5조-약쟁이들

프로젝트 개요

기술개발 과제

국문 : 얼굴 인식을 이용한 자동 알약 배급기..

영문 : 영문 Automatic Pill Dispenser Using Face Recognition ..

과제 팀명

약쟁이들..

지도교수

이동찬 교수님 교수님

개발기간

2022년 9월 ~ 2022년 12월 (총 4개월)

구성원 소개

서울시립대학교 기계정보공학과 20164300** 방**(팀장)

서울시립대학교 기계정보공학과 20154300** 김**

서울시립대학교 기계정보공학과 20174300** 송**

서울시립대학교 물리학과 20175500** 강**

서울시립대학교 물리학과 20175500** 임**

서론

개발 과제의 개요

개발 과제 요약

본 프로젝트는 영양제를 규칙적으로 섭취하는 1~4인 가구를 대상으로 해 각 개인에게 필요한 알약이나 영양제 등을 빠르고 효율적으로 배급하기를 목표로 함. 이를 위해 Opencv를 활용한 얼굴인식 딥러닝 모델을 활용하여 각 가구 구성원의 얼굴을 구분하고 해당 인원에게 필요한 종류의 알약을 배급하는 것을 목표로 한다.

개발 과제의 배경

영양제에 대한 관심과 수요가 늘어나며, 매일 수 개에서 수 십개씩 영양제를 챙겨 먹는 현대인이 늘어났다. 질병관리청에 따르면 국민의 45%가 영양제를 챙겨 먹고 있으며, 이는 3년 전에 비해 13%p가량 가파르게 증가한 수치이다. 영양제 정보 서비스인 필라이즈(Pillrise)가 조사한 ‘영양제 분석 리포트’의 15,171건의 데이터에 따르면 영양제를 섭취하는 현대인은 평균 4.3개를 주기적으로 섭취하며 8개 이상의 영양제를 섭취하는 인원도 전체의 12.9%에 달한다. 규칙적으로 복용하는 영양제의 개수가 늘어남에 따라 일일히 뚜껑을 열었다가 닫는 번거로움이나 소요되는 시간이 늘어남은 물론이고 일부 알약들은 습기에 영향을 받을 수 있기 때문에 보관 상태에 악영향을 끼치게 된다. 또한 여러 명이 함께 사는 가구의 경우 구성원 각자에게 필요한 영양제가 다를 수 있어서 혼란의 여지가 있음에 따라 이러한 불편을 해소하기 위해 등록된 얼굴을 구분, 인식하여 각자에게 필요한 약이나 영양제를 자동으로 배급해주는 기계를 구상하였다.

개발 과제의 목표 및 내용

본 프로젝트의 가장 궁극적인 목표는 얼굴 인식을 통해 정해진 대상에게 정해진 알약을 정해진 개수만큼 빠르고 정확하게 배급하는 것이다. 이를 위해 프로젝트의 내용은 크게 기계적 부분과 소프트웨어적 부분으로 나뉘게 된다. RasberryPi를 기반으로 OpenCV (haar cascade)를 이용해 얼굴 등록과 얼굴 인식을 처리하며, 기계부와의 내부 통신 및 모터 구동, 부족한 알약 감지와 같은 제어는 아두이노와 필요한 센서들을 통해 수행하며, 기계적 매커니즘 부분을 수행할 부품은 3D 프린팅을 이용해 출력한다. 이에 따라 알약의 모양과 크기에 관계없이 정해진 개수만큼 배출될 수 있도록 메커니즘을 개발할 필요가 있다. 카트리지 내부의 습도를 조절하기 위해 실리카 겔 등이 이용될 수 있으며, 얼굴 인식에서부터 알약이 배출되기까지의 구동 시간 목표를 5초로 설정하였다.

관련 기술의 현황

관련 기술의 현황 및 분석(State of art)

전 세계적인 기술현황

1. 알약 자동 분배기

1.1. 알약 데이터 베이스

알약 자동 분배기는 알약의 정보가 저장되어 있는 데이터베이스를 기기에 내장한다. 와이파이 등 무선 인터넷 연결 기술을 이용하여 제약사에서 업데이트해주는 알약의 정보를 데이터베이스에 업로드할 수 있다. 또한 사용자가 등록하려는 알약 명칭의 일부만 알고 있어도 알약 검색 기능을 갖추고 있어 정확한 알약을 찾는데 사용된다. 사용자는 복용하고자 하는 알약을 기기에서 제공하는 스케줄 기능에 맞추어 등록할 수 있다. 또한 복용할 시각을 선택하고 사용자에게 알린다. 추가적으로 카트리지에 담으려는 알약을 데이터 베이스에서 검색하여 선택하면 담기 적절한 크기의 카트리지를 사용자에게 제시한다.
또한 보호자에게 알약이 공급된 시간, 복용 횟수 등이 담기 요약 보고서를 제공한다. 또한 핸드폰 문자 메세지, 메일 등으로 약 복용 여부, 기기의 방전 여부 등을 전송하여 사용자 혹은 보호자에게 정보를 전달한다.

