KR102390427B1 - Drawing work system - Google Patents

Drawing work system Download PDF

Info

Publication number
KR102390427B1
KR102390427B1 KR1020210094569A KR20210094569A KR102390427B1 KR 102390427 B1 KR102390427 B1 KR 102390427B1 KR 1020210094569 A KR1020210094569 A KR 1020210094569A KR 20210094569 A KR20210094569 A KR 20210094569A KR 102390427 B1 KR102390427 B1 KR 102390427B1
Authority
KR
South Korea
Prior art keywords
data
sample
unit
produced
input
Prior art date
Application number
KR1020210094569A
Other languages
Korean (ko)
Inventor
이보용
Original Assignee
이보용
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 이보용 filed Critical 이보용
Priority to KR1020210094569A priority Critical patent/KR102390427B1/en
Application granted granted Critical
Publication of KR102390427B1 publication Critical patent/KR102390427B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Human Computer Interaction (AREA)
  • Finance (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Architecture (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

The present invention provides a system for a drawing work equipped with: a management server that interconnects with a DB, a sample recommendation part, and a communication part; an artificial intelligence neural network for making a drawing; and a stylus pen for displaying an actual image drawing on a computer. The system for the drawing work comprises: a client data receiving part; a communication part; a sample recommendation part; a sample display part; a sample input part; a company calling part; and a stylus pen.

Description

도면 작업 시스템{Drawing work system}Drawing work system

본 발명은 도면 작업 시스템에 관한 것으로, 보다 상세하게는 DB, 샘플 추천부 및 통신부와 연동하는 관리서버, 도면 제작에 대한 인공지능 신경망, 실사 도면을 컴퓨터에 디스플레이 하기 위한 스타일러스 펜을 구비한 도면 작업 시스템에 관한 것이다.The present invention relates to a drawing system, and more particularly, a DB, a management server that interworks with a sample recommendation unit and a communication unit, an artificial intelligence neural network for drawing production, and a stylus pen for displaying actual drawings on a computer. It's about the system.

일반적으로 설계와 관련된 모든 분야, 즉 실내장식, 가구, 부동산, 전기, 소방 등의 공간 업종에 종사하는 사람들에게는 필수적으로 실측 과정이 시행되고 있다. 이러한 실측 과정은 종래에는 공간 업종에 종사하는 사람이 종이에 공간을 스케치하여 치수를 수기로 기재하는 방법이 통상적으로 사용되고 있었다. 이와 같이, 현장에서 종이에 공간을 스케치하여 치수를 수기로 기재한 내용들은 별도의 프로그램을 활용하여 공간을 도면화 하게 된다.In general, all fields related to design, ie, interior decoration, furniture, real estate, electricity, and firefighting are essential for people who are engaged in the space industry. In the conventional measurement process, a method in which a person engaged in the space industry sketches a space on paper and writes the dimensions by hand has been commonly used. In this way, the contents of sketching the space on paper and writing the dimensions by hand in the field will be drawn up using a separate program.

상술한 바와 같은 수기의 종래 방법은 현장실측과, 사무실에서의 도면화, 및 도면을 통한 별도협의라는 문제를 야기함에 따라, 시간상, 비용상 비효율적인 영업방식으로 문제가 있었다. 이에, 이러한 과정을 어플리케이션을 통해 공간을 도면화 하려는 노력들이 외국의 어플리케이션 사례로 제시되고 있으나, 현장 실무에서는 활용도가 떨어져 외면되고 있는 것이 현실이다. 이와 같이 활용도가 떨어지는 이유로는 공간스케치 인터페이스의 번거로움과, 실측 현장에서 영업적으로 필요한 메모 기능의 부재 등 실무에서 용구되는 기능과의 괴리 때문이다. 이에 공간 업종에 종사하는 사람들이 실측과 영업 활동을 하는데 있어 실제적으로 편리하게 사용될 수 있는 시스템이 요구되고 있다.The conventional method of handwriting as described above causes problems such as on-site measurement, drawing in the office, and separate consultation through drawings, so there is a problem as an inefficient business method in terms of time and cost. Therefore, efforts to draw space through application of this process are presented as foreign application examples, but the reality is that they are neglected due to the lack of utility in field practice. The reason for this low utilization is the cumbersomeness of the spatial sketch interface and the gap with the functions used in practice, such as the absence of a memo function necessary for business at the actual measurement site. Accordingly, there is a need for a system that can be practically conveniently used by people in the space industry for actual measurement and sales activities.

본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 본 발명의 목적은 DB, 샘플 추천부 및 통신부와 연동하는 관리서버를 제공하는 도면작업시스템을 제공하는 것이다.The present invention has been devised to solve the above problems, and an object of the present invention is to provide a drawing working system that provides a management server interworking with a DB, a sample recommendation unit, and a communication unit.

또한 본 발명의 다른 목적은 제작하고자 하는 도면과 이에 대응하는 추천 샘플 도면의 데이터를 처리하는 인공지능 신경망이 구비된 도면작업시스템을 제공한다.Another object of the present invention is to provide a drawing system equipped with an artificial intelligence neural network that processes data of a drawing to be produced and a recommended sample drawing corresponding thereto.

또한 본 발명의 또 다른 목적은 실사 도면을 단말기 또는 컴퓨터에 동일한 이미지 파일을 생성하는 스타일러스 펜을 제공한다.It is also another object of the present invention to provide a stylus pen for generating the same image file in a terminal or computer as a live-action drawing.

본 발명의 과제는 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The problems of the present invention are not limited to the problems mentioned above, and other problems not mentioned will be clearly understood by those skilled in the art from the following description.

상기 과제를 해결하기 위한 본 발명의 실시예에 따른 도면 작업 시스템은 DB, 샘플 추천부 및 통신부와 송수신하는 관리서버를 포함할 수 있다.Drawing work system according to an embodiment of the present invention for solving the above problems may include a DB, a sample recommendation unit, and a management server for transmitting and receiving with the communication unit.

일 실시예에서, 상기 도면작업시스템은 제작하고자 하는 도면에 관련된 의뢰인의 스타일러스 펜을 이용한 입력 데이터를 수신하는 의뢰인 데이터 수신부, 스타일러스 펜 및 외부 단말과 데이터를 송수신하는 통신부, 상기 수신된 입력 데이터를, 상기 제작하고자 하는 도면에 매칭되는 샘플 도면을 추천하기 위한 인공지능 신경망에 적용하는 샘플 추천부, 상기 인공지능 신경망으로부터 출력되는 상기 제작하고자 하는 도면에 매칭된 적어도 하나의 샘플 도면에 관련된 데이터를 디스플레이하는 샘플 디스플레이부, 의뢰인으로부터 상기 샘플 도면 중에서 적어도 하나를 선택하는 입력을 수신하는 샘플 입력부, 상기 선택된 샘플 도면의 제작의뢰에 관련된 데이터를 적어도 하나의 도면 제작 업체의 단말기로 전송하는 업체 호출부, 제작하고자 하는 도면을 컴퓨터에 그리는 장치로써 필기구로 그려진 실사 도면 위에 대응하여 그려내면 단말기 또는 컴퓨터에 동일한 이미지 파일을 생성하는 스타일러스 펜을 포함할 수 있다.In one embodiment, the drawing system includes a client data receiving unit for receiving input data using a client's stylus pen related to a drawing to be produced, a communication unit for transmitting and receiving data with the stylus pen and an external terminal, the received input data, A sample recommendation unit applied to an artificial intelligence neural network for recommending a sample drawing matching the drawing to be produced, and displaying data related to at least one sample drawing matched with the drawing to be produced outputted from the artificial intelligence neural network A sample display unit, a sample input unit that receives an input for selecting at least one of the sample drawings from a client, a company call unit that transmits data related to a production request for the selected sample drawing to a terminal of at least one drawing manufacturing company, As a device for drawing a drawing on a computer, it may include a stylus pen that generates the same image file in a terminal or computer when drawing corresponding to the actual drawing drawn with a writing instrument.

