• 한국정보전자통신기술학회논문지
• /
• 제17권1호
• /
• pp.31-37
• /
• 2024

본 연구에서는 컴퓨팅 자원이 제한된 환경에서도 효율적으로 동작 가능한 머신비전 기반의 보행자 신호 검출 알고리즘을 제안하였다. 이 알고리즘은 제한된 자원에서도 높은 효율성을 발휘하며, 주변 조명 등의 영향을 최소화하기 위해 HSV 색공간 기반의 영상처리, 이진화, 모폴로지 연산, 라벨링 등의 단계를 순차적으로 적용하여 빛 번짐과 같은 현상에 대응할 수 있도록 설계되었다. 특히, 이 알고리즘은 비교적 단순한 형태로 구성되어 임베디드 시스템 환경에서 부담 없이 동작할 수 있도록 고려되었다. 이를 통해 낮은 컴퓨팅 자원을 보유한 환경에서도 안정적으로 작동할 수 있는 구조를 갖췄다. 또한, 제안된 보행등은 보행신호 검출 기능뿐만 아니라 IoT 기능을 탑재하여 무선으로 웹서버와 연동되는 기능을 갖췄다. 이에 따라 보행등 설치자 및 제어권자들은 웹 서버를 통해 신호등의 상태를 모니터링하고 제어할 수 있는 편의성을 제공받을 수 있다. 더불어, 50W급 LED 보행등을 효과적으로 제어할 수 있는 구현이 완료되었다. 이러한 제안된 시스템은 자원 제한 환경에서의 신속하고 효율적인 보행자 신호 검출 및 제어 시스템으로, 실제 도로 환경에서의 적용 가능성을 고려하고 있다. 이를 통해 보다 안전하고 지능적인 도로 교통 시스템의 구축에 기여할 것으로 기대된다.

• 한국산업융합학회 논문집
• /
• 제24권6_2호
• /
• pp.699-706
• /
• 2021

Existing license plate recognition system is used as an optical character recognition method, but a method of using deep learning has been proposed in recent studies because it has problems with image quality and Korean misrecognition. This requires a lot of data collection, but the collection of license plates is not easy to collect due to the problem of the Personal Information Protection Act, and labeling work to designate the location of individual license plates is required, but it also requires a lot of time. Therefore, in this paper, to solve this problem, five types of license plates were created using a virtual Korean license plate generation program according to the notice of the Ministry of Land, Infrastructure and Transport. And the generated license plate is synthesized in the license plate part of collectable vehicle images to construct 10,147 learning data to be used in deep learning. The learning data classifies license plates, Korean, and numbers into individual classes and learn using YOLOv5. Since the proposed method recognizes letters and numbers individually, if the font does not change, it can be recognized even if the license plate standard changes or the number of characters increases. As a result of the experiment, an accuracy of 96.82% was obtained, and it can be applied not only to the learned license plate but also to new types of license plates such as new license plates and eco-friendly license plates.

• 방송공학회논문지
• /
• 제27권2호
• /
• pp.185-197
• /
• 2022

최근 객체 인식에 높은 성능을 가진 딥러닝 네트워크가 나오고 있다. 딥러닝을 이용한 객체 인식의 경우 성능 향상을 위해 학습 데이터 셋 구축이 중요하다. 데이터 셋을 구축하기 위해서는 이미지를 수집하고 라벨링 해야 한다. 이 과정은 많은 시간과 인력이 필요하다. 때문에 오픈 데이터 셋을 사용한다. 그러나 방대한 오픈 데이터 셋을 가지고 있지 않는 객체도 존재한다. 그 중 하나가 번호판 검출과 인식에 필요한 데이터이다. 이에 본 논문에서는 이미지를 최소화 하여 대용량 데이터 셋을 만들 수 있는 인조 번호판 생성기 시스템을 제안한다. 또한 인조 번호판 배치구조에 따른 검출률을 분석했다. 분석결과 가장 좋은 배치구조는 FVC_III, B이며 가장 적합한 네트워크는 D2Det이었다. 인조 데이터셋 성능은 실제 데이터셋의 성능보다 2~3%가 낮았지만, 인조 데이터를 구축하는 시간이 실제 데이터셋을 구축하는 시간보다 약 11배 빨라 시간적으로 효율적인 데이터 셋 구축 시스템임을 증명하였다.

• 한국정보전자통신기술학회논문지
• /
• 제17권4호
• /
• pp.205-212
• /
• 2024

본 연구는 건조부각을 유탕기에 투입하기 전 로봇에 장착된 진공 그리퍼를 활용하여 건조 반제품(건조부각)을 이송하기 위한 선별 작업에서 그리핑 성공률을 향상시기키 위한 수단으로 건조부각의 앞면(고명이 있는)과 뒷면(고명이 없는) 표면을 판별하는 딥러닝 모델을 제안한다. 획득한 건조부각 440개의 RGB 영상을 기반으로 데이터 증강 기법을 적용한 후 건조부각 영역 및 표면 정보 라벨링을 진행하였다. 데이터 전처리 과정을 거친 건조부각 데이터를 기반으로 영역 검출을 위해 딥러닝 모델은 YOLO-v5을 적용하였다. 그 결과 건조부각 앞면 영역 검출의 mAP와 mIoU 값은 각각 0.98와 0.96으로 나타났으며, 뒷면의 경우 각각 1.00과 0.95로 나타났다. 앞면과 뒷면 2개의 클래스에 대하여 이진분류한 결과는 average 98.5%, recall 98.3%, precision 98.6%, F1-score 98.4%로 나타났다. 본 연구 결과를 통하여 RGB 영상을 활용한 건조부각의 표면 정보에 대한 분류가 가능하며, 추후 유탕 전 건조부각 표면 선별공정의 로봇-자동화 시스템 개발에 활용될 가능성을 확인하였다.

