7조-TicketChecker

프로젝트 개요

기술개발 과제

국문 : 클라우드 서버, 사물 인터넷, 사물인식 인공지능을 사용한 철도차량의 무인 검표 시스템 및 방법

영문 : Unmanned Ticket Checking System and Method for Railway Vehicles Using Object Detection Artificial Intelligence, Internet on Things, and Cloud Server

과제 팀명

TicketChecker

지도교수

윤민호 교수님

개발기간

2023년 9월 ~ 2023년 12월 (총 4개월)

구성원 소개

서울시립대학교 기계정보공학과 20174300** 정**(팀장)

서울시립대학교 기계정보공학과 20174300** 정**

서울시립대학교 기계정보공학과 20184300** 바******

서론

개발 과제의 개요

개발 과제 요약

본 발명은 철도차량에서의 검표과정을 1 심층신경망 인공지능, 2 사물 인터넷, 3 클라우드 서버 기술을 이용하여 무인화한 것입니다.

개발 과제의 배경

정보화 정부의 최신 동향

2001년 전자정부법의 제정으로 이어져온 정보화 정부의 패러다임은 2017년 지능형 정부로 전환되었습니다. 2018년 행정안전부에서는 지능형 정부 기본계획을 발표하였고, 2019년 과학기술정보통신부에서는 국무회의에서 인공지능 국가전략을 발표하였습니다. 2020년 그 후속조치로 데이터 3법이 개정되어 인공지능 산업에서의 규제를 걷어냈으며, 2023년 9월 13일 현 윤석열 정부 또한 전국민 AI 일상화 실행계획을 발표하였습니다. 즉, 2017년에 수립된 정부의 인공지능 산업 지원 패러다임이 2023년 현재 응용단계까지 오고 있는 것입니다.

그러나, 전국민 AI 일상화 실행계획에 수많은 관계부처가 실행계획 및 신규과제를 제시하였는데, 국토교통부가 제시한 계획 및 과제가 단 한 건도 없다는 것은 정말 애석한 일입니다. 그 중 국민들이 그 변화를 쉽게 체감할 수 있는 B2C 영역에서 인공지능을 도입한다면 가시적인 성과를 만들어낼 수 있고, 특허권을 확보하여 독점적으로 사용할 수 있다면 이후 철도차량 기술의 해외수출에도 기여할 것입니다.

철도산업에서의 검표과정의 지위

본 분석에서는 Herzberg의 2요인 모형(Herzberg’s Two-factor model)을 사용합니다. 전통적인 동기부여 이론에서는, 인간이 일반적인 불만족 해소를 통해 만족의 상태에 도달한다고 보았습니다. 그러나 허츠버그는 불만족 요인을 해소하면 만족의 상태가 아니라 무불만족(No dissatisfaction)의 상태가 되고, 무만족(No satisfaction)을 해소해야만 만족의 상태에 도달한다고 주장하였습니다. 즉, 만족 요인(satisfier)은 무만족을 만족으로 다다르게 하는 요인이며, 해석하면 일반 기업에서 사업부서이고 개척하는 부서이며, 위생 요인(hygiene factor)는 불만족을 무불만족으로 다다르게 하는 요인이며, 해석하면 일반 기업에서 지원부서이며 관리하는 부서입니다.

검표과정은 위 모델에서 위생 요인임이 분명하므로, 최소한의 비용으로 관리하여야 합니다. 본 시스템을 통하여 검표과정을 무인화/클라우드화 한다면 기존의 인력을 만족요인에 주력하게 할 수 있고, 서버에서의 규모의 경제를 활용하여 서버 관리비를 절약할 수 있습니다.

개발 과제의 목표 및 내용

특허법상 장치(apparatus)의 발명

심층신경망을 이용하여 무인 검표를 시행하는 장치로서, 적어도 하나의 프로세서;

컴퓨터로 실행 가능한 명령을 저장하는 적어도 하나의 메모리;

적어도 하나의 카메라;를 포함하되,

상기 탐지 결과를 수신받는 사용자 단말;을 포함하며,

상기 메모리에 저장된 상기 명령은,

상기 적어도 하나의 프로세서에 의하여, 상기 카메라로부터 사진 또는 영상을 수신받아 사람 또는 의자를 탐지하는 서버를 포함하며,

상기 서버는,

딥러닝 기반 심층신경망 모델을 사용하여 착석 여부를 탐지하는 것을 특징으로 하는 무인 검표 시스템

특허법상 방법(method)의 발명

심층신경망을 이용하여 무인 검표를 시행하는 방법으로서,

하나 이상의 카메라로부터 사진 또는 영상을 촬영하는 단계;