일 실시예에서, 상기 인공지능 신경망은 상기 입력 데이터로부터 상기 제작하고자 하는 도면의 속성 데이터를 획득하고, 상기 획득된 제작하고자 하는 도면의 속성 데이터와 데이터 베이스에 저장된 도면들의 속성 데이터의 유사도를 비교함으로써, 상기 제작하고자 하는 도면에 매칭되는 도면을 추천 샘플 도면으로 선택하며, 상기 선택된 샘플 도면에 관련된 데이터를 출력하도록 학습된 것이고, 상기 제작하고자 하는 도면의 속성 데이터는 상기 제작하고자 하는 도면의 확장자 종류, 도면 종류, 도면 크기, 도면 세팅에 관련된 속성 데이터에 기초하여 상고 인공지능 신경망이 획득한 상기 제작하고자 하는 도면의 의뢰 가격에 관련된 정보를 포함하고, 상기 데이터 베이스에 저장된 도면들의 속성 데이터 및 상기 제작하고자 하는 도면의 속성 데이터에 기초하여, 적어도 하나의 가상 도면을 생성하고, 상기 제작하고자 하는 도면의 의뢰 가격에 관련된 정보에 기초하여, 상기 생성된 가상 도면 중에서 적어도 하나의 가상 도면을 추천 샘플 도면으로 선택하도록 학습할 수 있다.In one embodiment, the artificial intelligence neural network obtains attribute data of the drawing to be produced from the input data, and compares the obtained attribute data of the drawing to be produced with the similarity between the attribute data of the drawings stored in the database. , a drawing matching the drawing to be produced is selected as a recommended sample drawing, learned to output data related to the selected sample drawing, and the attribute data of the drawing to be produced is the type of extension of the drawing to be produced, Includes information related to the request price of the drawing to be produced, obtained by the Sanggo artificial intelligence neural network on the basis of property data related to drawing type, drawing size, and drawing setting, and property data of drawings stored in the database and to be produced Based on the attribute data of the drawing, at least one virtual drawing is generated, and based on the information related to the request price of the drawing to be produced, at least one virtual drawing is selected from among the generated virtual drawings as a recommended sample drawing. can learn to do

일 실시예에서, 상기 통신부는 상기 선택된 추천샘플 도면의 제작의뢰에 관련된 데이터를 적어도 하나의 의뢰인 단말기로 전송하고, 상기 데이터 베이스에 저장된 도면들의 속성 데이터는 복수의 도면 제작 업체의 단말기들로부터 획득한 도면들의 속성 데이터이고, 상기 제작의뢰에 관련된 데이터를 전송하는 단계는 상기 선택된 추천 샘플 도면의 속성 데이터가 획득된 도면 제작 업체의 단말기로 상기 제작의뢰에 관련된 데이터를 전송하는 단계를 포함할 수 있다.In one embodiment, the communication unit transmits data related to the production request of the selected recommended sample drawing to at least one client terminal, and the attribute data of the drawings stored in the database are obtained from terminals of a plurality of drawing manufacturers. It is attribute data of drawings, and the transmitting of the data related to the production request may include transmitting the data related to the production request to a terminal of a drawing manufacturer from which the attribute data of the selected recommended sample drawing is obtained.

일 실시예에서, 상기 추천 샘플 도면 중에서 적어도 하나를 선택하는 입력을 수신하는 단계는 상기 의뢰인으로부터 상기 가상 도면을 선택하는 입력을 수신하는 단계, 상기 선택된 추천 샘플 도면의 속성을 변경하는 의뢰인의 입력을 수신하는 단계를 포함할 수 있다.In an embodiment, the receiving of the input for selecting at least one of the recommended sample drawings includes: receiving an input for selecting the virtual drawing from the client; receiving an input from the client for changing a property of the selected recommended sample drawing It may include the step of receiving.

일 실시예에서, 상기 제작의뢰에 관련된 데이터를 전송하는 단계는 상기 가상 도면에 관련된 데이터를 상기 적어도 하나의 도면 제작 업체의 단말기로 전송하는 단계, 상기 적어도 하나의 도면 제작 업체의 단말기로부터 견적 데이터를 수신하는 단계, 상기 수신된 견적 데이터 및 상기 견적 데이터를 생성한 도면 제작 업체에 관련된 데이터를 디스플레이하는 단계, 상기 수신된 견적 데이터들 중 하나를 선택하는 의뢰인의 입력을 수신하는 단계, 상기 선택된 견적 데이터에 기초하여, 상기 선택된 추천 샘플 도면을 주문 제작하는 것에 관련된 계약서를 생성하는 단계, 상기 속성이 변경된 추천 샘플 도면에 관련된 데이터를 상기 적어도 하나의 도면 제작 업체의 단말기로 전송하는 단계, 상기 적어도 하나의 도면 제작 업체의 단말기로부터 견적 데이터를 수신하는 단계를 포함할 수 있다.In one embodiment, the step of transmitting the data related to the production request includes transmitting the data related to the virtual drawing to the terminal of the at least one drawing manufacturer, quotation data from the terminal of the at least one drawing manufacturer Receiving, displaying the received quotation data and data related to a drawing manufacturer that generated the quotation data, receiving an input from a client for selecting one of the received quotation data, the selected quotation data generating a contract related to custom manufacturing of the selected recommended sample drawing based on It may include receiving the quotation data from the terminal of the drawing manufacturer.

일 실시예에서, 상기 스타일러스 펜은 원통형의 형상으로 길이방향으로 연장되는 몸체부, 상기 몸체부의 일단에 설치되고, 레이저 광을 실사 도면 위에 조사하는 레이저조사부, 상기 몸체부의 타단에 설치되고, 실사 도면으로부터 반사된 레이저 광을 수집하는 CCD카메라, 상기 몸체부의 일단에 설치되고, 상기 레이저조사부가 조사하는 레이저 광과 상기 CCD 카메라의 반사된 레이저 광 거리를 측정하여 기준거리(A1)내에서 수집된 데이터를 오차 범위 내에서 판단하는 거리조절부, 상기 레이저조사부 및 상기 CCD카메라를 작동제어하며, 상기 CCD카메라로부터 촬영영상을 수신하여 실사 도면을 디지털신호로 변환하여 상기 통신부로 전송하는 제어부를 포함할 수 있다.In one embodiment, the stylus pen has a cylindrical shape, a body portion extending in the longitudinal direction, installed at one end of the body portion, a laser irradiation unit for irradiating laser light on a live-action drawing, is installed at the other end of the body portion, a live-action drawing A CCD camera that collects reflected laser light from a CCD camera, installed at one end of the body, measures the distance between the laser light irradiated by the laser irradiation unit and the reflected laser light of the CCD camera, and collects data within a reference distance A1 A distance control unit that determines within an error range, the laser irradiation unit and the CCD camera to operate and control, and to receive the captured image from the CCD camera to convert the actual drawing into a digital signal to transmit to the communication unit may include there is.

일 실시예에서, 상기 제어부는 실사 도면으로부터 기준거리(A1) 이내로 상기 레이저조사부와 상기 CCD카메라가 밀착되어 상기 레이저 광을 조사하거나 반사된 레이저 광을 수집하는 지에 대한 데이터를 저장하며, 기준거리(A1), 상기 기준거리에 따른 실사 도면과의 이격거리를 통해 실사 도면의 선의 굵기, 색감, 정밀도 등을 수집하고 연산하여 상기 통신부로 전송하고, 상기 거리조절부를 통해 측정한 실사 도면으로부터 상기 레이저조사부 및 상기 CCD카메라까지의 거리에 따라 상기 레이저조사부의 레이저 광 조사 범위를 조절할 수 있다.In one embodiment, the control unit stores data on whether the laser irradiation unit and the CCD camera are in close contact within a reference distance A1 from the actual drawing to irradiate the laser light or collect the reflected laser light, and the reference distance ( A1), the thickness, color, precision, etc. of the lines of the actual drawing are collected through the separation distance from the actual drawing according to the reference distance, calculated and transmitted to the communication unit, and the laser irradiation unit from the actual drawing measured through the distance adjusting unit And it is possible to adjust the laser light irradiation range of the laser irradiation unit according to the distance to the CCD camera.

