KR102069675B1 - 로스팅 완료 시간 예측 장치 및 이의 동작 방법 - Google Patents

로스팅 완료 시간 예측 장치 및 이의 동작 방법 Download PDF

Info

Publication number
KR102069675B1
KR102069675B1 KR1020170170988A KR20170170988A KR102069675B1 KR 102069675 B1 KR102069675 B1 KR 102069675B1 KR 1020170170988 A KR1020170170988 A KR 1020170170988A KR 20170170988 A KR20170170988 A KR 20170170988A KR 102069675 B1 KR102069675 B1 KR 102069675B1
Authority
KR
South Korea
Prior art keywords
roasting
value
picture
degree
values
Prior art date
Application number
KR1020170170988A
Other languages
English (en)
Other versions
KR20190070464A (ko
Inventor
박미화
김민경
김다혜
정재윤
Original Assignee
동국대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020170170988A priority Critical patent/KR102069675B1/ko
Publication of KR20190070464A publication Critical patent/KR20190070464A/ko
Application granted granted Critical
Publication of KR102069675B1 publication Critical patent/KR102069675B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47J—KITCHEN EQUIPMENT; COFFEE MILLS; SPICE MILLS; APPARATUS FOR MAKING BEVERAGES
    • A47J31/00—Apparatus for making beverages
    • A47J31/42—Beverage-making apparatus with incorporated grinding or roasting means for coffee
    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23N—MACHINES OR APPARATUS FOR TREATING HARVESTED FRUIT, VEGETABLES OR FLOWER BULBS IN BULK, NOT OTHERWISE PROVIDED FOR; PEELING VEGETABLES OR FRUIT IN BULK; APPARATUS FOR PREPARING ANIMAL FEEDING- STUFFS
    • A23N12/00—Machines for cleaning, blanching, drying or roasting fruits or vegetables, e.g. coffee, cocoa, nuts
    • A23N12/08—Machines for cleaning, blanching, drying or roasting fruits or vegetables, e.g. coffee, cocoa, nuts for drying or roasting
    • A23N12/12—Auxiliary devices for roasting machines
    • A23N12/125—Accessories or details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Polymers & Plastics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Tea And Coffee (AREA)

Abstract

본 발명에 따른 로스팅 완료 시간 예측 장치 및 이의 동작 방법은 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축한 후 사용자 단말로부터 조정용 사진 및 로스팅 중인 원두를 촬영한 사진을 수신하면, 상기 구축된 컨볼루션 신경망을 이용하여 상기 촬영 사진에 포함된 로스팅 중인 원두의 로스팅 정도를 판별하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산한 후 상기 연산된 시간을 사용자 단말에 전송함으로써 홈 로스팅 관련 장비 및 기기를 구입할 필요 없이, 사용자가 원하는 로스팅 정도를 입력하고, 로스팅 중인 원두를 촬영한 후 업로드하면 로스팅 종료 시간을 연산하여 사용자에게 알려줄 수 있다.

