FLUXIS

한 통도 놓치지 않는
AI 우편물 자동구분

소형통상구분기 · 복합통상구분기 · 순로구분기를 설계·제작하고, 봉투의 주소를 읽어 칸을 정하는 소프트웨어까지 직접 만듭니다. 이미 쓰고 있는 타사 구분기에는 소프트웨어만 얹을 수도 있습니다.

도입 문의 제품 살펴보기 ›
  1. 01투입부
  2. 02촬영 · 판독
  3. 03구분칸 지정
  4. 04구분부

일단 핵심부터.

처리량
120,000통/h

관제 소프트웨어가 부하 시험에서 처리한 시간당 물량.

인식기 네 대 중 한 대가 중도에 멈춘 조건에서도 유실 없이 흘렀습니다.

유실
0건

한 통도 잃지 않습니다.

봉투를 인식기에 넘길 때마다 누가 가져갔는지 적어 둡니다. 정해진 시간 안에 결과가 오지 않으면 그 봉투를 대기열 맨 앞으로 되돌립니다. 인식기가 멈춰도 우편물은 남습니다.

설명가능 AI
22단계

왜 저 칸으로 갔는지 답할 수 있습니다.

값이 실제로 바뀐 단계만 밝게 표시되고, 채택되지 않은 후보도 점수와 함께 남습니다.

소프트웨어
11개

필요한 부분만 골라 바꿀 수 있습니다.

촬영 · 인식 · 구분 · 관제 · 설비연동을 따로 나눠 만들었습니다. 인식만 먼저 얹어 성능을 확인한 뒤 나머지를 넘길 수 있습니다. (11개 중 2개는 개발 중)

설비 연동

설비 제조사를 가리지 않습니다.

OMRON · SIEMENS · Modbus 방식 컨트롤러를 회사명과 모델만 골라 연결합니다. 통신 부분을 직접 만들어, 인터넷이 없는 현장 PC에도 폴더째 복사하면 동작합니다.

사전 검증

설비 없이 인식률을 먼저 봅니다.

현장에서 촬영해둔 봉투 이미지를 폴더에 넣으면 전 구간이 그대로 돕니다. 라인을 세울 필요가 없습니다.

처리량 · 유실 수치는 사내 부하 시험 결과입니다.1

제품

무엇을 만듭니까.

봉투를 목적지별로 나누는 소형통상구분기, 도착 · 발송 구분에 순로구분과 등기구분까지 한 대에서 처리하는 복합통상구분기, 배달 순서대로 정렬하는 순로구분기, 그리고 이미 설치된 설비의 소프트웨어만 바꾸는 현대화입니다.

여러 구분칸으로 우편물을 배달 순서에 맞춰 정렬하는 순로구분기
01 · 배달 순서

순로구분기

집배원이 실제로 도는 순서대로 정렬해 내보냅니다.

 봉투를 투입해 목적지별 구분칸으로 보내는 고속 소형통상구분기
02 · 목적지 구분

소형통상구분기

정형 봉투를 목적지별로 고속 구분합니다.

 카메라와 센서가 봉투를 판독해 각 구분칸으로 보내는 자동 분류 라인
03 · 기존 설비

설비 현대화

이미 설치된 타사 구분기의 기구부는 그대로 두고 소프트웨어만 바꿉니다.

설비 사양은 프로젝트별로 결정됩니다.2

제품소개 전체 보기 ›
구조

한 대를 열어 봅니다.

소형통상구분기를 모듈별로 나눠, 우편물 한 통이 지나가는 순서대로 하나씩 짚어 봅니다.

  1. 쌓아 둔 우편물을 한 장씩 떼어 냅니다. 떼어 낸 봉투는 일정한 간격을 두고 데크 위를 흘러갑니다.

  2. 타워 어귀에서 조명 아래 봉투를 찍습니다. 딥러닝 OCR이 주소를 읽고, 주소 매칭이 목적지를 정합니다.

    소프트웨어 VisionRecognizerSortCore

  3. 목적지가 정해진 봉투는 타워 안에서 곧게 올라가다가, 제 단 높이에서 옆으로 빠집니다.

    소프트웨어 SortEngine

  4. 네 단으로 늘어선 칸 앞에서 봉투가 튕겨 나가 제 칸에 떨어집니다. 어느 칸으로 갈지는 판독이 끝난 순간 이미 정해져 있습니다.

