소규모의 유지보수·안전 인력 대비 관할·담당 범위가 넓은 경우, 인력 기반 모니터링은 사각지대가 다수 존재할 수밖에 없다. 광범위한 유지보수를 담당하는 부서의 경우 휴먼 에러가 필연적으로 발생해 이를 커버할 수 있는 솔루션의 요구가 커져가고 있는 상황이다.

이러한 가운데 전력·통신 인프라가 원활한 실내 모니터링에서의 엣지 AI는 이미 많은 플레이어들이 시장 경쟁을 벌이고 있다. 이에 소수의 개발사 및 스타트업들은 틈새 시장 공략을 위해 아웃도어 솔루션에서 기회를 찾는다.

■ LPWAN 기반 AI 모니터링으로 아웃도어 공략

소나무 재선충, 산사태, 산불 등의 재해는 인력을 통한 예찰이 어렵고 전원 공급이 불가한 지역, 유·무선통신 인프라가 열악한 지역에서 발생하는 경우가 많아 사전 방비와 모니터링에 어려움이 크다.

테크9은 저전력 광대역 통신 네트워크(Low Power Wide Area Network, LPWAN)인 LTE Cat M1, LoRa, NB-IoT 등을 활용해 통신 인프라 사각지대에서의 데이터 전송 어려움을 해결했다. 전력 인프라 접근성 문제는 태양광 패널과 배터리 기반으로 제품을 개발해 장기간 배터리만으로 동작 가능한 저전력의 데이터 수집 및 모니터링 제품을 개발했다.

이호동 테크9 대표이사는 “산사태 감지 시스템의 경우 표면에 태양광 패널을 장착했으며 내부에 충격 센서, 이동통신칩, GPS, 기울기 센서 등이 탑재돼 있다”며 “평상 시에는 슬립모드로 작동하고 충격센서만 작동하다가 외부 충격에 반응에 시스템을 작동시킨다”고 했다.

충격 이벤트가 없는 경우에는 설정된 시간에 맞춰 주기적으로 사진, 기울기값 등의 데이터를 서버로 전송한다. 테크9은 서버단에서 전송된 이미지를 받아 컴퓨터비전을 통한 추론으로 분석된 결과값을 제공하고 관리자에게 알림 서비스까지 지원한다.

이호동 대표는 “이 기술을 실외에 적용해 제품을 개발하는 플레이어가 시장에 거의 없으며 관련 시장이 미개척 상태이다”라며 산불과 소나무 재선충병 모니터링 시스템은 시제품 개발이 완료됐으며 올해 말 실증 설치될 예정이라고 밝혔다.

제한된 리소스에서 데이터를 수집하고 전송하는 환경에서는 엣지 AI 적용이 쉽지 않다. 저전력 무선통신 기반 24시간 모니터링에 적합한 이벤트 탐지 기반 스냅샷 촬영과 압축 이미지 전송 등이 가능한 경량화된 AI 알고리즘과 결합한다면 큰 시너지를 낼 것으로 기대된다.

■ 유지보수·안전 인력난, 경량 엣지 인프라로 해결

센서 기반 데이터 수집과 모니터링을 하다 보면 소위 ‘측정값이 튀는’ 경우가 종종 발생한다. 실제로 현장에 문제가 발생한 경우 센서가 이를 감지해 측정값이 발생한 것일 수도 있으나 반면 일시적인 환경 변화, 민감도, 오감지, 노이즈 등의 다양한 변수로 인한 측정값의 발생인 경우도 빈번하다.

이는 실내 환경이지만 소방안전 사례에서도 쉽게 관측되는 예시가 있다. 정상진 한국전자통신연구원 표준연구본부 책임연구원에 따르면 소방 안전관리 실태에서 서울시 기준 자동화재속보설비의 신뢰도는 0.12%인 것으로 나타났다. 2018년부터 1년간 자동화재속보설비가 자동으로 감지해 신고한 건수는 3,427건인 반면 실제화재 건수는 고작 4건에 불과해 센서만을 통한 유지보수·안전 관리의 취약점을 여실히 드러내는 사례로 나타났다.

이에 엣지단에서의 카메라 기반 솔루션이 실내 환경에 많이 채택되고 있으며, 여기에 인공지능 기능을 더해 인력 리소스 소모를 한 번 더 줄일 수 있다. 더불어 실외 환경은 열악한 인프라에서도 구축될 수 있어야 하기에 저전력·경량화가 주요하게 고려되고 있다.

콕스랩은 ‘엣지아이(EdgeEye)’라는 LoRa 기반 저전력 무선 CCTV 카메라를 개발해 시장 공략에 나서고 있다. 수많은 IoT 프로젝트를 수행하며 해당 부문에 시장 요구를 대응하기 위해 멀리 떨어진 현장, 전원선이 없는 환경, 심지어는 통신망의 사각지대에서도 구축이 가능한 솔루션 역량을 보유했다.

정종수 대표는 “통신사가 서비스하지 않는 곳에 주로 납품해 많은 운영 이력을 가지고 있다”며 LoRa 사설망 서버 게이트웨이 제품을 개발해 틈새 시장을 공략해 왔다고 밝혔다. 

최근 개발한 엣지아이를 통해 현장 데이터를 주기적으로 수집하고 이를 엣지 서버로 전송한다. 게이트웨이에 탑재된 엣지 AI로 수집된 데이터를 추론하며, Arm 64bit 기반 NPU가 탑재된 게이트 웨이는 GPU 대비 비용 효율적이고 비교적 컴팩트하면서도 효과적인 AI 성능 구현을 보여줄 수 있다.

정 대표는 “소규모 네트워크를 구성하는 경우 NPU가 탑재된 제품으로도 AI 추론을 구동할 수 있다”며 “콕스랩은 사설망 구축 경험을 바탕으로 유지보수·안전 분야에서 통신 서비스가 미치지 못하는 영역도 커버할 수 있다”고 강조했다.