KR102275959B1 - 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법 및 시스템 - Google Patents
인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법 및 시스템 Download PDFInfo
- Publication number
- KR102275959B1 KR102275959B1 KR1020200157063A KR20200157063A KR102275959B1 KR 102275959 B1 KR102275959 B1 KR 102275959B1 KR 1020200157063 A KR1020200157063 A KR 1020200157063A KR 20200157063 A KR20200157063 A KR 20200157063A KR 102275959 B1 KR102275959 B1 KR 102275959B1
- Authority
- KR
- South Korea
- Prior art keywords
- water level
- camera
- interest
- water
- region
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 420
- 238000000034 method Methods 0.000 title claims description 22
- 238000012544 monitoring process Methods 0.000 title description 4
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 230000008859 change Effects 0.000 claims abstract description 59
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 57
- 238000005259 measurement Methods 0.000 claims description 121
- 238000013528 artificial neural network Methods 0.000 claims description 48
- 238000001363 water suppression through gradient tailored excitation Methods 0.000 claims description 43
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000007667 floating Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 239000000463 material Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02B—HYDRAULIC ENGINEERING
- E02B7/00—Barrages or weirs; Layout, construction, methods of, or devices for, making same
- E02B7/20—Movable barrages; Lock or dry-dock gates
- E02B7/205—Barrages controlled by the variations of the water level; automatically functioning barrages
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- Structural Engineering (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Civil Engineering (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
본 개시는 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템을 제공한다. 이 시스템은, 수로를 통한 물의 흐름을 조절하도록 구성된 수문의 이미지를 촬영하도록 구성된 카메라, 및 상기 수문의 높이를 조절할 수 있도록 구성된 액츄에이터를 포함하고, 상기 카메라는, 상기 이미지 상에 가상의 관심영역을 중첩하여 설정하고, 상기 관심영역 내의 수위의 변화를 감지하며, 상기 수위 변화에 따라 상기 액츄에이터를 제어한다.
Description
본 개시는 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법 및 시스템에 관한 것으로, 구체적으로, 인공지능 기반의 수위, 수위계, 이물질 등의 감지 기능이 있는 카메라를 통해 관심영역(ROI, Region Of Interest) 범위 내 수위를 감지하고, 감지된 수위에 기초하여 수문의 개폐를 제어하는 방법 및 시스템에 관한 것이다.
최근 지구 온난화, 엘니뇨 현상 등과 같은 기후 및 환경 변화에 따라, 국지적인 폭우 발생이나 이에 따른 하천 범람과 같은 자연재해가 증가하고 있다. 이러한 기상이변이나 수해에 따른 피해를 감소시키기 위해서, 하천의 본류와 지류 사이에 물의 흐름을 제어하기 위한 수문을 설치하고, 수문의 높이를 조절하는 방법이 사용된다. 이러한 수문의 높이 조절 내지 개폐를 조절하기 위해서는, 수문 주변의 수위를 계측하고 계측된 수위에 대응하는 적절한 수문 조절이 필요하다.
하천의 수위 변화에 따른 수문 제어를 위해서는, 수문 주변의 수위를 사람이 직접 관측하거나 CCTV를 설치하여 원격으로 수문의 개폐 상태와 수위를 감시하는 방법이 사용될 수 있다. 그러나, 이러한 수위 계측 및 수문 제어 방법에는 많은 인력과 비용이 소요되며, 수문 제어와 수문 계측을 담당하는 운영자의 부재 시 급격한 수위 변화에 실시간으로 대응하기 어려운 문제점이 있다.
본 개시는 상기와 같은 문제점을 해결하기 위해, 인공지능 기반의 수위 감지 카메라를 통해 수위 계측 및 수문 제어를 효율적으로 실행할 수 있는, 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법 및 시스템을 제공한다.
본 개시에 따르면, 인공지능 카메라를 통해 수문 또는 그 주변에 수위 계측이 가능한 관심영역(ROI, Region Of Interest)을 설정하고, 설정된 관심영역 범위 내 수위 변화를 감지하여 실시간으로 수문 제어를 자동 실행할 수 있는 방법 및 시스템이 제공된다.
또한, 본 개시에 따르면, 딥러닝 학습을 통하여 수문에 설정된 관심영역, 수위, 이물질 등을 감지 및 분류할 수 있도록 구성된 수위 계측 모델을 수문 주변에 설치된 엣지 카메라에 탑재될 수 있다. 이에 따라, 수문 현장에서 카메라 스스로 수위의 변화, 수문의 높이 또는 개폐 상태 등을 판단하고, 그 판단결과에 따라 수문의 높이 또는 개폐를 자동 제어할 수 있다. 또한, 카메라에 의한 감지 및 판단 결과를 네트워크를 통하여 관리자의 단말 장치에게 알람 또는 푸쉬의 형태로 전송하여 보다 효율적인 수해 방지 및 수문 관리가 가능하다.
또한, 본 개시에 따르면, 카메라가 촬영하는 수문 상에 가상의 수위계를 포함하는 관심 영역을 사용자가 설정 가능하게 구성함으로써, 수위계가 표시되지 않은 수문에 대한 수위 계측이 가능하며, 수문 주변의 환경 변화에 따라 가상의 수위계의 위치 또는 측정 범위를 적절히 조절하는 것이 가능하다.
본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템은, 수로를 통한 물의 흐름을 조절하도록 구성된 수문의 이미지를 촬영하도록 구성된 카메라; 및 상기 수문의 높이를 조절할 수 있도록 구성된 액츄에이터를 포함하고, 상기 카메라는, 상기 이미지 상에 가상의 관심영역을 중첩하여 설정하고, 상기 관심영역 내의 수위의 변화를 감지하며, 상기 수위 변화에 따라 상기 액츄에이터를 제어할 수 있다.
본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위계측 및 수문제어 방법은, 카메라에 의해, 수로를 통한 물의 흐름을 조절하도록 구성된 수문의 이미지를 촬영하는 단계; 상기 카메라에 의해, 상기 이미지 상에 가상의 관심영역을 중첩하여 설정하는 단계; 상기 카메라에 의해, 상기 관심영역 내의 수위의 변화를 감지하는 단계; 및 상기 카메라에 의해, 상기 감지된 수위의 변화에 따라, 상기 수문의 높이를 조절할 수 있도록 구성된 액츄에이터를 제어하는 단계를 포함할 수 있다.
본 개시의 일부 실시예에 따르면, 수문에 설치된 카메라에 해당 수문과 주변 환경에 대해 학습된 인공지능 기반의 수위 감지 모델이 설치되기 때문에, 계측 대상 수문의 환경 변화 또는 목적에 맞게 효율적인 수위 계측 및 수문 제어가 가능하다.
본 개시의 일부 실시예에 따르면, 수문에 설치된 감시 카메라에 의해 감지된 수위 변화를 무선통신을 통해 원거리에서 동작하는 사용자 단말기 또는 스마트폰에 전송함으로써 수문 주변의 수위 변화 및 수문 개폐 상태를 실시간 확인할 수 있어, 수문의 관리가 간편해지면서 효율성이 대폭 향상되는 효과가 있다.
본 개시의 일부 실시예에 따르면, 카메라가 촬영하는 수문 상에 가상의 수위계를 포함하는 관심 영역을 사용자가 설정 가능하게 구성함으로써, 수위계가 표시되지 않은 수문에 대한 수위 계측이 가능하며, 수문 주변의 환경 변화에 따라 가상의 수위계의 위치 또는 측정 범위를 적절히 조절할 수 있는 효과를 가진다.
본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 실시하는 예를 나타내는 도면이다.
도 2는 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 실시하는 예를 나타내는 도면이다.
도 3은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템의 정보를 공유하기 위해, 수위 계측 및 수문 제어 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 4는 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라의 내부 구성을 나타내는 블록도이다.
도 5는 본 개시의 일 실시예에 따라 수문 또는 수문 주변의 이미지 또는 영상에 기초하여 수위를 감지하도록 학습된 인공신경망을 포함하는 수위 계측 모델의 구성을 나타내는 도면이다.
도 6은 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 실시하는 예를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법을 나타내는 흐름도이다.
도 8은 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법을 나타내는 흐름도이다.