일 실시예에서, 상기 레이저조사부는 레이저 광을 육면체 형 또는 원통형으로 조사하여 측정할 실사 도면에 다수 회 조사하며, 상기 CCD카메라는 레이저 광이 다수 회 조사된 실사 도면의 측정면을 각각의 조사마다 촬영하고, 상기 제어부는 다수의 촬영영상을 통해 실사 도면의 선에 대응하는 데이터를 연산하고, 상기 거리조절부에서 상기 레이저조사부 또는 상기 CCD카메라의 레이저 광 거리 조사 또는 수집 범위가 상기 기준거리 밖인 경우 실사 도면 위의 선을 얇게 또는 표현하지 아니하고, 상기 기준거리 이내인 경우 실사 도면 위의 선이 정확하게 대응되도록 표현하고, 상기 제어부에 의해 작동제어되어 컴퓨터에 입력하는 입력부 및 표시부를 포함하고, 상기 레이저조사부가 실사 도면에 레이저 광을 조사하고, 상기 제어부가 기준거리(A1)에 따른 실사 도면의 선명도를 컴퓨터에 표현하기 위해 거리조절부와 연동하여 기준거리(A1)를 연산하는 특징을 포함할 수 있다.In one embodiment, the laser irradiator irradiates laser light in a hexahedral or cylindrical shape and irradiates a number of times to the actual drawing to be measured, and the CCD camera irradiates the measurement surface of the actual drawing to which the laser light is irradiated a plurality of times for each irradiation. When photographing, the control unit calculates data corresponding to the lines of the actual drawing through a plurality of captured images, and the laser light distance irradiation or collection range of the laser irradiation unit or the CCD camera in the distance adjustment unit is outside the reference distance The line on the actual drawing is not thinly or expressed, and when the line on the actual drawing is within the reference distance, the line on the actual drawing is expressed so that it accurately corresponds, and an input unit and a display unit that are operated and controlled by the control unit and input to a computer, the laser The irradiation unit irradiates laser light to the actual drawing, and the control unit calculates the reference distance A1 in conjunction with the distance control unit to express the clarity of the actual drawing according to the reference distance A1 to the computer. there is.

본 발명에 따르면, DB, 샘플 추천부 및 통신부와 연동하는 관리서버, 도면 제작에 대한 인공지능 신경망, 실사 도면을 컴퓨터에 디스플레이 하기 위한 스타일러스 펜을 구비한 도면 작업 시스템이 제공된다. 본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 발명 내에 포함되어 있다.According to the present invention, there is provided a drawing system having a DB, a management server interworking with a sample recommendation unit and a communication unit, an artificial intelligence neural network for drawing production, and a stylus pen for displaying an actual drawing on a computer. The effect according to the present invention is not limited by the contents exemplified above, and more various effects are included in the present invention.

도 1은 본 발명에 따른 도면 제작 시스템의 샘플 도면을 추천하는 방법의 예시를 설명하는 도면이다.
도 2는 본 발명에 따른 도면 제작 시스템의 샘플 도면을 주문 제작을 의뢰하는 방법의 예시를 설명하는 도면이다.
도 3은 본 발명에 따른 도면 제작 시스템의 샘플 도면을 추천하는 방법의 흐름도이다.
도 4는 본 발명에 따른 도면 제작 시스템의 샘플 도면의 디스플레이하는 예시를 도시한 것이다.
도 5는 본 발명에 따른 도면 제작 시스템의 샘플 도면의 상세 설명에 대해 디스플레이하는 예시를 도시한 것이다.
도 6은 본 발명에 따른 도면 제작 시스템의 샘플 도면의 도면 유사도를 디스플레이하는 예시를 도시한 것이다.
도 7은 본 발명에 따른 도면 제작 시스템의 샘플 도면에 대한 추천 도면을 제시하는 예를 도시한 것이다.
도 8 내지 도 10은 본 발명에 따른 도면 제작 시스템의 도면의 주문 제작을 의뢰하는 방법의 흐름도이다.
도 11은 본 발명에 따른 도면 제작 시스템의 도면을 추천하는 장치의 블록도이다.
도 12는 본 발명에 따른 도면 제작 시스템의 샘플 추천부의 블록도이다.
도 13은 본 발명에 따른 도면 제작 시스템의 관리서버의 블록도이다.
도 14는 본 발명에 따른 도면 제작 시스템의 스타일러스 펜의 외관을 도시한 것이다.
도 15는 본 발명에 따른 도면 제작 시스템의 스타일러스 펜의 조립도를 도시한 것이다.
도 16은 본 발명에 따른 도면 제작 시스템의 스타일러스 펜의 실시예를 도시한 것이다.
도 17은 본 발명에 따른 도면 제작 시스템의 스타일러스 펜의 또 다른 실시예를 도시한 것이다.1 is a diagram for explaining an example of a method for recommending a sample drawing of a drawing production system according to the present invention.
2 is a view for explaining an example of a method of requesting to order a sample drawing of the drawing production system according to the present invention.
3 is a flowchart of a method for recommending a sample drawing of a drawing production system according to the present invention;
4 shows an example of displaying a sample drawing of the drawing production system according to the present invention.
Fig. 5 shows an example of displaying a detailed description of a sample drawing of a drawing production system according to the present invention.
6 shows an example of displaying the drawing similarity of a sample drawing of the drawing production system according to the present invention.
7 shows an example of presenting a recommended drawing for a sample drawing of the drawing production system according to the present invention.
8 to 10 are flowcharts of a method for requesting custom production of drawings of the drawing production system according to the present invention.
11 is a block diagram of an apparatus for recommending a drawing of a drawing system according to the present invention.
12 is a block diagram of a sample recommendation unit of the drawing production system according to the present invention.
13 is a block diagram of a management server of the drawing production system according to the present invention.
14 is a view showing the appearance of the stylus pen of the drawing system according to the present invention.
15 shows an assembly view of the stylus pen of the drawing production system according to the present invention.
16 shows an embodiment of the stylus pen of the drawing production system according to the present invention.
17 shows another embodiment of the stylus pen of the drawing production system according to the present invention.

이하에서는 첨부된 도면을 참조하여 다양한 실시 예를 보다 상세하게 설명한다. 본 명세서에 기재된 실시 예는 다양하게 변형될 수 있다. 특정한 실시예가 도면에서 묘사되고 상세한 설명에서 자세하게 설명될 수 있다. 그러나 첨부된 도면에 개시된 특정한 실시 예는 다양한 실시 예를 쉽게 이해하도록 하기 위한 것일 뿐이다. 따라서 첨부된 도면에 개시된 특정 실시 예에 의해 기술적 사상이 제한되는 것은 아니며, 발명의 사상 및 기술 범위에 포함되는 모든 균등물 또는 대체물을 포함하는 것으로 이해되어야 한다.Hereinafter, various embodiments will be described in more detail with reference to the accompanying drawings. The embodiments described herein may be variously modified. Certain embodiments may be depicted in the drawings and described in detail in the detailed description. However, the specific embodiments disclosed in the accompanying drawings are only provided to facilitate understanding of the various embodiments. Therefore, the technical idea is not limited by the specific embodiments disclosed in the accompanying drawings, and it should be understood to include all equivalents or substitutes included in the spirit and scope of the invention.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이러한 구성요소들은 상술한 용어에 의해 한정되지는 않는다. 상술한 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.Terms including an ordinal number such as 1st, 2nd, etc. may be used to describe various components, but these components are not limited by the above-mentioned terms. The above terminology is used only for the purpose of distinguishing one component from another component.

본 명세서에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 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. 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.In this specification, terms such as "comprises" or "have" are intended to designate that the features, numbers, steps, operations, components, parts, or combinations thereof described in the specification exist, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof. When an element is referred to as being “connected” or “connected” to another element, it is understood that it may be directly connected or connected to the other element, but other elements may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that the other element does not exist in the middle.

한편, 본 명세서에서 사용되는 구성요소에 대한 "모듈" 또는 "부"는 적어도 하나의 기능 또는 동작을 수행한다. 그리고 "모듈" 또는 "부"는 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합에 의해 기능 또는 동작을 수행할 수 있다. 또한, 특정 하드웨어에서 수행되어야 하거나 적어도 하나의 프로세서에서 수행되는 "모듈" 또는 "부"를 제외한 복수의 "모듈들" 또는 복수의 "부들"은 적어도 하나의 모듈로 통합될 수도 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.Meanwhile, as used herein, a “module” or “unit” for a component performs at least one function or operation. And “module” or “unit” may perform a function or operation by hardware, software, or a combination of hardware and software. In addition, a plurality of “modules” or a plurality of “units” other than a “module” or “unit” to be performed in specific hardware or to be executed in at least one processor may be integrated into at least one module. The singular expression includes the plural expression unless the context clearly dictates otherwise.

그 밖에도, 본 발명을 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그에 대한 상세한 설명은 축약하거나 생략한다.In addition, in describing the present invention, if it is determined that a detailed description of a related known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description thereof will be abbreviated or omitted.

도 1은 본 발명에 따른 도면 제작 시스템의 샘플 도면을 추천하는 방법의 예시를 설명하는 도면이다.1 is a diagram for explaining an example of a method for recommending a sample drawing of a drawing production system according to the present invention.