Description

로스팅 완료 시간 예측 장치 및 이의 동작 방법{APPARATUS FOR PREDICTING ROASTING COMPLETION TIME AND OPERATING METHOD THEREOF}
본 발명은 로스팅 완료 시간 예측 장치 및 이의 동작 방법에 대한 것이다.
2014년 한국의 원두 수입량은 11만 톤이며, 2015년 한국인의 1인당 커피소비량은 약 230잔을 기록했다. 커피를 하나의 음료가 아닌 문화로서 인식하는 경향이 증가함에 따라, 가정에서 직접 생두를 볶아 커피를 내려 마시는 홈 로스팅 문화도 널리 전파되고 있다.
이와 같은 시장의 흐름에 맞춰 많은 업체에서 홈 로스팅 관련 서적, 장비 및 기기 등을 출시하며, 많은 발명이 특허로 출원되고 있다. 일례로, 한국 공개특허 제10-2012-0096835호에서는 원두의 온도에 기초하여 로스팅의 진행 여부를 결정함으로써 사용자 기호에 맞는 로스팅 정도를 조절하는 발명이 개시된 바 있다. 그러나 상기 특허에 따른 로스팅 기계는 사용자 기호에 맞춰 원두의 로스팅 정도를 조절하지 않으며, 사용자가 상기 특허에 따른 로스팅 기계의 로스팅 시간 및 가열 온도를 조절함으로써 사용자 기호에 맞는 원두의 로스팅 정도를 찾아야 한다는 한계점이 존재하며, 동시에 상기 특허에 따른 로스팅 기계를 구입하여야 하는 경제적인 부담도 존재한다.
따라서, 홈 로스팅 관련 장비 및 기기를 구입할 필요 없이, 사용자가 원하는 로스팅 정도를 입력하고, 로스팅 중인 원두를 촬영한 후 업로드하면 로스팅 종료 시간을 연산하여 사용자에게 알려주는 알고리즘이 필요하다.
본 발명에 따른 로스팅 완료 시간 예측 장치 및 이의 동작 방법은 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축한 후 사용자 단말로부터 조정용 사진 및 로스팅 중인 원두를 촬영한 사진을 수신하면, 상기 구축된 컨볼루션 신경망을 이용하여 상기 촬영 사진에 포함된 로스팅 중인 원두의 로스팅 정도를 판별하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산한 후 상기 연산된 시간을 사용자 단말에 전송함으로써 홈 로스팅 관련 장비 및 기기를 구입할 필요 없이, 사용자가 원하는 로스팅 정도를 입력하고, 로스팅 중인 원두를 촬영한 후 업로드하면 로스팅 종료 시간을 연산하여 사용자에게 알려주고자 한다.
본 발명의 일실시예에 로스팅 완료 시간 예측 장치는 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축하는 컨볼루션 신경망 구축부, 사용자 단말로부터 로스팅 시작 시간 정보, 조정용 사진 및 로스팅 중인 원두를 촬영한 사진 - 상기 원두 촬영 사진은 촬영 시간 정보를 포함함 - 을 수신하는 수신부, 상기 원두 촬영 사진의 픽셀 값을 상기 조정용 사진에 기초하여 조정하는 픽셀 값 조정부, 상기 구축된 컨볼루션 신경망을 이용하여 상기 픽셀 값이 조정된 원두 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별하는 로스팅 정도 판별부, 상기 로스팅 시작 시간 정보, 상기 촬영 시간 정보 및 상기 판별된 로스팅 정도에 기초하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산하는 로스팅 시간 연산부 및 상기 연산된 시간을 사용자 단말에 전송하는 송신부를 포함한다.
또한, 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치의 동작 방법은 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축하는 단계, 사용자 단말로부터 로스팅 시작 시간 정보, 조정용 사진 및 로스팅 중인 원두를 촬영한 사진 - 상기 원두 촬영 사진은 촬영 시간 정보를 포함함 - 을 수신하는 단계, 상기 원두 촬영 사진의 픽셀 값을 상기 조정용 사진에 기초하여 조정하는 단계, 상기 구축된 컨볼루션 신경망을 이용하여 상기 픽셀 값이 조정된 원두 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별하는 단계, 상기 로스팅 시작 시간 정보, 상기 촬영 시간 정보 및 상기 판별된 로스팅 정도에 기초하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산하는 단계 및 상기 연산된 시간을 사용자 단말에 전송하는 단계를 포함한다.
본 발명에 따른 로스팅 완료 시간 예측 장치 및 이의 동작 방법은 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축한 후 사용자 단말로부터 조정용 사진 및 로스팅 중인 원두를 촬영한 사진을 수신하면, 상기 구축된 컨볼루션 신경망을 이용하여 상기 촬영 사진에 포함된 로스팅 중인 원두의 로스팅 정도를 판별하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산한 후 상기 연산된 시간을 사용자 단말에 전송함으로써 홈 로스팅 관련 장비 및 기기를 구입할 필요 없이, 사용자가 원하는 로스팅 정도를 입력하고, 로스팅 중인 원두를 촬영한 후 업로드하면 로스팅 종료 시간을 연산하여 사용자에게 알려줄 수 있다.