    소프트웨어 SortEngine

  5. 칸 위 표시기가 어느 칸에 얼마나 쌓였는지 알려 줍니다. 작업자는 가득 찬 칸부터 비웁니다.

    소프트웨어 Supervisor

  6. 모니터 한 대에서 운전하고 관제합니다. 설비는 PLC와 직접 통신해 움직이고, 신호탑이 상태를 알립니다.

    소프트웨어 SupervisorGateway

다시, 한 대로.

갈라졌던 모듈이 제자리로 돌아갑니다. 한 줄로 이어진 길 위에서 우편물은 한 통도 새지 않습니다.

소프트웨어가 하는 일 보기 ›

그림의 단 수 · 칸 수는 이해를 돕기 위한 예시입니다.2

처리 흐름

한 통이 지나가는 여섯 단계.

촬영부터 설비 제어까지 전 구간을 자사 소프트웨어가 담당합니다. AI가 개입하는 세 단계는 판단 근거를 남기므로, 결과가 이상하면 어느 단계에서 어긋났는지 짚을 수 있습니다.

우편물 한 통
  1. 01
    Vision

    촬영 · 전처리

    봉투를 찍고, 기울어진 이미지를 바로 세우고, 글자가 잘 보이도록 대비를 올립니다. 이 보정은 GPU에서 한 번에 처리합니다.

    보정된 봉투 이미지
  2. 02
    Supervisor

    관제 · 작업 분배

    손이 빈 인식기가 다음 봉투를 직접 가져갑니다. 누가 가져갔는지 적어 두므로, 인식기가 멈춰도 그 봉투는 대기열로 돌아와 다시 처리됩니다.

    인식 작업 한 건
  3. 03
    Recognizer

    주소 · 바코드 인식 AI

    딥러닝 OCR(Postal OCR V5)이 주소와 등기 바코드를 읽습니다. 가장 그럴듯한 글자 하나만 믿지 않고, 글자마다 다음 후보까지 함께 따져 봅니다.

    주소 문자열 · 등기 바코드
  4. 04
    SortCore

    주소 매칭 AI

    읽은 주소의 표기를 가지런히 맞춘 뒤 주소 데이터에서 찾습니다. 도로명+번호 → 도로명 → 동+지번 → 동 순으로 찾아도 없으면, 비슷한 후보에 점수를 매겨 실제로 있는 주소를 고릅니다.

    확정된 배달점
  5. 05
    SortEngine

    구분칸 결정 AI

    확정된 배달점을 구분계획(어느 우편물을 어느 칸으로 보낼지 적은 계획)에 대입해 칸 번호를 정합니다. 여기까지의 판단 과정이 22단계로 기록됩니다.

    칸 번호 + 판단 기록 22단계
  6. 06
    Gateway

    설비 제어

    구분기 컨트롤러(PLC)에 이 봉투를 몇 번 칸으로 보낼지 지시합니다. OMRON · SIEMENS · Modbus 방식 컨트롤러를 목록에서 골라 연결합니다.

    컨트롤러 구분 지시
제 칸으로 떨어집니다

단계별 설명 보기 ›

AI

AI를 넣는 것보다 설명하는 일이 더 어렵습니다.

딥러닝 OCR로 봉투의 주소를 읽고, 주소 데이터와 맞춰 실제 배달점을 확정하고, 그 판단 과정을 22단계로 기록합니다. 현장에서 “왜 저 칸으로 갔느냐”는 질문에 답할 수 없다면 AI는 오래 못 갑니다.

3
선택 가능한 인식 엔진

Postal OCR V5

기울어진 봉투와 흐린 인쇄에 강한 딥러닝 인식 엔진

Postal OCR V5 자세히 보기 ›
글자별 후보 재조합

후보 조합 복원

1순위 글자를 버리고 2순위를 택해야 맞는 순간이 있습니다

후보 조합 복원 자세히 보기 ›
4
단계 조회 + 유사도 앙상블

앙상블 주소 매칭

정확 매칭이 실패한 다음이 진짜 승부입니다

앙상블 주소 매칭 자세히 보기 ›
22
기록되는 판단 단계

설명가능 AI · 22단계 추적

오구분의 원인이 어느 단계에서 생겼는지 화면에서 짚습니다

설명가능 AI · 22단계 추적 자세히 보기 ›
AI 기술 전체 보기 › 판단 추적 화면 보기 ›
설계 원칙

왜 우리와 하십니까.

◈

문제가 생기면 끝까지 추적합니다.

