Acknowledgement
본 논문은 과학기술정보통신부 대학디지털교육역량강화 사업의 지원을 통해 수행한 ICT 멘토링 프로젝트 결과물입니다.
Annual Conference of KIPS (한국정보처리학회:학술대회논문집)
- 2024.10a
- /
- Pages.964-965
- /
- 2024
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
Low-Power AI Object Recognition Military Surveillance System using ARM and Cube.AI, A.RM.I
ARM 과 Cube.AI 를 이용한 저전력 AI 객체인식 군사 경계 시스템, A.RM.I
- Yeong-Chan Kim (Dept. of Electronic Engineering, Myong-Ji University) ;
- Seok-Young Moon (Dept. of Electronic Engineering, Myong-Ji University) ;
- Jin-Su Park (Dept. of Electronic Engineering, Myong-Ji University) ;
- Min-Jae Shin (Dept. of Electronic Engineering, Myong-Ji University) ;
- Min-Hye Jung (Dept. of Electronic Engineering, Myong-Ji University)
- 김영찬 (명지대학교 전자공학과) ;
- 문석영 (명지대학교 전자공학과) ;
- 박진수 (명지대학교 전자공학과) ;
- 신민재 (명지대학교 전자공학과) ;
- 정민혜 (명지대학교 전자공학과)
- Published : 2024.10.31
Abstract
본 연구는 전력 공급이 어려운 지역에서 사용하기 위한 저전력 AI 객체 인식 감시 시스템 A.RM.I 를 개발하여 군사 경계 시스템의 효율성을 높이고자 하였다. 태양광 패널을 통한 에너지 하베스팅, ARM 의 Standby 모드, 저전력 설계를 통해 전력 소모를 최소화하였다. 기존 장비 대비 디바이스당 연간 전력 소비량을 약 8.43Wh 로 크게 줄였다. STM32 에는 온디바이스로 저용량, 고감도 CNN 기반 객체 인식 모델을 탑재하여 사람을 감지한다. 엣지 디바이스의 한계를 보완하기 위해 서버 PC 와 RF 통신을 활용한 분산형 AI 시스템을 도입하여 정확도를 향상시켰다. 또한, 유지보수 비용이 저렴하고 휴대성이 뛰어나 군사 및 상업 보안 시스템 등 다양한 분야에 활용할 수 있다. 본 시스템은 군사 인력 부족 문제를 해결하고 경계 근무의 효율성을 극대화할 것으로 기대된다.
Keywords