도 9는 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어의 결과를 표시하기 위한 사용자 단말 장치의 사용자 인터페이스의 예시를 보여주는 도면이다.
도 10 및 도 11은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 위해, 사용자 단말 장치에서 가상의 수위계를 설정하는 사용자 인터페이스의 예시를 보여주는 도면이다.
도 1은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 실시하는 예를 나타내는 도면이다.
도 2는 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 실시하는 예를 나타내는 도면이다.
도 3은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템의 정보를 공유하기 위해, 수위 계측 및 수문 제어 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 4는 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라의 내부 구성을 나타내는 블록도이다.
도 5는 본 개시의 일 실시예에 따라 수문 또는 수문 주변의 이미지 또는 영상에 기초하여 수위를 감지하도록 학습된 인공신경망을 포함하는 수위 계측 모델의 구성을 나타내는 도면이다.
도 6은 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 실시하는 예를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법을 나타내는 흐름도이다.
도 8은 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법을 나타내는 흐름도이다.
도 9는 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어의 결과를 표시하기 위한 사용자 단말 장치의 사용자 인터페이스의 예시를 보여주는 도면이다.
도 10 및 도 11은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 위해, 사용자 단말 장치에서 가상의 수위계를 설정하는 사용자 인터페이스의 예시를 보여주는 도면이다.
이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만 '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.
본 개시의 일 실시예에 따르면 '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서는, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.
도 1은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 실시하는 예를 나타내는 예시도이다.
본 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템(100)은, 개폐 가능한 수문(160), 수문(160)에 설정된 관심영역(ROI: region of interest)(130) 범위 내 수위(170)의 변화를 감지하는 카메라(120), 및 수문의 높이 또는 개폐를 조절하는 액츄에이터(150)를 포함한다.
일 실시예에 따르면, 카메라(120)는, 수문 또는 주변 환경의 수위를 감지 가능하도록 학습된 인공지능 기반의 수위 계측 모델을 저장 및 실행 가능하도록 구성될 수 있다. 예를 들어, 카메라(120)는, 감지 대상인 특정 수문(예를 들어, 120)의 수위를 감지하도록 학습된 인공신경망 기반의 수위 계측 모델을 저장 및 실행할 수 있다. 이와 같이 카메라(120)가 사전에 학습된 수위 계측 모델을 내장 및 실행 가능하도록 구현됨으로써, 카메라(120)가 수문에 설치되어 동작 중에 실시간으로 효율적으로 수위의 변화를 감지할 수 있다.
일 실시예에서, 카메라(120)는, 특히 ROI(130)를 촬영 가능하도록 설정된 렌즈를 구비할 수 있다. 또한, 카메라(120)는, 촬영된 사진 이미지 또는 동영상을 프레임별로 내장된 수위 계측 모델에 입력함으로써, 입력된 이미지 또는 동영상에 포함된 수위의 변화를 감지할 수 있다. 카메라(120)에 의한 수위 감지 결과는, 통신부(미도시)를 통해 원격의 사용자 단말에 전송됨으로써, 사용자에게 수위 감지 결과에 기초한 다양한 정보 및 서비스가 제공될 수 있다.
좀 더 구체적으로, 카메라(120)는 내장된 수위 계측 모델을 이용하여 수문(160) 및/또는 수위(170)의 적어도 일부를 포함하는 관심영역(130) 내에서 수위(170)를 감지하거나 관심영역(130) 내에 포함된 수위계(132)의 수위 계측 값을 판별할 수 있다.
일 실시예에서, 관심영역(130) 및 수위계(132)는, 실제 수문(160) 상에 형성된 물리적인 영역 또는 수위계가 아닌, 카메라(120)에 의해 촬영되는 이미지 또는 동영상 상에 설정된 가상의 영역 또는 수위계일 수 있다. 이 경우, 카메라(120)는 수문(160) 또는 그 주변을 촬영한 이미지 또는 영상 위에 관심영역(130) 및 수위계(132)를 중첩한 상태에서 관심영역(130) 내의 수위의 변화 또는 수위계(132)에 의해 측정된 수위 계측 값을 감지할 수 있다.
일 실시예에서, 카메라(120)는, 관심영역(130) 내에서 감지된 수위 변화 또는 수위계(132)에 의해 측정된 수위 계측 값에 따라 수문(160)의 높이 또는 개폐를 제어하도록 구성될 수 있다. 예를 들어, 카메라(120)는 감지된 수위 변화 또는 수위 계측 값에 따라 액츄에이터(150)를 무선 또는 유선으로 제어함으로써, 수문(160)의 높이 또는 개폐를 제어할 수 있다. 즉, 카메라(120)가 감지된 수위 변화 또는 수위 계측 값에 따라 액츄에이터(150)를 제어하면, 액츄에이터(150)는 수문(160)과 연결된 샤프트(152)를 상하 이동함으로써 수문(160)의 높이 또는 개폐를 조절할 수 있다. 다른 예에서, 카메라(120)는 감지된 수위 변화 또는 계측 값에 따라 수문(160)의 높이 또는 개폐의 제어 명령 신호를 수문(160)에 연결된 RTU(remote terminal unit)(미도시)에 전송할 수 있다. 수신된 제어 명령 신호에 따라, RTU는 수문(160)의 높이 또는 개폐를 제어하도록 액츄에이터(150)를 구동할 수 있다. 이와 같이 카메라(120)에 의해 감지된 수위 변화 또는 수위 계측 값에 따라 수문(160)의 높이 또는 개폐를 자동 제어함으로써, 수문(160)과 연결된 하천 또는 수로의 수위를 효과적으로 조절할 수 있다.
이상 설명한 실시예에서는, 관심영역(130)이 수문(160) 또는 그 주변의 구조물에 설정되었으나, 이에 한정되는 것은 아니다. 예를 들어, 관심영역(130)은 액츄에이터(150)에 의해 구동되는 샤프트(152)의 적어도 일부를 포함하도록 설정될 수도 있다. 이 경우, 카메라(120)는 샤프트(152)의 적어도 일부를 촬영한 이미지 또는 영상 위에 관심영역(130) 및 수위계(132)를 중첩한 상태에서 관심영역(130) 내의 샤프트의 상하 이동 정도를 감지할 수 있다. 카메라(120)는, 관심영역(130) 내에서 감지된 샤프트(152)의 상하 이동 정도에 따라 수문(160)의 현재 높이 또는 개폐 상태를 감지할 수 있다.
도 2는 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 실시하는 예를 나타내는 예시도이다.
본 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템(200)은, 복수의 개폐 가능한 수문(260), 수문(260)의 주변 구조물에 설정된 관심영역(ROI)(230) 범위 내 수위(270)의 변화를 감지하는 제1 카메라(220), 수문(260)의 개폐 상태를 감시하는 제2 카메라(240), 및 수문(160)의 높이 또는 개폐를 조절하는 액츄에이터(250)를 포함한다.
일 실시예에 따르면, 제1 카메라(220)는, 수문 주변의 구조물의 수위를 감지 가능하도록 학습된 인공지능 기반의 수위 계측 모델을 저장 및 실행 가능하도록 구성될 수 있다. 예를 들어, 제1 카메라(220)는, 감지 대상인 수문 주변의 구조물(예를 들어, 물과 인접한 댐의 구조물)의 수위를 감지하도록 학습된 인공신경망 기반의 수위 계측 모델을 저장 및 실행할 수 있다. 이와 같이 제1 카메라(220)가 사전에 학습된 수위 계측 모델을 내장 및 실행 가능하도록 구현됨으로써, 제1 카메라(220)가 수문의 주변 구조물에 설치되어 동작 중에 실시간으로 효율적으로 수위의 변화를 감지할 수 있다.
일 실시예에서, 제1 카메라(220)는, 특히 ROI(230)를 촬영 가능하도록 설정된 렌즈를 구비할 수 있다. 또한, 제1 카메라(220)는, 촬영된 사진 이미지 또는 동영상을 프레임별로 내장된 수위 계측 모델에 입력함으로써, 입력된 이미지 또는 동영상에 포함된 수위의 변화를 감지할 수 있다. 예를 들어, 제1 카메라(220)에 의한 수위 감지 결과는, 통신부(미도시)를 통해 원격의 사용자 단말에 전송됨으로써, 사용자에게 수위 감지 결과에 기초한 다양한 정보 및 서비스가 제공될 수 있다.