도 1은 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치를 포함하는 로스팅 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치의 동작 방법을 도시한 흐름도이다.
이하에서는 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명하기로 한다. 이러한 설명은 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였으며, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 본 명세서 상에서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 사람에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.
도 1은 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치(100)를 포함하는 로스팅 시스템(10)의 구성을 도시한 도면이다.
도 1을 참조하면, 로스팅 시스템(10)은 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치(100) 및 사용자 단말(20)을 포함할 수 있다. 여기에서, 사용자 단말(20)은 로스팅 완료 시간 예측 장치(100)와 네트워크 통신 가능한 스마트폰과 같은 전자 장치일 수 있다.
다음으로, 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치(100)는 컨볼루션 신경망 구축부(110), 수신부(120), 픽셀 값 조정부(130), 로스팅 정보 판별부(140), 로스팅 시간 연산부(150), 로스팅 시간 저장부(160) 및 송신부(170)를 포함할 수 있다.
먼저, 컨볼루션 신경망 구축부(110)는 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축할 수 있다. 여기에서, 상기 다수의 사진 데이터들은 상기 영상 데이터에 포함된 프레임들에 대응할 수 있다. 이에 따라, 상기 영상 데이터에는 상기 영상 데이터의 영상 길이와 상기 영상 데이터의 FPS(Frame Per Second)를 곱한 값에 상응하는 사진 데이터들이 포함되어 있을 수 있다.
한편, 상기 영상 데이터는 원두 로스팅 과정을 촬영한 영상 데이터이며, 사전 설정된 M 개의 로스팅 구간으로 구획될 수 있다. 여기에서, M은 사전 설정된 로스팅 분류법에 포함되는 로스팅 단계들의 개수이며, 사전 설정된 로스팅 분류법은 6 단계 분류법, 8 단계 분류법 또는 미국 스페셜티 커피협회 분류법일 수 있다. 구체적으로, 6 단계 분류법은 원두의 로스팅 정도를 시나몬 라이트 단계, 미디엄 단계, 아메리칸 라이트 단계, 하이 아메리칸 라이트 단계, 풀 시티 단계 및 에스프레소 유로피안 단계로 분류하고, 8 단계 분류법은 원두의 로스팅 정도를 라이트 단계, 시나몬 단계, 미디엄 단계, 하이 단계, 시티 단계, 풀 시티 단계, 프렌치 단계 및 이탈리안 단계로 분류하고, 미국 스페셜티 커피협회 분류법은 원두의 로스팅 정도를 엑스트라 라이트 단계, 베리 라이트 단계, 라이트 단계, 미디엄 라이트 단계, 미디엄 단계, 미디엄 다크 단계, 다크 단계, 베리 단계 및 엑스트라 다크 단계로 분류한다. 예를 들어, 사전 설정된 로스팅 분류법이 6 단계 분류법인 경우, M은 6으로 사전 설정될 수 있다.
구체적으로, 컨볼루션 신경망 구축부(110)는 상기 영상 데이터의 제 i번째 사진 데이터에 대하여 사전 설정된 M 개의 노드들에 대한 정답 값과 상기 제 i번째 사진 데이터에 대해 사전 설정된 N 회의 컨벌루션 처리를 수행함으로써 획득되는 M 개의 노드들에 대한 출력 값을 비교하여 상기 컨벌루션 처리에 이용되는 필터들의 가중치를 변경(즉, 필터들 각각에 포함된 원소들의 값을 변경)함으로써 상기 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축할 수 있다. 여기에서, 상기 i는 1 이상 상기 영상 데이터에 포함된 다수의 사진 데이터들의 개수(즉, 영상 데이터의 프레임의 개수) 이하의 정수이고, 상기 N은 1 이상의 정수이다.
컨벌루션 처리는 입력에 대하여 필터를 이용한 컨벌루션 곱을 수행하는 제1 처리, 상기 제1 처리의 결과 데이터에 대하여 정류 선형 처리를 수행하는 제2 처리 및 상기 제2 처리의 결과 데이터에 대하여 풀링 처리를 수행하는 제3 처리로 이루어질 수 있다. 한편, 사전 설정된 N 회의 컨벌루션 처리에 이용되는 필터들은 서로 다를 수 있다.