보호자 및 사용자에게 제공되는 보고서

스케줄 등록 터치 스크린

1.2. 알약 분배 매커니즘

알약은 사용자가 등록한 정보에 맞추어 제공된다. 이때 진공 펌프에 전원이 공급되고 팁(876)을 통해 공기가 흡입된다. 진공을 생성하고 적어도 하나의 알약을 끌어당기도록 의도된 흡입력을 야기하기 위해 마이크로 스위치 프로브 팁(878)이 물체나 용기 표면과 움직임이 없는 접촉을 할 때마다 피드백이 된다. 이때 압력 변환기(또는 다른 유형의 센서 및 회로)는 팁에 의해 적어도 하나의 알약이 파지(진공으로 인한 압력 차이로 인해 알약이 프로브에 압착하게 된 상태를 의미한다) 되었을 때의 음압의 피드백을 제시, 이를 통해 프로브를 끌어올리는 판단을 한다.

프로브(876)와 팁(878)

캐니스터(228, 226)

<프로브(876)와 팁(878), 캐니스터(228, 226)>

1.3. 싱귤레이션

싱귤레이터의 한 예는 물체가 검색되어야 하는 구멍이며, 여기서 구멍은 단 하나의 물체만 검색될 수 있도록 가변적으로 크기가 지정된다. 검색 프로브 및 팁은 적어도 하나의 물체 또는 물체를 유지하면서 구멍을 통과할 만큼 충분히 작아야 한다. 프로브와 팁보다 작은 물체의 경우, 프로브와 팁이 구멍을 통과하도록 구멍을 조정할 수 있으며 구멍의 크기는 하나의 물체만 통과할 수 있도록 조정된다.
때로 길이가 직경보다 큰 제약 캡슐 등을 찾을 때, 조리개는 종종 검색되는 대상의 길이 치수보다 작게 조정된다. 물체가 회수 프로브의 끝 부분에 끌리는 경우(예: 물체의 긴 면이 팁과 접촉하는 경우), 물체의 긴 치수보다 작은 구멍을 통해 물체를 회수하는 것은 불가능하지만 팁과 검색되는 물체 사이의 인력이 충분하면 물체가 프로브 팁에 압착된 채 방향이 바꿀 수 있다. 물체가 제한적인 구멍을 만났을 때, 조리개와 압착력에 의해 재배열된 물체는 구멍에 더 작은 치수, 단면 또는 덜 제한적인 모양이 될 수 있고 구멍을 성공적으로 통과할 수 있다. 특히 개구를 둘러싸는 표면을 테이퍼링(예: 개구 개구 방향으로 점점 가늘어지는 원뿔 모양)하면 물체가 성공적으로 방향을 바꿀 가능성이 높아진다.

싱귤레이터의 다른 예는 디지털 이미지 캡처 장치 및 검색된 대상(들)의 복수의 이미지를 분석하여 단일 또는 다수의 대상이 서치되었는지 여부를 결정하는 관련 이미지 처리 회로이다. 이미지 기반 싱귤레이션 장치는 적절한 약물(예를 들어, 알약 유형)이 분배를 위해 서치되었음을 보장하기 위해 물체를 추가로 검증할 수 있다.

또한, 위 두개의 싱귤레이션이 동시에 적용되는 복수의 싱귤레이션 기술이 조합될 수 있다.

이미지 처리에 활용되는 카메라(480)

가변 오리피스의 도면

<이미지 처리에 활용되는 카메라(480), 가변 오리피스의 도면(우측)>

2. 얼굴 인식 기술 2.1. Face ID

도트 프로젝터를 활용해 만든 보이지 않는 점을 이용하여 얼굴의 30,000개 이상의 점을 투영해 핸드폰 사용자의 얼굴의 특징적인 데이터를 저장하는 맵을 만들고 인식 시에는 적외선 센서와 True Depth 카메라로 도트 패턴을 판독하여 저장된 얼굴 데이터와 대조해 사용자를 식별하는 기술이 Face ID이다. 이 기술의 특징은 얼굴을 적외선으로 인식하기 때문에 어두운 곳에서도 문제없이 인식 가능하고, 안경, 모자를 쓰고 수염을 기르더라도 정확히 인식할 수 있는 점이다.
기존 얼굴 인식과 다르게 머신러닝을 통해 사용자의 얼굴 변화를 감지하는 기술을 적용해 보안성을 크게 높인 것이 Face ID의 장점이다. 또한 A11 바이오닉 칩 내부에 있는 별도의 보안 구역에 암호화된 얼굴 맵 정보를 저장하는 방법을 통해 정보를 보호하기 때문에 생체 정보가 유출될 걱정이 없다.

Face ID

2.2. Deep Face

딥러닝 기술이 얼굴인식에 처음으로 접목된 연구는 2014년 CVPR에서 발표된 Facebook의 DeepFace 연구이다. DeepFace에서는 사전에 학습된 3D 얼굴 기하 모델을 이용하여 랜드마크 추출 후에 어파인(affine) 변환에 의해 얼굴 정렬을 수행한 후 9개의 층으로 구성된 컨볼루션(Convolution) 신경망을 Facebook이 내부적으로 수집한 대용량의 데이터를 이용해 학습하였다.
이때, 얼굴 영역 내의 지역적인 특징을 효과적으로 추출하기 위하여 국소 연결(Locally Connected) 컨볼루션 층을 사용한 것이 특징이다. DeepFace 구조는 LFW 데이터셋에 대해 97.35% 정확도를 달성하면서 기존 Hand-crafted 특징 기반 방법과 비교했을 때 약 27%의 인식률을 향상시키면서 딥러닝 기반 방법이 매우 성공적임을 보여주는 사례가 되었다.

