• 스마트미디어저널
• /
• 제11권11호
• /
• pp.40-48
• /
• 2022

본 논문에서는 인공지능교육의 어려움을 해결하기 위하여 인공지능 교육에 활용이 가능한 교육용 키트를 개발하였다. 이를 통하여 이론 중심에서 실무 위주의 경험을 학습하기 위한 CNN과 OpenCV를 이용하여 컴퓨터 비전 기술을 이용한 사람 인식(Object Detection and Person Detection in Computer Vision)과 특정 오브젝트를 학습시키고 인식시키는 사용자 이미지인식(Your Own Image Recognition), 사용자 객체 분류(Segmentation) 및 세분화(Classification Datasets), 학습된 타켓을 공격하는 IoT하드웨어 제어와 인공지능보드인 Jetson Nano GPIO를 제어함으로써 효과적인 인공지능 학습에 도움이 되는 교재를 개발하여 활용할 수 있도록 하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.154-155
• /
• 2023

오픈 소스인 YOLO(You Only Look Once) 객체 탐지 알고리즘이 공개된 이후, 산업 현장에서는 고성능 컴퓨터에서 벗어나 효율과 특수한 환경에 사용하기 위해 임베디드 시스템에 도입하고 있다. 그러나, NVIDIA의 Jetson nano의 경우, Pytorch의 YOLOv7 딥러닝 모델에 대한 추론이 진행되지 않는다. 따라서 제한적인 전력과 메모리, 연산능력 최적화 과정은 필수적이다. 본 논문은 NVIDIA의 임베디드 플랫폼 Jetson 계열의 Xavier NX, Orin AGX, Nano에서 딥러닝 모델을 적용하기 위한 최적화 과정과 플랫폼에서 다양한 크기의 YOLOv7의 PyTorch 모델들을 Tensor RT로 변환하여 FPS(Frames Per Second)를 측정 및 비교한다. 측정 결과를 통해, 각 임베디드 플랫폼에서 YOLOv7 모델의 추론은 Tensor RT는 Pytorch에서 약 4.1배 적은 FPS 변동성과 약 2.25배 정도의 FPS 속도향상을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.556-558
• /
• 2022

본 논문에서는 인공지능 알고리즘을 운용할 수 있는 고성능 소형 컴퓨터인 젯슨 나노를 기반으로 차량 추적 기능을 가진 캔위성 시스템을 제안한다. 캔위성 시스템은 캔위성과 지상국으로 구성되며, 캔위성은 대기권 내에서 낙하하며 장착된 센서를 통해 얻은 데이터를 무선통신을 이용해 지상국으로 전송한다. 기존 캔위성은 단순히 수집된 정보를 지상국에 전송하는 임무로 제한되며, 제한된 낙하 시간과 무선통신의 대역폭 제한으로 효율적인 임무 수행에는 한계가 있었다. 본 논문에서 제안하는 젯슨 나노 기반의 캔위성은 사전에 학습된 신경망 모델을 이용하여 공중에서 촬영한 영상에서 차량의 위치를 실시간으로 탐지 후, 2축 모터를 이용하여 카메라를 움직여 차량을 추적한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.211-212
• /
• 2021

본 논문에서는 싱글보드 컴퓨터 Jetson nano 기반 음성 라이브러리 Snowboy를 활용하여 음성인식 시스템을 구현하여 Turtlebot의 동작을 제어하였다. Turtlebot은 ROS(Robot Operating System) 기반으로 동작하며 ROS core를 통해 Jetson nano와 데이터전송이 가능하다. 사용자에 의해 실시간으로 Snowboy에 저장된 특정 음성을 인식하고 지정된 좌표로 변환한다. 변환된 좌표에 따라 Turtlebot이 지정된 위치로 이동한다. Lidar센서를 활용하여 장애물을 감지하고 다른 경로를 생성해 지정된 위치로 이동한다.

• 농업과학연구
• /
• 제50권3호
• /
• pp.415-424
• /
• 2023

The task of sorting and excluding blemished apples and others that lack commercial appeal is currently performed manually by human eye sorting, which not only causes musculoskeletal disorders in workers but also requires a significant amount of time and labor. In this study, an automated apple-sorting machine was developed to prevent musculoskeletal disorders in apple production workers and to streamline the process of sorting blemished and non-marketable apples from the better quality fruit. The apple-sorting machine is composed of an arm-rest, a main body, and a height-adjustable part, and uses object detection through a machine learning technology called 'You Only Look Once (YOLO)' to sort the apples. The machine was initially trained using apple image data, RoboFlow, and Google Colab, and the resulting images were analyzed using Jetson Nano. An algorithm was developed to link the Jetson Nano outputs and the conveyor belt to classify the analyzed apple images. This apple-sorting machine can immediately sort and exclude apples with surface defects, thereby reducing the time needed to sort the fruit and, accordingly, achieving cuts in labor costs. Furthermore, the apple-sorting machine can produce uniform quality sorting with a high level of accuracy compared with the subjective judgment of manual sorting by eye. This is expected to improve the productivity of apple growing operations and increase profitability.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.701-702
• /
• 2020

