[비즈월드] 2019년 관세당국이 적발한 필로폰 밀수량이 116.7㎏에 달하는 것으로 집계됐다. 이는 2018년(222.9㎏)에 이어 두 번째로 많은 적발양으로 밀수량이 100㎏을 넘어선 것도 2년 연속이다.

이는 우리나라만의 문제가 아니다. 관세청이 최근 발표한 '2019년 필로폰 밀수단속 동향'에 따르면 전 세계적으로 필로폰 적발량은 해마다 급증하고 있다.

미국은 2017년 28t에서 2018년 67t으로 필로폰 밀수량이 늘어난데 이어 지난해 최소 90t 이상이 밀수과정에서 적발된 것으로 추정된다. 또 지난해 일본에선 2t, 호주에선 11t, 말레이시아에선 5t, 베트남에선 6t 이상의 필로폰 밀수가 적발됐다.

마약류 이외에 금괴나 고가 전자장치 등 다양한 물품의 밀수를 위한 수법도 더 치밀해지고 있는 것이 사실이다.

이런 가운데 인공지능 의료 진단 솔루션 개발과 인공지능 산업·보안 검색 시스템 개발 전문 업체인 ㈜제이엘케이인스펙션이 인공지능 딥러닝(deep learning) 기술을 활용해 보안검색을 보다 정확하게 판별해 낼 수 있는 기술을 개발해 특허를 취득해 눈길을 끈다.

비즈월드가 특허청 특허 검색시스템을 확인한 결과 제이엘케이인스펙션이 2019년 10월 7일 출원(출원번호 제1020190123942호)한 '인공지능 기반의 휴대용 보안영상 학습장치 및 방법'이라는 명칭의 특허가 지난 4월 9일 등록(등록번호 제102101481호)을 받았다.

제이엘케이인스펙션은 해당 발명이 "인공지능 기반의 휴대용 보안영상 학습장치가 제공될 수 있다"면서 "상기 인공지능 기반의 휴대용 보안영상 학습장치는 보안영상을 학습하는 장치에 있어서, 컬러 보안영상과 휴대용 보안영상 사이의 차이를 검출하고, 상기 컬러 보안영상의 입력에 대응되는 보정영상을 출력하는 영상 보정 학습모델에 대한 학습을 처리하는 영상 보정 학습부와 상기 보정영상을 입력받고 목적물 및 비목적물을 포함하는 검출정보를 출력하는 객체 검출 학습모델을 학습하는 객체 검출 학습부를 포함할 수 있다"라고 설명했다.

제이엘케이인스펙션은 범용 AI 플랫폼은 빅데이터, 전문가들, 그리고 우리 고유의 엔진과 알고리즘이 결합되어 만들어졌다고 한다. 모든 시스템에 원활하게 연결되어 현장·실시간 서비스를 제공한다고 한다.

보안 위협으로 간주되는 사항들 뿐만 아니라 모든 항목이 탐지되고, 알려지고, 검사되어야 하는데 인공지능 보안 솔루션은 딥러닝 기술, 고유한 알고리즘 및 이미지 처리 기술을 통해 모든 분야의 보안팀에 도움을 주는 것을 목표로 하고 있다.

이 업체의 인공지능 보안 솔루션은 정보 유출 방지가 최우선인 기업 보안 설정 뿐만 아니라 안전이 중요시되는 공공 보안 설정에서도 신뢰할 수 있고 정확한 보안 이미지 솔루션을 제공하여 새로운 패러다임을 제공한다고 설명했다.

현장에서 실제 축적된 데이터를 기반으로 구축된 자체 데이터베이스와 딥러닝이 필요한 목적물의 30만개 이상의 이미지를 재현하는 고유한 기술을 통해 고객에게 실용적이고 적용 가능하며 유연한 보안 솔루션을 제공한다는 것이다.

이번 특허도 해당 업체가 오랜 기간 연구개발(R&D)한 성과들이 접목됐다.

대표적인 것이 딥러닝(deep learning)이다. 딥러닝은 매우 방대한 양의 데이터를 학습해 새로운 데이터가 입력될 경우 학습 결과를 바탕으로 확률적으로 가장 높은 답을 선택하는 것이다.

