• 디지털산업정보학회논문지
• /
• 제19권2호
• /
• pp.69-78
• /
• 2023

In this paper, IO+5G dedicated hardware is developed and an AI device communication system equipped with a 5G is designed and tested. The AI device communication system equipped with a 5G receives the collected real-time images and the information collected from the IoT sensor in real time is to analyze the information and generates the risk detection events in the AI processing board. The event generated in the AI processing board creates a 5G channel in the dedicated hardware equipped with IO+5G. The created 5G channel delivers event video to the control video server. The 5G based dongle network enables faster data collection and more precise data measurement compared to wireless LAN and 5G routers. As a result of the experiment in this paper, the average test result of the 5G dongle network is about 51% faster than the Wi-Fi average test result in downlink and about 40% faster in uplink. In addition, when comparing the test result with terms of the 5G rounter to be set to 80% upload and 20% download, the average test result is that the 5G dongle network is about 11.27% faster when downloading and about 17.93% faster when uploading. when comparing the test result with terms of the the router to be set to 60% upload and 40% download, the 5G dongle network is about 11.19% faster when downlinking and about 13.61% faster when uplinking. Therefore, in this paper it describes that the developed 5G dongle network can improve the results by collecting data and analyzing it faster than wireless LAN and 5G routers.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.854-857
• /
• 2020

최근 사람형(Anthropomorphic)로봇손의 사물조작 지능을 개발하기 위하여 행동복제(Behavior Cloning) Deep Reinforcement Learning(DRL) 연구가 진행중이다. 자유도(Degree of Freedom, DOF)가 높은 사람형 로봇손의 학습 문제점을 개선하기 위하여, 행동 복제를 통한 Human Demonstration Augmented(DA)강화 학습을 통하여 사람처럼 사물을 조작하는 지능을 학습시킬 수 있다. 그러나 사물 조작에 있어, 의미 있는 파지를 위해서는 사물의 특정 부위를 인식하고 파지하는 방법이 필수적이다. 본 연구에서는 딥러닝 YOLO기술을 적용하여 사물의 특정 부위를 인식하고, DA-DRL을 적용하여, 사물의 특정 부분을 파지하는 딥러닝 학습 기술을 제안하고, 2 종 사물(망치 및 칼)의 손잡이 부분을 인식하고 파지하여 검증한다. 본 연구에서 제안하는 학습방법은 사람과 상호작용하거나 도구를 용도에 맞게 사용해야하는 분야에서 유용할 것이다.

• 한국ITS학회 논문지
• /
• 제22권3호
• /
• pp.62-72
• /
• 2023

최근, 자전거도로 관련 시설 등의 모니터링과 관리 방안에 대한 중요성이 증가하고 있다. 그러나 자전거도로를 포함한 보행공간에 대한 이용자의 안전 및 편의성에 대한 모니터링과 평가에 대한 연구는 미흡한 실정이다. 본 연구에서는 모바일매핑시스템(Mobile Mapping System, MMS)을 활용하여 자전거보행자겸용도로의 상태 모니터링 데이터를 구축하고, 인공지능 기반객체인식 기법을 이용하여 보행자와 자전거 이용자들의 관점에서 겸용도로의 서비스 수준 산정방안을 제시하고자 한다. 본 연구를 통해 제시한 자전거보행자겸용도로의 모니터링과 서비스 수준 산정 방안은 향후 전기자전거와 개인형 이동수단(personal mobility, PM)의 증가에 대비한 보행공간의 정비와 재구조화(reconstruction) 등 계획과 관리에 기초 자료로 활용될 수 있을 것으로 기대된다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.369-376
• /
• 2021

인공지능(AI) 기술의 발전에 따라 많은 분야에서 인공지능 활용 방안에 대한 논의가 활발하게 일어나고 있으며 교육 분야에서도 인공지능 인재 양성을 위한 각종 정책이 추진되고 있다. 본 연구에서는 인공지능 기술을 활용한 로봇 프로그래밍 프레임워크를 제안하고 이를 기반으로 머신러닝(Machine Learning) 분야에서 높은 빈도로 활용되는 파이썬(Python)과 교육 현장의 활용도가 높은 교육용 로봇을 활용하여 인공지능(AI) 교육 프로그램을 제안하였다. 국제자동차공학회(SAE)에서 제시하는 자율주행자동차 수준(0~5단계)을 4단계로 단순화하고 이를 기반으로 로봇에 부착된 카메라가 선(객체)을 인지(Perception)하고 검출(Object detection)하여 스스로 움직일 수 있는 라인 디텍터(Line Detector)를 만드는 것을 목표로 하였다. 개발된 프로그램은 단순히 특정 프로그래밍 언어를 활용하여 주어진 문제를 해결하는 정형화된 형태가 아니라 생활 속의 복잡하고 비구조화된 문제를 자기주도적으로 정의하고 인공지능(AI) 기술을 기반으로 해결하는 경험을 가지는데 그 의의가 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.169-171
• /
• 2021

자율주행, CCTV, 휴대폰 보안, 주차시설 등 카메라를 통한 이미지 처리는 실생활의 많은 문제를 해결하기 위해 사용되고 있다. 간단한 구분의 경우는 이미지 처리를 통해 해결하지만, 복잡하게 섞인 물체의 이미지 또는 이미지 내 특징을 찾아내기 어렵다. 이런 특징점 해결을 위해 사람에 가깝게 생각하고 판단할 수 있도록 영상데이터에 분류, 탐지, 분할에서 딥러닝 기술을 도입하고 있다. 물론 이미지 처리만 수행하는 것보다 결과가 좋지만, 딥러닝을 사용한 영상 분할의 방법에서 판단된 결과물이 실제 객체와 편차가 있는 것을 확인하였다. 본 논문에서는 영상 분할의 정밀도를 높이기 위해 딥러닝 영상 분할의 결과물을 출력하기 직전 간단한 이미지 처리를 통하여 정확도 향상을 수행하는 방법에 관해 연구하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.332-334
• /
• 2021

