THine Value Edge AI 시스템용 카메라 전송 솔루션, 연결 거리와 비용 관련 문제 해결
2026.07.30
- NEW
- 기사
- 솔루션
과거를 돌아보면, 반도체 시장을 주도하는 애플리케이션은 거의 20년 주기로 바뀌어 왔다. 1980~1990년대에는 PC와 인터넷이 주도했고, 2000~2010년대에는 스마트폰 (휴대전화)과 클라우드 컴퓨팅 이 주역으로 부상했다. 현재로서는 아직 스마트폰과 클라우드 컴퓨팅의 기세가 강하지만, 조만간 주역이 교체될 것으로 보인다. 다음 주역은 무엇일까? 업계의 의견을 종합해 보면 엣지 디바이스, 혹은 엣지 AI 시스템이 될 전망이다.
이러한 상황 속에서 자인일렉트로닉스는 엣지 AI 시스템을 위한 카메라 전송 솔루션 을 개발했다(그림 1).
이러한 상황 속에서 자인일렉트로닉스는 엣지 AI 시스템을 위한 카메라 전송 솔루션 을 개발했다(그림 1).
그림 1. 엣지 AI 시스템용 카메라 전송 솔루션 전시회 출품
어떤 엣지 AI 시스템을 위한 것이며, 도입하면 어떤 이점을 얻을 수 있을까? 이에 대한 자세한 내용을 아래에서 설명해보자.
카메라를 활용한 엣지 AI 시스템의 보급 확대
여기서 간단히 엣지 디바이스, 혹은 엣지 AI 시스템에 대해 설명해 두겠다. 엣지 디바이스나 엣지 AI 시스템 은 센서, 마이크로컨트롤러, GPU(Graphics Processing Unit), NPU(Neural Processing Unit) 등으로 구성된다. 센서에서 수집한 정보를 GPU나 NPU에서 AI 처리하고, 그 결과를 바탕으로 마이크로컨트롤러가 판단을 내린다.
현재 일반적으로 사용되고 있는 클라우드 AI 시스템(클라우드 컴퓨팅)과의 가장 큰 차이점은, 센서에서 수집한 정보를 클라우드 상의 호스트와 주고받는 과정을 대폭 줄일 수 있다는 점에 있다. 이를 통해 크게 세 가지 이점을 얻을 수 있다. 첫째는 실시간성을 확보할 수 있다는 점이고, 둘째는 통신 비용을 절감할 수 있다는 점이며, 셋째는 개인정보 보호와 보안을 확보할 수 있다는 점이다.
이러한 엣지 디바이스나 엣지 AI 시스템에 사용되는 센서는 매우 다양하다. 온습도 센서의 경우도 있고, 인체 감지 센서, 압력 센서, 광 센서, CO₂(이산화탄소) 센서 등을 사용하는 경우도 있어, 예를 들자면 끝이 없다. 그중에서도 비교적 많은 용도로 사용되는 것이 이미지 센서이다.
즉, 카메라이다 (그림 2.)
카메라를 사용하는 엣지 AI 시스템(AI 카메라) 에서는 촬영한 영상을 AI로 처리하여 다양한 판단을 내리거나 정보를 획득한다. 예를 들어, 주차장을 대상으로 한 엣지 AI 시스템이라면 자동차 번호판을 인식하여 출구 바를 개폐하거나, 운전자를 촬영한 영상에서 연령이나 성별과 같은 마케팅 정보를 획득하여 저장하는 것이 가능해진다.
현재 일반적으로 사용되고 있는 클라우드 AI 시스템(클라우드 컴퓨팅)과의 가장 큰 차이점은, 센서에서 수집한 정보를 클라우드 상의 호스트와 주고받는 과정을 대폭 줄일 수 있다는 점에 있다. 이를 통해 크게 세 가지 이점을 얻을 수 있다. 첫째는 실시간성을 확보할 수 있다는 점이고, 둘째는 통신 비용을 절감할 수 있다는 점이며, 셋째는 개인정보 보호와 보안을 확보할 수 있다는 점이다.
