7조-음료따라조
프로젝트 개요
기술개발 과제
국문 : 컵 사이즈 자동 인식을 통한 음료 디스펜서
영문 : Smart Dispenser with Cup Size Recognition
과제 팀명
음료따라조
지도교수
이수일 교수님
개발기간
2025년 9월 ~ 2025년 12월 (총 4개월)
구성원 소개
서울시립대학교 기계정보공학과 2020430001 구효본(팀장)
서울시립대학교 기계정보공학과 2020430011 신윤호
서울시립대학교 기계정보공학과 2020430034 조민규
서울시립대학교 기계정보공학과 2020430037 최성현
서론
개발 과제의 개요
개발 과제 요약
본 과제는 ToF 센서를 활용하여 종이컵, 머그컵, 텀블러 등 다양한 용기의 부피를 자동으로 측정하고, 유량 센서와 솔레노이드 펌프를 통해 정밀한 양의 음료를 토출하는 스마트 디스펜서 개발을 목표로 한다. 기존 디스펜서는 사용자가 직접 레버를 조작하거나 사전에 정해진 고정 용량(125ml, 250ml 등)만 제공하기 때문에, 실제 사용하는 컵의 크기와 맞지 않아 음료가 넘치거나 부족해지는 불편함이 자주 발생한다. 이로 인해 사용자는 출수 과정을 계속 지켜보며 수동으로 양을 조절해야 하고, 이는 음료 낭비와 위생 문제, 시간 낭비로 이어진다. 본 과제는 이러한 한계를 해결하기 위해 컵의 부피를 자동으로 인식하고, 이에 적응적으로 동작하여 사용자의 컵에 최적화된 양을 제공함으로써 편의성과 효율성을 동시에 높이는 것을 목표로 한다.
개발 과제의 배경
현재 보편적으로 사용되는 음료 디스펜서는 사용자가 직접 레버를 조작하는 수동 방식이 대부분이다. 일부 고급 모델은 125ml, 250ml 등 사전에 설정된 정량을 제공하는 기능이 있으나, 이는 사용자의 컵 크기를 고려하지 않은 고정적인 방식이다. 최근 소비자들이 다양한 크기와 형태의 컵, 텀블러를 사용하는 상황에서 고정 정량 방식은 음료가 넘치거나 부족한 상황을 빈번하게 유발한다. 이로 인해 사용자는 토출 과정을 주시하며 수동으로 양을 조절해야 하는 불편함을 겪는다. 기존 디스펜서의 수동적이고 고정적인 작동 방식을 개선하기 위해, 사용자의 개별 용기(컵, 텀블러 등)를 시스템이 자동으로 인식하고 컵에 적응형으로 동작하는 새로운 방식이 요구된다.
개발 과제의 목표 및 내용
본 과제에서는 컴퓨터 비전 기술을 기반으로 컵의 용량을 실시간으로 자동 파악하고, 사용자가 원하는 비율만큼 정확하게 음료를 제공하는 지능형 디스펜서 시스템 개발을 목표로 한다. 본 과제는 하드웨어 제작과 소프트웨어 개발이 융합된 형태로, 각 영역에 최적화된 도구를 아래와 같이 활용하였다.
1) 하드웨어(H/W): 정량 출수를 위한 디스펜서 구현, 전체 전장 제어 인프라 구축 - 프레임 및 외장: 아크릴 및 알루미늄 프로파일을 이용하여 디스펜서의 기본 구조를 제작하고, 3D 프린터(FDM 방식)를 활용하여 센서 마운트, 유량 센서 행거 등 맞춤형 부품을 제작한다. - 토출 시스템: 일정량의 액체를 정밀하게 토출하기 위해 YF-B2 유량센서와, 다이어프램식 워터 펌프를 사용한다. 유량 센서를 추가하여 실제 토출량을 측정하고 제어 신호를 보정하는 폐루프 시스템을 아두이노를 통해 구성하였고, 이를 S/W에서 개발한 부피 측정 알고리즘과 연동하였다.
2) 소프트웨어 (S/W): 작동 환경과 다양한 용기에 적용가능한 부피 추정 알고리즘 구현 - 개발 언어 및 환경: Python을 주력 언어로 사용하며, OpenCV 라이브러리를 통해 이미지 처리 및 컵의 특징점(높이, 지름) 추출 알고리즘을 구현한다. 또한 Pytorch를 활용하여 컵, 텀블러 데이터셋을 통해 이미지로부터 용량을 추정하는 모델을 학습시키고 보드에 맞게 경량화 하여 두 알고리즘의 성능을 비교한다.