산업재해로 인한 사망사고와 함께 시민재해로 인한 사망사고 발생 등이 사회적 문제로 지적됨에 따라 작업장에서 발생하는 중대재해 처벌 등에 관한 법률이 제정되어 시민의 안전권 보장과 중대재해를 사전에 방지하기 위한 노력이 요구되는 실정이다. 본 논문에서는 지게차와 같은 중장비에 작업자가 치이는 경우와 관련해 거리 예측 모델을 제안한다. 데이터는 실제 지게차와 작업자가 배회하는 환경을 CCTV로 직접 촬영한 영상을 사용했으며 유클리디안 거리 기반으로 진행하였다. 산업 현장에서 데이터 셋을 직접 구축해 YOLO-v4를 학습하고 이를 통해 거리를 예측하여 위험한 상황인지 판정하는 모델을 구현하여 종합 위험 상황 판단 모델의 기초 자료로 활용할 수 있을 것으로 사료된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.250-252
• /
• 2022

최근 IoT 기술과 AI의 발전에 따라 다양한 분야에서 무인화와 자동화가 진행되고 있으며, 물체감지 및 인식, 추적 등의 알고리즘을 사용하는 시스템에서 다양한 응용기술들이 연구되고 있다. 영상을 기반으로 동작하는 시스템의 경우, 전처리 과정으로 잡음제거를 진행하고 있으며, 시스템의 환경에 따라 정밀한 잡음제거가 요구되는 경우가 있다. 본 논문에서는 필터링 과정에서 발생하기 쉬운 블러링 현상을 최소화하며 결과 영상의 디테일을 강조하기 위해 국부영역의 화소분할을 사용한 변형된 중심 가중치 필터 알고리즘을 제안한다. 제안한 알고리즘은 국부 영역의 화소를 두 영역으로 분할하였을 때, 분할된 영역 중 우세한 영역의 중심을 가중치 필터 알고리즘의 기준으로 정하였다. 결과영상은 필터링 마스크 내부의 화소값에 변형된 중심 가중치를 컨벌루션하여 계산한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.2-5
• /
• 2022

사람의 체내 장기는 복잡한 구조로 되어있으며 특히, 소장은 길이가 약 7m 길이를 가지고 있어 내시경 검사가 쉽지 않고 내시경 검사 시 위험도가 높다. 현재는 캡슐 내시경으로 검사를 수행하고 있으며, 검사 시간이 매우 긴 편이다. 의사는 제거된 저장장치를 컴퓨터에 연결해 환자의 캡슐 내시경 영상을 저장 후 프로그램을 사용하여 판독하지만, 캡슐 내시경 검사 결과 영상 길이가 길어 판독 시간이 많이 소요된다. 또한 소장의 경우 융모에 의해 많은 굴곡이 존재해 검사 과정에서 영상의 폐색 영역이나 명암이 뚜렷이 나타나게 되어 검사 시 병변 및 이상징후에 관해 놓치는 경우가 발생할 수 있다. 본 논문에서는 의사의 영상 판독 시간 단축과 진단 신뢰도 향상을 위해 인공신경망을 이용한 소장 캡슐 내시경 병변 검사 보조 방법을 제공한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.239-241
• /
• 2022

현재 대한민국에서는 교통 혼잡을 해결하기 위해 다인승 전용차로 (HOV, High Occupancy Vehicle Lanes)와 지정차로제를 시행하고 있다. 현행의 교통단속 시스템은 단속 지역 구역에 인원이 필수로 배정되며 무인 단속에 어려움이 있다. 또한, 고정식 교통단속시스템은 속도 위반 단속은 가능하나 운전자가 네이게이션을 통해 단속을 회피할 수 있다. 이러한 문제점을 해결하기 위해 딥러닝 객체 인식 모델인 YOLO를 통한 교통 통합 단속 시스템이 필요하다. 본 연구에서는 멀티스레딩 기술 기반의 병렬처리 차량번호 인식 기술을 적용하여 불시 단속이 가능한 이동식 교통 통합 관리시스템을 제안한다. Yolo5를 이용한 차선 인식, 차량탑승인원 판별, 차량 번호 인식 등의 알고리즘을 통합 모델을 설계하고 이를 적용한 통합시스템을 제시하였다.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 2022년도 추계학술대회
• /
• pp.81-81
• /
• 2022

Recently, many studies on big data based smart farming have been conducted. Research to quantify morphological characteristics using image data from various crops in smart farming is underway. Rice is one of the most important food crops in the world. Much research has been done to predict and model rice crop yield production. The number of productive tillers per plant is one of the important agronomic traits associated with the grain yield of rice crop. However, modeling the basic growth characteristics of rice requires accurate data measurements. The existing method of measurement by humans is not only labor intensive but also prone to human error. Therefore, conversion to digital data is necessary to obtain accurate and phenotyping quickly. In this study, we present an image-based method to predict leaf number and evaluate tiller number of individual rice crop using YOLOv5 deep learning network. We performed using various network of the YOLOv5 model and compared them to determine higher prediction accuracy. We ako performed data augmentation, a method we use to complement small datasets. Based on the number of leaves and tiller actually measured in rice crop, the number of leaves predicted by the model from the image data and the existing regression equation were used to evaluate the number of tillers using the image data.