이러한 엣지 디바이스나 엣지 AI 시스템에 사용되는 센서는 매우 다양하다. 온습도 센서의 경우도 있고, 인체 감지 센서, 압력 센서, 광 센서, CO₂(이산화탄소) 센서 등을 사용하는 경우도 있어, 예를 들자면 끝이 없다. 그중에서도 비교적 많은 용도로 사용되는 것이 이미지 센서이다.
즉, 카메라이다 (그림 2.)
그림 2 카메라를 사용하는 엣지 AI 시스템(AI 카메라)을 도입하는 동기
카메라를 사용하는 엣지 AI 시스템(AI 카메라) 에서는 촬영한 영상을 AI로 처리하여 다양한 판단을 내리거나 정보를 획득한다. 예를 들어, 주차장을 대상으로 한 엣지 AI 시스템이라면 자동차 번호판을 인식하여 출구 바를 개폐하거나, 운전자를 촬영한 영상에서 연령이나 성별과 같은 마케팅 정보를 획득하여 저장하는 것이 가능해진다.
IP 카메라와 UVC 카메라는 고가
다만 카메라를 사용하는 엣지 AI 시스템의 경우, 대상 용도에 따라 ‘카메라와 AI 처리용 보드 컴퓨터 간의 연결 거리’ 및 ‘카메라 비용’이라는 과제에 직면할 가능성이 높다. 무슨 뜻일까? 노선버스 차내를 감시하는 엣지 AI 시스템을 구체적인 예로 들어 설명해 보자.
이 시스템의 역할은 시시각각 변화하는 승차 인원이나 차내의 위험한 상황(승객의 넘어짐 등)을 감지하는 데 있다. 이를 위해 버스 차내 전체를 커버할 수 있도록 여러 곳에 카메라를 설치해야 한다. AI 처리를 수행하는 보드 컴퓨터를 운전석 주변에 배치할 경우, 차내 후방에 설치된 카메라와의 연결 거리는 대형 버스의 경우 10m 정도, 중형 버스의 경우 8m 정도가 된다.
카메라 후보로는 3가지 종류가 있다. 즉, ‘UVC(USB Video Class) 카메라’, ‘IP(Internet Protocol) 카메라’, ‘MIPI(Mobile Industry Processor Interface)’이다(표 1).
이 중 IP 카메라를 사용하면 카메라와 보드 컴퓨터 간의 거리가 10m를 초과 하더라도 연결할 수 있다. 실제로는 100m 정도의 거리까지 연결이 가능하다. 다만 대당 가격이 비교적 비싸다. 기종에 따라 차이가 있지만, 산업용의 경우 10만 엔 정도인 경우가 많은 것으로 보인다. 이 때문에 여러 대의 카메라로 구성할 경우 상당히 고가의 시스템이 되어 버린다.
UVC 카메라는 연결 거리가 최대 5m에 불과하기 때문에, 버스 차내 감시용 엣지 AI 시스템 에는 적용하기 어렵다. 게다가 가격은 산업용 기준 4만~8만 엔 정도로 비교적 비싸다. 반면 MIPI 카메라의 가격은 3,000~5,000엔으로 저렴하다.여러 대를 사용하는 시스템에는 최적이라고 할 수 있다. 하지만 연결 가능한 거리는 20cm~30cm로 상당히 짧다. 이대로는 버스 차내 감시를 위한 엣지 AI 시스템에 적용하는 것은 불가능하다.
이 시스템의 역할은 시시각각 변화하는 승차 인원이나 차내의 위험한 상황(승객의 넘어짐 등)을 감지하는 데 있다. 이를 위해 버스 차내 전체를 커버할 수 있도록 여러 곳에 카메라를 설치해야 한다. AI 처리를 수행하는 보드 컴퓨터를 운전석 주변에 배치할 경우, 차내 후방에 설치된 카메라와의 연결 거리는 대형 버스의 경우 10m 정도, 중형 버스의 경우 8m 정도가 된다.