2.3. VGGFace

DeepFace 이후로 등장한 구조는 옥스포드 대학의 Visual Geometry Group(VGG)에서 제안한 VGGFace 딥 네트워크 구조이다. VGGFace에서는 인터넷 검색을 통해 직접 만든 대용량의 얼굴인식을 위한 데이터셋인 VGG 얼굴 데이터셋을 공개하고, 이 데이터를 이용하여 15개의 컨볼루션 층으로 구성된 딥 네트워크 구조를 학습시켰다. VGG에서는 VGGFace 학습 모델을 제공할 뿐만아니라, ImageNet 영상인식 챌린지(Challenge)에서의VGG 구조와 마찬가지로 상대적으로 간단한 3×3 컨볼루션 필터를 이용하여 학습시킴으로써 VGGFace는LFW 데이터셋에 대해 DeepFace보다 약 1% 정도 개선된 98.95% 성능을 달성하였다.

2,4. Distance Metric Learning

앞에서 언급한 다양한 얼굴인식 딥 네트워크 구조에 대한 연구 사례와 더불어서 손실함수(Loss Function)의 재정의를 통한 분별력 있는 특징을 학습하기 위한 거리 척도 학습(Distance Metric Learning)에 대한 연구가 수행되었다. 대표적으로, 구글에서 발표한 FaceNet에서는 동일한 인물에 대해 추출된 특징들 사이의 유클리디언(Euclidean) 거리가 다른 인물들로부터 추출된 특징들 사이의 유클리디언 거리보다 작다는 Triplet Loss를 정의하여 딥 네트워크를 학습시킨 사례가 있다. 즉, 학습을 통해anchor 특징과 동일인에 대한 Positive 특징 사이의 거리가 negative 특징과 비교했을 때 가까워지는 것이다. 이때, 기본 딥 네트워크 구조는 22개 층으로 구성된Inception 네트워크를 사용하였고, 내부적으로 수집된 500M 장의 얼굴 영상 데이터셋으로 학습하였다. 학습을 통해 얼굴 영상 입력에 대해 높은 분별력을 갖는 128바이트(bytes)의 특징 embedding을 수행하였고, LFW 데이터셋에 대해 99.6%의 정확도를 보였다.

특허조사 및 특허 전략 분석

1. Pill Dispenser
조사한 특허의 통계에 의하면 자동 알약 분배기는 약 1977년부터 특허가 등록되어 있었던 것을 확인할 수 있었고 2010년대 중후반에 접어들며 특허 출원이 활발해진 것을 확인할 수 있었다. 이는 키프리스에서 pill dispenser 검색식으로 검색한 특허 출원, 등록 자료로 확인이 가능하다. 특히 2014, 2013, 2016, 2015년의 관련 특허 출원 개수가 상위 5위 안에 들고 2020년 관련 특허 출원 개수 또한 그 바로 밑에 위치하였다. 특히 22년 pill dispenser 관련 특허 등록 개수가 1위임을 확인할 수 있었고 이는 코로나 이후 영양제 시장 산업과 함께 특허의 출원과 등록도 활발해진 것을 확인할 수 있다. 이는 특허가 출원으로부터 등록까지 약 1년 반에서 3년정도 걸리는 것을 고려하면 코로나 이후의 특허 출원이 활발해졌다는 이전 논증을 뒷받침한다.

이에 다양한 특허 중 과제의 목표인 얼굴인식 기반의 개인별 자동 알약 배급기의 기능을 생각하며 본 과제와 유사한 1980년대 중반의 특허와 2000년대 중반, 2010년대 중반의 대표적인 특허를 선정하여 분석하였다. 즉, 알약을 하나씩 배급하거나 개인 사용자를 구별하여 알약이 배급되거나 경보음, 사용자 인터페이스를 포함하는 특허를 찾아 분석했다.

1986 2005 2016 AUTOMATIC PLL DISPENSER AND METHOD OF ADMINISTERING MEDICAL PILLS ELECTRONIC PILL DISPENSER SMART AUTOMATED PILL DISPENSER

2. 얼굴 인식 키프리스에서 (얼굴 인식 + 사용자 등록) 검색식으로 검색한 결과, 얼굴 인식 기술에 대한 특허는 2010년대에 들어서며 기하급수적으로 늘어나기 시작했고 삼성전자, LG 전자, ETRI 등 국내 수준급 기업 및 연구소가 주목하고 있는 기술임을 알 수 있었다. 특히 국제적으로는 Apple, Google, Facebook 등 세계적인 IT 기업 또한 특허를 경쟁적으로 출원하고 있는 추세이다. Apple은 iPhone X에 얼굴 인식 기술 중 보안과 관련된 Face ID 기술을 탑재하며 해당 분야의 선두주자임을 공고히 했다.

본 과제에서는 간단한 얼굴인식과 사용자 등록을 통해 개인 구분하는 것을 초점으로 하기 때문에 아래 3개의 특허에 초점을 맞춰 조사를 실시했다.

