AI-Hub

데이터 변경이력

데이터 히스토리

소개

산업폐기물 탐지 및 분류를 위한 산업폐기물 10종(금속류, 벽돌/블록, 유리/도자기류, 타이어, 폐목재류, 폐보드류, 폐섬유, 폐지류, 폐콘크리트류, 합성수지) 이미지 데이터

구축목적

폐기물 자원 관리 효율화를 위해 인공지능 기반 산업폐기물 탐지 및 분류를 위한 산업폐기물 데이터셋 구축

구축 내용 및 제공 데이터량

• 산업폐기물 탐지 및 분류를 위한 인공지능 서비스 모형을 개발하고 이를 지원하는 학습데이터를 구축하여 폐기물 자원관리 효율화에 기여
• 산업폐기물 10종(금속류, 벽돌/블록, 유리/도자기류, 타이어, 폐목재류, 폐보드류, 폐섬유, 폐지류, 폐콘크리트류, 합성수지)으로 분류하고 가공된 데이터셋을 학습하여 산업폐기물 분류모델 구축
• 다양한 이미지와 영상에 대응하기 위해서 속도와 정확도룰 고려하여 AI 학습은 YOLOv4 학습 모델을 사용
• 활용 서비스로 “모바일 기반 산업폐기물 자동감지 분류 시스템” 제공

   

  구축 내용 및 제공 데이터량 표

  구분	중분류	합계(건)	합계(장)
  산업 폐기물	페지류	20,000	100,000
  	폐목재류	20,000	100,000
  	폐콘크리트류	20,000	100,000
  	폐보드류	20,000	100,000
  	합성수지	20,000	100,000
  	금속류	20,000	100,000
  	유리/도자기류	20,000	100,000
  	폐섬유	20,000	100,000
  	벽돌/블록	20,000	100,000
  	타이어	20,000	100,000
  	합계	200,000	1,000,000

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

데이터 성능 점수

설명서 및 활용가이드 다운로드

데이터 변경이력

구축 목적

• 폐기물 자원 관리 효율화를 위해 인공지능 기반 산업폐기물 탐지 및 분류를 위한 산업폐기물 데이터셋 구축

활용 분야

• 구축된 학습데이터를 활용하여 산업폐기물의 분류를 자동으로 해주는 산업폐기물 자동인식 분류 서비스

소개

• 폐기물 자원 관리 효율화를 위해 인공지능 기반 산업 폐기물 탐지 및 분류를 위한 산업 폐기물 데이터셋을 구축
• ㅇ 이를 위해 각종 산업폐기물(폐지류, 폐목재류 등 10가지)에 대한 카테고리별 이미지 데이터 2만건 이상, 총 20만건 이상의 AI 학습용 데이터를 구축

   

구축 내용 및 제공 데이터량

• 산업폐기물 탐지 및 분류를 위한 인공지능 서비스 모형을 개발하고 이를 지원하는 학습데이터를 구축하여 폐기물 자원관리 효율화에 기여
• 산업폐기물 10종(금속류, 벽돌/블록, 유리/도자기류, 타이어, 폐목재류, 폐보드류, 폐섬유, 폐지류, 폐콘크리트류, 합성수지)으로 분류하고 가공된 데이터셋을 학습하여 산업폐기물 분류모델 구축
• 다양한 이미지와 영상에 대응하기 위해서 속도와 정확도룰 고려하여 AI 학습은 YOLOv4 학습 모델을 사용
• 활용 서비스로 “모바일 기반 산업폐기물 자동감지 분류 시스템” 제공

   

  구축 내용 및 제공 데이터량 표

  구분	중분류	합계(건)	합계(장)
  산업 폐기물	페지류	20,000	100,000
  	폐목재류	20,000	100,000
  	폐콘크리트류	20,000	100,000
  	폐보드류	20,000	100,000
  	합성수지	20,000	100,000
  	금속류	20,000	100,000
  	유리/도자기류	20,000	100,000
  	폐섬유	20,000	100,000
  	벽돌/블록	20,000	100,000
  	타이어	20,000	100,000
  	합계	200,000	1,000,000