이런 딥러닝은 영상에 따라 적응적으로 동작할 수 있으며, 데이터에 기초하여 모델을 학습하는 과정에서 특성인자를 자동으로 찾아내기 때문에 최근 인공지능 분야에서 이를 활용하려는 시도가 늘어나고 있다.

영상 인식과 관련해 딥러닝을 이용한 종래의 영상 분석 기술은 합성곱 신경망(Convolutional Neural Network, CNN)과 최대 풀링(max pooling)기법을 이용해 영상의 각 영역마다 국소적인 특징을 추출하고 이를 바탕으로 영상을 인식한다.

그러나 이런 방법은 실제 영상의 내용은 상이하지만 국소적인 정보 형태가 유사한 영상에 대해서는 정확한 인식 결과를 제공하지 못하는 문제가 있다.

이처럼 딥러닝을 이용한 영상 분석 기술은 전자 통관 시스템에 적용될 수 있다. 전자 통관 시스템에서 이용되는 영상은 보다 효과적인 영상 판독을 위해 일반적으로 영상에 포함되어 있는 객체들의 물성(예를 들어, 해당객체가 유기물, 무기물, 금속 등인지 여부)에 따라 다른 색상이 사용된다.

하지만 해당 객체의 외형적인 형상, 명암의 차이, 객체 고유의 X-Ray 감쇄율, 관측 각도 등의 다양한 요인으로 인해 영상에서 해당 객체들을 명확하게 파악하기 어렵다는 문제가 있다.

또 고성능의 촬영장치를 통해 촬영한 영상을 사용해 목적물을 정확하게 검출할 수는 있으나, 물리적인 제약으로 인해 고성능의 촬영장치를 설치하지 못할 수 있다.

이와같이 고성능의 촬영장치를 설치하기 어려운 장소에는 간이 촬영장치나 휴대용 장치를 사용하여 대상물을 분석할 필요가 있다.

간이 촬영장치나 휴대용 장치에서 촬영되는 영상은 고성능의 촬영장치에서 촬영되는 영상과 해상도, 색상 등이 다르게 구성되므로 고성능의 촬영장치에서 촬영되는 영상을 기반으로 구축된 데이터 셋이나, 학습모델을 사용하지 못하고, 간이 촬영장치나, 휴대용 장치에서 촬영되는 영상을 분석하기 위한 새로운 데이터 셋이나, 학습모델을 구축해야 하는 문제가 있다.

업체 측은 이를 문제들을 해결하기 위한 기술적 과제로 기존에 미리 구축된 데이터 셋을 사용하여 간이 촬영장치나, 휴대용 장치에서 촬영된 영상을 위한 학습모델을 구축할 수 있는 휴대용 보안영상 학습장치 및 방법을 제공하는 것이다.

특허 기술을 활용해 휴대용 보안영상 학습장치가 제공될 수 있다. 상기 장치는, 보안영상을 학습하는 장치에 있어서, 컬러 보안영상과 휴대용 보안영상 사이의 차이를 검출하고, 상기 컬러 보안영상의 입력에 대응되는 보정영상을 출력하는 영상 보정 학습모델에 대한 학습을 처리하는 영상 보정 학습부와 상기 보정영상을 입력받고 목적물 및 비목적물을 포함하는 검출정보를 출력하는 객체 검출 학습모델을 학습하는 객체 검출 학습부를 포함할 수 있다.

특허 기술을 접목할 경우 휴대용 보안영상 학습방법이 제공될 수 있다. 이 방법은 컬러 보안영상과 휴대용 보안영상 사이의 차이를 검출하고 상기 컬러 보안영상의 입력에 대응되는 보정영상을 출력하는 영상 보정 학습모델에 대한 학습을 수행하는 과정과 상기 보정영상을 입력받고 목적물 및 비목적물을 포함하는 검출정보를 출력하는 객체 검출 학습모델을 학습하는 과정을 포함할 수 있다.

이 발명의 효과는 기존에 미리 구축된 데이터 셋을 사용해 간이 촬영장치나 휴대용 장치에서 촬영된 영상을 위한 학습모델을 구축할 수 있는 휴대용 보안영상 학습장치 및 방법이 제공될 수 있다라고 설명하고 있다.