여기에서, 컨벌루션 곱은 A×A (A는 1 이상의 정수임) 크기의 입력에 포함된 각각의 기준 원소로부터 B×B (B는 1 이상의 홀수임) 크기의 서브 데이터와 B×B 크기의 필터 간의 원소 곱을 수행한 후 원소들을 합산하는 연산이다. 여기에서 원소 곱은 하기 수학식 1을 이용하여 연산될 수 있다. 기준 원소는 A×A 크기의 입력 데이터에서 (B-1)/2의 상하좌우 마진을 제외한 영역에 위치하는 원소들 중에서 선택될 수 있다. 예를 들어, A가 5이고 B가 3인 경우, 5×5 크기의 입력 데이터에서 1의 상하좌우 마진을 제외한 영역에 위치하는 (2,2), (2,3), (2,4), (3,2), (3,3), (3,4), (4,2), (4,3) 및 (4,4)번째 원소가 기준 원소일 수 있다.
Figure 112017124036862-pat00001
수학식 1은 3×3 크기의 행렬 X와 3×3 크기의 행렬 Y 간에 수행된 원소 곱의 결과를 나타낸다.
다음으로, 정류 선형 처리는 상기 제1 처리의 결과 데이터에 포함된 각 원소들을 0 이하의 값을 0으로 처리하는 처리이고, 풀링 처리는 상기 제2 처리의 결과 데이터를 사전 설정된 크기의 행렬 데이터로 축소하는 연산일 수 있다.
다음으로, 예를 들어, M이 6인 경우, 6 개의 노드가 나타내는 값은 (a,b,c,d,e,f)로 나타낼 수 있고, 원소 a는 로스팅 단계가 시나몬 라이트 단계일 확률을 나타내고, 원소 b는 로스팅 단계가 미디엄 단계일 확률을 나타내고, 원소 c는 로스팅 단계가 아메리칸 라이트 단계일 확률을 나타내고, 원소 d는 로스팅 단계가 하이 아메리칸 라이트 단계일 확률을 나타내고, 원소 e는 로스팅 단계가 풀 시티 단계일 확률을 나타내고, 원소 f는 로스팅 단계가 에스프레소 유로피안 단계일 확률을 나타낼 수 있다. 따라서, 제 i번째 사진 데이터가 시나몬 라이트 단계에 해당하는 경우, ㅍ사진 데이터에 대하여 사전 설정된 6 개의 노드들에 대한 정답 값은 (1,0,0,0,0,0)일 수 있다. 또한, 상기 제 i번째 사진 데이터에 대해 사전 설정된 N 회의 컨벌루션 처리를 수행함으로써 획득되는 6 개의 노드들에 대한 출력 값이 (0.5,0.5,0,0,0,0)인 경우, 상기 제 i번째 사진 데이터 상의 로스팅 정도가 시나몬 라이트 단계일 확률이 50%이고, 미디엄 단계일 확률이 50%라는 결과를 나타낼 수 있다. 이 경우, 먼저, 컨볼루션 신경망 구축부(110)는 (0.5,0.5,0,0,0,0)인 출력 값이 (1,0,0,0,0,0)의 값을 가지도록, 필터들 각각에 포함된 원소들의 값을 변경할 수 있다.
다음으로, 수신부(120)는 사용자 단말로부터 로스팅 시작 시간 정보, 조정용 사진 및 로스팅 중인 원두를 촬영한 사진을 수신할 수 있다. 여기에서, 상기 원두 촬영 사진은 촬영 시간 정보를 포함할 수 있다.
픽셀 값 조정부(130)는 상기 원두 촬영 사진의 픽셀 값을 상기 조정용 사진에 기초하여 조정할 수 있다. 구체적으로, 픽셀 값 조정부(130)는 사전 획득된 기준 조정용 사진의 픽셀들의 R 값들의 평균 R 값과 상기 조정용 사진의 R 값들의 평균 R 값 간의 제1 차이 값, 상기 기준 조정용 사진의 픽셀들의 G 값들의 평균 G 값과 상기 조정용 사진의 G 값들의 평균 G 값 간의 제2 차이 값, 상기 기준 조정용 사진의 픽셀들의 B 값들의 평균 B 값과 상기 조정용 사진의 B 값들의 평균 B 값 간의 제3 차이 값에 기초하여 상기 촬영 사진의 픽셀 값을 조정할 수 있다. 여기에서, 상기 원두 촬영 사진 및 상기 조정용 사진은 흰색의 A4 용지를 촬영한 사진일 수 있다.
예를 들어, 평균 픽셀 값을 (R, G, B)로 나타낼 때, 사전 획득된 기준 조정용 사진의 평균 픽셀 값이 (245, 254, 247)이고, 상기 원두 촬영 사진의 평균 픽셀 값이 (250, 251, 254)인 경우, 픽셀 값 조정부(130)는 상기 원두 촬영 사진에 포함된 픽셀들 각각의 픽셀 값을 (-5, 3, -7)만큼 조정할 수 있다.
로스팅 정보 판별부(140)는 상기 컨볼루션 신경망 구축부(110)에서 구축된 컨볼루션 신경망을 이용하여 상기 픽셀 값이 조정된 원두 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별할 수 있다. 이때, 상기 로스팅 정보 판별부(140)는 상기 픽셀 값이 조정된 촬영 사진을 사전 설정된 크기로 가공한 후 상기 사전 설정된 크기로 가공된 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별할 수 있다. 여기에서, 사전 설정된 크기는 상기 영상 데이터에 포함된 사진 데이터들의 크기일 수 있다.