좀 더 구체적으로, 제1 카메라(220)는 내장된 수위 계측 모델을 이용하여 수문(260)의 주변 구조물 및/또는 수위(270)의 적어도 일부를 포함하는 관심영역(230) 내에서 수위(270)를 감지하거나 관심영역(230) 내에 포함된 수위계(232)의 수위 계측 값을 판별할 수 있다.
일 실시예에서, 관심영역(230) 및 수위계(232)는, 실제 수문(160)의 주변 구조물 상에 형성된 물리적인 영역 또는 수위계가 아닌, 제1 카메라(220)에 의해 촬영되는 이미지 또는 동영상 상에 설정된 가상의 영역 또는 수위계일 수 있다. 이 경우, 제1 카메라(220)는 수문(260)의 주변 구조물을 촬영한 이미지 또는 영상 위에 관심영역(230) 및 수위계(232)를 중첩한 상태에서 관심영역(230) 내의 수위의 변화 또는 수위계(232)에 의해 측정된 수위 계측 값을 감지할 수 있다.
일 실시예에서, 제1 카메라(220)는, 관심영역(230) 내에서 감지된 수위 변화 또는 수위계(232)에 의해 측정된 수위 계측 값에 따라 복수의 수문(260) 중 하나 이상의 높이 또는 개폐를 제어하도록 구성될 수 있다. 예를 들어, 제1 카메라(220)는 감지된 수위 변화 또는 수위 계측 값에 따라 복수의 수문(260) 중 하나 이상과 연결된 액츄에이터(250)를 무선 또는 유선으로 제어함으로써, 해당 수문(260)의 높이 또는 개폐를 제어할 수 있다. 다른 예에서, 제1 카메라(220)는 감지된 수위 변화 또는 계측 값에 따라 수문(260)의 높이 또는 개폐의 제어 명령 신호를 복수의 수문(260)에 연결된 RTU(미도시)에 전송할 수 있다. 수신된 제어 명령 신호에 따라, RTU는 하나 이상의 수문(260)의 높이 또는 개폐를 제어하도록 액츄에이터(250)를 구동할 수 있다. 이와 같이 제1 카메라(220)에 의해 감지된 수위 변화 또는 수위 계측 값에 따라 복수의 수문(260) 중 하나 이상의 높이 또는 개폐를 자동 제어함으로써, 수문(260)과 연결된 하천, 저수지 또는 수로의 수위를 효과적으로 조절할 수 있다.
일 실시예에서, 제2 카메라(240)는 복수의 수문(260) 중 하나 이상의 높이 또는 개폐 상태를 감시하도록 구성될 수 있다. 일 예에서, 제2 카메라(240)는, 원격의 사용자 단말장치 또는 RTU의 제어에 따라 복수의 수문(260) 중 어느 하나를 촬영할 수 있도록 구성될 수 있다. 다른 예에서, 제2 카메라(240)는, 제1 카메라(220)에 의해 감지된 수위 변화 또는 수위 계측 값에 따라 복수의 수문(260) 중 하나 이상의 높이 또는 개폐가 제어되는 경우, 해당 수문(260)을 촬영할 수 있도록 구성될 수도 있다.
도 3은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템의 정보를 공유하기 위해, 수위 계측 및 수문 제어 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템(300)은, 인공지능 기반의 수위 감지 카메라(120)를 통해 수위 변화 등을 감지하고, 통신 네트워크(350)를 통해 외부 장치(예를 들어, 외부 사용자 단말 장치)와 통신 가능하도록 구성될 수 있다. 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템(300)은, 외부 장치와 통신 네트워크(350)를 통해 통신하여 수문 주변의 관심영역 범위 내 감지되는 수위 변화 정보를 전송하거나 수문 제어에 대한 데이터를 수신할 수 있다. 여기서, 수문 주변 관심영역 범위 내 감지되는 수위 변화 정보 및 수문 제어에 대한 데이터는, 가상의 관심영역의 종류 또는 위치, 수위 계측 값, 수위의 변화, 수문의 높이 또는 개폐 상태 등에 대한 데이터를 포함할 수 있으나, 이에 한정되지 않는다.
일 실시예에 따르면, 카메라(120)는, 외부 사용자 단말 장치로부터 수문 상에 설정되는 가상의 관심영역 및/또는 수위계에 관한 정보를 수신할 수 있다. 또한, 카메라(120)는, 수신된 관심영역 및/또는 수위계 정보에 기초하여, 관심영역 내에서의 수위 변화 또는 수위 계측 값을 감지하도록 구성될 수 있다. 또한, 카메라(120)는, 외부 사용자 단말 장치로, 관심영역 내에서 감지된 수위 변화 또는 수위 계측 값에 관한 정보를 전송하도록 구성될 수 있다.
일 실시예에 따르면, 수위 계측 및 수문 제어 시스템(300)은, 네트워크(350)를 통해 수위 변화 정보 및 수문 제어 정보를 외부 장치와 주기적으로 또는 비주기적으로 송수신 할 수 있다. 도 3에서 인공지능 기반의 수위 감지 카메라(120)가 네트워크(350)를 통해 외부 장치와 통신하는 예로서 도시되었으나, 이에 한정되지 않으며, 수위 계측 및 수문 제어 시스템(300)에서 인공지능 기반의 수위 감지 카메라(120)는 외부 사용자 단말 장치와 유선 및/또는 무선 통신이 가능하고 수위 변화 및 수문 제어에 대한 데이터를 수신할 수 있는 임의의 컴퓨팅 장치를 포함할 수 있다.
네트워크(350)는, 인공지능 기반의 수위 감지 카메라(120)와 외부 사용자 단말 장치 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(350)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다.
일 실시예에 따르면, 수위 계측 및 수문 제어 시스템(300)은, 수위 변화에 기초하여 수문의 제어 및 상태 정보 제공 서비스의 제공과 관련된 컴퓨터 실행 가능한 프로그램 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 예를 들어, 수위 계측 및 수문 제어 시스템(300) 또는 인공지능 기반의 수위 감지 카메라(120)은, 유선 또는 무선 네트워크를 통해 다른 장치와 통신할 수 있는 컴퓨팅 장치로서, CPU(central processing unit), GPU(graphic processing unit), DSP(digital signal processor) 등과 같은 처리 장치를 이용하여 연산 동작을 수행할 수 있는 컴퓨팅 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다.
인공지능 기반의 수위 감지 카메라(120)는, 수위 계측 및 수문 제어 시스템(300) 내에 설치된 수문(342) 또는 그 주변의 관심영역을 촬영한 이미지 또는 영상에 기초하여, 수위 변화, 수위 계측 값, 수문의 개폐 상태 등을 감지하도록 학습된 하나 이상의 인공지능 기반의 수위 계측 모델을 내장 및 실행하도록 구성될 수 있다. 인공지능 기반의 수위 감지 카메라(120)은, 사용자 단말기(310 내지 330)로부터 수신된 관심영역의 종류 및 위치에 대한 정보를 수신하고, 수신된 관심영역 정보에 기초하여 수위 계측 모델을 실행함으로써, 사용자가 감지 대상으로 설정한 관심영역 내의 수위 변화를 보다 정확하게 판단할 수 있다.
또한, 카메라(120)는, 감지된 수위 변화에 기초하여, 하나 이상의 수문(342)의 높이 또는 개폐를 제어할 수 있는 제어 명령 신호를 RTU(340)로 전송할 수 있다. 이에 따라, RTU(340)는, 하나 이상의 수문(342)의 높이 또는 개폐를 제어할 수 있다.
한편, 사용자 단말기(310 내지 330)는 네트워크(350)를 통해 카메라(120)로부터 수신된 수위 변화 정보 또는 수문(342)의 개폐 상태 정보(예를 들어, 수문(342)의 실시간 촬영 동영상)를 사용자 인터페이스를 통해 사용자에게 출력할 수 있다. 또한, 사용자 단말기(310 내지 330)는, 사용자 인터페이스를 통해 사용자로부터 입력된 수문(342) 또는 주변에 설정된 관심영역 정보 또는 수문(342)의 높이 또는 개폐 제어 명령을 네트워크(350)를 통해 RTU(340)로 전송할 수 있다. 이에 따라, RTU(340)는, 하나 이상의 수문(342)의 높이 또는 개폐를 제어할 수 있다.
