KR102365174B1 - 물품 데이터의 취득 및 학습 자동화 방법 및 물품 데이터의 취득 및 학습 자동화 시스템 - Google Patents

물품 데이터의 취득 및 학습 자동화 방법 및 물품 데이터의 취득 및 학습 자동화 시스템 Download PDF

Info

Publication number
KR102365174B1
KR102365174B1 KR1020200102566A KR20200102566A KR102365174B1 KR 102365174 B1 KR102365174 B1 KR 102365174B1 KR 1020200102566 A KR1020200102566 A KR 1020200102566A KR 20200102566 A KR20200102566 A KR 20200102566A KR 102365174 B1 KR102365174 B1 KR 102365174B1
Authority
KR
South Korea
Prior art keywords
article
learning
data
code information
image
Prior art date
Application number
KR1020200102566A
Other languages
English (en)
Inventor
김재호
강태학
이대경
강지석
현지훈
최우식
김태규
Original Assignee
한국공항공사
주식회사 딥노이드
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 한국공항공사, 주식회사 딥노이드 filed Critical 한국공항공사
Priority to KR1020200102566A priority Critical patent/KR102365174B1/ko
Application granted granted Critical
Publication of KR102365174B1 publication Critical patent/KR102365174B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)

Abstract

물품 데이터의 취득 및 학습 자동화 방법 및 물품 데이터의 취득 및 학습 자동화 시스템이 개시된다. 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 방법은, 물품 보관함에서 물품이 배출됨에 따라, 상기 물품에서 리드되는 코드 정보에 기초하여 상기 물품을 촬영하는 단계와, 상기 촬영에 따른 물품 이미지를 상기 코드 정보와 연관시켜 학습용 물품 데이터로서, 데이터베이스에 기록하는 단계, 및 선정된 주기로 상기 데이터베이스 내의 물품 데이터를 지정된 서버로 전송하여, 상기 서버에 상기 물품 데이터를 학습시키는 단계를 포함한다.