기술 로드맵

1. 알약 디스펜서

1980년대 스마트 알약 디스펜서 초기 설계 중 일부 개발

1984년 자동화 디스펜서인 맥러플린 분사 시스템 제안

1994년 자동 포장 기능의 디스펜서 개발

1999년 얼굴 인식 기술의 스마트 디스펜서 제안

2013년 스마트 알약 디스펜서에 동반되는 모바일 어플리케이션 개발

2. 얼굴 인식

1964년 컴퓨터를 이용하여 사람의 얼굴을 인식하는 작업 시작

1970년대 인식 정확도 향상을 위해 21개의 객체 마커를 포함하도록 작업 확장

1988년 안면 인식 기술의 기업 내 실행 & 선형대수학 적용

1991년 이미지 내 얼굴 감지를 통한 자동 얼굴 인식

1990년대 얼굴 이미지 데이터베이스를 활용한 FERET 프로그램

2000년대 안면 인식 시스템의 상업화

2006년 Face Recognition Grand Challenge

2010년 Facebook 얼굴 인식 기능 구현 2017년 iPhone X FaceID 기능 구현

시장상황에 대한 분석

시장조사 및 경쟁제품 조사 비교

가. 시장 조사

1). 시장 규모 및 전망

소비 트렌드 변화와 코로나19로 건강관리에 대한 관심이 크게 높아지면서 건강기능식품 시장규모는 지속적으로 확대되고 있다. 또한 17년 이후 연평균 성장률 16%를 기록하며 지속적으로 성장하는 모습을 보였다.

2). Global Market Trend

2020년 세계 보충제(Supplement) 시장규모는 약 1,582억 달러로, 미국이 35.2%로 1위를 차지하고 있으며, 중국 14.3%, 서유럽 12.0% 순이다. 한국은 대만, 인도네시아 등과 함께 '기타 아시아'에 속하여 2020 보충제 시장 점유율 10.9%를 기록했다.

나. 경쟁제품 조사 비교

1). Hero Health, lnc Hero Pill Dispenser 10가지 종류의 알약을 약 90일간 보관 가능하고 알약 크기에 무관하게 배분 가능한 알약 배급기. 크기는 너비 22센치, 높이 약 40센치이다. 알약 매니지먼트 애플리케이션을 제공하여 알약 복용 스케줄링, 보호자 모니터링 등의 기능을 제공한다. 30일마다 리필 통에 담아 배달되는 정기 배송 알약 서비스 제공. 선행비용은 99달러이고 이후 매달 약 30달러씩 지불하는 구독 서비스이다.

2). Pria Pria 28가지의 알약 종류를 보관 가능하나 보관 양이 많지 않고 수동으로 직접 알약을 통에 보급해야한다. Pin Code와 얼굴인식을 이용하여 사용자를 구분할 수 있고 모바일 앱과 기기를 활용한 알약 복용 스케줄링 기능 또한 탑재되어 있다. 또한 터치 스크린 및 음성인식 기능을 통한 편집 기능을 제공한다. 선행 비용으로 300달러를 지불하고 이후 월 약 10달러를 정기적으로 지불해야한다.

<Pria>

3). MedaCube MedaCube 16 가지의 알약 종류를 약 90일간 보관 가능. 터치 스크린과 알약 데이터 베이스를 통한 사용자 편집 기능 탑재. 알약 검색을 통한 알약 등록 가능. 검색에 의해 기기의 빈 카트리지 중 한 곳에 알약을 저장. 터치 디스플레이와 모바일 앱을 활용한 알약 복용 스케줄링 기능 및 건강 보고서 제공 기능 포함. 핸드폰과 메일을 통한 자동 연락 기능 탑재. 월 이용료 없이 최초 구매비 1400달러.

5). Livi Livi Smart Pill IDspenser for the Home 15가지의 종류의 알약을 약 90일간 보관 및 배분이 가능하다. 알약 크기는 평균에서 크게 벗어나지 않는다면 크기와 모양이 무관하다. 노트북과 스마트폰과 연계되는 알약 복용 스케줄링 서비스 기능이 탑재되어 있다. 초기 설정을 마친다면 지정된 보관함에 알약을 쏟아담으면 된다. 최초 구매비 50달러 이후 월 약 100달러씩 정기적으로 비용을 지불해야한다.

다. 과제 목표와 경쟁 제품 비교

기존 제품들은 약 10종류 이상의 알약을 90일 이상 보관 가능하고 알약의 구분 또한 반자동인 경우가 많았다. 또한 최신 제품들은 알약의 크기와 무관하게 분배가 가능했고 사용자가 등록 가능한 인터페이스를 갖추고 있었다. 또한 사용자와 보호자에게 연결 가능한 수단이 존재했다. 이것을 기반으로 해당 과제는 다양한 종류의 알약을 수납 가능하고, 분배시 알약의 크기와 무관하며 사용자 등록 인터페이스의 정확도를 높이는 방향으로 개발이 진행되어야한다고 생각했다. 본 과제의 목표 제품을 비교해보면 부족한 점이 존재한다. 90일간 영양제를 보관해도 내용물이 변하지 않는다는 보장은 없고 또한 카트리지의 개수도 6개로 부족한 모습을 보인다. 하지만 제품 자체의 비용에 장기적인 관점에서 경쟁력이 있다. 최초 구매비용 490달러 이후 추가 결재비가 존재하지 않는다는 점이 장점이다. 또한 과제 목표 제품의 기능은 사용자 편집 인터페이스 및 디스플레이, 알람, 얼굴 인식 기반의 개인별 영양제 배급을 기본으로 하고, 너비 40cm, 높이 50cm의 크기의 제품이다. 이때 알약은 크기와 모양에 무관하고 랜덤한 카트리지에 적재할 수 있다. 추가적으로 내부 습도를 체크할 수 있어 적절한 환경에 알약이 보관되고 있는지 확인 가능하다. 타사 제품이 제시하는 알약 배급기의 기본적인 기능을 만족하는 것을 확인할 수 있고 따라서 최종적인 결론은 타사 제품과 비교해도 경쟁력이 있음을 확인 가능하다.