상기 사진 또는 영상에 대하여 전처리를 수행하는 단계;

딥러닝 기반 심층신경망 모델을 이용한 좌석의 착석 상태를 검출하는 단계;

검출된 좌석의 착석 상태에 따른 조치를 수행하는 단계;를 포함하는 무인 검표 방법

관련 기술의 현황

특허조사 및 특허 전략 분석

특허조사

승객 관리 장치 및 승객관리 방법, 주식회사 스바루 카베루

버스의 승차자와 하차자의 얼굴을 기억하여, 내부 인원수를 계산하는 것을 특징으로 합니다.

무임 승차 감지 방법 및 장치, 주식회사 핀텔

지하철의 승차자와 하차자의 머리 및 어깨와 교통카드 체크 여부를 기억하여, 내부 인원수를 계산하는 것을 특징으로 합니다.

국가연구개발사업

부처명: 국토교통부

연구관리전문기관: 국토교통과학기술진흥원

연구과제명: 무가선 저상트램 실증

주관기관: 한국철도기술연구원

딥러닝을 이용한 대중교통수단의 승하차 계수 시스템 및 방법

열차의 출입문 상부에 설치된 카메라로 승차자와 하차자를 촬영하여, 골격을 기반으로 신장, 얼굴, 성별을 기억하고, 승객의 이동궤적을 추적하여 내부 인원수를 계산하는 것을 특징으로 합니다.

국가연구개발사업

부처명: 국토교통부

연구관리전문기관: 국토교통과학기술진흥원

연구과제명: 트램사고 예방/복구 및 무임승차예방 기술 개발

주관기관: 한국철도기술연구원

소결

본 발명은 탑승객의 얼굴, 골격, 신장 등을 인식하는 알고리즘(face detection algorithm 등)을 사용하지 않고, 그보다 거시적인 물체 인식 알고리즘(object detection algorithm)을 사용하며 촬영된 물체가 의자인지 사람인지 여부만을 감지하므로, 위 기재된 선행특허를 침해하지 않습니다.

특허 전략

본 발명은 정** 학생의 자유발명으로, 이미 출원이 되어 있는 상태입니다(출원번호 10-2023-0123586). 즉 특허청구범위 유예제도를 활용하여 출원된 것으로(특허법 시행규칙 제21조제5항 참조), 1년 2개월 내에 청구범위, 명세서, 요약서, 도면 등을 전문보정하여 심사청구할 것입니다. 본 특허는 정부, 공공기관 또는 사기업에 적정 대가로 양도될 수도 있고, 통상실시권 또는 전용실시권 실시계약에 의하여 실시보상을 받을 수도 있습니다.

기술 로드맵

사물인식 심층신경망 알고리즘

더 깊고 복잡한 아키텍처

미래에는 더 깊고 복잡한 DNN 아키텍처가 등장할 것으로 예상됩니다. 현재의 모델들보다 더 많은 레이어와 더 많은 파라미터를 가진 모델이 개발될 것이며, 이를 통해 더 복잡한 시각적 특징을 학습하고 더 높은 정확도를 달성할 수 있을 것입니다.

자동화된 아키텍처 디자인

현재는 모델 디자인에 많은 인력과 시간이 소요됩니다. 향후에는 자동화된 아키텍처 디자인 도구와 알고리즘이 발전하여 모델 설계를 단순화하고 효율화할 것으로 기대됩니다.

자기 지도 학습(Self-Supervised Learning)

자기 지도 학습 기술은 레이블이 없는 데이터에서도 효과적으로 학습할 수 있는 방법을 제공합니다. 향후에는 자기 지도 학습을 통해 대규모 레이블이 없는 데이터를 활용하여 DNN 모델을 훈련하는 방법이 더 발전할 것입니다.

강화 학습과 결합

강화 학습과 사물인식 DNN을 결합한 연구가 확장될 것으로 예상됩니다. 이를 통해 모델은 더 높은 수준의 추론과 의사 결정을 수행할 수 있을 것이며, 실제 환경에서 더 나은 성능을 발휘할 것입니다.