구체적으로, 로스팅 정보 판별부(140)는 상기 픽셀 값이 조정된 원두 촬영 사진에 대해 상기 구축된 컨볼루션 신경망을 이용하여 사전 설정된 N 회의 컨벌루션 처리를 수행함으로써 획득되는 M 개의 노드들에 대한 출력 값에 기초하여 상기 로스팅 중인 원두의 로스팅 정도를 판별할 수 있다. 또한, 로스팅 정보 판별부(140)는 M 개의 노드들 중 0이 아닌 출력 값을 가지는 노드들의 개수가 2 이상인 경우, 가장 큰 출력 값을 가지는 노드에 대응하는 로스팅 정도를 상기 로스팅 중인 원두의 로스팅 정도로 판별할 수 있다. 예컨대, M이 6이고, 상기 픽셀 값이 조정된 원두 촬영 사진에 대한 6 개의 노드들에 대한 출력 값이 (0,0,0.02,0.95,0.03,0,0)인 경우, 로스팅 정보 판별부(140)는 미디엄 단계, 아메리칸 라이트 단계 및 하이 아메리칸 라이트 단계 중 아메리칸 라이트 단계를 상기 로스팅 중인 원두의 로스팅 정도로 판별할 수 있다.
로스팅 시간 연산부(150)는 상기 로스팅 시작 시간 정보, 상기 촬영 시간 정보 및 상기 판별된 로스팅 정도에 기초하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산할 수 있다. 이때, 로스팅 시간 연산부(150)는 로스팅 시간 저장부(160)에 저장되어 있는 로스팅 단계별 소요 시간 정보에 기초하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산할 수 있다. 여기에서, 상기 사전 설정된 로스팅 목표는 상기 사용자 단말(20)로부터 사전에 획득될 수 있다. 예컨대, 상기 사용자 단말(20)로부터 사전에 획득된 상기 사전 설정된 로스팅 목표는 6 단계 분류법의 하이 아메리칸 라이트 단계일 수 있다.
여기에서, 로스팅 시간 저장부(160)는 하기 표 1과 같이 로스팅 단계별 소요 시간 정보를 저장할 수 있다.
단계 1 단계 2 단계 3 단계 4 단계 5 단계 6
소요 시간 1 3 5 7 9 11
표 1은 6 단계 분류법에 따른 로스팅 단계별 소요 시간 정보를 나타낸 것으로, 단계 1 내지 6은 시나몬 라이트 단계, 미디엄 단계, 아메리칸 라이트 단계, 하이 아메리칸 라이트 단계, 풀 시티 단계 및 에스프레소 유로피안 단계를 각각 나타낼 수 있다.
한편, 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산에 이용되는 수식은 하기 수학식 2일 수 있다.
Figure 112017124036862-pat00002
여기에서, T(α,β,γ,t)는 로스팅 시작 시간(α), 로스팅 중인 원두를 촬영한 사진의 촬영 시간(β) 및 상기 판별된 로스팅 정도(t)에 의해 연산되는 사전 설정된 로스팅 목표(γ)까지 로스팅하는 데 필요한 시간이고, βt 및 γt는 로스팅 시간 저장부(160)에 저장되어 있는 로스팅 단계별 소요 시간으로, βt는 판별된 로스팅 정도까지의 기준 소요 시간이고, γt는 사전 설정된 로스팅 목표까지의 기준 소요 시간을 나타낸다. 예를 들어, 로스팅 중인 원두를 촬영한 사진의 촬영 시간에서 로스팅 시작 시간을 감한 값이 600초이고, 상기 사전 설정된 로스팅 목표가 6 단계 분류법의 하이 아메리칸 라이트 단계이며, 상기 판별된 로스팅 정도가 아메리칸 라이트 단계인 경우, 로스팅 시간 연산부(150)는 (600)×(7-5)/5, 즉, 240초를 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간으로 연산할 수 있다.
송신부(170)는 상기 연산된 시간(예컨대, 240초)을 사용자 단말(20)에 전송할 수 있다.
상술한 바와 같은 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치(100)는 사용자가 홈 로스팅 관련 장비 및 기기를 구입할 필요 없이, 사용자로부터 사용자 단말(20)을 통해 사용자가 원하는 로스팅 정도가 입력되고, 로스팅 중인 원두가 촬영된 후 업로드되면 로스팅 종료 시간을 연산하여 사용자에게 알려줄 수 있다.
한편, 상술한 바와 같은 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치(100)는 수신부(120)가 사용자 단말(20)로부터 조정용 사진 및 두 장의 로스팅 중인 원두를 촬영한 사진들을 수신하는 경우에도, 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산하여 상기 연산된 시간을 사용자 단말(20)에 전송할 수 있다.
구체적으로, 로스팅 정도 판별부(140)는 두 장의 로스팅 중인 원두를 촬영한 사진들 각각에 대해 상기 구축된 컨볼루션 신경망을 이용하여 상기 픽셀 값이 조정된 원두 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별하고, 상기 로스팅 시간 연산부(150)는 하기 수학식 3을 이용하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산할 수 있다.