도 1을 참조하면, 샘플 도면을 추천하는 방법은, 컴퓨터에 의뢰인이 제작하고자 하는 도면과 관련된 입력 데이터를 입력하고, 컴퓨터가 이에 매칭되는 추천 샘플 도면에 관련된 데이터를 출력할 수 있다.Referring to FIG. 1 , in the method of recommending a sample drawing, input data related to a drawing that a client wants to produce is input to a computer, and the computer may output data related to a recommended sample drawing matching the input data.

상기 의뢰인의 입력 데이터는 이미지 데이터, 텍스트 데이터 및 음성 데이터 중 적어도 하나를 포함할 수 있다.The input data of the client may include at least one of image data, text data, and voice data.

이때, 이미지 데이터는 후술할 스타일러스 펜(100)으로 입력한 도면에 대한 이미지 데이터일 수 있다.In this case, the image data may be image data for a drawing input with the stylus pen 100 to be described later.

예를 들면, 의뢰인의 입력 데이터는 이미지 데이터와 텍스트 데이터를 동시에 포함할 수 있다.For example, the input data of the client may include image data and text data at the same time.

다른 예를 들면, 의뢰인의 입력 데이터는 이미지 데이터와 음성 데이터를 동시에 포함할 수 있다.As another example, the input data of the client may include image data and voice data at the same time.

상기 텍스트 데이터는 컴퓨터로 입력된 텍스트 정보를 포함할 수 있다.The text data may include text information input into a computer.

일 실시예에 따르면, 상기 텍스트 데이터는 컴퓨터가 의뢰인으로부터 직접 입력 받은 텍스트로 구성된 데이터를 의미한다.According to an embodiment, the text data means data composed of text directly input by a computer from a client.

상기 텍스트 데이터는 도면과 관련된 텍스트로 입력 받은 일련의 데이터를 모두 포함할 수 있다.The text data may include all of a series of data input as text related to drawings.

예를 들면, 컴퓨터는 의뢰인으로부터 타이핑 방식, 수기 작성 방식으로 입력 받을 수 있다.For example, the computer may receive input from the client in a typing method or a handwriting method.

상기 텍스트 데이터는 도면의 설명, 도면의 부호, 도면의 제작 업체, 도면의 속성에 관련된 텍스트 등을 포함할 수 있으나, 이에 한정되지 않는다.The text data may include, but is not limited to, a description of the drawing, a reference number of the drawing, a manufacturer of the drawing, text related to the property of the drawing, and the like.

상기 음성 데이터는 컴퓨터가 의뢰인으로부터 마이크 등 소리 입력 장치를 통해 직접 입력 받은 음성으로 구성된 데이터를 의미한다.The voice data means data composed of voice directly input by a computer from a client through a sound input device such as a microphone.

상기 음성 데이터는 도면에 관련된 음성으로 입력 받은 일련의 데이터를 모두 포함할 수 있다.The voice data may include all of a series of data input by voice related to the drawing.

예를 들면, 컴퓨터가 음성 입력부를 이용하여 의뢰인으로부터 도면에 관련된 음성을 수신한 데이터를 포함할 수 있다.For example, the computer may include data obtained by receiving a voice related to a drawing from a client using a voice input unit.

음성 데이터는 도면의 설명, 도면의 부호, 도면의 제작 업체, 도면의 속성에 관련된 텍스트 등을 포함할 수 있으나, 이에 한정되지 않는다.The voice data may include, but is not limited to, a description of a drawing, a drawing sign, a manufacturer of the drawing, text related to the property of the drawing, and the like.

상기 컴퓨터는 의뢰인으로부터 수신한 음성 데이터를 음성 인식을 통해 음성 데이터에 포함된 도면에 관련된 정보를 획득할 수 있다.The computer may acquire information related to drawings included in the voice data through voice recognition of voice data received from the client.

예를 들면, 상기 컴퓨터는 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터에 기초하여 도면에 관련된 정보를 획득할 수 있다.For example, the computer may convert voice data into text data, and obtain information related to drawings based on the converted text data.

컴퓨터는 의뢰인으로부터 입력된 데이터를 인공지능 신경망에 적용할 수 있다.The computer can apply the data input from the client to the artificial intelligence neural network.

인공지능 신경망은 Word2Vec 알고리즘을 이용하여 학습 데이터에 대한 문장의 문맥 정보를 추출할 수 있다. 이때, Word2Vec 알고리즘은 신경망 언어 모델(NNLM : Neural Network Language Model)을 포함할 수 있다. 신경망 언어 모델은 기본적으로 Input Layer, Projection Layer, Hidden Layer, Output Layer로 이루어진 Neural Network이다. 신경망 언어 모델은 단어를 벡터화하는 방법에 사용되는 것이다. 신경망 언어 모델은 공지된 기술이므로 보다 자세한 설명은 생략하기로 한다. Word2vec 알고리즘은, 텍스트마이닝을 위한 것으로, 각 단어 간의 앞, 뒤 관계를 보고 근접도를 정하는 알고리즘이다. Word2vec 알고리즘은 비지도 학습 알고리즘이다. Word2vec 알고리즘은 이름이 나타내는 바와 같이 단어의 의미를 벡터형태로 표현하는 계량기법일 수 있다. The artificial intelligence neural network can extract contextual information of the sentences for the learning data by using the Word2Vec algorithm. In this case, the Word2Vec algorithm may include a Neural Network Language Model (NNLM). The neural network language model is basically a Neural Network consisting of an Input Layer, a Projection Layer, a Hidden Layer, and an Output Layer. The neural network language model is what is used to vectorize words. Since the neural network language model is a known technology, a detailed description thereof will be omitted. The Word2vec algorithm, for text mining, is an algorithm that determines the proximity by looking at the front and back relationships between each word. The Word2vec algorithm is an unsupervised learning algorithm. The Word2vec algorithm may be a metric that expresses the meaning of a word in a vector form, as the name indicates.

Word2vec 알고리즘은 각 단어를 200차원 정도의 공간에서 백터로 표현할 수 있다. Word2vec 알고리즘을 이용하면, 각 단어마다 단어에 해당하는 벡터를 구할 수 있다. Word2vec 알고리즘은 종래의 다른 알고리즘에 비해 자연어 처리 분야에서 비약적인 정밀도 향상을 가능하게 할 수 있다. Word2vec은 입력한 말뭉치의 문장에 있는 단어와 인접 단어의 관계를 이용해 단어의 의미를 학습할 수 있다. Word2vec 알고리즘은 인공 신경망에 근거한 것으로, 같은 맥락을 지닌 단어는 가까운 의미를 지니고 있다는 전제에서 출발한다. Word2vec 알고리즘은 텍스트 문서를 통해 학습을 진행하며, 한 단어에 대해 근처(전후 5 내지 10 단어 정도)에 출현하는 다른 단어들을 관련 단어로서 인공 신경망에 학습시킨다. 연관된 의미의 단어들은 문서상에서 가까운 곳에 출현할 가능성이 높기 때문에 학습을 반복해 나가는 과정에서 두 단어는 점차 가까운 벡터를 지닐 수 있다. Word2vec 알고리즘의 학습 방법은 CBOW(Continuous Bag Of Words) 방식과 skip-gram 방식이 있다. CBOW 방식은 주변 단어가 만드는 맥락을 이용해 타겟 단어를 예측하는 것이다. skip-gram 방식은 한 단어를 기준으로 주변에 올 수 있는 단어를 예측하는 것이다. 대규모 데이터셋에서는 skip-gram 방식이 더 정확한 것으로 알려져 있다. 따라서, 본 발명의 실시 예에서는 skip-gram 방식을 이용한 Word2vec 알고리즘을 사용한다. 예컨대, Word2vec 알고리즘을 통해 학습이 잘 완료되면, 고차원 공간에서 비슷한 단어는 근처에 위치할 수 있다. 상술한 바와 같은 Word2vec 알고리즘에 따르면 학습 문서 내 주위 단어의 분포가 가까운 단어일수록 산출되는 벡터값은 유사해질 수 있으며, 산출된 벡터값이 비슷한 단어는 유사한 것으로 간주할 수 있다. Word2vec 알고리즘은 공지된 기술이므로 벡터값 계산과 관련한 보다 상세한 설명은 생략하기로 한다.The Word2vec algorithm can represent each word as a vector in a space of about 200 dimensions. Using the Word2vec algorithm, a vector corresponding to a word can be obtained for each word. The Word2vec algorithm may enable a dramatic improvement in precision in the field of natural language processing compared to other conventional algorithms. Word2vec can learn the meaning of words by using the relationship between words in the sentences of the input corpus and adjacent words. The Word2vec algorithm is based on an artificial neural network, and it starts from the premise that words with the same context have close meanings. The Word2vec algorithm learns through text documents, and trains the artificial neural network to learn other words that appear nearby (about 5 to 10 words before and after) for one word as related words. Since words with related meanings are more likely to appear close to each other in the document, two words can have vectors that are closer to each other in the process of repeating learning. The learning method of the Word2vec algorithm is divided into a CBOW (Continuous Bag Of Words) method and a skip-gram method. The CBOW method predicts the target word using the context created by the surrounding words. The skip-gram method predicts words that can come around based on one word. The skip-gram method is known to be more accurate in large datasets. Therefore, in the embodiment of the present invention, the Word2vec algorithm using the skip-gram method is used. For example, if learning is successfully completed through the Word2vec algorithm, similar words may be located nearby in a high-dimensional space. According to the Word2vec algorithm as described above, the closer the distribution of the surrounding words in the learning document is, the more similar the calculated vector values may be, and the similarly the calculated vector values may be regarded as similar. Since the Word2vec algorithm is a well-known technique, a more detailed description related to vector value calculation will be omitted.