더 많은 데이터와 다양성

더 많은 다양한 데이터가 사용 가능해질 것으로 예상됩니다. 특히, 로봇 공학, 의료 영상, 자율 주행 차량 및 산업용 IoT와 같은 분야에서 수집되는 다양한 데이터가 DNN 모델의 성능 향상에 기여할 것입니다.

보안 및 개인 정보 보호 강화

DNN 모델의 보안 및 개인 정보 보호가 더 큰 관심사가 될 것입니다. 모델 공격 방지 및 데이터 프라이버시 보호에 대한 연구가 확대될 것으로 예상됩니다.

지능형 시스템과의 통합

DNN 모델은 지능형 로봇, 자율 주행 차량, 의료 진단 및 헬스케어 시스템과 같은 지능형 시스템과 통합될 것으로 예상됩니다. 이러한 시스템은 실제 환경에서 인간 수준 또는 그 이상의 성능을 제공할 수 있을 것입니다.

사물 인터넷

더 많은 연결된 기기

IoT 기기의 수가 급증할 것으로 예상됩니다. 스마트 홈 기기, 산업용 IoT 센서, 자동차 및 헬스케어 기기와 같이 다양한 분야에서 IoT가 보급될 것입니다.

5G 네트워크의 보급

5세대(5G) 이동 통신 네트워크의 보급은 빠른 데이터 전송과 초저지연 통신을 가능하게 할 것입니다. 이로써 IoT 기기는 더 높은 대역폭과 안정성을 제공받을 것입니다.

엣지 컴퓨팅(Edge Computing)의 중요성 증대

데이터를 중앙 데이터 센터가 아니라 엣지 장치에서 처리하는 엣지 컴퓨팅 기술이 발전할 것으로 예상됩니다. 이로 인해 더 낮은 지연 시간과 데이터 처리 효율성이 달성될 것입니다.

보안 및 개인 정보 보호 강화

IoT 기기의 보안 문제가 계속해서 대두될 것입니다. 향후에는 IoT 기기의 보안 및 개인 정보 보호를 강화하기 위한 기술 및 규정이 개발될 것입니다.

AI와의 통합

인공 지능(AI) 기술은 IoT와 결합하여 스마트한 의사 결정 및 자동화를 가능하게 할 것입니다. 예를 들어, 스마트 도시에서는 AI를 활용하여 교통 흐름을 최적화하고 환경 모니터링을 수행할 수 있을 것입니다.

클라우드 서버

컴퓨팅 리소스의 더 빠른 확장

클라우드 서버는 더 빠르게 컴퓨팅 리소스를 확장할 수 있게 될 것입니다. 이는 기업들이 트래픽 증가나 계절적인 수요 증가에 대응하는 데 도움이 될 것입니다.

엣지 컴퓨팅의 확대

엣지 컴퓨팅 기술은 클라우드 서버와 연동하여 지연 시간을 줄이고 데이터 처리를 현장에서 수행하는 데 중요한 역할을 할 것입니다. 이로 인해 더 빠른 응답과 지능형 장치 관리가 가능해질 것입니다.

보안 및 개인 정보 보호 강화

클라우드 서버 보안과 개인 정보 보호는 더욱 중요한 이슈가 될 것입니다. 신뢰성 있는 암호화 및 식별 및 액세스 관리 기술이 더욱 발전할 것입니다.

다중 클라우드 및 하이브리드 클라우드의 증가

기업들은 여러 클라우드 제공 업체와의 협력을 강화하고 하이브리드 클라우드 전략을 채택할 것입니다. 이로 인해 비즈니스 유연성이 향상될 것입니다.

자동화 및 자체 관리 기능 강화

클라우드 서버 관리와 배포를 자동화하는 기술이 더욱 발전할 것입니다. 이는 리소스 관리, 스케일링, 장애 복구 등을 효율적으로 처리하는 데 도움이 될 것입니다.

AI와의 통합

인공 지능(AI) 및 머신 러닝(ML)은 클라우드 서버 기술과 통합되어 데이터 분석, 예측 및 자동화 작업을 강화할 것입니다.

시장상황에 대한 분석

경쟁제품 조사 비교

승무원이 PDA 단말기로 빈 좌석을 확인하며 열차를 순회하는 방법 (대한민국)

가장 고도화된 기술을 사용한 방법이지만, 승무원의 통상 업무에 부담이 되기 때문에 주기적으로 시행하기 어려우며, 검표 실시 중 승객의 통행을 방해하여 고객 만족에 해가 됩니다.