Figure 112017124036862-pat00003
여기에서, β1은 로스팅 중인 원두를 촬영한 첫 번째 사진의 촬영 시간이고, β2는 로스팅 중인 원두를 촬영한 두 번째 사진의 촬영 시간이고, t1 및 t2는 첫 번째 및 두 번째 사진에 의해 판별된 로스팅 정도들이고, βt1, βt2 및 γt는 로스팅 시간 저장부(160)에 저장되어 있는 로스팅 단계별 소요 시간으로, βt1 및 βt2는 판별된 로스팅 정도까지의 기준 소요 시간들이고, γt는 사전 설정된 로스팅 목표까지의 기준 소요 시간을 나타낸다. 예를 들어, 로스팅 중인 원두를 촬영한 첫 번째 사진의 촬영 시간에서 로스팅 중인 원두를 촬영한 두 번째 사진의 촬영 시간을 감한 값이 300초이고, 상기 사전 설정된 로스팅 목표가 6 단계 분류법의 하이 아메리칸 라이트 단계이며, 상기 첫 번째 사진의 판별된 로스팅 정도가 미디엄 단계이고, 상기 두 번째 사진의 판별된 로스팅 정도가 아메리칸 라이트 단계인 경우, 로스팅 시간 연산부(150)는 (300)×(7-5)/(5-3), 즉, 300초를 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간으로 연산할 수 있다.
도 2는 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치의 동작 방법을 도시한 흐름도이다.
도 2를 참조하면, 단계(S210)에서는 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축할 수 있다.
상기 단계(S210)에서는 단계는 상기 사전 획득된 영상 데이터의 제 i번째 사진 데이터에 대하여 사전 설정된 M 개의 노드들에 대한 정답 값과 상기 제 i번째 사진 데이터에 대해 사전 설정된 N 회의 컨벌루션 처리를 수행함으로써 획득되는 M 개의 노드들에 대한 출력 값을 비교하여 상기 컨벌루션 처리에 이용되는 필터들의 가중치를 변경함으로써 상기 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축할 수 있다.
단계(S220)에서는 사용자 단말로부터 로스팅 시작 시간 정보, 조정용 사진 및 로스팅 중인 원두를 촬영한 사진을 수신할 수 있다.
단계(S230)에서는 상기 원두 촬영 사진의 픽셀 값을 상기 조정용 사진에 기초하여 조정할 수 있다.
상기 단계(S230)에서는 사전 획득된 기준 조정용 사진의 픽셀들의 R 값들의 평균 R 값과 상기 조정용 사진의 R 값들의 평균 R 값 간의 제1 차이 값, 상기 기준 조정용 사진의 픽셀들의 G 값들의 평균 G 값과 상기 조정용 사진의 G 값들의 평균 G 값 간의 제2 차이 값, 상기 기준 조정용 사진의 픽셀들의 B 값들의 평균 B 값과 상기 조정용 사진의 B 값들의 평균 B 값 간의 제3 차이 값에 기초하여 상기 촬영 사진의 픽셀 값을 조정할 수 있다.
단계(S240)에서는 상기 구축된 컨볼루션 신경망을 이용하여 상기 픽셀 값이 조정된 원두 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별할 수 있다.
상기 단계(S240)에서는 상기 픽셀 값이 조정된 촬영 사진을 사전 설정된 크기로 가공한 후 상기 사전 설정된 크기로 가공된 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별할 수 있다.
단계(S250)에서는 상기 로스팅 시작 시간 정보, 상기 촬영 시간 정보 및 상기 판별된 로스팅 정도에 기초하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산할 수 있다. 여기에서, 상기 사전 설정된 로스팅 목표는 상기 사용자 단말로부터 사전에 획득될 수 있다.
단계(S260)에서는 상기 연산된 시간을 사용자 단말에 전송할 수 있다.
이상, 도 2를 참조하여 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치의 동작 방법에 대해 설명하였다. 여기서, 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치의 동작 방법은 도 1을 이용하여 설명한 로스팅 완료 시간 예측 장치의 동작에 대한 구성과 대응될 수 있으므로, 이에 대한 보다 상세한 설명은 생략하기로 한다.
본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치의 동작 방법은 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.
또한, 본 발명의 일실시예에 따른 로스팅 완료 시간 예측 장치의 동작 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (12)