도 4는 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라의 내부 구성을 나타내는 블록도이다.
이하에서는 인공지능 기반의 수위 감지 카메라(400)가 수위 변화 감지가 가능하도록 학습된 수위 계측 모델을 저장 및 실행함으로써, 수문 및 그 주변에 설정된 관심영역 또는 관심영역 내 수위 계측 값을 감지하는 구성 및 과정에 대해서 상세히 설명된다. 일 실시예에서, 인공지능 기반의 수위 감지 카메라(400)는 도 4에 도시된 바와 같이, 통신부(480), 전원부(490), 이미지 센서(420), 프로세서(440) 및 저장부(460)를 포함하도록 구성될 수 있다.
통신부(480)는, 네트워크(350)를 통해 수위 변화 또는 수문 개폐 상태의 감지 결과를 외부 사용자 단말 장치로 전송하거나, 사용자 단말 장치로부터 관심영역 설정, 수문 개폐 제어 명령 등에 대한 데이터를 수신하도록 구성될 수 있다. 일 실시예에 따르면, 통신부(480)는 미리 설정된 관심영역 또는 수문 개폐 제어에 대한 데이터를 외부 사용자 단말 장치로부터 수신할 수 있다. 여기서, 관심영역에 대한 데이터는, 카메라(400)에 의해 촬영되는 이미지 상에 설정되는 가상의 관심영역 또는 수위계 등과 관련된 데이터를 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 관심영역에 대한 데이터는, 카메라(400)가 인공지능 기반으로 분석할 대상 영역의 범위, 해당 영역 내에 설정된 수위계, 수위에 따른 해당 영역의 구분과 분류 등과 관련된 다양한 정보를 더 포함할 수 있다. 또한, 통신부(480)는 수신한 데이터를 저장부(460)로 제공할 수 있고, 프로세서(440)에 의해 감지된 수위 변화 대한 정보 또는 그러한 정보를 분석 또는 가공한 정보를 네트워크(350)를 통해 외부 사용자 단말장치로 송신하도록 구성될 수 있다.
전원부(490)는, 충전 가능한 2차 전지 또는 배터리 형태로 구현될 수 있으며, 전원부(490)에서 출력되는 전압(Vcc)을 승압시켜 카메라(400)의 이미지 센서(420), 프로세서(440), 저장부(460) 및 통신부(480)로 공급한다.
일 실시예에서, 전원부(490)는 자연광으로부터 획득한 태양열 에너지를 전기 에너지로 변환시키는 다수의 태양전지(SOLAR)로 구성되어 있는데, 태양전지에 의해 전기 에너지로 변환된 태양열 에너지는 카메라(400) 배터리에 충전된다. 이와 같이 배터리에 충전된 전기 에너지가 이미지 센서(420), 프로세서(440), 저장부(460) 및 통신부(480)의 구동전원으로 사용되게 된다.
프로세서(440)는 CPU(central processing unit), GPU(graphic processing unit), DSP(digital signal processor), FPGA (Field Programmable Gate Array), ASIC (Application Specific Integrated Circuit) 중 적어도 하나를 포함하여 임의의 연산 동작을 수행하고, 외부 장치로부터 수신된 데이터 및/또는 수신된 데이터를 분석 또는 가공한 데이터를 관리, 처리 및/또는 저장부(460)에 저장하도록 구성될 수 있다.
프로세서(440)는 외부 장치로부터 수신한 인공지능 기반의 수위 계측 모델에 대한 데이터를 저장부(460)에 저장할 수 있다. 저장부(460)에 저장된 수위 계측 모델은, 카메라(400)에 의해 판별되는 관심영역, 수위계 및/또는 수문(또는 수문 주변 구조물)의 종류에 따라 하나 또는 복수 개로 저장될 수 있다. 예를 들어, 카메라(400)가 한 종류의 수문(또는 주변 구조물)과 이와 관련된 관심영역을 분석 및 감지하도록 설정된 경우, 저장부(460)는 해당 수문 및 관심영역을 감지하도록 학습된 수위 계측 모델을 저장할 수 있다. 다른 예에서, 카메라(400)가 복수의 종류의 수문과 이와 관련된 관심영역을 분석 및 감지하도록 설정된 경우, 저장부(460)는 복수 종류의 수문과 관심영역 각각을 감지하도록 학습된 수위 계측 모델들을 모두 저장할 수도 있다.
프로세서(440)는 이미지 센서(420)에 의해 촬영된 이미지 또는 영상을 저장부(380480에 저장된 수위 계측 모델을 이용하여 분석하고, 해당 분석 결과를 통신부(480)를 통해 외부 사용자 단말 장치로 전송할 수 있다.
저장부(460)에 저장되어 프로세서(440)에 의해 실행되는 수위 계측 모델은, 머신러닝 알고리즘을 통해 미리 학습될 수 있다. 수위 계측 모델을 학습하는데 사용되는 머신러닝 알고리즘은, 인공 신경 회로망(Artificial Neural Network), 딥러닝(Deep Learning), 의사 결정 트리(Decision Tree) 등과 같은 기계학습 또는 인공신경망 기반의 이미지 식별 모델 중 하나일 수 있으나, 이에 한정되지 않는다.
도 5는 본 개시의 일 실시예에 따라 수문 이미지 또는 영상을 기초로 수위 변화를 감지하도록 학습된 인공신경망을 포함하는 수위 계측 모델의 구성을 나타내는 도면이다.
수위 계측 모델(530)은, 외부 컴퓨팅 장치에 의해 생성, 저장 또는 업데이트되어, 도 4에 도시된 프로세서(440)에 의해 실행될 수 있다. 도시된 바와 같이, 수위 계측 모델(530)은, 입력 수문 이미지(510)에 기초하여 물 영역의 세그멘테이션이 반영된 물 영역 식별 이미지(520)를 출력하는 제1 인공신경망 모델(532) 및 물 영역 식별 이미지(520)에 중첩된 관심 영역(524)을 기초로 수위 값(540, 550)을 출력하는 제2 인공신경망 모델(534)을 포함할 수 있다.
일 실시예에서, 제1 인공신경망 모델(532)는 입력 수문 이미지(510)에 기초하여 물 영역의 세그멘테이션(522)이 반영된 물 영역 식별 이미지(520)를 출력할 수 있다. 제1 인공신경망 모델(532)은, 수문 이미지(510) 중에서 물 영역과 그 외 영역을 구분하여 다른 인스턴스로 표시할 수 있도록 인스턴스 세그멘테이션(instance segmentation)을 실행할 수 있다. 예를 들어, 제1 인공신경망 모델(532)은, RCNN(region-based convolutional neural network), Fast RCNN, Faster-RCNN, Mask RCNN 등과 같이 이미지에 포함된 객체들에 대해 마스크를 탐색하도록 학습하는 인공신경망 모델을 포함할 수 있다.
일 실시예에서, 제2 인공신경망 모델(534)는, 물 영역 식별 이미지(520)에 중첩된 관심 영역(524)을 기초로 수위 값(540, 550)을 출력할 수 있다. 수위 계측 모델(530)은, 저장부(460)로부터 추출된 가상의 관심 영역(524)의 종류 및 위치에 관한 정보에 기초하여, 제1 인공신경망 모델(532)로부터 출력된 물 영역 식별 이미지(520)에 가상의 관심영역(524)을 중첩할 수 있다. 제2 인공신경망 모델(534)은, 관심영역(524)이 중첩된 물 영역 식별 이미지(520)로부터 현재의 수위가 "관심" 수준, "주의" 수준, "경계" 수준 중 어느 범위에 속하는지 판별하도록 학습될 수 있다. 예를 들어, 수위 수준 중 "관심" 수준이 가장 낮은 수위를 나타내며, "경계" 수준이 가장 높은 수위를 나타낼 수 있다. 또한, 예를 들어, 제2 인공신경망 모델(534)는 CNN(convolutional neural network), GAN(generative adversarial network) 등과 같이 이미지에 포함된 객체들을 분류하도록 학습하는 인공신경망 모델을 포함할 수 있다.