카메라 후보로는 3가지 종류가 있다. 즉, ‘UVC(USB Video Class) 카메라’, ‘IP(Internet Protocol) 카메라’, ‘MIPI(Mobile Industry Processor Interface)’이다(표 1).
표 1 카메라 비교
이 중 IP 카메라를 사용하면 카메라와 보드 컴퓨터 간의 거리가 10m를 초과 하더라도 연결할 수 있다. 실제로는 100m 정도의 거리까지 연결이 가능하다. 다만 대당 가격이 비교적 비싸다. 기종에 따라 차이가 있지만, 산업용의 경우 10만 엔 정도인 경우가 많은 것으로 보인다. 이 때문에 여러 대의 카메라로 구성할 경우 상당히 고가의 시스템이 되어 버린다.
UVC 카메라는 연결 거리가 최대 5m에 불과하기 때문에, 버스 차내 감시용 엣지 AI 시스템 에는 적용하기 어렵다. 게다가 가격은 산업용 기준 4만~8만 엔 정도로 비교적 비싸다. 반면 MIPI 카메라의 가격은 3,000~5,000엔으로 저렴하다.여러 대를 사용하는 시스템에는 최적이라고 할 수 있다. 하지만 연결 가능한 거리는 20cm~30cm로 상당히 짧다. 이대로는 버스 차내 감시를 위한 엣지 AI 시스템에 적용하는 것은 불가능하다.
저가형 MIPI 카메라의 연결 거리 연장
가격만 놓고 보면, 엣지 AI 시스템 에 가장 적합한 카메라는 ‘MIPI 카메라’라고 할 수 있을 것이다. 하지만 아무래도 연결 가능한 거리가 너무 짧다.
이를 개선하지 않으면 엣지 AI 시스템에 적용하기는 극히 어렵다고 할 수밖에 없다. 게다가, MIPI CSI-2(Camera Serial Interface 2) 신호 입력을 지원하지 않는 보드 컴퓨터 가 많다.
이에 자인일렉트로닉스는 이러한 문제 해결을 위한 ‘엣지 AI 시스템용 카메라 전송 솔루션’을 개발했다(그림 3).
이를 사용하면 영상 신호의 전송 거리를 대폭 늘릴 수 있다. 이 솔루션은 3가지 요소로 구성된다. 첫 번째는 싱글 보드 컴퓨터이다. 구체적으로는 미국 Thundercomm Technology사의 ‘RUBIK Pi3’를 채택하고 있으며, 여기에는 미국 Qualcomm사의 SoC(System on a Chip) ‘QCS6490’이 탑재되어 있다(그림 4).
이 보드 컴퓨터에는 두 가지 특징이 있다. 첫 번째는 라즈베리 파이 카메라 (Raspberry Pi 카메라)와의 호환성을 확보하고 있다는 점이다. 라즈베리 파이 카메라를 연결하기만 하면 이를 인식하여 영상 데이터를 가져올 수 있다.또 다른 하나는 QCS6490에 NPU가 집적되어 있어 12TOPS의 AI 처리 성능을 갖추고 있다는 점이다. 덕분에 다양한 AI 처리를 실행할 수 있다. 가장 간단한 방법으로는 퀄컴 (Qualcomm)사가 제공하는 사이트 ‘AI Hub(링크: https://aihub.qualcomm.com)’에 각종 AI 모델이 등록되어 있어, 이를 다운로드하기만 하면 다양한 AI 처리가 가능해진다. 물론 맞춤형으로 개발된 AI 모델을 구현할 수도 있다.
두 번째 요소는 라즈베리파이 카메라, 세 번째는 라즈베리파이 카메라 전송 연장 키트 ‘THSER102A’이다. 이 키트는 송신 보드와 수신 보드로 구성되어 있으며, 송신 보드는 라즈베리파이 카메라와 연결하고, 수신 보드는 싱글 보드 컴퓨터와 연결하여 사용한다. 또한, 라즈베리파이 카메라 대신 일반적인 MIPI 카메라를 사용하고자 하는 사용자는 자인일렉트로닉스에 문의해 주길 바란다.호환되는 송신 보드 등을 맞춤형으로 개발하는 것도 가능하다.
