• Annual Conference of KIPS
• /
• 2021.11a
• /
• pp.413-416
• /
• 2021

본 논문에서는 서비스용 다관절 로봇팔의 주요기능인 다양한 컵의 검출과 조작, 이동등을 지능적으로 구현하기 위해 로봇 오픈소스 운영체제인 ROS(Robot Operation System)을 기반으로 관련 프로 그램을 개발하고 기능을 구현하였다. 연구의 주요 목표인 다양한 종류의 컵, 병과 같은 물체를 실수없이 집어서 옮기기 위한 처리과정으로 관심물체인식, 3D좌표생성, 결과데이터의 역 기구학 해석등을 수행하였으며, 이를 통해 각 기구부의 축들이 물체에 정확히 도달하고 동작의 오류를 최소화하기 위해 ROS기반의 6축 서비스 로봇팔을 활용한 경로 생성과정과 물체의 검출 성능 과정 및 실험등을 제시하였다.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.495-497
• /
• 2022

COVID-19 상황이 지속됨에 따라 플라스틱 쓰레기 배출량은 해마다 기하급수적으로 증가하고 있는 반면 플라스틱 폐기물의 재활용률은 현저히 낮은 편에 속한다. 이러한 문제점들을 해결하기 위해 국가적으로 여러 플라스틱 폐기물 중 순환 가능한 PET를 분리하여 수거하고자 하는 노력을 하고 있다. 하지만, 현재 대량의 플라스틱 폐기물은 수거되는 시점부터 여러 폐기물과 혼합된 형태로 재활용 센터에 수거되어 추가 분류하는 인적자원이 요구되는 문제점이 존재한다. 따라서 본 논문에서는 이러한 한계점들을 해결하기 위해 AI 기술 중 하나인 Multi-Object Detection의 YOLOv7 모델을 적용하여 실시간으로 PET에 부착된 객체들을 탐지함으로써 순환 가능한 PET만을 분류하는 YOLOv7 기반 순환 가능한 PET 분류시스템을 설계 및 구현한다.

• Annual Conference of KIPS
• /
• 2023.05a
• /
• pp.332-333
• /
• 2023

본 논문은 사람과 짐의 물체 감지를 위한 YOLO 모델을 활용하여 특정 공간 내 혼잡도를 측정하는 시스템을 제안한다. YOLO를 학습시켜 기차 내에서 사람 및 짐과 같은 객체를 탐지하는 모델을 만든다. 그리고 이 모델을 이용하여 기차 내에서 객체를 탐지하고, 객체의 위치와 개수 정보를 얻는다. 이렇게 얻은 정보를 기반으로, 혼잡도를 측정하기 위해 다양한 지표를 활용한다. 이를 인터페이스에 시각적으로 보여준다. 결과적으로, 제안된 시스템은 승객들의 안전과 편의를 보장하며, 특정 공간의 혼잡도 파악에 유용한 도구로 사용될 수 있다.

• Proceedings of the Korean Institute of Building Construction Conference
• /
• 2023.05a
• /
• pp.203-204
• /
• 2023

The construction industry is a hazardous environment in which many field workers work. Therefore, there is a limit to the safety manager's grasp of all situations. In order to solve these problems, the application of automatic control technology in connection with AI and CCTV is being introduced, and the development of intelligent CCTV to reduce the safety accident rate is actively progressing. This study seeks to present future directions by identifying the current status of intelligent CCTV developed to reduce the safety accident rate at construction sites and analyzing its limitations. Through this, the range of accident prevention types of the safety control system at the construction site will be confirmed and the need for future intelligent CCTV function development will be suggested.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.561-562
• /
• 2023

본 논문에서는 YOLOv5m과 이미지 전처리 기법을 활용한 문 객체 감지 시스템을 제안한다. 이미지 전처리를 하지 않은 Original 이미지 그리고 이미지 전처리를 한 CLAHE 이미지, Bilateral 이미지 세 가지를 사용해서 가장 좋은 기법을 비교한다. mAP 진행 그래프 및 이미지 출력을 통해 결과를 검증한다. 본 논문의 목표는 인공지능이 문을 감지하는 알고리즘을 구현하여 배송 로봇이 목적지의 문을 찾아내는 것이다

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.1206-1207
• /
• 2023

보행의 제한은 시각장애인의 자립적인 생활을 어렵게 하며 안전에도 큰 영향을 끼친다. 본 논문은 YOLOv5(You Only Look Once version 5)를 활용하여 안전한 보행을 돕는 방법을 제시한다. 제시하는 방법은 자동차나 자전거, 전동킥보드 등의 움직이는 사물과 사람을 실시간으로 인식하여 시각장애인에게 알림으로써 보행에 도움을 줄 수 있으며 시각장애인의 안전한 보행에 도움을 줄 것이라 기대한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.297-298
• /
• 2024