인공지능 신경망은 관리서버에 포함될 수 있다.The artificial intelligence neural network may be included in the management server.

컴퓨터는 의뢰인으로부터 수신한 입력 데이터를 관리서버로 전송하고, 관리서버로부터 출력된 추천 샘플 도면에 관련된 데이터를 수신할 수 있다.The computer may transmit input data received from the client to the management server, and receive data related to the recommended sample drawing output from the management server.

또한 인공지능 신경망은 컴퓨터에 포함될 수 있다.Artificial intelligence neural networks can also be incorporated into computers.

상기 컴퓨터는 내부에 인공지능 신경망을 구성하는 데이터를 저장하고 이용할 수 있다.The computer may store and use data constituting the artificial intelligence neural network therein.

예를 들면, 컴퓨터는 관리서버로부터 인공지능 신경망을 구성하는 데이터를 수신함으로써, 인공지능 신경망을 내부에 저장하고 이용할 수 있다.For example, the computer can store and use the artificial intelligence neural network internally by receiving data constituting the artificial intelligence neural network from the management server.

또한, 컴퓨터는 관리서버로부터 인공지능 신경망을 갱신하는 데이터를 수신할 수 있다.In addition, the computer may receive data for updating the artificial intelligence neural network from the management server.

인공지능 신경망은 프로세서의 형태로 존재할 수 있다.An artificial intelligence neural network may exist in the form of a processor.

프로세서는 범용적으로 이용되는 적어도 하나의 프로세서(CPU, Application processor) 및 인공지능 신경망의 기능을 수행하기 위하여 제작된 적어도 하나의 프로세서를 포함할 수 있다.The processor may include at least one general-purpose processor (CPU, application processor) and at least one processor manufactured to perform a function of an artificial intelligence neural network.

또한, 인공지능 신경망은 소프트웨어 모듈의 형태로 존재할 수 있다.In addition, the artificial intelligence neural network may exist in the form of a software module.

범용 프로세서 또는 인공지능 신경망의 기능을 수행하기 위하여 제작된 프로세서는 명령어를 실행함으로써 소프트웨어 모듈 형태의 인공지능 신경망을 이용할 수 있다.A general-purpose processor or a processor manufactured to perform the function of an artificial intelligence neural network may use an artificial intelligence neural network in the form of a software module by executing an instruction.

인공지능 신경망은 적용된 입력 데이터로부터 의뢰인의 추천 샘플 도면의 속성에 관련된 데이터를 획득할 수 있다.The artificial intelligence neural network may acquire data related to the attributes of the client's recommended sample drawing from the applied input data.

일 실시예로, 인공지능 신경망은 전처리된 데이터가 적용될 수 있다.In an embodiment, preprocessed data may be applied to the artificial intelligence neural network.

데이터의 전처리는 상기 컴퓨터 또는 상기 관리서버가 수행할 수 있다.The data pre-processing may be performed by the computer or the management server.

예를 들면, 상기 컴퓨터는 추천 샘플 도면의 속성을 용이하게 추출하기 위해서, 이미지 데이터의 적어도 일부의 밝기를 조절할 수 있다.For example, the computer may adjust the brightness of at least a portion of the image data in order to easily extract the attributes of the recommended sample drawing.

또한, 상기 컴퓨터는 이미지 데이터의 선명도를 조절할 수 있다.In addition, the computer can adjust the sharpness of the image data.

또한, 상기 컴퓨터는 이미지 데이터로부터 도면을 구성하는 기본 형태에 관련된 데이터를 추출할 수 있다.In addition, the computer may extract data related to the basic shape constituting the drawing from the image data.

또한, 상기 컴퓨터는 이미지 데이터로부터 텍스트 정보를 추출할 수 있다.Also, the computer may extract text information from the image data.

다른 예를 들면, 상기 컴퓨터는 추천 샘플 도면에 관련된 텍스트 데이터로부터 도면의 설명, 도면의 부호, 도면의 제작 업체, 도면의 속성에 관련된 텍스트 등을 분류하여 인공지능 신경망에 적용할 수 있다.For another example, the computer may classify the text related to the description of the drawing, the reference of the drawing, the manufacturer of the drawing, the text related to the properties of the drawing, etc. from the text data related to the recommended sample drawing, and apply it to the artificial intelligence neural network.

또 다른 예를 들면, 상기 컴퓨터는 추천 샘플 도면에 관련된 음성 데이터를 음성 인식을 통해서 음성 데이터에 포함된 도면에 관련된 정보를 획득하고, 인공지능 신경망에 적용할 수 있다.As another example, the computer may obtain information related to the drawing included in the speech data through speech recognition of the speech data related to the recommended sample drawing, and apply it to the artificial intelligence neural network.

또한, 상기 컴퓨터는 음성 데이터를 음성 인식을 통해서 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 인공지능 신경망에 적용할 수 있다.In addition, the computer may convert voice data into text data through voice recognition, and apply the converted text data to an artificial intelligence neural network.

인공지능 신경망은 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각에 관련된 이미지 데이터, 텍스트 데이터들을 학습 데이터로 수신할 수 있다.The artificial intelligence neural network may receive a plurality of recommended sample drawings or image data and text data related to each drawing to be produced as training data.

인공지능 신경망은 학습 데이터들을 데이터 인식 모델을 이용함으로써, 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성에 관련된 데이터를 획득할 수 있다.The artificial intelligence neural network may acquire data related to a plurality of recommended sample drawings or properties of each drawing to be produced by using a data recognition model for learning data.

예를 들면, 인공지능 신경망은 CNN(Convolution Neural Network) 기술을 이용한 이미지 분석을 통해서 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성에 관련된 데이터를 획득할 수 있다.For example, the artificial intelligence neural network may acquire data related to a plurality of recommended sample drawings or properties of each drawing to be produced through image analysis using a Convolution Neural Network (CNN) technology.

다른 예를 들면, 인공지능 신경망은 RNN(Recurrent Neural Network) 기술을 이용하여 텍스트 데이터 및 음성 데이터를 분석함으로써 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성에 관련된 데이터 및 부가 정보에 관련된 데이터를 획득할 수 있다.As another example, the artificial intelligence neural network analyzes text data and voice data using Recurrent Neural Network (RNN) technology to analyze a plurality of recommended sample drawings or data related to properties of each drawing to be produced and data related to additional information. can be obtained

인공지능 신경망은 획득된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성에 관련된 데이터 및 부가 정보에 관련된 데이터를 데이터 베이스에 저장할 수 있다.The artificial intelligence neural network may store the obtained plurality of recommended sample drawings or data related to the properties of each drawing to be produced and data related to additional information in the database.

인공지능 신경망은 데이터베이스에 저장된 데이터들에 접근할 수 있다. The artificial intelligence neural network can access data stored in the database.

인공지능 신경망은 데이터베이스에 저장된 데이터들을 갱신할 수 있다.The artificial intelligence neural network can update the data stored in the database.

데이터 베이스에 포함된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성 데이터는 복수의 도면 제작 업체들의 단말기 또는 스타일러스 펜의 입력 데이터로부터 획득한 도면의 속성 데이터일 수 있다.The attribute data of each of the plurality of recommended sample drawings or drawings to be produced included in the database may be attribute data of drawings obtained from input data of terminals or stylus pens of a plurality of drawing manufacturers.