마케팅 전략 제시

Strength: 제품이 소비자 1인과 대응되거나 필요한 약 조합을 수동으로 구분하여 보관하는 방식이 대부분이므로 사람마다 다른 조합의 알약 조합을 자동으로 배급해주는 디스펜서는 시장에서 경쟁력을 가질 것이다. 또한 다른 경쟁 제품에 비해 저렴하기에 가격 경쟁력이 있다.

Weakness: 카트리지 내 진공상태 확보 및 습도 조절의 어려움으로 인한 보관 문제가 있을 수 있으며 단순 기계적 특징을 활용한 알약 배분 방식을 취했기 때문에 공급의 정확도 및 정밀도 하락의 문제가 있을 수 있다.

Opportunitues: 코로나 확산이 면역의 중요성을 일깨워 스스로를 위한 건강관리의 즐거움을 의미하는 헬시 플레저(Healthy Pleasure)와 자신의 건강을 챙기기 위한 수단과 방법에 소비를 아끼지 않는 셀프 메디케이션(Self-Medication) 시장을 부상시키는 중이다. 그로 인하여 건강기능식품 시장이 전 세대를 아우르는 대표적인 빅 마켓으로 성장하게 되었다.

Threats: 앱 연동을 지원하지 않는다는 점에서 경쟁 제품에게 밀릴 수 있다. 또한 수요층이 영양제를 주기적으로 소비하는 사람들의 집단으로 넓지 않은 편이고 수요층 내에서도 해당 제품의 필요성에 대한 의견이 갈릴 수 있다.

Conclusion: 건강기능 식품 시장의 꾸준한 성장으로 인한 레드오션. 단, 수요층이 넓지 않은 편이고 수요층 내에서도 해당 제품의 필요성에 대한 의견이 갈릴 수 있는 점을 고려하여 주 타켓층을 확실히 선정해야한다. 해당 과제는 기기와 연동되는 서비스를 제공하지 않는다. 하지만 제품 개발 이후 연관 애플리케이션 개발도 진행하여 기기 연동성을 증대시키는 방향으로 나아가며 약점을 보완해야한다. 추가적으로 알약 배급의 정확도를 높이는 연구는 꾸준히 이어나가야 할 것이다. 또한 알약 카트리지의 종류를 늘리는 방향으로의 개발을 하며 약점을 제거하도록 노력해야한다. 강점으로는 가격 경쟁력이 있다. 개발을 진행하며 생산 단가를 낮추는 방향성을 연구하여 강점을 극대화해야한다. 초기 구매 비용 지불 이후 추가 구독료가 없다는 것을 홍보 전략으로 삼아야할 것으로 판단된다.

개발과제의 기대효과

기술적 기대효과

얼굴인식은 현대인이 대중적으로 사용중인 스마트폰에 탑재된 기술로써 보안 증진 등의 효과를 제공한다. 또한 Apple, Samsung, Google 등 세계적인 대기업이 앞다투어 개발 중인 기술로, IT 업계의 최신 트렌드를 이끌고 있다. 본 과제에서는 알약 배급 과정에서 개인간 구별을 얼굴인식으로 진행하여 분류와 공급의 편익을 증진하고자 한다. 추가적으로 현 기술이 발전하여 단순 얼굴 인식을 넘어 사진이나 혹은 영상 정보를 통해 해당 이미지 안의 객체를 인식하고 해당 데이터를 자동으로 분석하는 기술로 발전할 가능성이 있다. 또한 객체 인식을 통해 작게는 가정용 가전제품, 개인 모바일 디바이스의 보안 기술부터 크게는 인공위성을 통한 범죄 예방 등에 사용될 수 있다.

지난 5년간 한국뿐만 아니라 전세계적으로 개인당 복용하는 영양제의 개수가 늘어감에 따라 스마트 알약 분배기의 필요성이 증가하고 있다. 본 과제의 분배기술을 통해 이러한 스마트 분배기의 분류 및 분배 기술의 발전에 도움이 될 수 있다.

과제의 목표를 달성한다면 알약뿐만이 아니라 여러 종류의 물체를 적절하게 사출하는 기술에 도움이 될 수 있다. 추가적으로 다양한 종류의 물건을 필요한 사람에게 공급하는 기술의 발전에 도움이 될 수 있다.

최종적으로 먼 미래에는 얼굴 인식을 활용한 물품 배급을 통해 개인화 된 서비스를 제공할 수 있다. 예를 들면, 고객의 체형을 분석하여 각 스토어의 제품을 사전에 정렬하는 기술이나 가족간 얼굴인식을 통한 수납장 자동교체 드레스룸의 기술로 발전될 수 있다. 또한 차량을 분석하여 적절한 용도와 크기의 타이어, 액세서리 등을 제공하는 시스템으로서 발전 가능성이 있다.

경제적, 사회적 기대 및 파급효과

5년간 꾸준히 성장한 건강기능 식품 시장과 더불어 인당 섭취하는 영양제의 종류와 개수가 늘어가는 추세이다. 이와 함께 영양제 복용의 번거로움을 호소하는 개인 또한 늘고 있다. 해당 제품 개발로 인한 영양제 및 알약 복용의 편익 증진을 도모할 수 있다. 얼굴인식 기능을 활용한 가족 내 개인 구분으로 인한 영양제 배급의 편리성을 크게 증진할 수 있다. 또한 영양제 분석앱 필라이즈가 제공한 통계자료에 의하면 영양제를 과다복용 중인 유저는 전체의 42%에 달했고 부작용 위험이 있는 경우도 17% 라고 경고했다. 이때 과제 제품은 알람 기능을 활용하여 재복용의 혼란을 막음으로써 영양제 과다 복용 문제를 예방할 수 있다.