펜데믹, 전쟁 등을 포함한 국제 정세 변화에 따른 물류대란, 원자재가격 상승 및 환율 급등으로 인해 2023년 기준 대한민국의 물가는 크게 오르고 있는 추세이다. 물가 상승은 사업장의 인건비 부담 증가로 이어지고 있고 특히 노동 집약 산업인 농업 분야에서의 인건비 부담 문제는 더욱 심각한 실정이다. 외국인 근로자 고용이 대안이 될 수 있지만 인건비 절감 효과는 미미하기에 농업계 관계자들은 자동화 시스템 도입에 관심이 집중되고 있다. 따라서, 본 논문에서는 사과 분류 작업 자동화 체계의 핵심 요소에 해당하는 사과 품질 실시간 모니터링 시스템을 제안한다. 제안한 방식에서는 딥러닝 기반의 영상 분석 기법 및 무게 센서 데이터 분석을 통해 사과의 품질에 따른 등급 책정을 자동화 한다.

• Journal of IKEEE
• /
• v.28 no.2
• /
• pp.150-157
• /
• 2024

In this paper, we propose a novel algorithm for predicting the number of apples on an apple tree using a deep learning-based object detection model and a polynomial regression model. Measuring the number of apples on an apple tree can be used to predict apple yield and to assess losses for determining agricultural disaster insurance payouts. To measure apple fruit load, we photographed the front and back sides of apple trees. We manually labeled the apples in the captured images to construct a dataset, which was then used to train a one-stage object detection CNN model. However, when apples on an apple tree are obscured by leaves, branches, or other parts of the tree, they may not be captured in images. Consequently, it becomes difficult for image recognition-based deep learning models to detect or infer the presence of these apples. To address this issue, we propose a two-stage inference process. In the first stage, we utilize an image-based deep learning model to count the number of apples in photos taken from both sides of the apple tree. In the second stage, we conduct a polynomial regression analysis, using the total apple count from the deep learning model as the independent variable, and the actual number of apples manually counted during an on-site visit to the orchard as the dependent variable. The performance evaluation of the two-stage inference system proposed in this paper showed an average accuracy of 90.98% in counting the number of apples on each apple tree. Therefore, the proposed method can significantly reduce the time and cost associated with manually counting apples. Furthermore, this approach has the potential to be widely adopted as a new foundational technology for fruit load estimation in related fields using deep learning.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.18 no.8
• /
• pp.2043-2050
• /
• 2014

As most the scanning systems developed until now provide radiation scan plane images of the inspected objects, there has been a limitation in judging exactly the shape of the objects inside a logistics container exactly with only 2-D radiation image information. As a radiation image is just the density information of the scanned object, the direct application of general stereo image processing techniques is inefficient. So we propose that a new volume-based 3-D reconstruction algorithm. Experimental results show the proposed new volume based reconstruction technique can provide more efficient visualization for X-ray inspection. For validation of the proposed shape reconstruction algorithm using volume, 15 samples were scanned and reconstructed to restore the shape using an X-ray stereo inspection system. Reconstruction results of the objects show a high degree of accuracy compared to the width (2.56%), height (6.15%) and depth (7.12%) of the measured value for a real object respectively. In addition, using a K-Mean clustering algorithm a detection efficiency of 97% is achieved. The results of the reconstructed shape information using the volume based shape reconstruction algorithm provide the depth information of the inspected object with stereo X-ray inspection. Depth information used as an identifier for an automated search is possible and additional studies will proceed to retrieve an X-ray inspection system that can greatly improve the efficiency of an inspection.

• Journal of Internet Computing and Services
• /
• v.17 no.6
• /
• pp.1-8
• /
• 2016

Current indoor intrusion detection and location tracking methods have the weakness in seamless operations in tracking the objective because the object must possess a communicating device and the limitation of the single cell size (approximate $100cm{\times}100cm$) exits. Also, the utilization of CCTV technologies show the shortcomings in tracking when the object disappear the area where the CCTV is not installed or illumination is not enough for capturing the scene (e.g. where the context-awarded system is not installed or low illumination presents). Therefore, in this paper we present an improved in-door tracking system based on sensor networks. Such system is built on a simulated scenario and enables us to detect and extend the area of surveillance as well as actively responding the emergency situation. Through simulated studies, we have demonstrated that the proposed system is capable of supplementing the shortcomings of signal cutting, and of estimating the location of the moving object. We expect the study will improve the better analysis of the intruder behavior, the more effective prevention and flexible response to various emergency situations.