제2 인공신경망 모델(534)은 이미지(522) 또는 그 시각적 특징을 입력으로 하여, 복수의 수위 수준(540)에 대한 연관 점수(550)를 산출할 수 있다. 제2 인공신경망 모델(534)은 관심영역이 중첩된 수문 이미지 및 영상 데이터베이스(미도시)로부터 추출된 학습데이터를 이용하여, 이미지(522)에 대한 복수의 수위 수준(540)의 연관 점수(550)를 산출하도록 학습될 수 있다. 관심영역이 중첩된 수문 이미지 및 영상 데이터베이스로부터 추출된 학습데이터는, 예를 들어, 복수의 관심영역이 중첩된 수문 이미지 각각과 연관된 복수의 수위 수준의 쌍을 포함할 수 있다.
수위 계측 모델(530)은, 산출된 연관 점수들(550)에 기초하여, 수문 이미지(510)와 연관되는 하나 이상의 수위 수준 정보를 출력할 수 있다. 일 실시예에서, 수위 계측 모델(530)은, 사전 결정된 임계치(예를 들어, 0.5)를 초과하는 하나 이상의 수위 수준 정보를 수위 수준 분류(540)로부터 선택하여 출력할 수 있다.
이상과 같이 수위 계측 모델(530)에 의해 출력된 수위 수준 정보에 기초하여, 카메라는 수문에 연결된 액츄에이터 또는 RTU 를 구동함으로써, 수위 수준에 적합한 수문의 높이 또는 개폐 여부를 제어할 수 있다.
도 6은 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 실시하는 예를 나타내는 도면이다.
본 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템(600)은, 개폐 가능한 수문(160), 수문(160)에 설정된 관심영역(130) 범위 내 수위(170)의 변화를 감지하는 카메라(120), 및 수문의 높이 또는 개폐를 조절하는 액츄에이터(150)를 포함한다.
일 실시예에 따르면, 카메라(120)는, 수문 또는 주변 환경의 수위를 감지 가능하도록 학습된 인공지능 기반의 수위 계측 모델을 저장 및 실행 가능하도록 구성될 수 있다. 예를 들어, 카메라(120)는, 감지 대상인 특정 수문(예를 들어, 160)의 수위를 감지하도록 학습된 인공신경망 기반의 수위 계측 모델을 저장 및 실행할 수 있다. 이와 같이 카메라(120)가 사전에 학습된 수위 계측 모델을 내장 및 실행 가능하도록 구현됨으로써, 카메라(120)가 수문에 설치되어 동작 중에 실시간으로 효율적으로 수위의 변화를 감지할 수 있다.
일 실시예에서, 카메라(120)는, 특히 ROI(130)를 촬영 가능하도록 설정된 렌즈를 구비할 수 있다. 또한, 카메라(120)는, 촬영된 사진 이미지 또는 동영상을 프레임별로 내장된 수위 계측 모델에 입력함으로써, 입력된 이미지 또는 동영상에 포함된 수위의 변화를 감지할 수 있다. 카메라(120)에 의한 수위 감지 결과는, 통신부(미도시)를 통해 원격의 사용자 단말에 전송됨으로써, 사용자에게 수위 감지 결과에 기초한 다양한 정보 및 서비스가 제공될 수 있다.
좀 더 구체적으로, 카메라(120)는 내장된 수위 계측 모델을 이용하여 수문(160) 및/또는 수위(170)의 적어도 일부를 포함하는 관심영역(130) 내에서 수위(170)를 감지하거나 관심영역(130) 내에 포함된 수위 구간(134) 을 판별할 수 있다.
일 실시예에서, 관심영역(130) 및 수위 구간(134)는, 실제 수문(160) 상에 형성된 물리적인 영역 또는 수위 구간이 아닌, 카메라(120)에 의해 촬영되는 이미지 또는 동영상 상에 설정된 가상의 영역 또는 수위 구간일 수 있다. 이 경우, 카메라(120)는 수문(160) 또는 그 주변을 촬영한 이미지 또는 영상 위에 관심영역(130) 및 수위 구간(134)를 중첩한 상태에서 관심여역(130) 내의 수위의 변화 또는 수위(170)가 포함되는 수위 구간(134)을 감지할 수 있다. 도시된 예에서는, 현재 수위(170)가 수위 구간(134) 중에 "관심" 수준에 포함되어 있으므로, 카메라(120)는 현재 수위가 관심 수준에 있음을 감지할 수 있다.
일 실시예에서, 카메라(120)는, 관심영역(130) 내에서 감지된 수위 변화 또는 수위 구간(134)에 따라 수문(160)의 높이 또는 개폐를 제어하도록 구성될 수 있다. 구체적으로 카메라(120)는 감지된 수위 변화 또는 수위 구간에 따라 RTU 또는 액츄에이터(150)를 무선 또는 유선으로 제어함으로써, 수문(160)의 높이 또는 개폐를 제어할 수 있다. 이와 같이 카메라(120)에 의해 감지된 수위 변화 또는 수위 구간에 따라 수문(160)의 높이 또는 개폐를 자동 제어함으로써, 수문(160)과 연결된 하천 또는 수로의 수위를 효과적으로 조절할 수 있다.
도 7은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법을 나타내는 흐름도이다.
본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법(700)은, 카메라에 의해 수문의 영상을 촬영하는 단계(S710)로 개시될 수 있다. 일 실시예에 따르면, 인공지능 기반의 수위 감지 카메라(120)는, 수위 계측 및 수문 제어 시스템(200) 내에 설치된 수문 또는 그 주변의 관심영역을 촬영할 수 있다.
다음으로, 카메라는 촬영된 이미지 상의 관심 영역 내의 수문과 물 영역을 제외한 다른 객체를 제거하기 위한 전처리를 실행할 수 있다(S720). 일 실시예에 따르면, 이미지의 전처리에는 수문과 물 영역을 제외한 다른 객체(예를 들어, 수초, 쓰레기 등 다양한 부유물 또는 이물질 등)를 식별하도록 학습된 인공신경망이 사용될 수 있으며, 이러한 인공신경망은 카메라의 저장부에 저장 및 설치되어 제어부에 의해 실행될 수 있다.
카메라는 전처리된 이미지를 분석하여 관심영역 내 수위 계측 값 또는 수위 구간을 감지할 수 있다(S730). 일 실시예에 따르면, 카메라는 인공지능 기반의 수위 계측 모델을 이용하여 이미지의 관심영역 내 수위 계측 값 또는 수위 구간을 감지할 수 있다. 예를 들어, 도 4를 참조하면, 수위 계측 모델(530)은, 입력 수문 이미지(510)에 기초하여 물 영역의 세그멘테이션이 반영된 물 영역 식별 이미지(520)를 출력하는 제1 인공신경망 모델(532) 및 물 영역 식별 이미지(520)에 중첩된 관심 영역(524)을 기초로 수위 값(540, 550)을 출력하는 제2 인공신경망 모델(534)을 포함할 수 있다. 제1 인공신경망 모델(532)는 입력 수문 이미지(510)에 기초하여 물 영역의 세그멘테이션(522)이 반영된 물 영역 식별 이미지(520)를 출력할 수 있다. 제1 인공신경망 모델(532)은, 수문 이미지(510) 중에서 물 영역과 그 외 영역을 구분하여 다른 인스턴스로 표시할 수 있도록 인스턴스 세그멘테이션(instance segmentation)을 실행할 수 있다. 또한, 제2 인공신경망 모델(534)는, 물 영역 식별 이미지(520)에 중첩된 관심 영역(524)을 기초로 수위 값(540, 550)을 출력할 수 있다. 수위 계측 모델(530)은, 저장부(460)로부터 추출된 가상의 관심 영역(524)의 종류 및 위치에 관한 정보에 기초하여, 제1 인공신경망 모델(532)로부터 출력된 물 영역 식별 이미지(520)에 가상의 관심영역(524)을 중첩할 수 있다. 제2 인공신경망 모델(534)은, 관심영역(524)이 중첩된 물 영역 식별 이미지(520)로부터 현재의 수위가 "관심" 수준, "주의" 수준, "경계" 수준 중 어느 범위에 속하는지 판별하도록 학습될 수 있다. 예를 들어, 수위 수준 중 "관심" 수준이 가장 낮은 수위를 나타내며, "경계" 수준이 가장 높은 수위를 나타낼 수 있다. 제2 인공신경망 모델(534)은 이미지(522) 또는 그 시각적 특징을 입력으로 하여, 복수의 수위 수준(540)에 대한 연관 점수(550)를 산출할 수 있다. 제2 인공신경망 모델(534)은 관심영역이 중첩된 수문 이미지 및 영상 데이터베이스(미도시)로부터 추출된 학습데이터를 이용하여, 이미지(522)에 대한 복수의 수위 수준(540)의 연관 점수(550)를 산출하도록 학습될 수 있다. 수위 계측 모델(530)은, 산출된 연관 점수들(550)에 기초하여, 수문 이미지(510)와 연관되는 하나 이상의 수위 수준 정보를 출력할 수 있다. 일 실시예에서, 수위 계측 모델(530)은, 사전 결정된 임계치(예를 들어, 0.5)를 초과하는 하나 이상의 수위 수준 정보를 수위 수준 분류(540)로부터 선택하여 출력할 수 있다.