  1. 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축하는 컨볼루션 신경망 구축부;
    사용자 단말로부터 로스팅 시작 시간 정보, 조정용 사진 및 로스팅 중인 원두를 촬영한 사진 - 상기 원두 촬영 사진은 촬영 시간 정보를 포함함 - 을 수신하는 수신부;
    상기 원두 촬영 사진의 픽셀 값을 상기 조정용 사진에 기초하여 조정하는 픽셀 값 조정부;
    상기 구축된 컨볼루션 신경망을 이용하여 상기 픽셀 값이 조정된 원두 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별하는 로스팅 정도 판별부;
    상기 로스팅 시작 시간 정보, 상기 촬영 시간 정보 및 상기 판별된 로스팅 정도에 기초하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산하는 로스팅 시간 연산부; 및
    상기 연산된 시간을 사용자 단말에 전송하는 송신부
    를 포함하고,
    상기 컨볼루션 신경망 구축부는 상기 사전 획득된 영상 데이터의 제 i번째 - 상기 i는 1 이상 및 상기 사전 획득된 영상 데이터의 프레임의 개수 이하의 정수임 - 사진 데이터에 대하여 사전 설정된 M - 상기 M은 상기 로스팅 정도의 개수임 - 개의 노드들에 대한 정답 값과 상기 제 i번째 사진 데이터에 대해 사전 설정된 N - 상기 N은 1 이상의 정수임 - 회의 컨볼루션 처리를 수행함으로써 획득되는 M 개의 노드들에 대한 출력 값을 비교하여 상기 컨볼루션 처리에 이용되는 필터들의 가중치를 변경함으로써 상기 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축하는
    로스팅 완료 시간 예측 장치.
  2. 제1항에 있어서,
    상기 픽셀 값 조정부는 사전 획득된 기준 조정용 사진의 픽셀들의 R 값들의 평균 R 값과 상기 조정용 사진의 R 값들의 평균 R 값 간의 제1 차이 값, 상기 기준 조정용 사진의 픽셀들의 G 값들의 평균 G 값과 상기 조정용 사진의 G 값들의 평균 G 값 간의 제2 차이 값, 상기 기준 조정용 사진의 픽셀들의 B 값들의 평균 B 값과 상기 조정용 사진의 B 값들의 평균 B 값 간의 제3 차이 값에 기초하여 상기 촬영 사진의 픽셀 값을 조정하는
    로스팅 완료 시간 예측 장치.
  3. 제2항에 있어서,
    상기 로스팅 정도 판별부는 상기 픽셀 값이 조정된 촬영 사진을 사전 설정된 크기로 가공한 후 상기 사전 설정된 크기로 가공된 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별하는
    로스팅 완료 시간 예측 장치.
  4. 제3항에 있어서,
    상기 사전 설정된 로스팅 목표는 상기 사용자 단말로부터 사전에 획득되는
    로스팅 완료 시간 예측 장치.
  5. 삭제
  6. 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축하는 단계;
    사용자 단말로부터 로스팅 시작 시간 정보, 조정용 사진 및 로스팅 중인 원두를 촬영한 사진 - 상기 원두 촬영 사진은 촬영 시간 정보를 포함함 - 을 수신하는 단계;
    상기 원두 촬영 사진의 픽셀 값을 상기 조정용 사진에 기초하여 조정하는 단계;
    상기 구축된 컨볼루션 신경망을 이용하여 상기 픽셀 값이 조정된 원두 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별하는 단계;
    상기 로스팅 시작 시간 정보, 상기 촬영 시간 정보 및 상기 판별된 로스팅 정도에 기초하여 사전 설정된 로스팅 목표까지 로스팅하는 데 필요한 시간을 연산하는 단계; 및
    상기 연산된 시간을 사용자 단말에 전송하는 단계
    를 포함하고,
    상기 컨볼루션 신경망을 구축하는 단계는 상기 사전 획득된 영상 데이터의 제 i번째 - 상기 i는 1 이상 및 상기 사전 획득된 영상 데이터의 프레임의 개수 이하의 정수임 - 사진 데이터에 대하여 사전 설정된 M - 상기 M은 상기 로스팅 정도의 개수임 - 개의 노드들에 대한 정답 값과 상기 제 i번째 사진 데이터에 대해 사전 설정된 N - 상기 N은 1 이상의 정수임 - 회의 컨볼루션 처리를 수행함으로써 획득되는 M 개의 노드들에 대한 출력 값을 비교하여 상기 컨볼루션 처리에 이용되는 필터들의 가중치를 변경함으로써 상기 사전 획득된 영상 데이터에 포함된 다수의 사진 데이터들에 기초하여 원두의 로스팅 시간에 따른 로스팅 정도를 판별할 수 있는 컨볼루션 신경망을 구축하는
    로스팅 완료 시간 예측 장치의 동작 방법.
  7. 제6항에 있어서,
    상기 픽셀 값을 상기 조정용 사진에 기초하여 조정하는 단계는 사전 획득된 기준 조정용 사진의 픽셀들의 R 값들의 평균 R 값과 상기 조정용 사진의 R 값들의 평균 R 값 간의 제1 차이 값, 상기 기준 조정용 사진의 픽셀들의 G 값들의 평균 G 값과 상기 조정용 사진의 G 값들의 평균 G 값 간의 제2 차이 값, 상기 기준 조정용 사진의 픽셀들의 B 값들의 평균 B 값과 상기 조정용 사진의 B 값들의 평균 B 값 간의 제3 차이 값에 기초하여 상기 촬영 사진의 픽셀 값을 조정하는
    로스팅 완료 시간 예측 장치의 동작 방법.
  8. 제7항에 있어서,
    상기 로스팅 정도를 판별하는 단계는 상기 픽셀 값이 조정된 촬영 사진을 사전 설정된 크기로 가공한 후 상기 사전 설정된 크기로 가공된 촬영 사진에 포함된 상기 로스팅 중인 원두의 로스팅 정도를 판별하는
    로스팅 완료 시간 예측 장치의 동작 방법.
  9. 제8항에 있어서,
    상기 사전 설정된 로스팅 목표는 상기 사용자 단말로부터 사전에 획득되는
    로스팅 완료 시간 예측 장치의 동작 방법.
  10. 삭제
  11. 제6항 내지 제9항 중 어느 한 항의 방법을 컴퓨터로 하여금 수행하도록 하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
  12. 제6항 내지 제9항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램.
KR1020170170988A 2017-12-13 2017-12-13 로스팅 완료 시간 예측 장치 및 이의 동작 방법 KR102069675B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170170988A KR102069675B1 (ko) 2017-12-13 2017-12-13 로스팅 완료 시간 예측 장치 및 이의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170170988A KR102069675B1 (ko) 2017-12-13 2017-12-13 로스팅 완료 시간 예측 장치 및 이의 동작 방법