승무원이 무작위 승객에게 기차표 제시를 요청하는 방법 (유럽)

가장 낮은 단계의 기술을 사용한 방법으로, 승무원의 통상 업무에 부담이 되기 때문에 주기적으로 시행하기 어려우며, 검표 실시 중 승객의 통행을 방해하여 고객 만족에 해가 되고, 모든 좌석을 전수조사하여 무임승차자를 검출할 수 없습니다.

개찰구를 이용하는 방법 (일본, 위 무작위 요청 방법과 병행하고 있음)

중단 단계의 기술을 사용한 방법으로, 초기투자비용 및 QR코드 도입 등의 개량비용이 높다는 단점이 있습니다. 그러므로 일본에서도 승객이 많은 일부의 기차역만 개찰구를 사용하고 있으며, 따라서 완전히 무임승차를 해결하지 못하여 승무원이 무작위 승객에게 기차표 제시를 요청하는 방법을 병행하고 있습니다.

마케팅 전략 제시

강점(Strength)

본 프로젝트는 인공지능을 사용하여 검표과정을 무인화하고, 그 결과 승무원의 업무가 감소하여 승객이 더 많은 고객 만족을 느낄 수 있습니다.

클라우드 서버를 사용하여, 비용이 절감됩니다.

특허권을 확보하여 독점적인 권리가 있습니다.

개인정보보호법 등 데이터법 검토를 완료하여, 까다로운 개인정보 관련 규제를 통과하였습니다.

약점(Weakness)

신기술이므로 선례가 없고, 입지가 빈약합니다.

가치사슬이 중앙정부(국토교통부), 준정부기관(국가철도공단), 공기업(한국철도공사), 사기업(현대로템, 코레일관광개발), 승객 등으로 길게 형성되어 있습니다.

필수재가 아닙니다. 있으면 좋으나 없다고 하여 열차가 멈추지는 않습니다.

학생 프로젝트이므로 자본이 취약하며, 그 결과 프로젝트 추진력도 취약합니다.

기회(Opportunity)

현 정부 또한 인공지능 산업 활성화 정책을 펴고 있습니다.

현 정부가 서비스업 위주의 경제 정책을 펴겠다고 하였습니다.

제조업과 붙어있는 컴퓨터프로그램이므로, 국제특허출원 및 해외수출이 용이합니다.

위협(Threat)

정부의 정책기조와 규제기조가 변화할 수 있습니다.

국회의 입법기조와 규제기조가 변화할 수 있습니다.

경쟁특허가 출현할 수 있습니다.

그에 따른 SWOT 전략은 아래와 같습니다.

S-O 전략

정부에게서 프로젝트 또는 정책자금 등을 지원받습니다.

승무원의 감축된 검표업무를 고령화 시대의 1대1 서비스로 돌려, 사회적 가치를 증대시킬 수 있는 마케팅을 합니다.

애국심 마케팅을 시행합니다.

W-O 전략

가치 사슬의 모든 고객을 만족시켜야 합니다. 즉, 정부 및 공공기관에는 예산을, 사기업에게는 새로운 프로젝트와 사업을 받아오게끔 하는 것입니다. 그리고 정부에게서 일감을 받은 사기업에게 저희 특허를 양도하는 것이 Plan A입니다.

S-T 전략

다행히 대통령님 임기가 4년 정도 남아 시간이 여유있는 상황입니다. 정부와 국회의 정책기조와 규제기조가 바뀌기 전 양도하는 것이 Plan A입니다.

만약 정책기조와 규제기조가 바뀐다면, 열심히 쫓아가는 것이 Plan B입니다.

경쟁특허를 선점하고, 특허 포트폴리오 및 특허 풀로써 관리하여야 합니다.

W-T 전략

가장 비용이 적은 특허출원 및 신기술확보에 주력하여야 합니다.

최후의 수단으로, 해외 기업에 특허 매각을 추진합니다.

개발과제의 기대효과

기술적 기대효과

인공지능 산업에서 성과를 낼 수 있습니다. 그러므로 정부 등은 인공지능 산업에 예산을 투자하는 성과를 얻을 수 있을 것입니다.