카메라가 전처리된 이미지를 분석하여 관심영역 내 수위 계측 값 또는 수위 구간을 감지한 결과, 현재 수위가 "관심" 수준인 것으로 결정되면, 카메라는 영상 촬영을 계속할 수 있다(S740). 카메라가 현재 수위를 "주위" 수준인 것으로 결정하면(S750), 카메라는 통신부를 통해 사용자 단말장치로 경고 알림을 전송할 수 있다. 카메라가 현재 수위를 "경계" 수준인 것으로 결정하면(S770), 카메라는 RTU 또는 액츄에이터를 통해 수문의 높이 또는 개폐 여부를 제어할 수 있다(S780).
상술한 바와 같이, 카메라 촬영 영상에 대한 관심영역 설정과 딥러닝을 통한 수문 및 수위 데이터의 학습을 활용하여 수문 제어를 처리함으로써, 사용자는 수위의 급격한 변화 등에 따른 수해 발생을 효율적으로 방지하는 것이 가능하다.
도 8은 본 개시의 다른 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법을 나타내는 흐름도이다.
본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법(800)은, 카메라에 의해 수문의 영상을 촬영하는 단계(S810)로 개시될 수 있다. 일 실시예에 따르면, 인공지능 기반의 수위 감지 카메라(120)는, 수위 계측 및 수문 제어 시스템(200) 내에 설치된 수문 또는 그 주변의 관심영역을 촬영할 수 있다.
다음으로, 카메라는 촬영된 이미지 상의 관심 영역 내의 수문과 물 영역을 제외한 다른 객체를 제거하기 위한 전처리를 실행할 수 있다(S820). 일 실시예에 따르면, 이미지의 전처리에는 수문과 물 영역을 제외한 다른 객체(예를 들어, 수초, 쓰레기 등 다양한 부유물 또는 이물질 등)를 식별하도록 학습된 인공신경망이 사용될 수 있으며, 이러한 인공신경망은 카메라의 저장부에 저장 및 설치되어 제어부에 의해 실행될 수 있다.
카메라는 전처리된 이미지를 분석하여 관심영역 내 수위 계측 값 또는 수위 구간을 감지할 수 있다(S830). 일 실시예에 따르면, 카메라는 인공지능 기반의 수위 계측 모델을 이용하여 이미지의 관심영역 내 수위 계측 값 또는 수위 구간을 감지할 수 있다. 예를 들어, 도 4를 참조하면, 수위 계측 모델(530)은, 입력 수문 이미지(510)에 기초하여 물 영역의 세그멘테이션이 반영된 물 영역 식별 이미지(520)를 출력하는 제1 인공신경망 모델(532) 및 물 영역 식별 이미지(520)에 중첩된 관심 영역(524)을 기초로 수위 값(540, 550)을 출력하는 제2 인공신경망 모델(534)을 포함할 수 있다. 제1 인공신경망 모델(532)는 입력 수문 이미지(510)에 기초하여 물 영역의 세그멘테이션(522)이 반영된 물 영역 식별 이미지(520)를 출력할 수 있다. 제1 인공신경망 모델(532)은, 수문 이미지(510) 중에서 물 영역과 그 외 영역을 구분하여 다른 인스턴스로 표시할 수 있도록 인스턴스 세그멘테이션(instance segmentation)을 실행할 수 있다. 또한, 제2 인공신경망 모델(534)는, 물 영역 식별 이미지(520)에 중첩된 관심 영역(524)을 기초로 수위 값(540, 550)을 출력할 수 있다. 수위 계측 모델(530)은, 저장부(460)로부터 추출된 가상의 관심 영역(524)의 종류 및 위치에 관한 정보에 기초하여, 제1 인공신경망 모델(532)로부터 출력된 물 영역 식별 이미지(520)에 가상의 관심영역(524)을 중첩할 수 있다. 제2 인공신경망 모델(534)은, 관심영역(524)이 중첩된 물 영역 식별 이미지(520)로부터 현재의 수위가 "관심" 수준, "주의" 수준, "경계" 수준 중 어느 범위에 속하는지 판별하도록 학습될 수 있다. 예를 들어, 수위 수준 중 "관심" 수준이 가장 낮은 수위를 나타내며, "경계" 수준이 가장 높은 수위를 나타낼 수 있다. 제2 인공신경망 모델(534)은 이미지(522) 또는 그 시각적 특징을 입력으로 하여, 복수의 수위 수준(540)에 대한 연관 점수(550)를 산출할 수 있다. 제2 인공신경망 모델(534)은 관심영역이 중첩된 수문 이미지 및 영상 데이터베이스(미도시)로부터 추출된 학습데이터를 이용하여, 이미지(522)에 대한 복수의 수위 수준(540)의 연관 점수(550)를 산출하도록 학습될 수 있다. 수위 계측 모델(530)은, 산출된 연관 점수들(550)에 기초하여, 수문 이미지(510)와 연관되는 하나 이상의 수위 수준 정보를 출력할 수 있다. 일 실시예에서, 수위 계측 모델(530)은, 사전 결정된 임계치(예를 들어, 0.5)를 초과하는 하나 이상의 수위 수준 정보를 수위 수준 분류(540)로부터 선택하여 출력할 수 있다.
카메라는 감지한 수위 계측 값 또는 수위 감지 결과를 사용자 단말로 전송한 후, 사용자 단말로부터 사용자 제어 명령이 수신되기를 대기할 수 있다(S840). 일 실시예에서, 도 3을 참조하면, 카메라(120)는 수문(342) 또는 그 주변 구조물에 설정된 관심영역을 촬영하여 감지한 수위 계측 값 또는 수위 감지 결과를 네트워크(350)를 통해 사용자 단말기(310 내지 330)로 전송할 수 있다. 그 후, 카메라(120)는 사용자 단말(310 내지 330)으로부터 수문(342) 또는 RTU(340)을 제어하기 위한 사용자 제어 명령이 수신되기를 대기할 수 있다.
단계(S850)에서, 카메라는 사용자 제어 명령의 수신 대기 시간이 사전결정된 시간(t)을 초과하는지 모니터링할 수 있다. 모니터링 결과, 사용자 제어 명령의 수신 대기 시간이 사전결정된 시간(t)을 초과하는 경우, 카메라는 감지한 수위 계측 값 또는 수위 감지 결과에 기초하여 RTU 또는 수문의 액츄에이터를 직접 제어하여 수문의 높이 또는 개폐를 조절할 수 있다(S860). 이에 반해, 사용자 제어 명령의 수신 대기 시간이 사전결정된 시간(t)을 초과하지 않는 경우(즉, 사전결정된 시간(t)가 경과되기 전에 사용자 단말로부터 사용자 제어 명령이 수신된 경우), 카메라는 수신된 사용자 제어 명령에 따라 수문 제어를 실행할 수 있다(S870). 예를 들어, 사용자 제어 명령은, 사용자 단말 상에 표시된 사용자 인터페이스를 통해 사용자가 입력한 수문의 개폐 여부, 수문의 높이 값 등에 관한 정보를 포함할 수 있다.
