• 전기전자학회논문지
• /
• 제21권3호
• /
• pp.227-233
• /
• 2017

근래에 전 세계적으로 비전공자나 중등학생들에게도 코딩 교육이 폭넓게 이루어지고 있으며 파이썬(python)은 비전문가의 교육용으로도 널리 채택되고 있다. 그리고 아두이노(arduino)는 피지컬 컴퓨팅(physical computing)과 사물인터넷 용도로 사용되는 대중적인 하드웨어이지만 $C{^+^+}$ 언어로 제어되므로 비전문가가 초기에 진입하기에 어려움이 있다. 본 논문은 파이썬 언어와 I2C 통신으로 마스터(master) 기기에서 다수의 아두이노 기기들을 동시에 제어할 수 있는 무오류 프로토콜을 제안한다. 본 논문에서 구현된 프로토콜을 이용하면 다수의 아두이노를 파이썬으로 오류없이 제어할 수 있으므로 아두이노를 제어하는데 파이썬 프로그램의 장점을 활용할 수 있다.

• International Journal of Computer Science & Network Security
• /
• 제21권3호
• /
• pp.37-40
• /
• 2021

This paper presents a design of a speech to sign language converter for deaf and hard of hearing people. The device is low-cost, low-power consumption, and it can be able to work entirely offline. The speech recognition is implemented using an open-source API, Pocketsphinx library. In this work, we proposed a context-oriented language model, which measures the similarity between the recognized speech and the predefined speech to decide the output. The output speech is selected from the recommended speech stored in the database, which is the best match to the recognized speech. The proposed context-oriented language model can improve the speech recognition rate by 21% for working entirely offline. A decision module based on determining the similarity between the two texts using Levenshtein distance decides the output sign language. The output sign language corresponding to the recognized speech is generated as a set of sequential images. The speech to sign language converter is deployed on a Raspberry Pi Zero board for low-cost deaf assistive devices.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.277-279
• /
• 2020

최근 무선통신기술의 발달로 텍스트나 이미지 등 적은 양의 데이터를 송출하는 것을 넘어 동영상과 같은 많은 양의 데이터 전송이 가능해졌다. 이에 본 논문은 실시간으로 사고의 상황을 효과적으로 구조기관에 전달하기 위해 GPS와 각종 센서를 활용한 GPS 데이터 및 비디오를 실시간으로 전송하는 무선 네트워크 상황 전파 시스템을 제안한다. Raspberry pi module의 카메라와 GPS 데이터는 ffmpeg와 ffserver를 사용하여 서버와 구조기관으로 실시간 송출 및 전송된다. 제안된 시스템은 실제 프로토타입으로 구현되었으며, 실험 결과 제안한 시스템은 즉각적으로 구조기관에 영상 및 GPS 좌표를 송출함으로써 조기에 사고상황을 파악하고 빠른 구조에 이바지함을 보여준다.

• International journal of advanced smart convergence
• /
• 제13권3호
• /
• pp.101-108
• /
• 2024

This paper addresses the implementation of an on-device AI-based metal detection system using a Magneto-Impedance Sensor. Performing calculations on the AI device itself is essential, especially for unmanned aerial vehicles such as drones, where communication capabilities may be limited. Consequently, a system capable of analyzing data directly on the device is required. We propose a lightweight gated recurrent unit (GRU) model that can be operated on a drone. Additionally, we have implemented a real-time detection system on a CPU embedded system. The signals obtained from the Magneto-Impedance Sensor are processed in real-time by a Raspberry Pi 4 Model B. During the experiment, the drone flew freely at an altitude ranging from 1 to 10 meters in an open area where metal objects were placed. A total of 20,000,000 sequences of experimental data were acquired, with the data split into training, validation, and test sets in an 8:1:1 ratio. The results of the experiment demonstrated an accuracy of 94.5% and an inference time of 9.8 milliseconds. This study indicates that the proposed system is potentially applicable to unmanned metal detection drones.

• 한국인터넷방송통신학회논문지
• /
• 제22권1호
• /
• pp.83-88
• /
• 2022

최근 정보통신기술의 발전에 따라 사물인터넷(이하 IoT) 관련 기술이 지속적으로 발전하고 있다. IoT 시스템은 다양한 센서들을 바탕으로 센서마다 고유한 데이터를 네트워크를 통해 주고 받는다. IoT 시스템에서 발생하는 데이터는 실시간으로 발생한다는 특징과, 그 양이 설치된 센서의 양과 비례한다는 점에서 연속적으로 수집되는 데이터들은 빅 데이터로 정의할 수 있다. 현재까지의 IoT 시스템은 중앙 집중 처리 방식을 통한 데이터 저장, 처리 및 연산을 적용하였다. 하지만, 구축 규모가 커지고 다량의 센서를 사용하는 경우 기존의 중앙 집중 처리 방식의 서버는 병목 현상으로 인한 부하가 발생할 수 있다. 따라서, 본 논문에서는 IoT 환경에서 발생하는 실시간 센서 데이터를 효율적으로 처리하기 위하여 시스템의 고가용성을 목적으로 하는 데이터의 중요도 기반 알고리즘을 적용하기 위한 분산 처리 시스템에 대해 제안하였다.

