• 한국정보전자통신기술학회논문지
• /
• 제14권3호
• /
• pp.201-207
• /
• 2021

머신러닝의 한 종류인 딥러닝은 각 학습 과정을 진행할 때, 가중치를 변경하면서 학습을 수행한다. 딥러닝을 수행할때 대표적으로 사용되는 Tensor Flow나 Keras의 경우 학습이 종료된 결과를 그래프 형태로 제공한다. 이에 과다학습으로 인한 퇴화 현상 또는 가중치의 잘못된 설정으로 인해 학습 결과에 오류가 발생하는 경우, 해당 학습 결과를 폐기해야한다. 이에 기존 기술은 학습 결과를 롤백하는 기능을 제공하고 있지만, 롤백 기능은 최대 5회 이내의 결과로 제한된다. 또한, 딥러닝의 모든 과정을 기록하고 있는 것이 아니기 때문에 값을 추적하기 어렵다. 이를 해결하기 위해 MLOps의 개념을 적용한 기술이 존재하지만. 해당 기술에서는 이전 시점으로 롤백하는 기능을 제공하지 않는다. 본 논문에서는 기존 기술의 문제점을 해결하기 위해 학습 과정의 중간 값을 블록체인으로 관리하여 학습 중간 과정을 기록하고, 오류가 발생할 경우 롤백할 수 있는 시스템을 구성한다. 블록체인의 기능 수행을 위해서 딥러닝 과정 및 학습 결과 롤백은 Smart Contract를 작성하여 동작하도록 설계하였다. 성능평가는 기존의 딥러닝 방식의 롤백 기능을 평가하였을 때, 제안방식은 100%의 복구율을 가지는 것에 비교하여 기존 기법에서는 6회 이후에 복구율이 감소되어 50회일 때 10%까지 감소하는 것을 확인하였다. 또한, 이더리움 블록체인의 Smart Contract를 사용할 때, 블록 1회 생성 시 157만원의 금액이 지속적으로 소모되는 것을 확인하였다.

• 현장농수산연구지
• /
• 제11권1호
• /
• pp.79-94
• /
• 2009

본 연구는 우리나라 식용포도 재배농가의 보호봉지 결속작업이 주로 고령의 부녀자에 의존하고 있어 향후 이들 노동력을 대체하기 위하여 기계적인 포도보호봉지 결속장치를 개발하여 생산비를 절감하고자 얻어진 결과 는 다음과 같다. 1. 포도 보호봉지 및 포장봉지 결속기 개발 가. 자동결속기 설계는 CATIA V12/AUTOCAD 2000으로 하였다. 나. 자동결속기는 포도보호봉지를 기계적으로 묶어주는 장치로 소형, 경량이어야 하며 작업 시간, 노동량을 줄어 젊은층에서부터 고령자까지 작업할 수 있도록 설계하였다. 다. 자동결속기의 총 무게는 350g이하 초경량으로 제작될 수 있도록 하였다. 라. 결속성공률은 99%이상이 되도록 하였다. 마. 자동결속기의 결속롤과 커터, 배터리, 모터 등의 구조를 스테플러와 같은 가트리지형태로 개발하였다. 바. 카트리지 핀은 C-ring 28mm형으로써 길이는 500mm정도로 포도보호봉지 및 제과·제빵포장봉지를 결속할 수 있도록 제작하였다. 사. 작업시 포도나무 포도넝쿨 등 장애물의 영향을 받지 않도록 디자인을 설계, 제작하였다. 2. 포도보호봉지 결속작업시스템 포장실증시험 가. 자동결속기 시작기를 이용한 포도 보호 봉지결속으로 시기별 과병장, 과식품질이 무처리에 비하여 현저히 높았다. 나. 포도보호봉지 결속작업은 숙련자의 경우 1일 3,000개내외 씌우는 반면 초보자는 1,200개(37%)정도로 크게 떨어졌다. 다. 포도 보호봉지 자동결속기를 이용한 작업효율성은 102%로써 숙련자의 노동력을 대체할 수 있을 것으로 판단되었다. ∘ 1단계 : 232.5%(앞치마에서 보호봉지를 꺼내어 포도에 씌움) ∘ 2단계 : 60.7%(씌운 보호봉지 주름을 잡음) ∘ 3단계 : 104.7%(주름이 잡힌 상태에서 결속) ∘ 4단계 : 102% 라. 포도 보호봉지 결속부위의 둘레(크기)를 조사한 바 관행보호봉지결속작업(수작업)에서는 손으로 철사핀을 감기 때문에 평균 4.6cm이었으며 자동결속기의 결속롤(핀)은 5.3cm가 되어 다소 줄이는 것이 정밀성이 높을 것으로 판단되었다. 마. 수확시 과실 품질(과중, 과방크기-과장, 과폭, 가용성고형물, 산함량)을 조사한 결과 처리한 차이가 인정되지 않았다. 바. 자동결속기를 이용한 포도보호봉지 결속작업처리에서 포도의 열과(터진포도)와 이병율 차이에는 관행방법과 차이가 없었다.