상술한 바와 같이, 카메라 촬영 영상에 대한 관심영역 설정과 딥러닝을 통한 수문 및 수위 데이터의 학습을 활용하며, 카메라에 의해 감지된 수위 계측 값 또는 수위 감지 결과에 대한 사용자 피드백을 받거나 수문을 자동 제어함으로써, 수위의 급격한 변화 등에 따른 수해 발생을 효율적으로 방지하는 것이 가능하다.
도 9는 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어의 결과를 표시하기 위한 사용자 단말 장치의 사용자 인터페이스의 예시를 보여주는 도면이다.
도시된 바와 같이, 사용자 단말 장치는, 동작(900)에서, 카메라에 의해 현재 촬영되어 감시 중인 수문과 그 주변의 상태의 이미지 또는 영상을 출력할 수 있다. 여기서 사용자 단말 장치에 출력되는 이미지에는 가상으로 설정된 관심영역(ROI)(910)이 함께 표시되어, 사용자는 현재의 수위(920)가 관심영역(910)내의 어떤 수위 구간에 해당되는지 실시간으로 확인할 수 있다.
또한, 사용자 단말 장치는, 수문의 개폐 또는 높이 조절에 관한 명령을 입력할 수 있는 하나 이상의 사용자 인터페이스(930, 940)를 표시할 수 있다. 사용자는, 사용자 인터페이스(930)의 '열림' 또는 '닫힘' 버튼을 선택함으로써, 현재 출력되고 있는 수문의 개폐 여부를 결정할 수 있다. 예를 들어, 사용자가 사용자 인터페이스(930) 상의 '열림' 버튼을 선택하면, 사용자 단말 장치는 이에 대응하는 사용자 제어 명령을 네트워크를 통해 RTU 또는 수문의 액츄에이터로 전송하고, RTU 또는 수문의 액츄에이터는 사용자 제어 명령에 따라 수문을 개방할 수 있다. 또한, 사용자는, 사용자 인터페이스(940)의 슬라이드 바를 이동함으로써, 현재 출력되고 있는 수문의 높이를 조절할 수 있다. 예를 들어, 사용자가 사용자 인터페이스(940) 상의 슬라이드 바를 이동하여 '65%'의 수문 높이를 설정한 경우, 사용자 단말 장치는 이에 대응하는 사용자 제어 명령을 네트워크를 통해 RTU 또는 수문의 액츄에이터로 전송하고, RTU 또는 수문의 액츄에이터는 사용자 제어 명령에 따라 수문의 높이를 65% 수준으로 조절할 수 있다.
도 10 및 도 11은 본 개시의 일 실시예에 따른 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어를 위해, 사용자 단말 장치에서 가상의 수위계를 설정하는 사용자 인터페이스의 예시를 보여주는 도면이다.
도시된 바와 같이, 사용자 단말 장치는, 동작(1000)에서, 카메라에 의해 현재 촬영되어 감시 중인 수문과 그 주변의 상태의 이미지 또는 영상을 출력할 수 있다. 이 상태에서, 사용자는 사용자 단말 장치에 출력되는 이미지 상에 관심영역(1010)의 위치를 설정할 수 있다. 즉, 사용자는, 동작(1100)에서, 관심영역(1010)의 일 부분을 터치 및 드래그하여 그 위치를 이미지 상의 다른 위치로 변경할 수 있다.
이와 같이 사용자가 사용자 단말 장치를 이용하여 카메라에 의해 촬영되는 수문과 주변 상태의 이미지 상에서 가상의 관심영역을 설정하고 그 위치를 적절히 변경하도록 구성함으로써, 수문의 개폐 상태, 수문 주위의 환경 변화에 따라 수위 구간을 적절히 조절할 수 있다. 또한, 가상의 관심영역의 설정 기능을 이용함으로써, 수위계가 물리적으로 표시되지 않은 수문에 대해서도 수위 변화의 감지와 수문의 제어가 가능하다.
본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.
100 : 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템
120 : 카메라
130 : 관심영역(ROI)
150 : 액츄에이터
160 : 수문
400 : 인공지능 기반의 수위 감지 카메라
420 : 이미지 센서
440 : 프로세서
460 : 저장부
480 : 통신부
490 : 전원부
530 : 수위 계측 모델
532 : 제1 인공신경망 모델
534 : 제2 인공신경망 모델
540 : 수위 구간
550 : 산출 점수
120 : 카메라
130 : 관심영역(ROI)
150 : 액츄에이터
160 : 수문
400 : 인공지능 기반의 수위 감지 카메라
420 : 이미지 센서
440 : 프로세서
460 : 저장부
480 : 통신부
490 : 전원부
530 : 수위 계측 모델
532 : 제1 인공신경망 모델
534 : 제2 인공신경망 모델
540 : 수위 구간
550 : 산출 점수
Claims (10)
- 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 시스템에 있어서,
수로를 통한 물의 흐름을 조절하도록 구성된 수문의 이미지를 촬영하도록 구성된 카메라; 및
상기 수문의 높이를 조절할 수 있도록 구성된 액츄에이터를 포함하고,
상기 카메라는, 상기 이미지 상에 관심 수위, 주의 수위 및 경계 수위를 포함하는 복수의 수위 구간을 포함하는 가상의 관심영역을 중첩하여 설정하고, 상기 관심영역에서 물 영역 및 상기 수문을 제외한 부유물 또는 이물질을 포함하는 객체를 감지하여, 상기 감지된 객체를 상기 이미지에서 제거하는 전처리를 실행하고, 상기 관심영역 및 수위를 감지하도록 학습된 인공지능 기반의 수위 계측 모델을 저장 및 실행하여, 상기 관심영역 내의 수위의 변화를 감지하며,
상기 카메라는, 상기 감지된 수위가 상기 관심 수위에 해당되면, 상기 수문의 이미지를 계속 촬영하며, 상기 감지된 수위가 상기 주의 수의에 해당되면 외부 사용자 단말 장치로 경고 알림을 전송하며, 상기 감지된 수위가 상기 경계 수위에 해당되면 상기 액츄에이터를 제어하고,
상기 수위 계측 모델은,
상기 카메라에 의해 촬영된 하나 이상의 이미지에 기초하여 물 영역의 세그멘테이션이 반영된 물 영역 식별 이미지를 출력하는 제1 인공신경망 모델; 및
상기 물 영역 식별 이미지에 중첩된 상기 관심영역을 기초로 수위 구간을 출력하는 제2 인공신경망 모델을 포함하는,
수위계측 및 수문제어 시스템.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 카메라는, 상기 외부 사용자 단말 장치로부터 상기 관심영역에 대한 정보를 수신하며,
상기 카메라는, 수신한 상기 관심영역에 대한 정보에 기초하여, 상기 관심영역 내에서의 수위를 감지하도록 구성된, 수위계측 및 수문제어 시스템.
- 제1항에 있어서,
상기 카메라는, 상기 외부 사용자 단말 장치로, 상기 수문의 이미지 및 상기 관심영역에 대한 정보를 전송하도록 구성된, 수위계측 및 수문제어 시스템.