대표도면

필요성

• 자진 신고 방식에 따른 불법행위 여부 확인 애로, 현장 지도⋅점검 인력(지자체) 부족과 전문 지원체계 부재. 폐기물 불법 행위 근절 및 민원 개선을 위한 지능형 대응체계 절실
• 미국,유럽 등 AI 선도국에서는 AI 기술 발전을 위해 정부와 민간 협업·투자로 대규모 데이터 대량으로 구축하여 공개
• 반면 국내 중소·벤처기업들은 AI 학습용 데이터를 자체 구축하기에 많은 시간과 비용이 소요 되고 원천데이터 확보의 어려움 호소
• 직접촬영을 통한 이미지 데이터를 이용하여 사물을 분류하고 검출하는 기술의 개발을 산업폐기물 처리과정에 접목하기 위해 데이터를 구축하고자 함

데이터 구조

• 데이터 구성 및 어노테이션 포맷

  데이터 구조 및 어노테이션 포맷 표

  No	항목명	항목설명	타입	필수 구분	단위	비고
  1-1	파일명 (FILE NAME)	파일명	String	Y		구문
  1-2	과제구분 (PROJECT SORTING)	폐기물 구분	String	Y		의미
  1-3	획득구분 (COLLECTION METHOD)	직접촬영여부	String	Y		의미
  1-4	촬영형태(FORM)	사진	String	Y		구문
  1-5	주/야(DAY/NIGHT)	주간/야간	String	Y		의미
  1-6	촬영장소(PLACE)	실내/실외/스튜디오	String	Y		의미
  1-7	촬영자(ID CODE)	사용자 코드	String	Y		구문
  2-1	촬영일시(DATE)	년월일시분초	String	Y		구문
  2-2	촬영위치(GPS)	촬영장소(GPS정보)	String	Y		구문
  2-3	해상도(RESOLUTION)	해상도(1920*1080)	String	Y	PX	구문
  2-4	초점거리 (focus distance)	렌즈 초점거리	String	Y		구문
  2-5	노출 시간 (exposure time)	셔터스피드	String	Y		구문
  2-6	조리개 (Aperture values)	렌즈에 들어오는 빛의 양	String	Y		구문
  2-7	ISO 감도 (Sensitivity iso)	빛의 감도	String	Y		구문
  2-8	노출 방식 (exposure method)	normal program	String	N		구문
  2-9	카메라제조사(Make)	카메라 제조 업체 정보	String	N		의미
  2-10	모델명(Model Name)	카메라 모델명	String	N		의미
  2-11	소프트웨어(Software)	카메라 소프트웨어정보	String	N		의미
  2-12	파일크기(File Size)	이미지 파일크기 (Byte)	String	Y		구문
  3-1	지정대상수량 (BoundingCount)	라벨링 Object 갯수	String	Y	개	구문
  3-2	분류(CLASS)	중분류	String	Y		의미
  3-3	상세(DETAILS)	상세정보	String	Y		의미
  3-4	훼손정도(DAMAGE)	훼손 구분	String	Y		의미
  3-5	불투명정도 (TRANSPARENCY)	대상 객체 투명/불투명 구분	String	Y		의미
  3-6	색상(Color)	대상객체의 색상	String	Y		의미
  3-7	모양(Shape)	대상객체의 형태	String	Y		의미
  3-8	재질(Material)	대상객체의 재질	String	Y		의미
  3-9	크기(Object Size)	대상객체의 크기	String	Y		의미
  3-10	라벨링구분(Drawing)	Box / Polygon	String	Y		의미
  3-11	바운딩박스(BOX)	X1, Y1, X2, Y2 (라벨링구분이 Box인 경우 필수)	String	N		구문
  3-12	폴리곤(Polygon)	(X1,Y1) ... (Xn, Yn) (라벨링구분이 Polygon인 경우 필수)	String	N		구문

데이터셋 구축 담당자

수행기관(주관) : 시티랩스(舊 데일리블록체인)

수행기관(참여)

데이터 관련 문의처