시중의 알약 분배기의 시장 가격이 월 정기 지출비용이 없는 경우 1400달러에 육박하고 또한 최초 구매 비용이 300달러 이하라면 월 정기 지출비용이 추가로 붙는 등 비용 문제 또한 무시할 수 없는 상황이다. 이에 과제 제품 개발 시 상대적으로 저렴한 가격으로 인해 배급기 구매의 진입 허들을 낮출 수 있을 것이다. 이로 인해 건강에 관심이 많았지만 섭취의 번거로움으로 인해 영양소 부족에 시달리는 현대인의 피로를 낮추고 건강을 증진할 수 있다.

기술개발 일정 및 추진체계

개발 일정

구성원 및 추진체계

설계

설계사양

제품의 요구사항

설계 사양

1.소프트웨어부

1.얼굴 인식 정확도 95% 이상

본 프로젝트는 얼굴 인식 기술을 이용하여 개인이 섭취하는 알약을 정확히 배급하는 것을 목표로 하고 있다. 의약품 오남용은 사용자에게 큰 위험을 초래할 수 있어 인식의 정확도는 본 과제의 목표 달성을 판가름 짓는 핵심 요소이다. 하지만 사용 가능한 임베디드 보드의 처리 능력 또한 고려해야함으로 인식된 얼굴을 정확도 95% 이상으로 판별 가능하도록 딥 러닝 모델을 구현하고자 한다.

2.등록 가능 인원 6명 이상

만들고자 하는 제품이 다수의 인원을 고려한 제품이므로 얼마나 많은 인원이 사용할 지도 구상해야 한다. 우리 나라의 영양제 시장을 고려했을 때 수요층의 대부분이 일반가정으로 판단되어 최소 4인 이상 사용가능해야 할 것이다. 본 과제에서는 예비 인원을 포함하여 최소 6인의 얼굴을 등록 가능하도록 설계하고자 한다.

3.얼굴 인식 소요 시간 3초 이하

본 제품의 필요성 중 하나는 영양제를 여러 개 복용할 때의 소모 시간이 너무 길다는 점이다. 따라서, 사용자를 판별하기 위해 요구되는 시간이 너무 길면 제품의 가치가 떨어진다고 판단된다. 따라서, 얼굴을 판별하는 데 필요한 시간을 3초 이내로 설정하여 제품의 유용성을 높이고자 한다.

4.남용 방지 알림 시스템 적용

본 제품을 구상하는 과정에서 언급되었던 내용 중 하나는 영양제 남용에 대한 취약성이다. 영양제 섭취 시간이 주로 수면 직후이므로 복용자가 종종 당일 영양제 섭취 여부를 헷갈리는 경우가 존재한다. 따라서, 남용 방지 알림 시스템을 적용하여 등록된 사용자가 하루에 2회 이상 영양제를 복용하는 것을 방지하도록 설계한다.

2.하드웨어부

1.알약 크기와 상관없이 알약 사출 가능

본 과제에서는 기존 알약 배급기들과 차이점을 두기 위해 알약 크기에 제약 받지 않는 제품을 만들고자 한다. 현존 상용품들은 알약 크기에 맞춰 수동 제어가 필요한 부분이 남아있어 사용자에게 불편함을 초래하는 경우가 남아있다. 따라서, 알약 크기에 따른 수동 제어가 요구되지 않도록 구동부를 설계한다.

2.알약 사출 정확도 95% 이상

현재 구상중인 제품이 각 사용자가 등록한 알약을 일정한 양만큼 배급하는 것이므로 정확성은 제품 성능 평가의 핵심 요소이다. 따라서 선택한 품목의 알약을 설정된 개수만큼 95%이상의 정확도로 배급할 수 있도록 설계할 것이다.

3.배급 소요 시간 5초 이하

알약 배급 소모시간이 필요 이상으로 길면 사용자의 불편함을 초래할 것이고, 본 제품의 수요가 감소할 것이다. 따라서 얼굴 인식 완료 후 배급까지 걸리는 시간을 3초 이내로 설계하여 제품의 편의성을 증진하도록 한다.

4.알약 6종류를 각 90개 이상 보관가능

보관 가능한 알약의 종류와 개수도 사용자의 편의성에 영향을 끼친다. 사용자가 불편함을 느끼지 않도록 여러 종류의 알약을 충분히 보관 가능해야 한다. 하지만 스토리지의 개수를 늘리는 것은 다른 개발 목표에 비해 어렵지 않고, 본 과제에서 중요성이 떨어진다고 판단된다. 따라서 스토리지 개수는 6개, 각 알약의 보관량은 시판 영양제의 평균 복용분량이 3개월치인 것을 감안하여 90개 이상으로 설정한다.

5.제품 크기 50*40*40 cm3이하

제품의 전체 크기가 너무 커진다면 주 수요층으로 판단되는 일반 가정집에 배치하기 까다로울 것이다. 따라서 적정한 크기 내로 설계하여 사용자의 접근성을 높이는 것은 중요하다. 이에 본 개발팀은 제품의 크기를 50*40*40 cm3 내로 설계하여 다양한 공간에서 사용이 용이하도록 할 예정이다.