경제적, 사회적 기대 및 파급효과

Autor, Levy, & Murnane (2003)은 컴퓨터가 노동시장에 가한 충격을 분석하기 위하여 업무기반 분석체계(task-based framework)를 고안하였습니다. 그들은 업무의 종류를 반복적인지 또는 비반복적인지(routine vs. non-routine), 분석 및 인지능력을 요구하는지 또는 수동적인지(analytic & cognitive vs. manual)로 구분하였습니다. 이는 컴퓨터가 노동시장에 가한 영향을 설명할 수 없었던, 숙련 또는 비숙련, 대졸 또는 고졸, 화이트칼라 또는 블루칼라, 사무직 또는 생산직 등으로 구분된 과거의 분석체계를 대체하였습니다.

그들은 컴퓨터 자본은 제한적으로 정의된 인지적 및 수동적 활동 즉 명시적인 규칙에 기반을 둔 반복적인 업무를 대체하는 반면(that computer capital substitutes for workers in carrying out a limited and well-defined set of cognitive and manual activities, those that can be accomplished by following explicit rules (what we term “routine tasks”)), 컴퓨터 자본은 문제해결과 복잡한 의사소통을 요구하는 비반복적인 업무를 보완한다(computer capital complements workers in carrying out problem-solving and complex communication activities (“nonroutine” tasks))고 하였습니다.

이러한 방법으로, 그들은 컴퓨터가 반복적인 인지 업무와 수동 업무의 노동투입을 줄이고, 비반복적인 인지 업무의 노동투입을 증가시켰음을 보였습니다.

이를 본 개발과제에 적용하여 보면, 인공지능이 사람의 일자리를 빼앗는 것이 아니라, 사람이 하기에는 비생산적인 일을 인공지능이 가져가고, 사람은 생산적인 일에만 집중할 수 있다는 의미입니다. 그러므로 사회의 노동생산성 및 총요소생산성이 증대되고, 이를 생산함수가 반영하면 생산이 증가하고 경제가 성장할 것입니다. (Autor, D., Levy, F., & Murnane, R. (2003). The Skill Content of Recent Technological Change: An Empirical Exploration. The Quarterly Journal of Economics, 118(4), 1279–1333.)

기술개발 일정 및 추진체계

개발 일정

내용

구성원 및 추진체계

내용

설계

설계사양

제품의 요구사항

특허법상 장치(apparatus)의 발명

심층신경망을 이용하여 무인 검표를 시행하는 장치로서, 적어도 하나의 프로세서;

컴퓨터로 실행 가능한 명령을 저장하는 적어도 하나의 메모리;

적어도 하나의 카메라;를 포함하되,

상기 탐지 결과를 수신받는 사용자 단말;을 포함하며,

상기 메모리에 저장된 상기 명령은,

상기 적어도 하나의 프로세서에 의하여, 상기 카메라로부터 사진 또는 영상을 수신받아 사람 또는 의자를 탐지하는 서버를 포함하며,

상기 서버는,

딥러닝 기반 심층신경망 모델을 사용하여 착석 여부를 탐지하는 것을 특징으로 하는 무인 검표 시스템

특허법상 방법(method)의 발명

심층신경망을 이용하여 무인 검표를 시행하는 방법으로서,

하나 이상의 카메라로부터 사진 또는 영상을 촬영하는 단계;

상기 사진 또는 영상에 대하여 전처리를 수행하는 단계;

딥러닝 기반 심층신경망 모델을 이용한 좌석의 착석 상태를 검출하는 단계;

검출된 좌석의 착석 상태에 따른 조치를 수행하는 단계;를 포함하는 무인 검표 방법

설계 사양

총칙

본 과제에서는 project management triangle의 패러다임을 사용한다.

위키백과

위 내용은 3개 문장으로 요약된다.

* 품질이 좋고 저렴한 프로젝트는 빠르게 개발되지 않는다. (Good & Cheap won't be Fast)

* 빠르게 개발되고 좋은 품질의 프로젝트는 저렴하지 않다. (Fast & Good won't be Cheap)

* 저렴하고 빠르게 개발되는 프로젝트는 품질이 좋지 않다. (Cheap & Fast won't be Good)

그러므로 본 과제에서의 문제는 좋은 성능, 낮은 비용, 빠른 개발속도 중 어느 요소를 버릴 것인지 결정하는 것이다.

이하 내용에서, 남기는 요소는 볼드체 표시하였고 버리는 요소는 이탤릭체 표시하였다.