A. 개발 알고리즘 계획
i. 센서 데이터 기반 컵 용량 측정
- 초음파, 적외선 센서를 회전시켜, 컵의 2차원 형상 데이터를 극좌표 형식으로 취득한다. 컵의 형상이 회전체라고 가정하고, 형상 데이터를 적분해 컵의 전체 용량을 유추해내는 알고리즘이다. 이 경우 센서의 분해능이 중요하므로 초음파, 적외선을 이용하여 센서의 성능평가를 선행 과정으로 수행하고 적절한 센서를 선택할 계획이다. 센서의 회전은 스텝모터를 이용하여 각도 제어의 오차를 최소화할 수 있을 것으로 예상한다.
ii. 컵 용량 데이터셋을 통한 CNN 모델 학습
- 자주 사용하는 텀블러와, 일반적으로 판매되는 종이컵의 데이터를 획득하고 용량 데이터를 라벨링하여 용량을 파악하는 방법이다. 적절한 데이터셋을 찾고, 필요하다면 직접 데이터셋을 구성하여 학습을 진행할 계획이다.
B. 설계 및 시뮬레이션 Autodesk사의 Inventor 등의 3D CAD 소프트웨어를 사용하여 하드웨어 구조를 설계하고, 필요한 경우, 조립 시뮬레이션을 통해 부품 간의 간섭을 확인하는 과정이다. 이후 실제 구동부만 조립하여 정량이 토출되는지, 누수의 문제는 없는지 검증하는 절차를 수행한다.
C. 프로세스 블록 다이어그램 <Figure 1 추가>
관련 기술의 현황
관련 기술의 현황 및 분석
가. State of art 본 개발 과제에서 핵심적으로 사용되는 기술은, 사용자로부터 놓이게 되는 컵의 부피를 측정하는 기술이다. 해당 기술은 단순히 컵의 부피를 측정하는 것에 국한되는 것이 아니라, 물류, 식품, 산업 등 다양한 분야에서 사용되는 물체에 대해 부피를 비접촉식으로 정밀하게 측정하는 ‘Volume Estimation’이라는 기술 키워드로 일반적으로 정의될 수 있다. 본 항목에서는 해당 기술에 대한 최신 현황에 대해 살펴보고자 한다.
해당 기술 초기에는 초음파 센서 등의 단일 센서 데이터를 기반으로, 부피를 측정하고자 하는 대상 물체에 대한 단순한 기하학적 형상의 가정을 바탕으로 부피를 계산하는 것으로 제한되었다. 최근에는 카메라, Depth 센서, 딥러닝 기반 방법들이 등장하면서 불규칙한 형상까지도 정밀하게 측정하는 것이 가능해졌다. 아래는 Volume Estimation과 관련되어 최근 수행되는 연구들을 항목화하여 나타낸 것이다.
단일 센서 기반 연구: RGB-D 카메라(예: Intel RealSense)를 단독으로 사용하여 감자·과일 등 농산물의 부피를 추정하는 연구들이 진행됨. 단일 Depth 데이터로 픽셀 높이를 적분하여 부피를 계산하는 방식이 일반적임.
[1] Sari & Gofuku(2023)는 RGB-D 카메라로 음식 이미지를 촬영한 후 포인트 클라우드 기반으로 부피를 적분하였으며, Ellipsoid Fitting 방법으로 포인트 클라우드를 3축 타원체 형태로 근사하여 정밀도를 확보함.
멀티 센서 기반 연구: [2] Gao, et al.(2019) : 음식의 부피 추정에서 스마트폰의 RGB 카메라와 마이크·스피커를 결합하여 스마트폰으로 거리와 면적을 동시에 계산하는 MUSEFood 시스템이 제안되어, 기준 물체 없이도 높은 정확도를 확보함.
[3] Bae, et al.(2023) : 2D 카메라와 ToF 센서를 결합하여 상자의 가로·세로는 카메라로, 높이는 ToF 센서로 측정해 부피를 계산하는 시스템이 개발됨. 추가적으로 물체 영역 식별에 YOLACT 딥러닝 모델로 객체를 분할(segmentation)하는 방법이 사용되기도 함.
딥러닝 기반 연구: [4] Kim, et al.(2025)은 RGB-D 카메라로 얻은 Color+Depth 이미지를 입력으로, 색상 이미지는 SAM(Segment Anything Model) 으로 객체 영역을 분할하고, 깊이 이미지는 2×2 픽셀 단위로 분해하여 Fully Connected Layer가 각 요소 부피를 예측하는 네트워크를 제안함. 이 방식은 불규칙 형상에서도 평균 2.37%의 오차율을 달성하여 기존 기하 기반 방법보다 약 1.7% 향상됨.
위와 같은 기술 현황과 가정용 정수기라는 본 과제의 특징을 종합적으로 고려하였을 때, 단일 ToF 카메라를 통해정수기에서 컵의 부피를 계산하여 사용자가 요구하는 일정의 부피 비율만큼 물을 제공하는 시스템을 제안하고자 한다.
- 특허조사 및 특허 전략 분석
가에서 Volume Estimation의 기술의 현황을 언급한 바 있으며, 본 프로젝트를 통해 이를 정수기에 적용하는 것을 목표로 한다. 따라서 특허 조사의 경우 Volume Estimation 기술의 기반이 되는 특허 조사와, 관련 기술이 적용된 정수기 특허 조사의 두 축으로 나누어 진행하였다.
