1. 수행배경

• 국내 해충 방역 시장은 여전히 현장 작업자의 경험과 수기 기록에 의존하는 구조로, 작업 효율과 데이터 신뢰성 측면에서 한계가 분명함
• 해충 방역 업체인 코덱소(Kodexo)는 현장에서 해충을 포집한 뒤 어떤 해충이, 얼마나 잡혔는지 일일이 육안으로 확인해야 했으며, 이 과정에서 누락·오판·기록 분실 등의 문제가 발생함
• 작업자가 고객처에 방문하기 전 미리 솔루션을 준비할 수 있도록, 현장 포집 → 자동 촬영 → AI 분석 → 데이터 시각화로 이어지는 통합 관리 시스템에 대한 수요가 존재함
• 이에 따라 IoT 하드웨어, AI 해충 탐지 모델, 백엔드 API 서버, 프론트엔드 대시보드까지 전 영역을 통합한 Kodexo PMP(Pest Management Platform) 개발을 수행함

2. 수행기간

• 2025년 9월 ~ 2026년 5월 (총 9개월)
• 1단계 — 요구사항 분석 및 시스템 설계 (2025.09 ~ 2025.10)
• 2단계 — 영역별 단위 개발: 프론트엔드, 백엔드, AI 모델, 하드웨어 (2025.11 ~ 2026.02)
• 3단계 — 중간 보고 및 통합 테스트 (2026.03)
• 4단계 — AI 모델 고도화, 하드웨어 차세대(Gen 2) 전환, 운영 안정화 (2026.04 ~ 2026.05)

3. 개발작품 설명

• 작품명: Kodexo PMP — 해충 탐지·분석·관리 통합 솔루션
• 시스템 구성: 네 영역이 유기적으로 연동되는 End-to-End 파이프라인 구조
  • 하드웨어 (현장 디바이스): Arduino Uno(마스터)와 ESP32-CAM(슬레이브) 기반의 해충 포집 장치. P-Channel MOSFET을 활용한 하드웨어 전원 차단 방식을 채택하여, 18650 배터리 4셀 환경에서 12~15일 이상 장기 구동이 가능함. DHT11 온습도 센서 데이터와 촬영 이미지를 HTTPS Multipart 분할 전송으로 서버에 업로드함
  • AI 모델 (해충 탐지 엔진): YOLO 기반 객체 탐지 모델로 바퀴벌레, 개미, 거미 3종을 분류. V1~V3 단계 반복 개선 + 추가 최적화를 거쳐 mAP@50 80.5% 달성(개미 클래스 37.2% → 77.9%, 통합 데이터셋 4,400장 이상 규모). 경량화 모델 적용으로 실제 서비스 환경에 그대로 투입 가능
  • 백엔드 (API 서버): RESTful API 설계 및 구현, AWS 기반 서버 배포 완료. DNS, HTTPS, CI/CD, S3, Nginx 인프라 구축 및 테스트 코드 작성으로 운영 환경 안정화 완료
  • 프론트엔드 (관리 대시보드): React, TypeScript, Tailwind CSS 기반 컴포넌트 아키텍처. 대시보드, 최근 작업 조회, 고객 관리, 작업 상세(AI 분석 결과 시각화), 작업 보고서 PDF 출력까지 전체 서비스 흐름을 구현
• 차세대 하드웨어 (Gen 2): STM32 + FreeRTOS 기반 메인 제어부로 전환 완료. 3D 프린팅 PETG 정밀 케이스 제작 및 TLS/SSL 엔드 투 엔드 보안 통신 적용

4. 활용방안

• • 현장 작업 효율 극대화: 작업자가 고객처를 방문하기 전 AI 분석 결과와 사진을 확인하고 적합한 약제·솔루션을 미리 준비할 수 있어, 현장 체류 시간과 재방문율을 크게 단축함
  • 데이터 기반 방역 의사결정: 누적된 해충 탐지 데이터를 토대로 지역별·시기별·시설 유형별 발생 패턴을 분석하여, 사전 예방형 방역 전략 수립이 가능함
  • 고객 신뢰도 향상: 작업 보고서 PDF를 통해 작업 내역과 AI 분석 결과를 객관적인 자료로 제공함으로써, 고객에게 시각적이고 정량적인 근거를 전달할 수 있음
  • 확장 가능한 IoT 플랫폼: STM32와 FreeRTOS 기반의 차세대 하드웨어를 토대로 미세먼지, 온습도 등 추가 센서 확장과 다양한 산업 현장(식품 공장, 물류센터, 요식업장 등)으로의 적용이 가능함
  • 사업 모델 확장: 단순 방역 서비스에서 데이터 기반 SaaS형 방역 관리 플랫폼으로 사업 영역 확장이 가능하며, 코덱소 외 다른 방역 업체에도 솔루션 라이선스로 제공할 수 있는 구조