개념설계안

작동원리 및 구조

1. 소프트웨어부

본 프로젝트에서 필요한 소프트웨어 기능의 주는 얼굴 인식이다. 얼굴 인식 기능은 이미 스마트폰 보안 장치로도 활용되는 만큼 대중에게 친숙한 기술이다. 딥 러닝기반 얼굴 인식을 구현할 예정이므로 적절한 알고리즘과 그에 맞는 연산 능력을 보유한 임베디드 보드를 선정해야 한다. 다른 실시간 영상 처리와는 다르게 제품이 고정된 상태에서 촬영된 영상을 이용하기 때문에 다소 안정성이 떨어지는 알고리즘을 사용해도 충분한 성능을 보여줄 수 있다고 판단된다. 따라서 후보군으로 4종의 임베디드 보드와 3종의 얼굴 인식 알고리즘을 제시한다.

2.하드웨어부

모터를 사용해 동력을 공급하여 기계적으로 알약을 하나씩 배출하는 것을 목표로 한다. 수동 제어가 필요한 부분을 최소화하기 위해 알약 크기에 제약 받지 않는 메커니즘을 설계하는 것이 중요하다. 따라서 사용자가 알약을 부어 넣기만 하면 이후에 필요로 하는 과정이 없도록 설계하며, 이를 달성하기 위해 다음 3가지 메커니즘을 제안한다.

이론적 계산 및 시뮬레이션

(예시 이미지. 실제 프로젝트에선 유체를 운송하지 않는다.) 스크류 컨베이어의 이송물에 따른 운반계수 K = 1.2 (비중이 작고 입자가 비교적 큰 고체 운송), 스크류의 수송 속도 v = SN = 0.014 * 6 = 0.084m/min (S = 스크류 피치, N[rpm]) , 위의 그림과 같이 이송물이 차지하는 단면적은 다음과 같다.

비중 = 0.2로 가정하면 운송량 Q=7.97*8.4*0.2=0.2*66.948cm^3/min = 0.803kg/h이다. 전달 동력 P 는 아래와 같으며,이때 Q = 0.803 kg/h , 스크류 컨베이어의 길이 L = 6cm이다.

H = 2.2545cm를 포함하여 계산된 P = 2.067E-04 Kw 이다.

축의 강도 계산) 날개축에 작용하는 비틀림 모멘트은 다음과 같다.

스크류 컨베이어에 작용하는 추력은 다음과 같다.

하단의 그림을 참고하여 무게중심 yG를 계산한다. 설계단계에서 a = 60으로 가정한 상태에서 알약이 끼이지 않고 이송될 수 있도록 스크류의 지름을 결정하였으므로 yG를 계산할 수 있다.

Th에 의한 휨 모멘트는 다음과 같다.

여기서 컨베이어 1m 당 중량 W는 실제 3D 프린터로 출력한 스크류의 무게가 146g, 기장 L = 6cm 인 것을 반영하여 결정하였다.

상당 굽힘 모멘트

샤프트 구멍 가공을 하지 않으며 레이어 결이 쌓이지 않은 방향으로 전단력을 가한다는 가정 하에 PLA의 전단응력 t = 500kg/cm2로 가정하고 상당굽힘모멘트를 이용해 축을 지름을 구하면

실제 제품에 사용되는 알약의 비중이 0.2보다 현저히 작을 수 있다는 점을 고려하면 해당 설계의 축 지름이 충분히 적합한 설계라 판단할 수 있다.

상세설계 내용

조립도

가. 조립도

상기한 조립도는 총 6 SET의 스크류 결합품과 이를 지지하기 위한 외각 지지대 2매와 중앙 지지대 1매, 약품 수송을 위한 통로 1매, 외벽 및 하판을 구성하는 평판 및 토출구 보호를 위한 하우징으로 구성된다. 치수를 포함한 상세한 정보는 이하에서 서술할 도면에 도시하였다.

나. 조립순서

스크류 결합품을 구성하는 요소 및 결합법은 다음과 같다.

1. 우선 부품 11과 부품 16을 결합하고, 부품 11의 하단에 부품 19를 결합한다. 2. 1번 과정을 통해 결합한 조립품에 부품 12, 13, 18, 20을 각각 부착한다. 3. 부품 21에 부품 14, 15, 22를 결합한다. 이때 부품 15과 부품 22를 미리 결합한다. 4. 2번 과정을 통한 조립품과 3번 과정의 조립품을 지정된 자리에 부착하며, 이때의 거리는 기어의 축간거리 기준 25mm이다. 5. 바닥면에 거치대를 부착한 이후에 조립품을 자리에 맞게 부착한 후 부품 2를 결합한다.

이후 보조 지지대를 각각 바닥판 좌우의 끝 모서리에 일치하도록 배치하여 모터 케이스를 부착할 위치를 정한 후 그에 맞추어 중앙 지지대를 설치한다. 6개의 스크류 결합품을 두 지지대에 고정하고, 통로 및 커버 등을 결합한다.

다. 부품도

다.1. 등각투상도

다.2. 부품도

도면번호 1, 2, 3은 본 제품의 외장부에 해당하는 커버 및 보조적인 역할을 수행하는 단순 지지대에 관한 것으로, 별도의 가공 없이 치수에 맞게 다양한 평판 재료를 절단하여 사용한다. 본 제품에서는 아크릴판을 사용하였다. 도면번호 5는 별도의 가공 및 제작을 필요로 하는 복잡한 형상의 부품에 관한 것으로, 본 제품에서는 3D 프린터를 통해 출력하였다. 주요 부품의 3D 모델링은 다음과 같으며, 위의 조립도 항에서 소개한 순서와 방법대로 조립하여 구성한다

부품 15 (원동기어 부착 혼), 부품 19 (종동기어)에 대한 요목표는 다음과 같다.