Description

물품 데이터의 취득 및 학습 자동화 방법 및 물품 데이터의 취득 및 학습 자동화 시스템 {METHOD AND SYSTEM FOR AUTOMATING ACQUISITION AND LEARNING OF ITEM DATA}
본 발명은 인공지능 학습을 위한 물품 관련 빅데이터(이미지와 코드)의 취득 프로세스 시스템화에 연관된다.
공항 등에서는 물품을 촬영한 X-ray 영상으로부터 해당 물품의 위험 여부를 판별하는 수화물 검사 시스템이 상용화 되어 있다.
수화물 검사 시스템에서는, 물품 판별을 위해 학습 처리된 물품의 이미지가 사용되고 있기 때문에, 물품 판별의 정확도를 높이기 위해서는, 다양한 물품 관련 빅데이터의 인공지능 학습이 요구된다.
한편 종래에는 관리자가 직접 물품을 인식한 후, 해당 물품을 촬영한 X-ray 영상에 해당 물품을 레이블링하는 것에 의해 물품 관련 데이터가 수집되고 있다.
예를 들어 관리자는 원하는 학습용 물품 이미지를 모으기 위해 물품의 이미지를 개별적으로 촬영하고 촬영한 물품의 이미지에 물품 태그를 부여하는 일련의 행위를 반복적으로 실행할 수밖에 없기 때문에, 인공지능 학습을 위한 대량의 물품 데이터의 빠른 취득에 한계를 가지게 된다.
또한, 종래의 학습용 물품 이미지의 취득 방식에서는 학습에 불필요한 이미지가 함께 포함되어 있는 경우가 많아서 인공지능 학습에 사용하는데 어려움이 있고, 또한 물품 이미지가 취득되더라도 사용자가 원하는 상황과 맞지 않아서 이러한 물품 이미지로 학습을 처리할 경우 물품 판별의 정확도가 떨어질 우려가 있다.
따라서 다양한 물품에 관한 대량의 데이터를 사람의 직접적인 개입 없이, 원하는 인공지능 학습의 처리 상황에 맞게 신속하게 취득할 수 있도록, 인공지능 학습용 물품 데이터의 취득 프로세스를 개선하여, 수화물 검사 시스템 등의 물품 판별을 필요로 하는 서버로의 인공지능 학습이 자동화 되어 처리되도록 할 필요가 있다.
본 발명의 실시예는 물품 보관함에서 배출되는 물품으로부터 물품 이미지의 촬영 시, 물품 상의 코드에서 코드 정보를 리드하여, 물품 이미지와 코드 정보를 연관시켜 물품 데이터로서 데이터베이스에 기록함으로써, 인공지능 학습을 위한 물품 데이터(이미지와 코드)의 취득 프로세스를 시스템화 하는 것을 목적으로 한다.
본 발명의 실시예는 물품 데이터의 취득 프로세스의 개선을 통해 물품 데이터의 인공지능 학습 처리 과정을 자동화 하여, 인공지능 학습의 처리 효율과 생산성을 높이는 것을 목적으로 한다.
본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 방법은, 물품 보관함에서 물품이 배출됨에 따라, 상기 물품에서 리드되는 코드 정보에 기초하여 상기 물품을 촬영하는 단계와, 상기 촬영에 따른 물품 이미지를 상기 코드 정보와 연관시켜 학습용 물품 데이터로서, 데이터베이스에 기록하는 단계, 및 선정된 주기로 상기 데이터베이스 내의 물품 데이터를 지정된 서버로 전송하여, 상기 서버에 상기 물품 데이터를 학습시키는 단계를 포함할 수 있다.
또한, 본 발명의 실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템은, 물품 보관함에서 물품이 배출됨에 따라, 상기 물품에서 리드되는 코드 정보에 기초하여 상기 물품을 촬영하는 제어부와, 상기 촬영에 따른 물품 이미지를 상기 코드 정보와 연관시켜 학습용 물품 데이터로서, 데이터베이스에 기록하는 기록부, 및 선정된 주기로 상기 데이터베이스 내의 물품 데이터를 지정된 서버로 전송하여, 상기 서버에 상기 물품 데이터를 학습시키는 처리부를 포함할 수 있다.
본 발명의 일실시예에 따르면, 물품 보관함에서 배출되는 물품에 대해, 스캔 장비를 통해 물품으로부터 코드정보를 스캔하는 동시에, 촬영 장비를 통해 물품의 이미지를 촬영하여, 물품에서 얻어진 코드정보와 물품 이미지를 물품 데이터로서 기록하는 학습용 데이터베이스를 구축 함으로써, 대량의 물품 데이터의 신속한 취득이 가능하도록 데이터 취득 프로세스를 개선할 수 있다.
본 발명의 일실시예에 따르면, 물품 데이터의 취득에 연동하여 또는 선정된 주기로, 학습용 데이터베이스 내의 물품 데이터를 지정된 서버로 전송함으로써, 대량의 물품 데이터를 누락 없이 해당 서버에 학습 처리할 수 있다.
본 발명의 일실시예에 따르면, 물품 데이터의 취득에 연동하여, 해당 물품의 데이터 취득 횟수(누적 촬영 빈도 수)를 카운트하고, 카운트한 횟수가 기준치 이상이면, 해당 물품으로부터의 데이터 취득을 스킵하거나, 또는 데이터베이스에 기록한 해당 물품의 물품 데이터의 서버로의 전송을 생략함으로써, 동일한 종류의 물품에 대한 물품 데이터에 대한 학습 처리가 일정 횟수 이상 반복되지 않도록 하여 인공지능 학습을 효율화 할 수 있다.
본 발명의 일실시예에 따르면, 물품 이미지의 취득 시 사람의 개입에 의해 레이블링 시 발생할 수 있는 오류를 최소화 할 수 있다.
본 발명의 일실시예에 따르면, 물품에서 취득된 물품 이미지와 코드 정보를 각각 정규화 된 데이터셋으로 변환하여 학습용 데이터베이스에 기록함으로써, 데이터베이스 내의 물품 데이터가 별도의 작업 없이 인공지능 학습에 사용되도록 할 수 있다.
본 발명의 일실시예에 따르면, 물품 별로 물품 데이터의 취득량을 조정하여 클래스(예, '위험/비위험 물품') 간 밸런스를 유지해, 물품 데이터의 학습 처리 성능을 높일 수 있다.
도 1은 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템을 포함한 네트워크를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템의 내부 구성을 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템에서, 촬영 이미지에서 다수의 물품 이미지를 추출하는 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템에서, 물품 데이터를 정규화 하여 기록하는 과정을 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템에서, 데이터베이스의 일례를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 방법의 순서를 도시한 흐름도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템의 개념도를 도시한 도면이다.