• 한국식품위생안전성학회지
• /
• 제27권2호
• /
• pp.194-201
• /
• 2012

식품이력추적관리번호는 식품이력추적관리를 위한 식별의 기준으로서 식품이력정보와 직접적으로 연결되어 있으며, 식품공급체인에 따라 각 단계별로 기록, 관리, 보관하는 이력정보를 연결시키는 연결고리의 역할을 하는 중요한 인자이다. 그럼에도 불구하고 우리나라에서 가공식품에 대한 식품이력추적관리번호를 자율적으로 부여하는 방식을 적용하고 있어 혼란이 야기되고 있는 실정이다. 실제 식품이력추적관리번호는 식품관련 산업분야에서 운영되고 있는 기존의 식별방법과 조화롭게 연계되지 않으면 그 효용성과 적합성이 낮아 산업현장과 소비자로부터 외면 받을 수밖에 없는 처지에 놓이게 될 것이다. 본 연구에서는 가공식품에 대하여 국제적으로 사용되는 바코드체계와 국내의 식품관련 법규를 접목하여 식품이력추적관리번호를 부여하는 표준화 방안을 제안하였다. 또한 이러한 식품이력추적관리번호를 실제 산업현장의 운영체계에 활용할 수 있는 방안도 함께 제시하였다. 제안하는 식품이력추적관리번호는 총 20자리로서 해당 상품(식품)의 기본정보에 해당하는 13자리의 GTIN 바코드, 표시기준으로 의무화된 6자리의 유통기한(제조년월일 또는 품질유지기한), 1자리의 추가정보(공장식별코드 또는 생산관리단위)로 구성되도록 하였다. 이러한 부여체계는 식품 산업과 유통(판매) 현장에서 운용되고 있는 기존 시스템과의 연계성을 높이고 식품이력추적관리체계의 도입에 따른 투입비용을 최소화하여 식품이력추적관리체계의 도입을 활성화하기 위한 목적도 포함하고 있다. 이는 국제적인 추세와 기존의 식품관련 정책 및 규정과도 무리 없이 조화가 이루어진다. 또한 식품이력추적관리 로고를 별도로 부착하여 식품이력추적관리번호를 인식하는 방법을 안내하여 소비자의 인식을 제고하고 식품이력추적관리번호를 최소 판매 포장단위에 추가로 표기하기 위한 별도의 투입비용을 제거하는 효과도 고려하였다. 식품이력추적관리시스템은 이력정보를 종합적으로 기록 관리 연계 활용하여 식품사고 발생 시 명확한 원인규명과 이력추적을 통한 위해식품의 신속한 차단 및 회수, 식품과 관련된 이력정보 제공 등의 기능을 수행하여야 한다. 본 연구에서 제안하는 식품이력추적관리번호의 표준화 방안은 현재 운영되고 있는 "위해상품 판매차단시스템"에서 위해식품을 신속하고 정확하게 차단하는 기능을 향상시킬 수 있을 뿐만 아니라 "위해식품 회수지침"에 따른 체계적인 회수과정과 검증체계 역시 효율적으로 도입할 수 있도록 하는 효과가 있다. 또한 전자통관시스템인 "UNI-PASS"와의 연계는 모든 수입식품을 대상으로 식품안전관리 범위를 확대할 수 있으며 "전자세금계산서 제도"에서 기록되는 거래정보와의 연계로 유통과정에 대한 투명한 관리체계의 도입을 앞당길 수도 있는 기폭제가 될 수 있다. 또한 소비자의 알권리 충족을 위한 식품이력정보의 조회과정에서 식품이력추적관리번호의 표준화로 입력오류를 최소화할 수 있을 뿐만 아니라 기존의 바코드 인식기능에 유통기한과 추가정보를 조회하는 기능을 부가적으로 도입하면 스마트 기기나 키오스크를 활용하여 실시간으로 식품이력정보를 조회할 수 있게 하는 장점도 있다.

• 한국정보전자통신기술학회논문지
• /
• 제16권6호
• /
• pp.392-399
• /
• 2023

본 논문에서는 김치 제조 공정 중 배추 심 제거 공정의 로봇 자동화를 위한 배추 심 영역 및 깊이를 판별하는 딥러닝 모델을 제안하는 것이다. 또한 계측된 배추의 심 깊이를 예측하는 것이 아닌 discrete 클래스로 변환하여 영역 검출 및 분류를 동시에 하는 모델을 제시하였다. 딥러닝 모델 학습 및 검증을 위하여 전처리 과정을 거지치 않고 수확된 배추 522 포기에 대한 RGB 영상을 획득하였다. 획득한 영상으로부터 심 영역 및 깊이 라벨링 그리고 데이터 증강 기법을 적용하였다. 제안하는 YOLO-v4 딥러닝 모델 기반 배추 심 영역 검출 및 분류 모델의 성능을 평가하기 위하여 mAP, IoU, accuracy, sensitivity, specificity 그리고 F1-score로 선정하였다. 그 결과 배추 심 영역 검출은 mAP 그리고 IoU 값이 각각 0.97 그리고 0.91로 나타났으며, 심 깊이 분류의 경우 accuracy 그리고 F1-score 값이 각각 96.2% 그리고 95.5%로 나타났다. 본 연구 결과를 통하여 배추의 심 영역 검출 및 깊이 정보 분류가 가능하며, 추후 배추 심 제거 공정의 로봇-자동화 시스템 개발에 활용될 수 있는 가능성을 확인하였다.