인공지능 신경망은 획득된 의뢰인의 추천 샘플 도면의 속성에 관련된 데이터와 데이터베이스에 포함된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성 데이터의 유사도를 비교함으로써 추천 샘플 도면에 매칭되는 적어도 하나의 도면을 추천 샘플 도면으로 선택할 수 있다.The artificial intelligence neural network compares the obtained data related to the attribute of the recommended sample drawing of the client with the similarity of the attribute data of a plurality of recommended sample drawings included in the database or each of the drawings to be produced, thereby matching at least one drawing matching the recommended sample drawing. can be selected as a recommended sample drawing.

데이터베이스는 인공지능 신경망을 이용하여 획득된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성 데이터가 저장될 수 있다.The database may store a plurality of recommended sample drawings obtained using an artificial intelligence neural network or attribute data of each drawing to be produced.

인공지능 신경망은 추천 샘플 도면의 속성 데이터를 획득하고, 획득된 추천 샘플 도면의 속성 데이터에 기초하여 가상 도면을 생성할 수 있다.The artificial intelligence neural network may obtain attribute data of the recommended sample drawing, and generate a virtual drawing based on the obtained attribute data of the recommended sample drawing.

또한, 인공지능 신경망은 추천 샘플 도면의 속성 데이터의 카테고리들 중 적어도 하나가 비유사한 가상 도면을 생성할 수 있다.Also, the artificial intelligence neural network may generate a virtual drawing in which at least one of the categories of attribute data of the recommended sample drawing is dissimilar.

인공지능 신경망은 데이터베이스에 저장된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성 데이터 중 적어도 하나를 변경함으로써, 가상 도면을 생성할 수 있다.The artificial intelligence neural network may generate a virtual drawing by changing at least one of a plurality of recommended sample drawings stored in the database or attribute data of each drawing to be produced.

인공지능 신경망은 데이터베이스에 저장된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성 데이터로부터 적어도 하나의 특징을 추출하고, 추출된 특징에 기초하여 가상 도면을 생성할 수 있다.The artificial intelligence neural network may extract at least one feature from a plurality of recommended sample drawings stored in a database or attribute data of each drawing to be produced, and generate a virtual drawing based on the extracted features.

예를 들면, 인공지능 신경망은 GAN(Generative Adversarial Network) 기술을 이용하여, 데이터베이스에 저장된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 특징에 기초하여 가상 도면을 생성할 수 있다.For example, the artificial intelligence neural network may use a Generative Adversarial Network (GAN) technology to generate a virtual drawing based on a plurality of recommended sample drawings stored in a database or characteristics of each drawing to be produced.

또한, 인공지능 신경망은 데이터베이스에 저장된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성 데이터에 포함된 적어도 하나의 데이터 각각에 가중치를 부여하고, 가중치에 기초하여 가상 도면을 생성할 수 있다.In addition, the artificial intelligence neural network may assign a weight to each of a plurality of recommended sample drawings stored in the database or at least one piece of data included in attribute data of each drawing to be produced, and generate a virtual drawing based on the weight.

인공지능 신경망은 부여된 가중치에 기초하여 도면의 특징을 학습하고, 가상 도면을 생성할 수 있다.The artificial intelligence neural network may learn the features of the drawing based on the given weight and generate a virtual drawing.

인공지능 신경망은 데이터 베이스에 저장된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 특징 및 속성 데이터를 매칭하여 학습할 수 있다.The artificial intelligence neural network can learn by matching characteristic and attribute data of each of a plurality of recommended sample drawings stored in a database or drawings to be produced.

인공지능 신경망은 추천 샘플 도면의 특징에 기초하여 추천 샘플 도면과 유사한 가상 도면을 생성할 수 있다.The artificial intelligence neural network may generate a virtual drawing similar to the recommended sample drawing based on the characteristics of the recommended sample drawing.

인공지능 신경망은 데이터베이스에 저장된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 특징을 학습한 결과에 기초하여 추천 샘플 도면과 유사한 가상 도면을 생성할 수 있다.The artificial intelligence neural network may generate a virtual drawing similar to the recommended sample drawing based on a result of learning a plurality of recommended sample drawings stored in the database or the characteristics of each drawing to be produced.

인공지능 신경망은 학습 결과에 기초하여 추천 샘플 도면의 특징 중 일부를 변경한 가상의 도면을 생성할 수 있다.The artificial intelligence neural network may generate a virtual drawing in which some of the features of the recommended sample drawing are changed based on the learning result.

상기 컴퓨터는 인공지능 신경망으로부터 출력된 추천 샘플 도면에 관련된 데이터, 속성에 관련된 데이터 및 부가 정보에 관련된 데이터 중 적어도 하나를 출력할 수 있다.The computer may output at least one of data related to a recommended sample drawing output from the artificial intelligence neural network, data related to attributes, and data related to additional information.

상기 컴퓨터는 의뢰인의 제작 의도를 용이하게 파악하여, 의뢰인이 추천받고자 하는 도면과 유사한 도면을 빠르고 정확하게 매칭하여 추천할 수 있다.The computer can easily identify the production intention of the client, and quickly and accurately match and recommend the drawing that the client wants to receive and similar drawings.

도 2는 본 발명에 따른 도면 제작 시스템의 샘플 도면을 주문 제작을 의뢰하는 방법의 예시를 설명하는 도면이다.2 is a view for explaining an example of a method of requesting to order a sample drawing of the drawing production system according to the present invention.

도 2를 참조하면, 상기 컴퓨터는 도 1에서 출력한 추천 샘플 도면 중 하나를 선택하는 의뢰인의 입력 데이터를 수신할 수 있다.Referring to FIG. 2 , the computer may receive input data of a client who selects one of the recommended sample drawings output in FIG. 1 .

상기 컴퓨터는 선택된 추천 샘플 도면의 속성 데이터를 선택된 추천 샘플 도면의 이미지 위에 오버레이하여 디스플레이할 수 있다.The computer may overlay and display the attribute data of the selected recommended sample drawing on the image of the selected recommended sample drawing.

상기 컴퓨터는 의뢰인의 입력에 기초하여 적어도 하나의 도면 제작 업체의 단말기로 선택된 추천 샘플 도면의 제작의뢰와 관련된 데이터를 전송할 수 있다.The computer may transmit data related to the production request of the selected recommended sample drawing to the terminal of at least one drawing manufacturer based on the input of the client.

예를 들면, 상기 컴퓨터는 추천 샘플 도면 중 적어도 하나를 선택하는 의뢰인의 입력에 대응하여, 도면 제작 업체의 단말기로 제작의뢰에 관련된 데이터를 전송할 수 있다.For example, the computer may transmit data related to a production request to a terminal of a drawing manufacturer in response to an input of a client who selects at least one of the recommended sample drawings.

도면 제작 업체의 단말기는 주문 제작 의뢰에 관련된 데이터를 송숭신할 수 있는 모바일 장치(스마트폰, 태블릿 PC 등), 범용 컴퓨터(PC), 서버 등을 포함할 수 있다.The terminal of the drawing manufacturer may include a mobile device (smartphone, tablet PC, etc.), a general-purpose computer (PC), a server, and the like, capable of transmitting and receiving data related to a custom-made request.

도 3은 본 발명에 따른 도면 제작 시스템의 샘플 도면을 추천하는 방법의 흐름도이다.3 is a flowchart of a method for recommending a sample drawing of a drawing production system according to the present invention;

도 3을 참조하면, 상기 컴퓨터는 제작하고자 하는 도면에 관련된 의뢰인의 입력 데이터를 수신하고,(S110) 수신된 입력 데이터를 인공지능 학습 모델에 적용하며,(S120) 학습 모델로부터 출력된 제작하고자 하는 도면에 매칭된 추천 샘플 도면에 관련된 데이터를 출력할 수 있다.(S130)Referring to FIG. 3, the computer receives input data of a client related to a drawing to be produced, (S110) applies the received input data to an artificial intelligence learning model, and (S120) to produce output from the learning model. Data related to a recommended sample drawing matched to the drawing may be output (S130).

S110 단계를 참조하면, 상기 컴퓨터는 의뢰인으로부터 제작하고자 하는 도면에 관련된 의뢰인의 입력 데이터를 수신할 수 있다.Referring to step S110, the computer may receive input data of the client related to the drawing to be produced from the client.

제작하고자 하는 도면에 관련된 의뢰인의 입력 데이터는 이미지 데이터, 텍스트 데이터 및 음성 데이터 중 적어도 하나를 포함할 수 있다.The input data of the client related to the drawing to be produced may include at least one of image data, text data, and voice data.