하드웨어

Good; 좋은 성능; 어떤 소재든 파손되지 않음

Cheap; 낮은 비용; 예산으로 경비처리 가능해야 함

Fast; 빠른 설계속도; 기사용경험

소프트웨어 촬영부

Good; 좋은 성능, 빠른 구동속도; 어떤 언어와 기기든 충분히 빠름

Cheap; 낮은 비용; 모두 공짜임

Fast; 빠른 개발속도; 기사용경험

소프트웨어 통신부

Good; 좋은 성능, 빠른 구동속도; 어떤 언어와 기기든 충분히 빠름

Cheap; 낮은 비용; 월 사용료에 비해 충분한 예산

Fast; 빠른 개발속도; 기사용경험

소프트웨어 연산부

Good; 좋은 성능; 높은 인식률이 필요함

Cheap; 낮은 비용; 모두 공짜임

Fast; 빠른 개발속도; 기사용경험

소프트웨어 단말부

Good; 좋은 성능, 빠른 구동속도; 어떤 언어와 기기든 충분히 빠름

Cheap; 낮은 비용; 모두 공짜임

Fast; 빠른 개발속도; 크로스플랫폼, 기사용경험

소프트웨어 관리부

Good; 좋은 성능, 빠른 구동속도; 어떤 언어와 기기든 충분히 빠름

Cheap; 낮은 비용; 모두 공짜임

Fast; 빠른 개발속도; 기사용경험

분산컴퓨팅(컨테이너 가상화 프로그램)

Good; 좋은 성능; 하나의 코드로 다수의 가상환경을 구동해야 함

Cheap; 낮은 비용; 모두 공짜임

Fast; 빠른 개발속도; 기사용경험

분산컴퓨팅(클라우드 서버)

Good; 좋은 성능; 어느 회사를 가든 충분히 준비되어 있을만한 규모임

Cheap; 낮은 비용; 예산 많음

Fast; 빠른 개발속도; 기사용경험

개념설계안

하드웨어

Autodesk Inventor

오토데스크 인벤터는 강력한 3D 모델링과 어셈블리 기능으로 제품 설계를 용이하게 하며, 실시간 시뮬레이션과 분석을 통해 성능을 미리 확인할 수 있으며, 일반기계기사 및 기계설계기사 취득 시 사용한 경험이 다수 있고 학생계정의 경우 무료.

PLA 소재 3D 프린팅

PLA는 3D 프린팅에 많이 사용되며 경제적이고 환경 친화적인 생체 적합 소재임. 쉽게 가공 가능하며 안전하고 안정된 출력 결과물을 제공하며, 신속한 냉각으로 정확한 모델링이 가능하며 발명대회, 과외 경험 다수 또한 교내에서 직접 제작하기 용이.

Raspberry 4 B 4GB

라즈베리파이 4B 4GB는 강력한 성능, 향상된 멀티미디어 기능, 대용량 RAM으로 안정적인 운영체제 및 다양한 응용 프로그램 실행이 가능하며, 빠른 네트워크 속도와 풍부한 입출력 포트로 다양한 프로젝트에 적합하며, 8백만 화소 카메라 모듈 부착 가능, 도커 환경에서 개발해본 토이 프로젝트 다수.

소프트웨어

촬영부

Python

파이썬은 간결하고 읽기 쉬운 문법으로 높은 가독성을 제공하며, 다양한 라이브러리와 생태계로 빠르고 효율적인 개발을 가능케 함. 크로스 플랫폼 지원과 커뮤니티의 활발한 지원으로 빠른 개발과 유지보수가 가능하며, 다양한 응용 분야에 적용이 용이하고, 해당 프로그램 환경에서 토이프로젝트 개발 경험 다수.

통신부

Python FastAPI

빠르고 현대적인 웹 API 개발을 위한 파이썬 프레임워크로, 자동 문서화, 타입 힌트 기반 검증, 뛰어난 성능 등을 제공하여 생산성을 향상시키고 간편한 개발을 가능케 하며, 해당 프로그램 환경에서 이프로젝트 개발 경험 다수.

연산부

Python Ultralytics Yolo v8 X

Yolo v8x는 객체 감지에 특화된 파이썬 기반 딥러닝 알고리즘으로, 높은 정확성과 빠른 추론 속도를 제공하여 시간 객체 감지에 탁월한 성능을 보임.