• International journal of advanced smart convergence
• /
• 제8권4호
• /
• pp.16-25
• /
• 2019

The Internet of things (IOT) is remodeling the agribusiness empowering the agriculturists through the extensive range of strategies, for example, accuracy as well as practical farming to deal with challenges in the field. The paper aims making use of evolving technology i.e. IoT and smart agriculture using automation. The objective of this research paper to present tools and best practices for understanding the role of information and communication technologies in agriculture sector, motivate and make the illiterate farmers to understand the best insights given by the big data analytics using machine learning. The methodology used in this system can monitor the humidity, moisture level and can even detect motions. According to the data received from all the sensors the water pump, cutter and sprayer get automatically activated or deactivated. we investigate a remote monitoring system using Wi-Fi. These nodes send data wirelessly to a central server, which collects the data, stores it and will allow it to be analyzed then displayed as needed and can also be sent to the client mobile.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.1157-1159
• /
• 2017

이 논문은 보안성과 성능이 향상된 새로운 스마트 도어록 시스템을 제안한다. 기존의 1세대 도어록은 보안성이 취약하다는 단점을 지닌다. 이를 해결하기 위해 NFC 기반 시스템이 제안되었으나 취약한 보안 문제를 완벽히 해결하지 못한다. 이 논문에서는 아두이노, 라즈베리 파이 및 다양한 센서를 이용한 스마트 도어록 시스템을 제안한다. 제안 시스템 구현을 위해 초음파센서, 라즈베리 파이 카메라, 부저, 서보모터를 이용한다. 또한 3D프린팅을 이용하여 제작한 프로토타입을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.1231-1234
• /
• 2017

이 논문은 실내 환경을 개선하기 위한 창문 자동제어 시스템을 제안한다. 현대인들은 하루에 약 70% 이상을 실내에서 생활하고 있다. 이로 인해 실내 환경의 질이 매우 중요한 요소로 부각되면서 사람들의 관심이 크게 증가하고 있다. 이 논문에서는 아두이노, 라즈베리 파이 및 다양한 센서를 이용하여 실내 환경을 적정수준으로 유지하고 개선할 수 있는 창문 자동제어 시스템을 제안한다. 제안 시스템 구현을 위해 온습도 센서, 미세먼지 센서, 공기 질 센서, 모터 등을 이용한다. 또한 3D프린팅을 이용하여 제작한 프로토타입을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제24권3호
• /
• pp.77-86
• /
• 2019

The advent of Internet of Things (IoT) makes common nowadays computing environments involving programming not a single computer but several heterogeneous distributed computers together. Developing programs separately, one for each computer, increases programmer burden and testing all the programs become more complex. To address the challenge, this paper proposes an RPC-based unified programming language, UniPy, for development of MGC (eMbedded, Gateway, and Cloud) applications in IoT systems configured with popular computers such as Arduino, Raspberry Pi, and Web-based DB server. UniPy offers programmers a view of classes as locations and a very simple form of remote procedure call mechanism. Our UniPy compiler automatically splits a UniPy program into small pieces of the program at different locations supporting the necessary RPC mechanism. An advantage of UniPy programs is to permit programmers to write local codes the same as for a single computer requiring no extra knowledge due to having unified programming models, which is very different from the existing research works such as Fabryq and Ravel. Also, the structure of UniPy programs allows programmers to test them by directly executing them before splitting, which is a feature that has never been emphasized yet.

• 한국멀티미디어학회논문지
• /
• 제21권12호
• /
• pp.1396-1406
• /
• 2018

Lane detection is a key function in developing autonomous vehicle technology. In this paper, we propose a lane marker detection algorithm robust to environmental variation targeting low cost embedded computing devices. The proposed algorithm consists of two phases: initialization phase which is slow but has relatively higher accuracy; and the tracking phase which is fast and has the reliable performance in a limited condition. The initialization phase detects lane markers using a set of filters utilizing the various features of lane markers. The tracking phase uses Kalman filter to accelerate the lane marker detection processing. In a tracking phase, we measure the reliability of the detection results and switch it to initialization phase if the confidence level becomes below a threshold. By combining the initialization and tracking phases we achieved high accuracy and acceptable computing speed even under a low cost computing resources in which we cannot use the computing intensive algorithm such as deep learning approach. Experimental results show that the detection accuracy is about 95% on average and the processing speed is about 20 frames per second with Raspberry Pi 3 which is low cost device.