이미지 데이터, 텍스트 데이터 및 음성 데이터는 중복 설명하므로 생략한다.Image data, text data, and voice data are omitted because they are redundantly described.

S120 단계를 참조하면, 상기 컴퓨터는 수신된 제작하고자 하는 도면에 관련된 입력 데이터를 인공지능 신경망에 적용할 수 있다.Referring to step S120, the computer may apply the received input data related to the drawing to be produced to the artificial intelligence neural network.

일 실시예에 따르면, 인공지능 신경망은 복수의 도면들 각각에 관련된 이미지 데이터, 텍스트 데이터들을 학습 데이터로 수신할 수 있다.According to an embodiment, the artificial intelligence neural network may receive image data and text data related to each of a plurality of drawings as learning data.

인공지능 신경망은 선택된 추천 샘플 도면에 관련된 데이터를 컴퓨터로 출력할 수 있다.The artificial intelligence neural network may output data related to the selected recommended sample drawing to the computer.

예를 들면, 인공지능 신경망은 선택된 추천 샘플 도면의 전체 사진, 부분 사진, 확대 사진, 2D 또는 3D 모델링 사진과 같은 도면에 관련된 데이터, 추천 샘플 도면의 속성에 관련된 데이터, 추천 샘플 도면의 부가 정보에 관련된 데이터를 상기 컴퓨터로 출력할 수 있다.For example, the artificial intelligence neural network can store data related to drawings such as full pictures, partial pictures, enlarged pictures, 2D or 3D modeling pictures of the selected recommended sample drawings, data related to the properties of the recommended sample drawings, and additional information of the recommended sample drawings. Related data can be output to the computer.

S130 단계를 참조하면, 상기 컴퓨터는 제작하고자 하는 도면에 매칭된 추천 샘플 도면에 관련된 데이터를 출력할 수 있다.Referring to step S130 , the computer may output data related to a recommended sample drawing matched with a drawing to be produced.

상기 컴퓨터는 인공지능 신경망으로부터 출력된 추천 샘플 도면에 관련된 데이터, 속성에 관련된 데이터 및 부가 정보에 관련된 데이터 중 적어도 하나를 출력할 수 있다.The computer may output at least one of data related to a recommended sample drawing output from the artificial intelligence neural network, data related to attributes, and data related to additional information.

도 4는 본 발명에 따른 도면 제작 시스템의 샘플 도면의 디스플레이하는 예시를 도시한 것이고, 도 5는 본 발명에 따른 도면 제작 시스템의 샘플 도면의 상세 설명에 대해 디스플레이하는 예시를 도시한 것이다.4 shows an example of displaying a sample drawing of the drawing production system according to the present invention, and FIG. 5 shows an example of displaying for a detailed description of the sample drawing of the drawing production system according to the present invention.

도 6은 본 발명에 따른 도면 제작 시스템의 샘플 도면의 도면 유사도를 디스플레이하는 예시를 도시한 것이고, 도 7은 본 발명에 따른 도면 제작 시스템의 샘플 도면에 대한 추천 도면을 제시하는 예를 도시한 것이다.6 shows an example of displaying the drawing similarity of a sample drawing of the drawing production system according to the present invention, and FIG. 7 shows an example of presenting a recommended drawing for a sample drawing of the drawing production system according to the present invention .

인공지능 신경망은 이미지 분석을 통해서 제작하고자 하는 도면에 매칭되는 추천 샘플 도면으로 선택하고, 선택된 추천 샘플 도면에 관련된 데이터를 컴퓨터에 출력할 수 있다.The artificial intelligence neural network may select a recommended sample drawing matching the drawing to be produced through image analysis, and output data related to the selected recommended sample drawing to the computer.

예를 들면, 인공지능 신경망은 이미지 분석을 통해서 제작하고자 하는 도면의 속성 데이터를 획득할 수 있다.For example, the artificial intelligence neural network may acquire attribute data of a drawing to be produced through image analysis.

구체적으로, 인공지능 신경망은 제작하고자 하는 도면의 크기, 수치, 그려낸 도면, 제작날짜, 제작자 등에 관련된 속성 데이터를 획득할 수 있다.Specifically, the artificial intelligence neural network may acquire attribute data related to the size, numerical value, drawn drawing, production date, manufacturer, and the like of a drawing to be produced.

인공지능 신경망은 획득된 제작하고자 하는 도면의 속성 데이터와 데이터베이스에 저장된 도면들의 속성 데이터의 유사도를 비교할 수 있다.The artificial intelligence neural network may compare the obtained attribute data of the drawing to be produced and the similarity of the attribute data of the drawings stored in the database.

인공지능 신경망은 획득된 제작하고자 하는 도면의 속성 데이터에 가중치를 적용할 수 있다.The artificial intelligence neural network may apply a weight to the acquired attribute data of the drawing to be produced.

예를 들어, 인공지능 신경망은 도면의 크기, 수치에 높은 가중치를 부여할 수 있다.For example, an artificial intelligence neural network may give a high weight to the size and figure of a drawing.

인공지능 신경망은 가중치가 적용된 제작하고자 하는 도면의 속성 데이터에 기초하여 유사도를 비교할 수 있다.The artificial intelligence neural network can compare the degree of similarity based on the attribute data of the drawing to be fabricated to which the weight is applied.

인공지능 신경망은 추천 샘플 도면으로 선택된 도면에 관련된 데이터를 출력할 수 있다.The artificial intelligence neural network may output data related to a drawing selected as a recommended sample drawing.

예를 들면, 인공지능 신경망은 추천 샘플 도면의 전체 사진, 부분 사진, 확대 사진, 2D 또는 3D 모델링 사진과 같은 도면에 관련된 데이터, 추천 샘플 도면의 속성에 관련된 데이터, 추천 샘플 도면의 부가 정보에 관련된 데이터를 상기 컴퓨터로 출력할 수 있다.For example, the artificial intelligence neural network relates to drawing-related data such as a full picture, partial picture, enlarged picture, 2D or 3D modeling picture of a recommended sample drawing, data related to a property of a recommended sample drawing, and related information related to additional information of a recommended sample drawing Data can be output to the computer.

상기 컴퓨터는 의뢰인의 입력 데이터를 이미지 데이터로 수신할 수 있다.The computer may receive input data of the client as image data.

구체적으로, 상기 컴퓨터는 샘플 도면으로 제작하고자 하는 도면의 입력 데이터로 표현할 수 있다.Specifically, the computer may express the input data of a drawing to be produced as a sample drawing.

일 실시예에 따르면, 상기 컴퓨터는 샘플 제작하고자 하는 도면으로부터 생성된 샘플 도면을 인공지능 신경망에 적용하기 전에 전처리를 수행할 수 있다.According to an embodiment, the computer may perform pre-processing before applying the sample drawing generated from the drawing to be sampled to the artificial intelligence neural network.

예를 들면, 상기 컴퓨터는 샘플 도면의 적어도 전체 크기를 조절할 수 있다.For example, the computer may scale at least the overall size of the sample drawing.

일 실시예에 따르면, 인공지능 신경망은 적용된 샘플 도면을 이미지 분석을 통해 제작하고자 하는 도면에 매칭되는 도면을 추천 샘플 도면으로 선택하고, 선택된 추천 샘플 도면에 관련된 데이터를 상기 컴퓨터로 출력할 수 있다.According to an embodiment, the artificial intelligence neural network may select a drawing matching the drawing to be produced through image analysis of the applied sample drawing as a recommended sample drawing, and output data related to the selected recommended sample drawing to the computer.

예를 들면, 인공지능 신경망은 이미지 분석을 통해서 제작하고자 하는 도면의 속성 데이터를 획득할 수 있다.For example, the artificial intelligence neural network may acquire attribute data of a drawing to be produced through image analysis.

구체적으로, 인공지능 신경망은 제작하고자 하는 도면의 크기, 수치, 그려낸 도면, 제작날짜,제작자 등에 관련된 속성 데이터를 획득할 수 있다.Specifically, the artificial intelligence neural network may acquire attribute data related to the size of the drawing to be produced, the numerical value, the drawn drawing, the date of manufacture, the manufacturer, and the like.

인공지능 신경망은 제작하고자 하는 도면의 예상 견적 비용에 관련된 속성 데이터를 획득할 수 있다.The artificial intelligence neural network may acquire attribute data related to the estimated cost of the drawing to be manufactured.