이를 개선하지 않으면 엣지 AI 시스템에 적용하기는 극히 어렵다고 할 수밖에 없다. 게다가, MIPI CSI-2(Camera Serial Interface 2) 신호 입력을 지원하지 않는 보드 컴퓨터 가 많다.
이에 자인일렉트로닉스는 이러한 문제 해결을 위한 ‘엣지 AI 시스템용 카메라 전송 솔루션’을 개발했다(그림 3).
그림 3 엣지 AI 시스템용 카메라 전송 솔루션 의 사용 예
이를 사용하면 영상 신호의 전송 거리를 대폭 늘릴 수 있다. 이 솔루션은 3가지 요소로 구성된다. 첫 번째는 싱글 보드 컴퓨터이다. 구체적으로는 미국 Thundercomm Technology사의 ‘RUBIK Pi3’를 채택하고 있으며, 여기에는 미국 Qualcomm사의 SoC(System on a Chip) ‘QCS6490’이 탑재되어 있다(그림 4).
그림 4 라즈파이 카메라 호환 보드 컴퓨터 채택
이 보드 컴퓨터에는 두 가지 특징이 있다. 첫 번째는 라즈베리 파이 카메라 (Raspberry Pi 카메라)와의 호환성을 확보하고 있다는 점이다. 라즈베리 파이 카메라를 연결하기만 하면 이를 인식하여 영상 데이터를 가져올 수 있다.또 다른 하나는 QCS6490에 NPU가 집적되어 있어 12TOPS의 AI 처리 성능을 갖추고 있다는 점이다. 덕분에 다양한 AI 처리를 실행할 수 있다. 가장 간단한 방법으로는 퀄컴 (Qualcomm)사가 제공하는 사이트 ‘AI Hub(링크: https://aihub.qualcomm.com)’에 각종 AI 모델이 등록되어 있어, 이를 다운로드하기만 하면 다양한 AI 처리가 가능해진다. 물론 맞춤형으로 개발된 AI 모델을 구현할 수도 있다.
두 번째 요소는 라즈베리파이 카메라, 세 번째는 라즈베리파이 카메라 전송 연장 키트 ‘THSER102A’이다. 이 키트는 송신 보드와 수신 보드로 구성되어 있으며, 송신 보드는 라즈베리파이 카메라와 연결하고, 수신 보드는 싱글 보드 컴퓨터와 연결하여 사용한다. 또한, 라즈베리파이 카메라 대신 일반적인 MIPI 카메라를 사용하고자 하는 사용자는 자인일렉트로닉스에 문의해 주길 바란다.호환되는 송신 보드 등을 맞춤형으로 개발하는 것도 가능하다.
V-by-One HS 기술로 구현
라즈파이 카메라 전송 연장 키트는 자인일렉트로닉스가 특화된 고속 신호 인터 페이스 기술인 ‘V-by-One HS’를 채택한다.먼저 라즈베리 파이 카메라가 출력하는 MIPI CSI-2 신호 를 송신 보드에 탑재된 V-by-One HS 지원 송신기 IC ‘THCV241A-P’에 입력한다. 그러면 THCV241A-P는 MIPI CSI-2 신호를 차동 형식의 V-by-One HS 신호로 변환한다.이를 이더넷 케이블로 전송하여, 수신 보드에 탑재된 V-by-One HS 대응 수신기 IC ‘THCV242A-P’에서 수신한 후, MIPI CSI-2 신호로 변환하여 보드 컴퓨터로 전달한다. 이를 통해 MIPI CSI-2 신호 입력을 지원하지 않는 보드 컴퓨터가 많다는 문제점도 해결할 수 있다.