도 1을 참조하면, 네트워크(100)는, 본 발명의 물품 데이터의 취득 및 학습 자동화 시스템(이하, '시스템')(110)과, 물품 보관함(120), 스캔 장비(130), 촬영 장비(140), 학습용 DB(150) 및 서버(160)를 포함하여 구성할 수 있다.
먼저 시스템(110)은 물품 보관함(120)에 연결된 컨베이어 벨트를 물품의 흐름(101)과 같이 이동 제어할 수 있다.
일례로 물품 보관함(120)은 학습 대상 물품이 보관된 하나 이상의 보관함이 적층된 구조로 이루어질 수 있고, 하나의 보관함에서 물품이 배출되면 다음에는 그 위/아래의 보관함에서 물품이 배출될 수 있다.
물품의 흐름(101)에 따르면, 물품 보관함(120)에서 배출되어 컨베이어 벨트 상에 놓인 물품은 스캔 장비(130)와 촬영 장비(140)를 통과해 다시 물품 보관함(120)으로 복귀해 수납(보관) 처리될 수 있다.
이때 컨베이어 벨트 상의 스캔 장비(130)와 촬영 장비(140)의 배치 순서는 서로 바뀔 수 있으며, 실시예에 따라 스캔 장비(130)와 촬영 장비(140)는 하나의 장비, 예를 들어 CAM 카메라로 이루어질 수도 있다.
스캔 장비(130)는 물품 상의 코드의 형태에 따라, 해당 코드에 기록된 코드 정보(메타 데이터)를 리드할 수 있는 리더기일 수 있다. 예컨대, 스캔 장비(130)는 바코드 리더기, QR코드 리더기, RFID 리더기로 예시될 수 있다.
이를 위해, 사전에 학습 대상의 물품 상에는 코드 정보를 기록한 코드가 예를 들어 '바코드', 'QR 코드', 'RFID' 등과 같이 부착되어 물품 보관함(120)에 보관될 수 있다. 상기 코드 정보에는 물품의 고유ID, 물품명, 위험/비위험 태그, 및 누적 촬영 빈도 수 중 적어도 하나의 데이터가 기록될 수 있다.
코드 정보의 흐름(102)에 따르면, 스캔 장비(130)에 의해 물품 상의 코드에서 독출된 코드 정보는 원본 형태로 '물품 DB'에 저장되고, 시스템(110)에 의해 정규화 되어 학습용 DB(150)에 기록될 수 있다.
촬영 장비(140)는 물품의 이미지를 촬영하는 카메라일 수 있다. 예컨대 촬영 장비(140)는 X-ray 촬영 카메라, CAM 카메라로 예시될 수 있다.
만일 촬영 장비(140)가 'CAM 카메라'로 구현된 경우에는, CAM 카메라로 촬영한 물품 이미지로부터 코드 정보를 리드할 수 있기 때문에, 촬영 장비(140) 만으로 물품 이미지와 코드 정보를 포함한 물품 데이터의 획득이 가능해진다.
물품 이미지의 흐름(103)에 따르면, 촬영 장비(140)에 의해 촬영된 물품의 이미지는 원본 형태로 '영상 DB'에 저장되고, 시스템(110)에 의해 정규화 되어 학습용 DB(150)에 기록될 수 있다.
시스템(110)은, 스캔 장비(130)를 통과하는 물품에서 리드한 코드 정보와, 촬영 장비(140)를 통과하는 물품을 촬영한 물품 이미지를 물체의 고유ID에 따라 정해진 방식에 따라 정규화를 진행하여, 정규화 값('정규화_메타' 및 '정규화_IMG')을 획득할 수 있다. 이를 위해, 시스템(110)은 물품이 속하는 카테고리 또는 물품의 고유 ID 별로 정규화에 사용할 수식을 운영할 수 있다.
시스템(110)은 정규화 값('정규화_메타' 및 '정규화_IMG') 및 물품의 고유 ID를 클래스 숫자로 사용하는 해시(hash) 데이터셋 형태의 물품 데이터를 만들어, 학습용 DB(150)에 기록할 수 있다.
학습용 물품 데이터의 흐름(104)에 따르면, 시스템(110)에 의해 정규화된 코드 정보와 물품 이미지는, 서버(160)의 인공지능 학습을 위한 물품 데이터로서 학습용 DB(150)에 기록되어, 선정된 주기로 서버(160)로 전송될 수 있다.
본 발명에 의하면, 상술한 과정에 따라 인공지능 학습용 물품 데이터의 취득 프로세스가 시스템화 되어, 인공지능 학습 처리의 효율과 생산성이 높아지는 효과를 기대할 수 있다.
도 2는 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템의 내부 구성을 도시한 블록도이다.
도 2를 참조하면, 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템(200)은 제어부(210), 기록부(220), 처리부(230) 및 데이터베이스(240)를 포함하여 구성할 수 있다. 또한, 실시예에 따라 물품 데이터의 취득 및 학습 자동화 시스템(200)은 변환부(250) 및 갱신부(260)를 각각 추가하여 구성할 수 있다.
제어부(210)는 물품 보관함에서 물품이 배출됨에 따라, 상기 물품에서 리드되는 코드 정보에 기초하여, 상기 물품을 촬영한다.
일례로 제어부(210)는 스캔 장비를 이용하여, 물품 상의 코드(예, 바코드, QR코드, RFID 등)에 기록된 코드 정보를 리드할 수 있다.
스캔 장비는 물품 상의 코드의 형태에 따라, 해당 코드에 기록된 코드 정보(메타 데이터)를 리드할 수 있는 리더기로서, 예를 들어, 바코드 리더기, QR코드 리더기, RFID 리더기일 수 있다.
촬영 장비는 X-ray 촬영 카메라 또는 CAM 카메라로 구현될 수 있다.
제어부(210)는 CAM 카메라를 촬영 장비로 사용해 얻어진 물품 이미지로부터 코드 정보를 리드할 수 있기 때문에, 이 경우는, 별도의 스캔 장비 없이, CAM 카메라 만으로 코드 정보와 물품 이미지를 획득할 수 있다.
상기 코드 정보에는, 물품의 고유ID, 물품명, 위험/비위험 태그, 및 누적 촬영 빈도 수 중 적어도 하나의 데이터가 기록될 수 있다.
제어부(210)는 상기 코드 정보에 포함되는 상기 물품의 누적 촬영 빈도 수에 따라, 상기 물품의 촬영 여부를 결정할 수 있다.