Publications (2)

Publication Number Publication Date
KR20190070464A KR20190070464A (ko) 2019-06-21
KR102069675B1 true KR102069675B1 (ko) 2020-01-28

Family

ID=67056548

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170170988A KR102069675B1 (ko) 2017-12-13 2017-12-13 로스팅 완료 시간 예측 장치 및 이의 동작 방법

Country Status (1)

Country Link
KR (1) KR102069675B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114982846B (zh) * 2022-06-21 2024-02-09 北京金米兰咖啡有限公司 适用于咖啡烘焙的控制方法、装置及电子设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2893601C (en) * 2012-12-04 2023-01-24 Ingo Stork Genannt Wersborg Heat treatment monitoring system
KR20150015851A (ko) * 2013-08-01 2015-02-11 서울과학기술대학교 산학협력단 컬러센서를 이용한 커피 로스터
KR101980360B1 (ko) * 2015-09-04 2019-08-28 한국전자통신연구원 컨볼루션 신경망을 이용한 객체 인식 장치 및 방법

Also Published As

Publication number Publication date
KR20190070464A (ko) 2019-06-21

Similar Documents

Publication Publication Date Title
US9749551B2 (en) Noise models for image processing
US20210133927A1 (en) Systems and Methods for Synthesizing High Resolution Images Using Images Captured by an Array of Independently Controllable Imagers
US8013906B2 (en) Image sensing apparatus and image processing method
US11450013B2 (en) Method and apparatus for obtaining sample image set
US7855731B2 (en) Image vibration-compensating apparatus and method thereof
US8989484B2 (en) Apparatus and method for generating high dynamic range image from which ghost blur is removed using multi-exposure fusion
CN101527860B (zh) 白平衡控制设备及其控制方法和摄像设备
US7680326B2 (en) Method, system, and program for correcting the image quality of a moving image
JP7362284B2 (ja) 画像処理方法、画像処理装置、プログラム、画像処理システム、および、学習済みモデルの製造方法
US9773296B2 (en) Image processing device and system, image processing method, and medium
JP4468734B2 (ja) 映像信号処理装置と映像信号処理プログラム
US9036936B2 (en) Image processing device, image processing method, and image processing program
EP3664016B1 (en) Image detection method and apparatus, and terminal
US20140218550A1 (en) Image capturing device and image processing method thereof
US20200285901A1 (en) Image processing method, image processing apparatus, storage medium, image processing system, and manufacturing method of learnt model
CN1956552B (zh) 图像处理装置、图像处理方法以及图像处理程序
US8189940B2 (en) Image processing apparatus, imaging apparatus, and image processing method
CN101472188A (zh) 白平衡控制装置和白平衡控制方法
US20140071228A1 (en) Color correction apparatus for panorama video stitching and method for selecting reference image using the same
TWI327026B (en) Image processing device and program
WO2009060970A1 (ja) 信号処理装置及び信号処理プログラム
JP5996315B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
KR102069675B1 (ko) 로스팅 완료 시간 예측 장치 및 이의 동작 방법
WO2008129926A1 (ja) 映像処理装置、映像処理プログラム及び映像処理方法
US20130335524A1 (en) Method and device for obtaining a stereoscopic signal

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right