사용하는 이더넷 케이블의 종류와 카메라의 해상도에 따라 연결 가능한 거리는 달라진다. 해상도가 8M 화소 (약 800만 화소, 3264×2448)인 경우, 카테고리 6A의 이더넷 케이블 을 사용할 때는 최대 10m, 카테고리 7을 사용할 때는 최대 15m까지 영상 신호를 전송할 수 있다.앞서 언급한 대형 버스 차내 감시를 위한 엣지 AI 시스템의 경우, 카테고리 6A 이더넷 케이블로는 만만치 않지만, 카테고리 7 이더넷 케이블을 사용하면 구현할 수 있다. 또한, 해상도를 낮출 수 있다면 카테고리 6A 이더넷 케이블로도 15m 정도의 연결이 가능하다.
사용하는 이더넷 케이블의 종류와 카메라의 해상도에 따라 연결 가능한 거리는 달라진다. 해상도가 8M 화소 (약 800만 화소, 3264×2448)인 경우, 카테고리 6A의 이더넷 케이블 을 사용할 때는 최대 10m, 카테고리 7을 사용할 때는 최대 15m까지 영상 신호를 전송할 수 있다.앞서 언급한 대형 버스 차내 감시를 위한 엣지 AI 시스템의 경우, 카테고리 6A 이더넷 케이블로는 만만치 않지만, 카테고리 7 이더넷 케이블을 사용하면 구현할 수 있다. 또한, 해상도를 낮출 수 있다면 카테고리 6A 이더넷 케이블로도 15m 정도의 연결이 가능하다.
무인점포용 대상으로
엣지 AI 시스템을 위한 카메라 전송 솔루션 이 목표로 하는 애플리케이션으로, 자인일렉트로닉스 는 농산물을 비롯한 무인점포를 꼽는다. 이미 실용화된 무인 판매소용 과금 시스템 은 카메라와 로드셀(중량 센서)을 조합하여 사용자가 선택한 상품을 파악하고 있다. 물론 이 센서 구성으로도 구현 가능하지만, 로드셀을 사용하면 상품 진열 위치가 제한되어 버린다.
이에 자인일렉트로닉스는 전적으로 카메라로 구성된 과금 시스템을 제안한다. 개발된 카메라 전송 솔루션을 사용하면 전송 가능한 거리가 길어 대형 무인 판매소에도 대응할 수 있을 뿐만 아니라, 저렴한 MIPI 카메라를 사용할 수 있다. 하나의 진열대에 여러 대의 카메라를 배치하여 교차 검출도 가능해진다.
또한 자인일렉트로닉스에서는 엣지 AI 시스템을 위한 카메라 전송 솔루션의 성능을 더욱 향상시킬 계획을 세우고 있다. AI 모델을 여러 개 동시에 처리해야 하는 애플리케이션의 경우, 12TOPS의 AI 처리 성능으로는 부족할 것으로 예상된다. 이에 따라 AI 처리 능력이 48TOPS에 달하는 고성능 NPU를 집적된 퀄컴(Qualcomm)사의 SoC를 탑재한 커스텀 보드 개발에 대해서도, 고객의 요청에 따라 상담을 진행하고 있다.
（ →커스텀 개발 상담 양식은 여기 ）
이에 자인일렉트로닉스는 전적으로 카메라로 구성된 과금 시스템을 제안한다. 개발된 카메라 전송 솔루션을 사용하면 전송 가능한 거리가 길어 대형 무인 판매소에도 대응할 수 있을 뿐만 아니라, 저렴한 MIPI 카메라를 사용할 수 있다. 하나의 진열대에 여러 대의 카메라를 배치하여 교차 검출도 가능해진다.
또한 자인일렉트로닉스에서는 엣지 AI 시스템을 위한 카메라 전송 솔루션의 성능을 더욱 향상시킬 계획을 세우고 있다. AI 모델을 여러 개 동시에 처리해야 하는 애플리케이션의 경우, 12TOPS의 AI 처리 성능으로는 부족할 것으로 예상된다. 이에 따라 AI 처리 능력이 48TOPS에 달하는 고성능 NPU를 집적된 퀄컴(Qualcomm)사의 SoC를 탑재한 커스텀 보드 개발에 대해서도, 고객의 요청에 따라 상담을 진행하고 있다.
（ →커스텀 개발 상담 양식은 여기 ）