ScholarWorks@성균관대학교

초록

온라인 소비 증가에 따라 택배 물동량이 지속적으로 늘어나면서, 여러 택배 운송사들은 물류 처리 능력을 향상하기 위해 공동 물류 센터를 구축하고 있다. 이러한 센터에서는 다양한 운송사의 택배를 한곳에서 효율적으로 처리하기 위해 딥러닝 기반 택배 송장 정보 인식 시스템을 도입하고 있지만, 밀집된 작업 환경으로 인해 블러(blur) 형태의 송장 이미지가 자주 발생한다는 문제가 존재한다. 본 연구에서는 이러한 문제를 해결하기 위해 블러 택배 송장 이미지를 선명한 택배 송장 이미지로 변환하는 확산 모델 기반 디블러링(deblurring) 방법을 제안한다. 이를 위해 국내 주요 5개 택배사(CJ, 롯데, 한진, 우체국, 쿠팡)의 송장 이미지 데이터셋을 구축하였으며, 순환 일관성이 적용된 diffusion 모듈을 통해 이미지 품질을 향상하였다. 또한, OCR(optical character recognition) 기반 perceptual 모듈을 결합하여 텍스트 가독성을 개선하였다. 실험 결과, 제안 방법을 적용한 택배 송장 이미지는 기존 대비 최대 19.28%의 PSNR(peak signal-to-noise ratio), 최대 27.69%의 SSIM(structural similarity index measure) 개선 효과를 보였으며, LayoutLM 모델을 이용한 클래스 분류 평가에서도 높은 정확도를 달성하였다. 결과적으로, 본 연구에서 제안하는 디블러링 기반 택배 송장 정보 인식 시스템은 블러 이미지 문제를 효과적으로 해결함으로써 공동 물류 센터 내 택배 자동 분류 및 정보 인식을 한층 정교화할 수 있다. 이를 통해 물류 프로세스 자동화와 비용 절감에 크게 기여할 것으로 기대된다.

키워드