본 논문에서는 Jetson-Nano와 데스크탑에서 OpenCV와 YOLOv3 실시간 객체 인식 알고리즘을 이용하여 웹캠을 통해 주차장 등의 출입 차량 인식 통계 시스템을 개발하였다. 최근 에지컴퓨팅에 관심이 증가하고 있는 시점에서 Nvidia사에서 개발하여 보급하고 있는 Jetson-Nano에 YOLOv3 tiny와 OpenCV를 이용하여 차량인식을 수행하고, 구글에서 개발한 오픈 소스 Tesseract-OCR을 이용해 차량번호인식하여 입출차 혹은 주차시 차량정보를 확인할 수 있다. 딥러닝 학습 알고리즘에서 전기차 번호판의 특징점을 인식하여 전기차를 판별하여 일반차량이 전기차 주차구역에 불법주차하는 것을 모니터링할 수도 있다. 출입한 차량 데이터 베이스에서 입출차 시각, 차량번호, 전기차여부등이 확인 가능하다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.382-384
• /
• 2021

본 연구에서는 실시간 물체 인식 알고리즘인 YOLO (You Only Look Once)를 이용하여 플라스틱의 종류를 자동으로 분류하는 시스템을 구현하였다. 시스템은 Nvidia 사에서 만든 딥러닝, 컴퓨터비전용 소형 컴퓨터인 Jetson Nano에 YOLO를 이용하여 플라스틱 분리배출 마크를 인식할 수 있도록 훈련시킨 모델을 탑재하여 구성하였다. 웹캠을 이용해서 플라스틱 쓰레기의 분리배출 마크를 PET, HDPE, PP 세 종류로 인식하고 모터를 조절하여 종류에 따라 분류될 수 있도록 하였다. 이 자동 분류기를 구현함으로 써 사람이 직접 플라스틱 분리배출 마크를 확인하여 분리배출하는 수고를 덜어줄 수 있다는 점에서 편의성을 가지며 정확한 분리수거를 통해 재활용의 효율성을 높일 수 있다.

• 한국인공지능학회지
• /
• 제11권4호
• /
• pp.1-8
• /
• 2023

In this paper, we propose a black ice detection platform framework using Convolutional Neural Networks (CNNs). To overcome black ice problem, we introduce a real-time based early warning platform using CNN-based architecture, and furthermore, in order to enhance the accuracy of black ice detection, we apply a multi-scale dilation convolution feature fusion (MsDC-FF) technique. Then, we establish a specialized experimental platform by using a comprehensive dataset of thermal road black ice images for a training and evaluation purpose. Experimental results of a real-time black ice detection platform show the better performance of our proposed network model compared to conventional image segmentation models. Our proposed platform have achieved real-time segmentation of road black ice areas by deploying a road black ice area segmentation network on the edge device Jetson Nano devices. This approach in parallel using multi-scale dilated convolutions with different dilation rates had faster segmentation speeds due to its smaller model parameters. The proposed MsCD-FF Net(2) model had the fastest segmentation speed at 5.53 frame per second (FPS). Thereby encouraging safe driving for motorists and providing decision support for road surface management in the road traffic monitoring department.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.7-8
• /
• 2024

본 연구에서는 CNN 모델의 경량화 및 on-device 추론 가속을 목표로 한다. 경량화 기법으로는 QAT 기법을 사용하며 여러 환경에서의 성능을 비교한다. 이어서 on-device 추론 가속을 위해 Jetson Nano Board 에서 TensorRT 변환을 통해 모델을 최적화한다.

• 한국정보통신학회논문지
• /
• 제24권4호
• /
• pp.467-473
• /
• 2020

최근 우리나라의 자동차 보급률이 증가함에 따라 교통사고 발생 건수 또한 증가하고 있다. 특히, 차량간 사고뿐만 아니라 횡단보도 근처에서의 인명 사고 또한 증가하고 있어 횡단보도 교통안전에 대한 주의가 더욱 요구되고 있다. 본 논문에서는 NVIDIA Jetson Nano급의 엣지 디바이스를 이용하여 횡단보도에 접근하는 차량을 인식하고 속도를 추정함으로써 횡단보도 주위 안전 상태를 예측하는 시스템을 제안한다. 딥러닝 기반 차량 위치 인식을 통하여 얻은 정보들을 바탕으로 다양한 기계 학습 기법을 학습시켜 차량 속도에 따른 위험 정도를 예측한다. 마지막으로, 실제 주행 영상을 이용한 실험 및 웹 시뮬레이션을 통해 제안하는 시스템의 성능과 활용 가능성을 검증하였다.