일례로 제어부(210)는 누적 촬영 빈도 수가 기준치 이상인 물품의 촬영을 스킵(생략)하여 물품을 상기 물품 보관함으로 되돌리고, 누적 촬영 빈도 수가 기준치 미만인 물품에 한해서 촬영 장비를 통해 물품의 이미지(예, X-ray 영상)를 촬영할 수 있다.
즉 제어부(210)는 일정량 이상 물품 데이터의 취득이 완료된 물품에 대해서는 데이터 취득 과정을 생략해, 물품 데이터의 중복으로 인해 데이터베이스(240)가 비대해 지는 것을 방지할 수 있다.
또한 제어부(210)는 인공지능 학습을 위한 물품 데이터의 취득량을 물품 별로 조정하여, 클래스(예, '위험/비위험 물품') 간 물품 데이터 수량의 밸런스를 유지하고, 동일 종류의 물품에 대한 물품 데이터의 학습 처리가 기준치 이상 반복되지 않도록 하여 인공지능 학습의 효율화를 도모할 수 있다.
이처럼 본 발명에 의하면, 물품 보관함에서 배출되는 물품에 대해, 스캔 장비를 통해 물품으로부터 코드정보를 스캔하는 동시에, 촬영 장비를 통해 물품의 이미지를 촬영하여, 물품에서 얻어진 코드정보와 물품 이미지를 물품 데이터로서 기록하는 학습용 데이터베이스를 구축 함으로써, 대량의 물품 데이터의 신속한 취득이 가능하도록 데이터 취득 프로세스를 개선할 수 있다.
기록부(220)는 상기 촬영에 따른 물품 이미지를 상기 코드 정보와 연관시켜, 학습용 물품 데이터로서, 데이터베이스(240)에 기록한다.
실시예에 따라, 물품 데이터의 취득 및 학습 자동화 시스템(200)은 변환부(250)를 더 포함하여 구성할 수 있다.
변환부(250)는 상기 코드 정보(메타 데이터)와 상기 물품 이미지 각각을, 각기 정해진 데이터 포맷으로 변환하여 정규화(정형화, 전처리)한다. 변환부(250)는 물품의 고유 ID 별로 정규화에 사용할 수식을 운영할 수 있다.
기록부(220)는 정규화 된 상기 코드 정보와 상기 물품 이미지를 포함하여 구성되는 상기 물품 데이터를, 데이터베이스(240)에 기록할 수 있다.
일례로 도 4를 참조하면, 변환부(250)는 물체의 코드 정보 내 물체의 고유ID에 정해진 수식에 따라, 물품의 코드 정보와 물품 이미지를 각각 정규화(포맷 변환)하여, 정형화된 데이터셋을 획득할 수 있다.
여기서 정형화된 데이터셋은, 물품의 고유 ID와, 물품의 코드 정보의 정규화 값('정규화_메타')과, 물품 이미지의 정규화 값('정규화_IMG')을 클래스 숫자로 사용하는 해시(hash) 데이터셋 형태를 의미할 수 있다.
기록부(220)는 정규화 값('정규화_메타' 및 '정규화_IMG') 및 물품의 고유 ID를 포함하는 해시(hash) 데이터셋 형태의 학습용 물품 데이터를, 데이터베이스(240, 150)에 기록할 수 있다.
이 같은 물품 데이터의 정규화를 통해, 본 발명에 의하면, 데이터베이스(240) 내의 물품 데이터가 별도의 작업 없이 인공지능 학습 처리에 바로 사용될 수 있도록 할 수 있다.
또한 실시예에 따라, 물품 데이터의 취득 및 학습 자동화 시스템(200)은 갱신부(260)를 더 포함하여 구성할 수 있다.
갱신부(260)는 데이터베이스(240)에 상기 물품 데이터가 기록되면, 상기 코드 정보에 의해 식별되는 물품의 누적 촬영 빈도 수를 증가시키고, 상기 물품의 누적 촬영 빈도 수의 증가에 따라, 상기 물품 상의 코드에 기록된 상기 코드 정보를 갱신한다.
예를 들어 도 5를 참조하면, 제어부(210)는 물품 A에서 리드한 코드 정보('A108794')로부터 리드한 누적 촬영 빈도 수('11')가 물품 A에 설정된 기준치('15') 미만일 경우 물품 A의 촬영을 결정하고, 기록부(220)는 물품을 촬영한 물품 이미지('A108794.jpg')를 코드 정보('A108794')와 연관시켜 학습용 물품 데이터로서 데이터베이스(500)에 기록할 수 있다. 상기 물품 데이터의 기록에 연동하여, 갱신부(260)는 물품 A에 대한 누적 촬영 빈도 수('11')를 '1' 증가시켜 '12'로 갱신할 수 있다.
이후에, 물품 보관함에서 동일한 물품 A가 배출되면, 제어부(210)는 스캔 장비를 통해 물품 A에서 리드한 코드 정보('A108794')로부터 갱신된 누적 촬영 빈도 수('12')를 확인하고, 이를 물품 A에 설정된 기준치('15')와 비교해 촬영할지 여부를 결정할 수 있다. 제어부(210)는 물품 A에 대한 물품 데이터의 취득량이 아직 기준치 미만이므로, 물품 A의 재 촬영을 제어하고, 기록부(220)는 물품을 재 촬영한 물품 이미지('A108794.jpg')를 코드 정보('A108794')와 연관시켜 학습용 물품 데이터로서 데이터베이스(500)에 추가로 기록할 수 있다. 상기 물품 데이터의 기록에 연동하여, 갱신부(260)는 물품 A에 대한 누적 촬영 빈도 수('12')를 '1' 증가시켜 '13'으로 갱신할 수 있다.
만일 물품 A에 관한 물품 데이터의 취득량이 기준치('15')를 만족하는 경우, 제어부(210)는 물품 A의 촬영을 생략함으로써, 동일한 물품 A에 관한 물품 데이터가 필요 이상으로 중복해서 데이터베이스(500)에 기록되지 않도록 물품 별 데이터 취득량을 조정할 수 있다.
실시예에 따라, 다수의 인접한 물품들로부터 다수의 코드 정보로 이루어진 코드 리스트가 리드될 경우, 물품 데이터의 취득 및 학습 자동화 시스템(200)은 하나의 촬영 이미지 내에서 추출한 물품 이미지를 상기 코드 리스트와 함께 학습용 물품 데이터로서 데이터베이스(240)에 기록할 수도 있다.
제어부(210)는 스캔 장비를 통해 물품에서 코드 정보의 리드 시, 상기 물품과 함께 배출된 인접 물품의 제1 코드 정보가 함께 리드되는 경우, 상기 물품을 촬영한 촬영 이미지로부터, 상기 물품의 물품 이미지와 상기 인접 물품의 물품 이미지를 추출할 수 있다.
기록부(220)는 상기 인접 물품의 물품 이미지를, 상기 제1 코드 정보와 연관시켜, 학습용 물품 데이터로서 데이터베이스(240)에 더 기록할 수 있다.
또한 기록부(220)는 상기 촬영 이미지를, 상기 코드 정보와 상기 제1 코드 정보를 포함한 코드 리스트에 연관시켜, 데이터베이스(240)에 더 기록할 수 있다.