- 인공지능 기반의 수위 감지 카메라를 통한 수위계측 및 수문제어 방법에 있어서,
카메라에 의해, 수로를 통한 물의 흐름을 조절하도록 구성된 수문의 이미지를 촬영하는 단계;
상기 카메라에 의해, 상기 이미지 상에 관심 수위, 주의 수위 및 경계 수위를 포함하는 복수의 수위 구간을 포함하는 가상의 관심영역을 중첩하여 설정하는 단계;
상기 카메라에 의해, 상기 관심영역 및 수위를 감지하도록 학습된 인공지능 기반의 수위 계측 모델을 저장 및 실행하는 단계;
상기 카메라에 의해, 상기 관심영역에서 물 영역 및 상기 수문을 제외한 부유물 또는 이물질을 포함하는 객체를 감지하여, 상기 감지된 객체를 상기 이미지에서 제거하는 전처리를 실행하는 단계;
상기 카메라에 의해, 상기 수위 계측 모델의 제1 인공신경망 모델을 이용하여 상기 카메라에 의해 촬영된 하나 이상의 이미지에 기초하여 물 영역의 세그멘테이션이 반영된 물 영역 식별 이미지를 출력하고, 상기 수위 계측 모델의 제2 인공신경망 모델을 이용하여 상기 물 영역 식별 이미지에 중첩된 상기 관심영역을 기초로 수위 값 또는 수위 구간을 출력하는 단계;
상기 카메라에 의해, 상기 관심영역 내의 수위의 변화를 감지하는 단계; 및
상기 카메라에 의해, 상기 감지된 수위가 상기 관심 수위에 해당되면 상기 수문의 이미지를 계속 촬영하며, 상기 감지된 수위가 상기 주의 수위에 해당되면 외부 사용자 단말로 경고 알림을 전송하며, 상기 감지된 수위가 상기 경계 수위에 해당되면 상기 수문의 높이를 조절할 수 있도록 구성된 액츄에이터를 제어하는 단계
를 포함하는, 수위계측 및 수문제어 방법.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200157063A KR102275959B1 (ko) | 2020-11-20 | 2020-11-20 | 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200157063A KR102275959B1 (ko) | 2020-11-20 | 2020-11-20 | 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102275959B1 true KR102275959B1 (ko) | 2021-07-12 |
Family
ID=76858937
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200157063A KR102275959B1 (ko) | 2020-11-20 | 2020-11-20 | 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102275959B1 (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102377616B1 (ko) * | 2021-10-05 | 2022-03-23 | 최종남 | Iot 개폐 방식 전동 권양장치를 이용한 일체식 분수문 |
| KR102378016B1 (ko) * | 2021-08-12 | 2022-03-24 | (주)에너토크 | Ai 기반 이력 관리가 가능한 스마트 수문 제어 시스템 |
| KR102407514B1 (ko) * | 2021-10-26 | 2022-06-10 | 에이치씨테크(주) | 원격제어반과 cctv카메라를 이용한 통신 및 제어 이중화 원격 감시 제어시스템 |
| KR102434478B1 (ko) * | 2022-07-13 | 2022-08-19 | (주)동아씨앤지 | 재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼 및 그 제어 방법 |
| KR102535873B1 (ko) | 2022-11-30 | 2023-05-26 | 충남대학교산학협력단 | 농수로 유량 모니터링 장치 및 방법 |
| KR102669417B1 (ko) | 2024-01-30 | 2024-05-27 | 주식회사 한영산업 | 수위계 일체형 수문 시스템 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11343617A (ja) * | 1998-05-29 | 1999-12-14 | Toshiba Corp | 防潮水門開閉システム |
| KR20120011505A (ko) * | 2010-07-29 | 2012-02-08 | 숭실대학교산학협력단 | 영상 기반의 수위 계측 시스템 그 방법 |
| KR20150129380A (ko) * | 2014-05-12 | 2015-11-20 | 주식회사 엘에스지 | 수위 또는 수압 변동량을 이용한 수문 자동개폐 방법 및 그 시스템 |
| KR20200039194A (ko) * | 2018-10-05 | 2020-04-16 | 인버터기술(주) | 인버터 제어 방식을 이용한 펌프 일체형 수문 제어 시스템 |
| KR102159620B1 (ko) * | 2020-05-06 | 2020-09-24 | (주)동천기공 | Ai 및 딥러닝 기반의 스마트 홍수관리 수문제어 자동화 시스템 |
-
2020
- 2020-11-20 KR KR1020200157063A patent/KR102275959B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11343617A (ja) * | 1998-05-29 | 1999-12-14 | Toshiba Corp | 防潮水門開閉システム |
| KR20120011505A (ko) * | 2010-07-29 | 2012-02-08 | 숭실대학교산학협력단 | 영상 기반의 수위 계측 시스템 그 방법 |
| KR20150129380A (ko) * | 2014-05-12 | 2015-11-20 | 주식회사 엘에스지 | 수위 또는 수압 변동량을 이용한 수문 자동개폐 방법 및 그 시스템 |
| KR20200039194A (ko) * | 2018-10-05 | 2020-04-16 | 인버터기술(주) | 인버터 제어 방식을 이용한 펌프 일체형 수문 제어 시스템 |
| KR102159620B1 (ko) * | 2020-05-06 | 2020-09-24 | (주)동천기공 | Ai 및 딥러닝 기반의 스마트 홍수관리 수문제어 자동화 시스템 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102378016B1 (ko) * | 2021-08-12 | 2022-03-24 | (주)에너토크 | Ai 기반 이력 관리가 가능한 스마트 수문 제어 시스템 |
| KR102377616B1 (ko) * | 2021-10-05 | 2022-03-23 | 최종남 | Iot 개폐 방식 전동 권양장치를 이용한 일체식 분수문 |
| KR102407514B1 (ko) * | 2021-10-26 | 2022-06-10 | 에이치씨테크(주) | 원격제어반과 cctv카메라를 이용한 통신 및 제어 이중화 원격 감시 제어시스템 |
| KR102434478B1 (ko) * | 2022-07-13 | 2022-08-19 | (주)동아씨앤지 | 재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼 및 그 제어 방법 |
| WO2024014627A1 (ko) * | 2022-07-13 | 2024-01-18 | (주)동아씨앤지 | 스마트 하천 관제를 위한 통합 플랫폼 |
| KR102535873B1 (ko) | 2022-11-30 | 2023-05-26 | 충남대학교산학협력단 | 농수로 유량 모니터링 장치 및 방법 |
| KR102669417B1 (ko) | 2024-01-30 | 2024-05-27 | 주식회사 한영산업 | 수위계 일체형 수문 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102275959B1 (ko) | 인공지능 기반의 수위 감지 카메라를 통한 수위 계측 및 수문 제어 방법 및 시스템 | |
| CN104678963B (zh) | 一种基于计算机视觉的采集仪表设备信息的系统及方法 | |
| KR102159620B1 (ko) | Ai 및 딥러닝 기반의 스마트 홍수관리 수문제어 자동화 시스템 | |
| WO2018195955A1 (zh) | 一种基于飞行器的设施检测方法及控制设备 | |
| KR102434478B1 (ko) | 재난 예방 기능을 포함한 인공지능 기반의 스마트 하천 관제 플랫폼 및 그 제어 방법 | |
| CN107542073A (zh) | 一种基于树莓派的智能混动水面清理和水质监测装置及方法 | |
| KR102347511B1 (ko) | 잔디경계선에 대한 영상처리를 이용한 잔디깍기 로봇 및 이의 제어 방법 | |
| US20220343650A1 (en) | Image based aquatic alert system | |
| KR100944791B1 (ko) | 수위 관측 시스템 및 수위레벨 원격 측정 방법 | |
| KR102321942B1 (ko) | 인공지능을 이용한 이동식 무인보트와 환경 정보 분석을 통한 수자원 모니터링 시스템 | |
| CN205449152U (zh) | 一种智能渠道计量控制装置及系统 | |
| US20220319178A1 (en) | Systems And Methods For Providing Monitoring, Optimization, And Control Of Pool/Spa Equipment Using Video Analytics | |
| Lohumi et al. | Automatic detection of flood severity level from flood videos using deep learning models | |
| Arvind et al. | Edge computing based smart aquaponics monitoring system using deep learning in IoT environment | |
| KR102044217B1 (ko) | 태양광 발전장치의 보안 시스템 및 그 시스템의 관제 방법 | |
| CN109405808A (zh) | 一种水利监测球形摄像机 | |
| KR101944374B1 (ko) | 이상 개체 검출 장치 및 방법, 이를 포함하는 촬상 장치 | |
| US11937580B2 (en) | Computer vision-based feeding monitoring and method therefor | |
| KR102351398B1 (ko) | 영상 장비를 이용한 해양 생물 탐지 방법 및 시스템 | |
| CN113538513A (zh) | 监控对象的进出控制方法、装置、设备及存储介质 | |
| KR101542134B1 (ko) | 스마트 카메라모듈을 통한 열차선로 상의 낙석·사람으로 이루어진 관심 객체 실시간 감시 장치 및 방법 | |
| US20240153109A1 (en) | Image based tracking system | |
| KR20150040395A (ko) | 전원제어장치를 이용한 원격 수문 계장 제어 시스템 | |
| Aditya et al. | IoT and ANN based automatic water level monitoring for dams | |
| KR102276549B1 (ko) | 인공지능 기반의 선택객체 감지 카메라를 통한 유해조수 식별 및 포획 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |