Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)
- 2020.07a
- /
- Pages.13-14
- /
- 2020
Edge Computing based Escalator Anomaly Detection and Defect Classification using Machine Learning
머신러닝을 활용한 Edge 컴퓨팅 기반 에스컬레이터 이상 감지 및 결함 분류 시스템
-
Lee, Se-Hoon
(Dept. of Computer Systems, INHA Technical College) ;
- Kim, Ji-Tae (Dept. of Computer Systems, INHA Technical College) ;
- Lee, Tae-Hyeong (Dept. of Computer Systems, INHA Technical College) ;
- Kim, Han-Sol (Dept. of Computer Systems, INHA Technical College) ;
- Jung, Chan-Young (Dept. of Computer Systems, INHA Technical College) ;
- Park, Sang-Hyun (R&D Center, Korea Conveyor Ind. Co., LTD.) ;
- Kim, Pung-Il (R&D Center, Korea Conveyor Ind. Co., LTD.)
-
이세훈
(인하공업전문대학 컴퓨터시스템과) ;
- 김지태 (인하공업전문대학 컴퓨터시스템과) ;
- 이태형 (인하공업전문대학 컴퓨터시스템과) ;
- 김한솔 (인하공업전문대학 컴퓨터시스템과) ;
- 정찬영 (인하공업전문대학 컴퓨터시스템과) ;
- 박상현 (한국콘베어공업(주)) ;
- 김풍일 (한국콘베어공업(주))
- Published : 2020.07.15
Abstract
본 논문에서는 엣지 컴퓨팅 환경에서 머신러닝을 활용해 에스컬레이터 이상 감지 및 결함 분류를 하는 연구를 진행하였다. 엣지 컴퓨팅 기반 머신러닝을 사용해 에스컬레이터의 이상 감지 및 결함 분류를 위한 OneM2M환경을 구축하였으며 에스컬레이터에서 발생하는 소음에서 고장 유형에 따라 나타나는 주파수를 이용한다. Edge TPU를 활용해 엣지 컴퓨팅 시스템의 처리량을 최대화하고, 각 작업의 수행시간을 최소화함으로써 엣지 컴퓨팅 환경에서 이상 감지와 결함 분류를 수행할 수 있다.