예를 들어 도 3을 참조하면, 스캔 장비를 통해 수화물(300)에서 4개의 코드 정보('A108794', 'B102830', 'C102847', 'D103745')로 이루어진 코드 리스트가 리드되는 경우, 제어부(210)는 촬영 장비를 통해 수화물(300)을 촬영한 이미지 내에서 물품 별로 레이블링(310, 320, 330, 340)을 하여 물품 이미지를 각각 추출할 수 있다. 이에 따라, 본 발명에 의하면, 물품 이미지의 취득 시 사람의 개입에 의해 레이블링 시 발생할 수 있는 오류가 최소화 될 수 있다.
기록부(220)는 각각의 물품 이미지와 상기 코드 리스트를 학습용 물품 데이터로서 데이터베이스(240)에 기록함으로써, 이를 학습 처리하는 서버에서, 인접한 물품들의 조합에 대한 패턴을 이용해 물품 판별이 이루어지도록 할 수 있다.
처리부(230)는 선정된 주기로, 데이터베이스(240) 내의 물품 데이터를 지정된 서버로 전송하여, 상기 서버에 상기 물품 데이터를 학습시킨다. 즉 처리부(230)는 상기 물품 데이터 내, 상기 코드 정보에 의해 식별되는 물품에 대한 상기 물품 이미지를 상기 서버에 학습시킬 수 있다.
여기서 선정된 주기는 예를 들어 '하루', '일주일', '한달' 등과 같이 정해진 단위의 기간을 의미할 수도 있고, 데이터베이스(240)에 기록된 물품 데이터의 수량이 정해진 개수를 만족하는 시점으로 정해질 수도 있다. 또한 처리부(230)는 데이터베이스(240) 내에 물품 데이터가 기록될 때마다 해당 물품 데이터를 바로 서버에 학습 처리할 수도 있다.
즉 처리부(230)는 물품 데이터의 취득에 연동하여 또는 선정된 주기로, 학습용 데이터베이스 내의 물품 데이터를 지정된 서버로 전송함으로써, 대량의 물품 데이터를 누락 없이 해당 서버에 학습 처리할 수 있게 된다.
구체적으로 서버는, 판별 대상 물품을 촬영한 X-ray 영상이 입력되면, 상기 X-ray 영상 내에, 학습된 상기 물품 이미지와 같은 이미지가 포함되는지 확인하고, 포함되는 경우, 상기 물품 이미지와 연관되는 코드 정보에 의해 식별되는 물품의 유무와 해당 물품의 위험 여부를, 판별 결과로서 출력할 수 있다.
본 명세서에서 물품 데이터의 학습은, 물품 데이터 내의 코드 정보에 의해 식별되는 물품에 대한 물품 이미지를 인공지능('딥러닝')에 의해 학습하는 것을 의미할 수 있고, 서버는 물품의 코드 정보와 물품 이미지의 반복적인 학습에 의해, 입력되는 영상으로부터 해당 물품의 유무를 정확히 판별할 수 있게 된다.
단, 물품 데이터의 취득에 연동하여 카운트한 물품의 데이터 취득 횟수(누적 촬영 빈도 수)가 기준치 이상이면, 해당 물품으로부터의 데이터 취득을 스킵하거나, 데이터베이스(240)에 기록한 해당 물품의 물품 데이터의 서버로의 전송을 생략함으로써, 동일한 종류의 물품에 대한 물품 데이터에 대한 학습 처리가 일정 횟수 이상 반복되지 않도록 함으로써, 인공지능 학습을 효율화 할 수 있다.
실시예에 따라, 처리부(230)는 상기 물품 데이터를 상기 서버로 전송 시, 상기 물품의 코드 정보와, 상기 물품과 함께 배출된 인접 물품의 제1 코드 정보를 포함한 코드 리스트를 더 전송하여, 상기 물품과 상기 인접 물품의 조합(예, '썬스프레이', '휴대폰', '랩탑PC' 등)을 상기 서버에 학습시킬 수 있다.
이 경우, 상기 서버는, 판별 대상 물품을 촬영한 X-ray 영상이 입력되면, 상기 X-ray 영상 내에, 학습된 상기 물품 이미지와 같은 이미지가 포함되는지 확인하고, 포함되는 경우, 상기 물품 이미지와 연관되는 코드 정보에 의해 식별되는 물품의 위험 여부를, 판별 결과로서 출력할 수 있다.
실시예에 따라, 기록부(220)는 상기 물품 데이터의 적어도 일부를, 학습용에서 테스트용으로 전환하여 데이터베이스(240)에 기록할 수 있다.
예를 들어 도 4를 참조하면, 기록부(220)는 정규화를 거친 학습용 물품 데이터의 일부를, 테스트용 물품 데이터로 전환하여 데이터베이스(240, 150)에 기록할 수 있다.
처리부(230)는 상기 물품 데이터의 학습 처리가 완료되면, 데이터베이스(240) 내의 테스트용 물품 데이터를 상기 서버로 입력하고, 상기 입력에 따라 상기 서버로부터 출력되는 위험 여부 판별 결과에 따라, 상기 서버의 학습 처리 성능을 검증할 수 있다.
이처럼 본 발명에 의하면, 학습용 물품 데이터와 함께 마련한 테스트용 물품 데이터를 통해, 서버(160)의 성능 검증을 용이하게 수행할 수 있게 된다.
이와 같이 본 발명에 따르면, 물품에서 리드한 코드 정보를, 물품 이미지와 연관시켜 학습용 물품 데이터로서 데이터베이스(240)에 기록함으로써, 인공지능 학습을 위한 물품 데이터(이미지와 코드)의 취득 프로세스를 시스템화 할 수 있다.
본 발명에 따르면, 물품 데이터의 취득 프로세스의 개선을 통해 물품 데이터의 인공지능 학습 처리 과정을 자동화 하여, 인공지능 학습의 처리 효율과 생산성을 높일 수 있다.
도 3은 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템에서, 촬영 이미지에서 다수의 물품 이미지를 추출하는 과정을 설명하기 위한 도면이다.
도 3을 참조하면, 본 발명의 물품 데이터의 취득 및 학습 자동화 시스템은, 스캔 장비를 통해 수화물(300)에서 4개의 코드 정보('A108794', 'B102830', 'C102847', 'D103745')로 이루어진 코드 리스트가 리드되는 경우, 촬영 장비를 통해 수화물(300)을 촬영한 이미지 내에서 물품 별로 레이블링(310, 320, 330, 340)을 하여 물품 이미지를 각각 추출하고, 각각의 물품 이미지와 상기 코드 리스트를 학습용 물품 데이터로서 데이터베이스에 기록할 수 있다.
이에 따라 물품 이미지의 취득 시 사람의 개입에 의해 레이블링 시 발생할 수 있는 오류가 최소화 될 수 있고, 물품 데이터를 학습 처리하는 서버에서, 인접한 물품들의 조합에 대한 패턴을 이용해 물품 판별이 이루어지도록 할 수 있다.
도 4는 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템에서, 물품 데이터를 정규화 하여 기록하는 과정을 도시한 도면이다.