다.4. 제어부 및 회로설계

라즈베리파이 4에 부착된 Pi Camera 로부터 실시간 영상을 입력받는다. Haar_Cascade를 활용하여 입력 영상을 통해 사람의 얼굴을 식별하고, 미리 등록된 인물들로 학습된 CNN을 통해 인식된 얼굴이 등록된 얼굴인지 판별한다. 식별에 성공하면 사전에 등록된 약품 배급 정보를 통해 배출해야 하는 약품이 있는 저장고의 서보모터에 회전신호를 보낸다. 스크류의 회전으로 약품이 추출된 것을 레이저 모듈과 조도센서로 구성된 장애물 감지센서를 통해 확인하고, 약속된 개수만큼의 알약이 추출되었다면 모터를 정지시킨다.

다.5. 소프트웨어 설계

가. 얼굴인식부

얼굴 부분의 이미지만 추출하기 위해 OpenCV를 사용한다. 이후 따로 저장한 얼굴 이미지를 통해 Tensorflow를 이용하여 인공지능 모델을 학습시킨다.

카메라를 통해 받아온 이미지에 얼굴이 포함되어 있는 지 판단하기 위해 CascadeClassifier 함수를 이용한다. 얼굴 정면을 판별하기 위한 정보가 미리 학습되어 있는haarcascade_frontalface_alt.xml 파일을 불러온다.

카메라로 받아온 이미지는 흑백으로 변환되어 detectMultiScale 함수를 통해 이미지 상의 얼굴의 위치정보를 찾아낸다. 이미지에 얼굴이 있다고 판단하면 찾아낸 정보를 바탕으로 얼굴 부분만 잘라내고 56×56 사이즈로 변환하여 저장한다.

학습에 사용되는 이미지는 Gauss Noise함수를 이용하여 데이터에 노이즈를 주어 다양한 경우에 대응되도록 한다. 학습용 이미지는 50장씩 두 번 생성한다. 학습 후 알약 배급 시 사용되는 이미지는 20장만 촬영하며 노이즈는 추가하지 않는다.

인식된 얼굴이 누구인지 판별하는 것은 Convolutional layer와 MaxPooling layer를 2층으로 쌓아 판별한다. Convolutional Neural Network는 각 구역에서 필터를 이용하여 특징을 추출해 학습하는 방식으로 이미지 처리에서 매우 높은 정확도를 보인다.

학습된 모델을 이용하여 20장의 이미지에 대해 확률을 계산하고 확률이 기준치를 넘어가면 해당 인원으로 판단하고 그렇지 않으면 등록되지 않은 인원으로 판단한다.

나. 전반적 제어부

제품의 전반적인 제어를 위한 프로그램의 순서도는 다음과 같다.

결과 및 평가

완료 작품의 소개

프로토타입 사진 혹은 작동 장면

파일:시연동영상.avi

포스터

완료작품의 평가

향후계획

1) 기기 지지대 및 하우징

 제품 제작 기획 당시에는 실 제작 모델링을 바탕으로 회로설계를 고려한 수정본을 낸 뒤 외주작업을 맡겨 정밀도가 높은 완제품을 제작하고자 했다. 하지만 시간과 예산이 여유가 되지 않아 외주작업을 생략하고 실 제작 모델링을 최종 프로토타입으로 시연하게 되었다. 폼보드의 변형 및 가공 오류로 인해 부품의 치수 오류가 생겼고 이 때문에 기어가 잘 안 맞물리는 등의 문제가 발생했다. 기기 지지대 및 하우징의 가공의 정밀도를 높일 경우 기기 작동의 안정성이 크게 향상될 것으로 기대된다.

2) 스크류의 창살 구조로 인한 알약 저장소 – 실린더 간 알약 끼임 문제

 기구부 설계 시에 알약 저장부의 확장성을 확보하기 위해 저장소가 스크류 실린더 위로 올라오도록 설계하였다. 이때 스크류 회전으로 인한 연결부에서의 알약 끼임을 방지하기 위해 실린더 입구 폭이 스크류 피치의 2배가 충분히 되도록 크기 설정을 했지만, 창살 구조가 추가되어 연결부에 간격이 생기는 것을 고려하지 못했고 이로 인해 알약 끼임 문제가 발생했다. 이는 연결부에 창살이 오지 않도록 창살의 길이 조절을 하는 것만으로 해결이 가능할 것으로 기대된다. 하지만 이로 인해 알약 배출 기능이 저하되거나 연결부에서의 끼임 문제가 해결되지 않는다면, 실린더에 부착된 저장소를 제거하고 실린더 길이를 늘려 실린더 자체가 저장소 역할도 하도록 하는 방안이 있을 수 있다.

3) 어플리케이션 연동

 개발 과제의 기간 내 실현 가능성을 고려하여 어플리케이션 연동을 지원하지 않았지만 제품이 기존 스마트 알약 디스펜서 시장에서 경쟁력을 갖기 위해선 어플리케이션 연동을 지원하는 방향으로 나아가야할 것이다. 알약 데이터 베이스의 기본 기능에 더하여 기기 내 사용자 등록 및 배급 알약 수정, 알약 배급을 위한 사용자 인식 등을 어플리케이션을 통해서도 할 수 있다면 제품 사용의 편의성이 더욱 증진될 것으로 기대된다.