1) Volume Estimation 기술 특허 <특허 Table 3개>
2) 유사 정수기 특허
컵이나 텀블러의 부피를 동적으로 인식하여 정확한 용량을 배급하는 정수기 기술을 검토하였다. 조사를 통해 확인한 결과, 컵이나 텀블러의 부피를 자동으로 측정하여 동적으로 제어하는 정수기 기술은 현재 상용화된 사례를 찾기 어려웠다. 위와 같은 한계로 인해, 본 조사는 자동 배급 기능이 구현된 정수기 특허를 중심으로 진행하였다.
즉, 컵의 부피를 인식하는 것이 아니라, 사용자가 원하는 설정 용량 또는 제어 방식에 따라 자동으로 물을 배급하는 기능을 포함하는 특허들을 분석하였다.
<특허 Table 3개>
라. 특허전략
본 과제의 특허전략으로는, 이번 경쟁력 조사에서 진행하였듯이 먼저 KIPRIS와 Google Patents에서 유사 기술을 찾아 겹칠 위험을 확인한다. 핵심 아이디어인 단일 ToF 센서로 컵 부피를 추정하고 비율로 출수하는 방식은 시연 전에 가출원으로 우선권을 확보한다. 제품 형태가 정리되면 컵 받침 형태나 센서 배치처럼 겉으로 보이는 요소는 필요 시 디자인 보호법을 검토한다. 개발은 시판 ToF 카메라, 유량센서, 솔레노이드 밸브를 그대로 사용해 개발 속도를 높이고, 개발 과정 중에 얻어낸 실험 결과와 측정 설정은 발표 전까지 팀 내부에만 보관한다. 이를 통해 학기 내 시연은 안전하게 진행하고, 성능 데이터가 확보되면 본 출원 전환 여부와 해외 확장(PCT) 가능성까지 단계적으로 검토할 예정이다.
- 기술 로드맵
나. 기술 로드맵
Volume Estimation 기술의 경우 시대의 흐름과 기술적인 특징을 고려하였을 때 아래와 같이 항목화 하여 분류할 수 있다.
1세대 (단일 센서(초음파, RGB-D 카메라 등) 기반): 초음파 센서 혹은 Microsoft Kinect, Intel RealSense 등 저비용 RGB-D 카메라 활용 Depth 이미지를 적분하여 규칙적 형상의 부피 계산.
2세대 (멀티 센서 융합 기반): 2D 카메라+ToF 센서 융합으로 가로·세로·높이를 분리 계산. [2] Gao, et al.(2019) : RGB 카메라+마이크/스피커 융합으로 거리 자동 추정. 음식 부피 계산 (MUSEFood). 멀티 센서 융합은 정확도 향상과 조명·배경 영향 최소화에 기여.
3세대 (딥러닝 기반): 딥러닝으로 이미지 세그멘테이션(SAM, YOLACT 등) 적용하여 객체 영역 자동 검출 후, Depth 이미지를 바탕으로, 각 요소 부피를 예측하는 네트워크 활용 [4] Kim, et al.(2025) o Fully Connected Layer 또는 CNN 구조로 픽셀 단위 높이→부피 직접 회귀. o RGB-D 카메라 입력, 2×2 픽셀 단위 부피 예측, 평균 오차 2.37%. 비교 요약: • 단일 센서 기반 방법론: o 장점 : 구현이 간단함. o 단점 : 오차율 높음. • 멀티 센서 기반 방법론: o 장점 : 정확도 향상 o 단점 : 구현이 상대적으로 복잡함. • 딥러닝 기반 방법론: o 장점 : 불규칙 형상에서도 2~5% 오차율, o 단점 : 높은 컴퓨팅 성능 요구, 학습 데이터에 크게 의존
시장상황에 대한 분석
- 경쟁제품 조사 비교
본 과제와의 차별성을 분석하기 위해 국내 온라인 유통 플랫폼인 다나와(Danawa)에서 판매량과 관심도를 기준으로 집계된 정수기 인기 상위 10개 제품을 조사하였다. 해당 제품들은 LG전자, 삼성전자, 쿠쿠, SK매직 등 주요 브랜드의 대표 모델들로, 가격대는 약 15만 원대의 보급형부터 200만 원대의 프리미엄 모델까지 다양하게 분포한다. 주요 기능으로는 냉·온·정수 제공, 살균 및 자동 관리, 앱 연동, 10ml 단위의 미세 조절 등이 있으며, 일부 고급형 제품은 출수구 높이 조절이나 회전형 파우셋과 같은 사용자 편의 기능도 포함하고 있다. 그러나 대부분의 제품들은 사용자가 직접 고정된 용량(예: 120ml, 250ml, 500ml 등)을 선택해야 한다는 한계를 가지며, 컵의 실제 부피를 자동으로 고려해 출수하는 기능은 확인되지 않았다. 조사 결과를 정리하면 아래 표와 같다.