도 4를 참조하면, 본 발명의 물품 데이터의 취득 및 학습 자동화 시스템은, 물체의 코드 정보 내 물체의 고유ID에 정해진 수식에 따라, 물품의 코드 정보와 물품 이미지를 각각 정규화(포맷 변환)하여 정형화된 데이터셋을 획득하고, 정규화 값('정규화_메타' 및 '정규화_IMG') 및 물품의 고유 ID를 포함하는 해시(hash) 데이터셋 형태의 학습용 물품 데이터를, 데이터베이스(150)에 기록할 수 있다.
이 같은 물품 데이터의 정규화를 통해, 데이터베이스(150) 내의 물품 데이터가 별도의 작업 없이 인공지능 학습 처리에 바로 사용되도록 할 수 있다.
이때 물품 데이터의 취득 및 학습 자동화 시스템은, 정규화를 거친 학습용 물품 데이터의 일부를, 테스트용 물품 데이터로 전환하여 데이터베이스(150)에 기록할 수 있다.
이에 따라, 서버(160)에서 상기 학습용 물품 데이터의 학습이 완료되면, 상기 테스트용 물품 데이터를 이용해 서버(160)의 학습 처리 성능을 검증할 수 있다.
도 5는 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 시스템에서, 데이터베이스의 일례를 도시한 도면이다.
도 5를 참조하면, 본 발명의 물품 데이터의 취득 및 학습 자동화 시스템은, 물품에서 리드한 코드 정보와 물품 이미지를, 학습용 물품 데이터로서 데이터베이스(500)에 기록할 수 있다. 각 물품 데이터는 물품의 누적 촬영 빈도 수와 촬영일시에 연관시켜 데이터베이스(500)에 기록될 수 있다.
또한, 물품과 그 인접 물품에서 다수의 코드 정보가 동시적으로 리드되는 경우, 즉 코드 리스트가 리드되는 경우, 본 발명의 물품 데이터의 취득 및 학습 자동화 시스템은, 촬영 이미지 내에서 물품 별로 레이블링 하여 각각의 물품 이미지를 추출하고, 추출한 물품 이미지를 상기 코드 리스트와 상기 촬영 이미지와 함께 데이터베이스(500)에 기록할 수 있다.
본 발명의 물품 데이터의 취득 및 학습 자동화 시스템은, 물품 A에서 리드한 코드 정보('A108794')로부터 리드한 누적 촬영 빈도 수('11')가 물품 A에 설정된 기준치('15') 미만일 경우 물품 A의 촬영을 결정하고, 물품을 촬영한 물품 이미지('A108794.jpg')를 코드 정보('A108794')와 연관시켜 학습용 물품 데이터로서 데이터베이스(500)에 기록하고, 물품 데이터의 기록에 연동하여, 물품 A에 대한 누적 촬영 빈도 수('11')를 '1' 증가시켜 '12'로 갱신할 수 있다.
이후에, 물품 보관함에서 동일한 물품 A가 배출되면, 본 발명의 물품 데이터의 취득 및 학습 자동화 시스템은, 스캔 장비를 통해 물품 A에서 리드한 코드 정보('A108794')로부터 갱신된 누적 촬영 빈도 수('12')를 확인하고, 이를 물품 A에 설정된 기준치('15')와 비교해 촬영할지 여부를 결정할 수 있다. 물품 A에 대한 물품 데이터의 취득량이 아직 기준치 미만일 경우, 본 발명의 물품 데이터의 취득 및 학습 자동화 시스템은, 물품 A의 재 촬영을 제어하고, 물품을 재 촬영한 물품 이미지('A108794.jpg')를 코드 정보('A108794')와 연관시켜 학습용 물품 데이터로서 데이터베이스(500)에 추가로 기록할 수 있으며, 상기 물품 데이터의 기록에 연동하여, 물품 A에 대한 누적 촬영 빈도 수('12')를 '1' 증가시켜 '13'으로 갱신할 수 있다.
만일 물품 A에 관한 물품 데이터의 취득량이 기준치('15')를 만족하는 경우, 본 발명의 물품 데이터의 취득 및 학습 자동화 시스템은, 물품 A의 촬영을 생략함으로써, 동일한 물품 A에 관한 물품 데이터가 필요 이상으로 중복해서 데이터베이스(500)에 기록되지 않도록 물품 별 데이터 취득량을 조정할 수 있다.
이처럼 볼 발명에 의하면, 물품 별로 물품 데이터의 취득량을 조정하여 클래스(예, '위험/비위험 물품') 간 밸런스를 유지해, 물품 데이터의 학습 처리 성능을 높일 수 있다.
이하, 도 6에서는 본 발명의 실시예들에 따른 물품 데이터의 취득 및 학습 자동화 시스템(200)의 작업 흐름을 상세히 설명한다.
도 6은 본 발명의 일실시예에 따른 물품 데이터의 취득 및 학습 자동화 방법의 순서를 도시한 흐름도이다.
본 실시예에 따른 물품 데이터의 취득 및 학습 자동화 방법은, 상술한 물품 데이터의 취득 및 학습 자동화 시스템(200)에 의해 수행될 수 있다.
도 6을 참조하면, 단계(610)에서 물품 데이터의 취득 및 학습 자동화 시스템(200)은, 물품 보관함으로부터 학습 대상 물품이 입력되는지 확인한다.
학습 대상 물품이 입력되는 경우, 단계(620)에서 물품 데이터의 취득 및 학습 자동화 시스템(200)은, 스캔 장비로 물품에서 코드 정보를 리드한다.
단계(630)에서 물품 데이터의 취득 및 학습 자동화 시스템(200)은, 촬영 장비로 물품을 촬영하여 물품 이미지를 획득한다.
단계(640)에서 물품 데이터의 취득 및 학습 자동화 시스템(200)은, 물품 이미지와 코드 정보를, 학습용 물품 데이터로서 데이터베이스에 기록한다.
단계(650, 660)에서 물품 데이터의 취득 및 학습 자동화 시스템(200)은, 상기 데이터베이스 내의 물품 데이터를 선정된 주기로 서버로 전송하여, 물품 데이터의 인공지능 학습을 처리한다.
이와 같이, 본 발명에 따르면, 다양한 물품에 관한 대량의 데이터를 사람의 직접적인 개입 없이, 원하는 인공지능 학습의 처리 상황에 맞게 신속하게 취득할 수 있도록 인공지능 학습용 물품 데이터의 취득 프로세스를 개선하여, 수화물 검사 시스템 등의 물품 판별을 필요로 하는 서버로의 인공지능 학습이 자동화 되어 처리되도록 할 수 있다.
실시예에 따른 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 실시예를 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. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
200: 물품 데이터의 취득 및 학습 자동화 시스템
210: 제어부
220: 기록부
230: 처리부
240: 데이터베이스
250: 변환부
260: 갱신부

