": "2023-10-04 14:26:00",
"location": "안전기술원 실외연습장",
"environment": "실외",
"device": "디지털카메라",
"angle": 90
},
"annotations": [
{
"object_id": 1,
"object_class": 0,
"bbox": [
1162.94782140936,
159.0532544378698,
1241.4416352877893,
252.00645508337814
],
"polygon": [],
"keypoint": [],
"categories": [
{
"name": "작업공정",
"value": "배전설비작업"
}
]
}
]
} -
데이터셋 구축 담당자
수행기관(주관) : ㈜일주지앤에스
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 임병석 051-502-4570 iljoogns@i-gns.co.kr 데이터 가공 / 관리 및 구축 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 한화오션에코텍㈜ 선박 및 해양플랜트 관련 공사 안전 원천 데이터 획득 쓰리아이퓨처㈜ AI 모델 및 서비스 개발 ㈜에스유지 데이터 품질 검수 및 품질 관리 ㈜하이텍정보 데이터 가공 한국전기공사협회 안전기술원 전기 설비 공사 관련 위험 판단 원천 데이터 획득 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 임병석 051-502-4570 iljoogns@i-gns.co.kr AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 이근후 051-920-2524 threeifuture@gmail.com 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 임병석 051-502-4570 iljoogns@i-gns.co.kr
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.