단말부

Flutter

플러터는 단일 코드베이스로 안드로이드 및 iOS 앱을 개발하는데 우수한 프레임워크로, 빠른 개발, 아름다운 UI, 풍부한 위젯 라이브러리, 높은 생산성을 제공하며, 한 번의 개발로 안드로이드, ios 앱을 동시에 개발할 수 있는 크로스 플랫폼 언어 해당 프로그램 환경에서 토이프로젝트 개발 경험 다수.

관리부

Prometheus, Grafana, Node-Exporter

Prometheus는 강력한 오픈소스 모니터링 시스템으로, 쉬운 설정, 확장성, 다양한 플러그인, 강력한 쿼리 언어 등을 통해 실시간으로 시스템 상태를 모니터링하고 경고를 생성 가능. Grafana는 직관적이고 다양한 데이터 소스를 지원하는 강력한 대시보드 및 시각화 도구로, 사용자 친화적인 UI, 풍부한 플러그인, 경고 설정 기능 등을 통해 효율적이고 멋진 데이터 시각화를 가능하게 함. 워프레임워크를 사용하며 CPU, 메모리 등의 상황을 모니터한 경험 다수.

Sentry

Sentry는 탁월한 에러 추적 및 모니터링 플랫폼으로, 실시간 오류 알림, 디버깅 도구, 다양한 플랫폼 지원 등을 통해 소프트웨어 개발 생명주기에서의 오류를 효과적으로 관리하고 해결하며, 해당 프로그램 환경에서 토이프로젝트 개발 경험 다수.

분산 컴퓨팅(컨테이너 가상화 프로그램)

Docker, Docker compose

Docker는 가상화 기술을 사용하여 어디서든 일관된 환경에서 애플리케이션을 배포하는 강력한 플랫폼으로, 빠른 배포, 확장성, 경량화된 가상화, 환경 일관성 등을 제공하며, Docker compose, Kubernetes 등 하나의 코드로 수천개의 컨테이너를 관리할 수 있는 응용기술이 있으며 가상머신에 비하여 구조적으로 적은 오버헤드를 가지고 있음.

분산 컴퓨팅(클라우드 서버)

Azure

Azure는 Microsoft의 클라우드 플랫폼으로, 확장성, 보안, 다양한 서비스 및 통합, 글로벌 네트워크를 통한 뛰어난 성능 등을 제공하여 클라우드 기반 애플리케이션 및 인프라를 운영하는 데 용이하며, 본 학생이 2022년 10월부터 사용하던 클라우드 서버임.

이론적 계산 및 시뮬레이션

파일:Decompose assemblies.mp4

하드웨어 조립도입니다.

소프트웨어 테스트입니다.

상세설계 내용

포트포워딩을 통해 접근하는 포트는 웹 서버(8080), Grafana(3000)만으로 한정하고, 나머지 포트는 방화벽으로 보호합니다.

모든 백엔드 코드는 docker compose를 통하여 한 줄의 커맨드로 구동됩니다.

결과 및 평가

완료 작품의 소개

프로토타입 사진 혹은 작동 장면

파일:Two chairs.mp4

포스터

섬네일을 만드는 중 오류 발생: 12.5 MP 이상의 파일 용량

파일이 너무 커서 섬네일이 만들어지지 않으니,

아래 링크를 눌러서 확인하여 주시기 바랍니다.

포스터 보기

완료작품의 평가

저희는 최초 제안서에 기재되어 있는 평가기준을 전부 만족하였습니다.

향후계획

변리사를 통하여 본출원을 하고, 향후 매각할 것입니다.

7조-TicketChecker

목차

프로젝트 개요

기술개발 과제

과제 팀명

지도교수

개발기간

구성원 소개

서론

개발 과제의 개요

개발 과제 요약

개발 과제의 배경

개발 과제의 목표 및 내용

관련 기술의 현황

관련 기술의 현황 및 분석(State of art)

특허조사 및 특허 전략 분석

기술 로드맵

시장상황에 대한 분석

개발과제의 기대효과

기술적 기대효과

경제적, 사회적 기대 및 파급효과

기술개발 일정 및 추진체계

개발 일정

구성원 및 추진체계

설계

설계사양

제품의 요구사항

설계 사양

개념설계안

이론적 계산 및 시뮬레이션

상세설계 내용

결과 및 평가

완료 작품의 소개

프로토타입 사진 혹은 작동 장면

포스터

관련사업비 내역서

완료작품의 평가

향후계획

특허 출원 내용

둘러보기 메뉴

검색