Claims (16)

  1. 물품 데이터의 취득 및 학습 자동화 시스템에 의해 구현되는 물품 데이터의 취득 및 학습 자동화 방법에 있어서,
    상기 물품 데이터의 취득 및 학습 자동화 시스템 내 제어부에서, 물품 보관함에서 물품이 배출됨에 따라, 스캔 장비를 이용하여, 상기 물품 상의 코드에 기록된 코드 정보를 리드하는 단계;
    상기 제어부에서, 상기 물품에서 리드되는 코드 정보에 기초하여, 상기 물품을 촬영하는 단계;
    상기 물품 데이터의 취득 및 학습 자동화 시스템 내 기록부에서, 상기 촬영에 따른 물품 이미지를 상기 코드 정보와 연관시켜, 학습용 물품 데이터로서, 데이터베이스에 기록하는 단계;
    상기 물품 데이터의 취득 및 학습 자동화 시스템 내 처리부에서, 선정된 주기로, 상기 데이터베이스 내의 물품 데이터를 지정된 서버로 전송하여, 상기 서버에 상기 물품 데이터를 학습시키는 단계;
    상기 코드 정보의 리드 시, 상기 물품과 함께 배출된 인접 물품의 제1 코드 정보가 함께 리드되는 경우,
    상기 제어부에서, 상기 물품을 촬영한 촬영 이미지로부터, 상기 물품의 물품 이미지와 상기 인접 물품의 물품 이미지를 추출하는 단계; 및
    상기 기록부에서, 상기 인접 물품의 물품 이미지를, 상기 제1 코드 정보와 연관시켜, 학습용 물품 데이터로서 상기 데이터베이스에 더 기록하는 단계
    를 포함하는 물품 데이터의 취득 및 학습 자동화 방법.
  2. 제1항에 있어서,
    상기 데이터베이스에 상기 물품 데이터가 기록 됨에 따라,
    상기 물품 데이터의 취득 및 학습 자동화 시스템 내 갱신부에서, 상기 코드 정보에 의해 식별되는 상기 물품의 누적 촬영 빈도 수를 증가시키는 단계; 및
    상기 갱신부에서, 상기 물품의 누적 촬영 빈도 수의 증가에 따라, 상기 물품 상의 코드에 기록된 상기 코드 정보를 갱신하는 단계
    를 더 포함하는 물품 데이터의 취득 및 학습 자동화 방법.
  3. 제1항에 있어서,
    상기 제어부에서, 상기 코드 정보에 포함되는 상기 물품의 누적 촬영 빈도 수에 따라, 상기 물품의 촬영 여부를 결정하는 단계; 및
    상기 제어부에서, 상기 누적 촬영 빈도 수가 기준치 이상이면, 상기 물품의 촬영을 스킵하고, 상기 물품을 상기 물품 보관함으로 되돌리는 단계
    를 더 포함하는 물품 데이터의 취득 및 학습 자동화 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 기록부에서, 상기 촬영 이미지를, 상기 코드 정보와 상기 제1 코드 정보를 포함한 코드 리스트에 연관시켜, 상기 데이터베이스에 더 기록하는 단계; 및
    상기 처리부에서, 상기 물품 데이터를 상기 서버로 전송 시, 상기 코드 리스트를 더 전송하여, 상기 물품과 상기 인접 물품의 조합을 상기 서버에 학습시키는 단계
    를 더 포함하는 물품 데이터의 취득 및 학습 자동화 방법.
  6. 제1항에 있어서,
    상기 물품 데이터의 취득 및 학습 자동화 시스템 내 변환부에서, 상기 코드 정보와 상기 물품 이미지 각각을, 각기 정해진 데이터 포맷으로 변환하여 정규화 하는 단계
    를 더 포함하고,
    상기 데이터베이스에 기록하는 단계는,
    정규화 된 상기 코드 정보와 상기 물품 이미지를 포함하여 구성되는 상기 물품 데이터를, 상기 데이터베이스에 기록하는 단계
    를 포함하는 물품 데이터의 취득 및 학습 자동화 방법.
  7. 제1항에 있어서,
    상기 기록부에서, 상기 물품 데이터의 적어도 일부를, 학습용에서 테스트용으로 전환하여 상기 데이터베이스에 기록하는 단계;
    상기 처리부에서, 상기 물품 데이터의 학습 처리가 완료되면, 상기 데이터베이스 내의 테스트용 물품 데이터를 상기 서버로 입력하는 단계; 및
    상기 처리부에서, 상기 입력에 따라 상기 서버로부터 출력되는 위험 여부 판별 결과에 따라, 상기 서버의 학습 처리 성능을 검증하는 단계
    를 더 포함하는 물품 데이터의 취득 및 학습 자동화 방법.
  8. 제1항에 있어서,
    상기 물품 데이터를 학습시키는 단계는,
    상기 물품 데이터 내, 상기 코드 정보에 의해 식별되는 물품에 대한 상기 물품 이미지를 상기 서버에 학습시키는 단계
    를 포함하고,
    판별 대상 물품을 촬영한 X-ray 영상이 입력되면,
    상기 서버는,
    상기 X-ray 영상 내에, 학습된 상기 물품 이미지와 같은 이미지가 포함되는지 확인하고,
    포함되는 경우, 상기 물품 이미지와 연관되는 코드 정보에 의해 식별되는 물품의 위험 여부를, 판별 결과로서 출력하는
    물품 데이터의 취득 및 학습 자동화 방법.
  9. 물품 보관함에서 물품이 배출됨에 따라,
    스캔 장비를 이용하여, 상기 물품 상의 코드에 기록된 코드 정보를 리드하고, 상기 물품에서 리드되는 코드 정보에 기초하여, 상기 물품을 촬영하는 제어부;
    상기 촬영에 따른 물품 이미지를 상기 코드 정보와 연관시켜, 학습용 물품 데이터로서, 데이터베이스에 기록하는 기록부; 및
    선정된 주기로, 상기 데이터베이스 내의 물품 데이터를 지정된 서버로 전송하여, 상기 서버에 상기 물품 데이터를 학습시키는 처리부
    를 포함하고,
    상기 코드 정보의 리드 시, 상기 물품과 함께 배출된 인접 물품의 제1 코드 정보가 함께 리드되는 경우,
    상기 제어부는,
    상기 물품을 촬영한 촬영 이미지로부터, 상기 물품의 물품 이미지와 상기 인접 물품의 물품 이미지를 추출하고,
    상기 기록부는,
    상기 인접 물품의 물품 이미지를, 상기 제1 코드 정보와 연관시켜, 학습용 물품 데이터로서 상기 데이터베이스에 더 기록하는
    물품 데이터의 취득 및 학습 자동화 시스템.
  10. 제9항에 있어서,
    상기 물품 데이터의 취득 및 학습 자동화 시스템은,
    상기 데이터베이스에 상기 물품 데이터가 기록 됨에 따라,
    상기 코드 정보에 의해 식별되는 상기 물품의 누적 촬영 빈도 수를 증가시키고, 상기 물품의 누적 촬영 빈도 수의 증가에 따라, 상기 물품 상의 코드에 기록된 상기 코드 정보를 갱신하는 갱신부
    를 더 포함하는 물품 데이터의 취득 및 학습 자동화 시스템.
  11. 제9항에 있어서,
    상기 제어부는,
    상기 코드 정보에 포함되는 상기 물품의 누적 촬영 빈도 수에 따라, 상기 물품의 촬영 여부를 결정하고,
    상기 누적 촬영 빈도 수가 기준치 이상이면, 상기 물품의 촬영을 스킵하고, 상기 물품을 상기 물품 보관함으로 되돌리는
    물품 데이터의 취득 및 학습 자동화 시스템.
  12. 삭제
  13. 제9항에 있어서,
    상기 기록부는,
    상기 촬영 이미지를, 상기 코드 정보와 상기 제1 코드 정보를 포함한 코드 리스트에 연관시켜, 상기 데이터베이스에 더 기록하고,
    상기 처리부는,
    상기 물품 데이터를 상기 서버로 전송 시, 상기 코드 리스트를 더 전송하여, 상기 물품과 상기 인접 물품의 조합을 상기 서버에 학습시키는
    물품 데이터의 취득 및 학습 자동화 시스템.
  14. 제9항에 있어서,
    상기 물품 데이터의 취득 및 학습 자동화 시스템은,
    상기 코드 정보와 상기 물품 이미지 각각을, 각기 정해진 데이터 포맷으로 변환하여 정규화 하는 변환부
    를 더 포함하고,
    상기 기록부는,
    정규화 된 상기 코드 정보와 상기 물품 이미지를 포함하여 구성되는 상기 물품 데이터를, 상기 데이터베이스에 기록하는
    물품 데이터의 취득 및 학습 자동화 시스템.
  15. 제9항에 있어서,
    상기 기록부는,
    상기 물품 데이터의 적어도 일부를, 학습용에서 테스트용으로 전환하여 상기 데이터베이스에 기록하고,
    상기 처리부는,
    상기 물품 데이터의 학습 처리가 완료되면, 상기 데이터베이스 내의 테스트용 물품 데이터를 상기 서버로 입력하고,
    상기 입력에 따라 상기 서버로부터 출력되는 위험 여부 판별 결과에 따라, 상기 서버의 학습 처리 성능을 검증하는
    물품 데이터의 취득 및 학습 자동화 시스템.
  16. 제1항 내지 제3항, 제5항 내지 제8항 중 어느 한 항의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체.
KR1020200102566A 2020-08-14 2020-08-14 물품 데이터의 취득 및 학습 자동화 방법 및 물품 데이터의 취득 및 학습 자동화 시스템 KR102365174B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200102566A KR102365174B1 (ko) 2020-08-14 2020-08-14 물품 데이터의 취득 및 학습 자동화 방법 및 물품 데이터의 취득 및 학습 자동화 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200102566A KR102365174B1 (ko) 2020-08-14 2020-08-14 물품 데이터의 취득 및 학습 자동화 방법 및 물품 데이터의 취득 및 학습 자동화 시스템

