• Title/Summary/Keyword: Transfer robot

Search Result 192, Processing Time 0.016 seconds

전기차 폐배터리 진단/해체 기술 동향 및 향후 친환경적 개발 전략 (Current Trend of EV (Electric Vehicle) Waste Battery Diagnosis and Dismantling Technologies and a Suggestion for Future R&D Strategy with Environmental Friendliness)

  • 변채은;서지현;이민경;;이상훈
    • 자원리싸이클링
    • /
    • 제31권4호
    • /
    • pp.3-11
    • /
    • 2022
  • 전기차 수요의 증가로 향후 폐차 혹은 배터리 노후화로 인한 폐배터리 배출량 급증이 예상됨에 따라 이에 대한 적정 관리가 시급한 실정이다. 기술개발 측면에서는 데이터 기반 진단 등 다양한 폐배터리 진단 및 관리 기술이 주목을 받고 있다. 또한 로봇기반 자동 해체 기술은 산업 현장에서의 Test 검증 및 향후 배터리 관련 데이터베이스와의 연동이 필요한 것으로 보인다. 특히 향후 폐배터리 순환과정에서의 효율화와 동시에 안전성/친환경성 제고를 위한 다양하고 선진적인 배터리 진단 및 평가기법 개발 및 보급이 중요하다. 또한 리튬 관련 화학물질 배출이동에 대한 데이터베이스화와 배터리 연소시 가스유출위험 및 소방안전에 관한 평가 및 대처가 중요할 것으로 보인다. 더 나아가 데이터 기반 진단/분류/해체 과정을 재활용/최종폐기와 연계된 다양한 관점에서의 폐배터리 전주기 관리 최적화 등에 향후 더 많은 연구개발이 필요하다고 판단된다. 그리고 일련의 데이터는 차후 배터리 생산 시 환경적 부담을 감소시키고 재이용/재활용이 원활하도록 청정설계 및 제조에 기여해야 한다. 또한 이러한 최적화는 전기차 배터리의 향후 기술 및 시장 변동을 감안하여 추진되어야 한다.

작물의 병충해 분류를 위한 이미지 활용 방법 연구 (Study on Image Use for Plant Disease Classification)

  • 정성호;한정은;정성균;봉재환
    • 한국전자통신학회논문지
    • /
    • 제17권2호
    • /
    • pp.343-350
    • /
    • 2022
  • 서로 다른 특징을 가지는 이미지를 통합하여 작물의 병충해 분류를 위한 심층신경망을 훈련하는 것이 학습 결과에 어떤 영향을 미치는지 확인하고, 심층신경망의 학습 결과를 개선할 수 있는 이미지 통합방법에 대해 실험하였다. 실험을 위해 두 종류의 작물 이미지 공개 데이터가 사용되었다. 하나는 인도의 실제 농장 환경에서 촬영된 작물 이미지이고 다른 하나는 한국의 실험실 환경에서 촬영한 작물 이미지였다. 작물 잎 이미지는 정상인 경우와 4종류의 병충해를 포함하여 5개의 하위 범주로 구성되었다. 심층신경망은 전이학습을 통해 사전 훈련된 VGG16이 특징 추출부에 사용되었고 분류기에는 다층퍼셉트론 구조를 사용하였다. 두 공개 데이터는 세 가지 방법으로 통합되어 심층신경망의 지도학습에 사용되었다. 훈련된 심층신경망은 평가 데이터를 이용해 평가되었다. 실험 결과에 따르면 심층신경망을 실험실 환경에서 촬영한 작물 이미지로 학습한 이후에 실제 농장 환경에서 촬영한 작물 이미지로 재학습하는 경우에 가장 좋은 성능을 보였다. 서로 다른 배경의 두 공공데이터를 혼용하여 사용하면 심층신경망의 학습 결과가 좋지 않았다. 심층신경망의 학습 과정에서 여러 종류의 데이터를 사용하는 방법에 따라 심층신경망의 성능이 달라질 수 있음을 확인하였다.