설비 · 카메라 · 인식 모델 · 구분계획 · 설비 제어를 한 회사가 만듭니다. 인식률이 떨어졌을 때 카메라 탓인지, 조명 탓인지, OCR 모델 탓인지, 구분계획 탓인지 서로 미루지 않고 끝까지 따라갑니다.

◇

설비 회사를 가리지 않습니다.

OMRON · SIEMENS · Modbus 방식 컨트롤러를 목록에서 회사명과 모델만 골라 연결합니다. 이미 쓰고 있는 타사 구분기에 소프트웨어만 얹을 수도 있습니다.

◆

라인 정지 없이 업데이트합니다.

현장 PC마다 관리 프로그램이 상주합니다. 업데이트는 정비 시간대에, 그 PC가 우편물을 처리하지 않을 때만 들어가고, 실패하면 자동으로 되돌립니다.

도입

현장에 어떻게 들어갑니까.

라인을 세우지 않고 단계적으로 넘기는 것이 원칙입니다. 촬영본으로 먼저 검증하고, 병행 운전으로 결과를 대조한 뒤, 정비 시간대에 전환합니다.

우편집중국 · 적용 시나리오

소형통상구분 라인 현대화

기구부는 그대로 두고 비전·인식·구분 소프트웨어만 교체합니다. 도입 전에 현장에서 촬영해둔 봉투 이미지로 인식률을 먼저 검증하고, 라인을 세우지 않는 정비 시간대에 단계적으로 넘깁니다.

설비 교체 없음 사전 인식률 검증
적용 방식 보기 ›
배달국 · 적용 시나리오

순로구분 자동 배정 도입

배달점 원장 DB 를 읽어 집배원의 실제 배달 순서를 확정하고, 칸 수와 패스 수를 넣으면 순로구분 계획이 나옵니다. 집배구가 개편돼도 계획을 손으로 다시 짜지 않습니다.

8,000 배달점 (20칸 3패스) 자동 LIFO 보정
적용 방식 보기 ›
폐쇄망 현장 · 적용 시나리오

외부망 없는 산업용 PC 배포

인터넷이 없는 현장 PC 에 폴더째 복사하면 그대로 동작합니다. 통신 라이브러리도, 폰트 설치도, 파이썬 설치도 필요 없습니다.

외부 통신 라이브러리 없음 폴더 배포 단위
적용 방식 보기 ›

위 세 가지는 적용 시나리오이며 납품 실적이 아닙니다.3

적용 시나리오 3가지 보기 › 전환 절차 4단계 보기 ›
노트

왜 그렇게 만들었는지 적습니다.

2026. 07. 22. 관제 서버가 작업을 밀어 넣지 않는 이유 부하 분배는 서버가 하는 일처럼 보이지만, 서버가 아는 부하는 언제나 과거 값입니다. 우리가 push 를 버리고 pull 로 간 이유. 기술 2026. 06. 30. OCR 1순위를 버려야 맞는 순간이 있습니다 '계룡로'의 '룡'을 60% 확신으로 '롱'이라 읽으면 그 우편물은 리젝트입니다. 글자별 후보를 남겨두면 되살릴 수 있습니다. 기술 2026. 05. 18. 순로구분에서 가장 자주 틀리는 것 — LIFO 보정 구분칸은 후입선출입니다. 이 사실을 계산에 넣지 않으면 패스를 거듭할수록 순서가 뒤집힙니다. 기술
전체 보기 ›

설비를 세우지 않고 먼저 확인해 보십시오.

현장에서 촬영해둔 봉투 이미지를 주시면 저희 인식 소프트웨어로 그대로 돌려 결과를 보내드립니다. 실제 설비도, 라인 정지도 필요하지 않습니다.

봉투 이미지로 인식률 확인 요청 다른 문의 › sales@fluxis.co.kr ›

각주

  1. 처리량 · 유실 수치는 PostalNexus 관제 서버 사내 부하 시험 결과입니다. 현장 처리량은 설비 사양과 우편물 조건에 따라 달라집니다.
  2. 구분칸 수 · 패스 수 · 반송 속도 등 설비 사양은 국사 물량과 설치 공간에 따라 프로젝트별로 결정됩니다. 표준 사양표가 필요하시면 문의해 주십시오.
  3. ‘도입’ 구간의 세 항목은 적용 시나리오이며, 특정 고객사의 납품 실적을 나타내지 않습니다.