Publications (1)

Publication Number Publication Date
KR102365174B1 true KR102365174B1 (ko) 2022-02-21

Family

ID=80474989

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200102566A KR102365174B1 (ko) 2020-08-14 2020-08-14 물품 데이터의 취득 및 학습 자동화 방법 및 물품 데이터의 취득 및 학습 자동화 시스템

Country Status (1)

Country Link
KR (1) KR102365174B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102447253B1 (ko) * 2022-06-09 2022-09-27 주식회사 세컨신드롬 비인가 보관 물품 탐지 방법 및 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH064843U (ja) * 1992-06-12 1994-01-21 住友重機械工業株式会社 学習データ収集装置
JP2020095537A (ja) * 2018-12-13 2020-06-18 Ａｗｌ株式会社 学習用データセット自動生成システム、サーバ、及び学習用データセット自動生成プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH064843U (ja) * 1992-06-12 1994-01-21 住友重機械工業株式会社 学習データ収集装置
JP2020095537A (ja) * 2018-12-13 2020-06-18 Ａｗｌ株式会社 学習用データセット自動生成システム、サーバ、及び学習用データセット自動生成プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102447253B1 (ko) * 2022-06-09 2022-09-27 주식회사 세컨신드롬 비인가 보관 물품 탐지 방법 및 시스템

Similar Documents

Publication Publication Date Title
US11049278B2 (en) System and method for visual identification, and system and method for classifying and sorting
US11763443B2 (en) Method for monitoring manufacture of assembly units
Yousif et al. Animal Scanner: Software for classifying humans, animals, and empty frames in camera trap images
CA2449798C (en) Method and system for processing images for a check sorter
US8676731B1 (en) Data extraction confidence attribute with transformations
US20230177391A1 (en) Machine-learning data handling
EP3531343A2 (en) Method and apparatus for human behavior recognition, and storage medium
KR20200108609A (ko) 머신러닝 학습 데이터 증강장치 및 증강방법
CN110008875B (zh) 一种基于关键帧回溯的人脸识别视频片段筛选方法及系统
US11823128B2 (en) Large-scale automated image annotation system
US8831284B2 (en) Object identification from image data captured from a mobile aerial platforms
KR102365174B1 (ko) 물품 데이터의 취득 및 학습 자동화 방법 및 물품 데이터의 취득 및 학습 자동화 시스템
CN111325260B (zh) 数据处理方法及装置、电子设备、计算机可读介质
CN111275381A (zh) 核电站备件盘点方法、装置、设备及存储介质
CN106529388A (zh) 信息处理装置及其控制方法
CN112150467A (zh) 一种货物数量确定方法、系统和装置
CN111160330B (zh) 电子标签识别辅助提升图像识别准确度的训练方法
JP2022032962A (ja) 画像認識装置及びその制御プログラム、画像認識方法
CN112270313A (zh) 线上理赔方法、装置、设备及存储介质
US11951636B1 (en) Methods of collecting data through test interactions
US10814354B1 (en) Computerized system, method and processor-executable code to autonomously screen mailable items to identify candidate items for content inspection or testing
CN116740608A (zh) 一种基于ai自动识别实现资产实物管理能力的方法及系统
CN111666432B (zh) 一种图像存储方法、装置及设备、存储介质
KR102094638B1 (ko) 화물의 품명을 결정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
US11163968B1 (en) Package identification using a shipping label fingerprint

Legal Events

Date Code Title Description
GRNT Written decision to grant