예를 들면, 인공지능 신경망은 이미지 분석을 통해서 획득된 제작하고자 하는 도면에 관련된 데이터에 기초하여, 제작하고자 하는 도면과 유사한 속성을 포함하는 도면의 예상 견적 비용에 관련된 데이터를 획득할 수 있다.For example, the artificial intelligence neural network may acquire data related to the estimated cost of the drawing including properties similar to the drawing to be manufactured based on data related to the drawing to be manufactured obtained through image analysis.

인공지능 신경망은 획득된 제작하고자 하는 도면의 속성 데이터와 데이터베이스에 저장된 도면들의 속성데이터의 유사도를 비교할 수 있다.The artificial intelligence neural network can compare the obtained attribute data of the drawing to be produced and the similarity of the attribute data of the drawings stored in the database.

인공지능 신경망은 우선순위가 높은 유사도를 통해 유사한 도면을 추천 샘플 도면으로 선택할 수 있다.The artificial intelligence neural network can select a similar drawing as a recommended sample drawing through a high degree of similarity.

일 실시예에 따르면, 상기 컴퓨터는 추천 샘플 도면에 관련된 데이터를 함께 디스플레이할 수 있다.According to an embodiment, the computer may display data related to the recommended sample drawing together.

또한 상기 컴퓨터는 추천 샘플 도면의 부가 정보에 관련된 데이터를 함께 디스플레이할 수 있다.Also, the computer may display data related to the additional information of the recommended sample drawing together.

도 8 내지 도 10은 본 발명에 따른 도면 제작 시스템의 도면의 주문 제작을 의뢰하는 방법의 흐름도이다.8 to 10 are flowcharts of a method for requesting custom production of drawings of the drawing production system according to the present invention.

도 8의 S210 단계를 참조하면, 상기 컴퓨터는 S130 단계에서 출력된 추천 샘플 도면 중 적어도 하나를 선택하는 의뢰인의 입력을 수신할 수 있다.Referring to step S210 of FIG. 8 , the computer may receive an input from the client for selecting at least one of the recommended sample drawings output in step S130.

예를 들면, 상기 컴퓨터는 키보드를 이용하여 추천 샘플 도면 중 적어도 하나를 선택하는 의뢰인의 입력을 수신할 수 있다.For example, the computer may receive an input of the client selecting at least one of the recommended sample drawings using a keyboard.

S220 단계를 참조하면, 상기 컴퓨터는 의뢰인의 입력에 기초하여 적어도 하나의 도면 제작 업체의 단말기로 선택된 추천 샘플 도면의 제작 의뢰에 관련된 데이터를 전송할 수 있다.Referring to step S220 , the computer may transmit data related to a production request for a selected recommended sample drawing to a terminal of at least one drawing manufacturer based on the input of the client.

도면의 제작 의뢰에 관련된 데이터는 선택된 샘플 도면의 속성 데이터를 포함할 수 있다.The data related to the production request of the drawing may include attribute data of the selected sample drawing.

S221 단계를 참조하면, 의뢰인이 가상 도면을 선택하는 경우, 상기 컴퓨터는 복수의 도면 제작 업체의 단말기로부터 가상 도면?? ㅔ작의뢰에 관련된 견적 의뢰를 요청하는 데이터를 전송할 수 있다.Referring to step S221, when the client selects a virtual drawing, the computer sends a virtual drawing from a terminal of a plurality of drawing manufacturers. ㅔ It is possible to transmit data requesting a request for a quotation related to a work request.

구체적으로, 도면 제조 업체가 선택된 도면의 제작이 가능한지, 견적 비용이 얼마인지, 변경 가능한 옵션이 존재하는 지에 대한 데이터가 도면의 제작 의뢰에 관련된 데이터에 포함될 수 있다.Specifically, data regarding whether the drawing manufacturer selected to manufacture the selected drawing is possible, how much the cost estimate is, and whether a changeable option exists may be included in the data related to the drawing production request.

S222 단계를 참조하면, 상기 컴퓨터는 도면 제작 업체의 단말기로부터 견적 데이터를 수신할 수 있고, S223를 참조하면, 견적 데이터 및 도면 제작 업체에 관련된 데이터를 상기 컴퓨터에 디스플레이할 수 있다.Referring to step S222, the computer may receive quotation data from the terminal of the drawing manufacturer, and referring to S223, the quotation data and data related to the drawing manufacturer may be displayed on the computer.

S224 단계를 참조하면, 상기 컴퓨터는 도면 제작 업체의 단말기로부터 수신한 견적 데이터를 선택하는 의뢰인의 입력을 수신할 수 있다.Referring to step S224, the computer may receive the input of the client for selecting the estimate data received from the terminal of the drawing manufacturer.

S225 단계를 참조하면, 상기 컴퓨터는 선택된 견적 데이터에 대응하는 도면 제작 의뢰에 관련된 계약서를 생성할 수 있다.Referring to step S225, the computer may generate a contract related to the drawing production request corresponding to the selected quotation data.

또한, 상기 컴퓨터는 계약서를 디스플레이하고, 상기 계약서를 도면 제작 업체의 단말기로 송신할 수 있으며, 생성된 계약서를 메모리 또는 데이터베이스에 저장할 수 있다.In addition, the computer may display a contract, transmit the contract to a terminal of a drawing manufacturer, and store the generated contract in a memory or a database.

도 10의 S2241 단계를 참조하면, 상기 컴퓨터는 의뢰인으로부터 추천 샘플 도면의 속성(도면의 수치, 크기 등)을 변경하는 의뢰인의 입력을 수신할 수 있다.Referring to step S2241 of FIG. 10 , the computer may receive an input from the client for changing the properties (numbers, sizes, etc. of the drawing) of the recommended sample drawing.

S2242 단계를 참조하면, 상기 컴퓨터는 속성이 변경된 추천 샘플 도면에 관련된 데이터를 도면 제작 업체의 단말기로 전송할 수 있다.Referring to step S2242, the computer may transmit data related to the recommended sample drawing whose properties are changed to the terminal of the drawing manufacturer.

S2243 단계를 참조하면, 상기 컴퓨터는 도면 제작 업체의 단말기로부터 속성이 변경된 추천 샘플 도면의 견적 데이터를 수신할 수 있다.Referring to step S2243, the computer may receive the estimate data of the recommended sample drawing whose properties are changed from the terminal of the drawing manufacturer.

도 11은 본 발명에 따른 도면 제작 시스템의 도면을 추천하는 장치의 블록도이다.11 is a block diagram of an apparatus for recommending a drawing of a drawing system according to the present invention.

상기 컴퓨터는 의뢰인 데이터 수신부(1100), 출력부(1200), 통신부(1300), 메모리(1400), 샘플 추천부(1500)를 포함할 수 있다.The computer may include a client data receiving unit 1100 , an output unit 1200 , a communication unit 1300 , a memory 1400 , and a sample recommendation unit 1500 .

의뢰인 데이터 수신부(1100)는, 의뢰인이 상기 컴퓨터를 제어하기 위해 데이터를 입력하는 수단을 의미한다.The client data receiving unit 1100 means a means for the client to input data to control the computer.

예를 들어, 상기 의뢰인 데이터 수신부는 키보드, 스위치, 터치패드, 터치스크린 등이 있을 수 있으나 이에 한정되는 것은 아니다.For example, the client data receiver may include, but is not limited to, a keyboard, a switch, a touch pad, a touch screen, and the like.

상기 의뢰인 데이터 수신부는 제작하고자 하는 도면에 관련된 의뢰인의 입력 데이터를 수신할 수 있다.The client data receiver may receive input data of a client related to a drawing to be produced.

상기 의뢰인 데이터 수신부는 추천 샘플 도면 중 적어도 하나를 선택하는 의뢰인의 입력 데이터를 수신할 수 있다.The client data receiving unit may receive input data of a client who selects at least one of the recommended sample drawings.

상기 의뢰인 데이터 수신부는 추천 샘플 도면의 속성을 변경하는 의뢰인의 입력 데이터를 수신할 수 있다.The client data receiving unit may receive input data of the client for changing the properties of the recommended sample drawing.

출력부(1200)는 상기 컴퓨터에서 처리되는 정보를 출력한다.The output unit 1200 outputs information processed by the computer.

상기 출력부는 추천 샘플 도면에 관련된 데이터를 디스플레이하는 샘플 디스플레이부(1210)를 포함할 수 있다.The output unit may include a sample display unit 1210 that displays data related to a recommended sample drawing.

예를 들면, 상기 샘플 디스플레이부는 추천 샘플 도면의 전체 사진, 부분 사진, 확대 사진, 2D 또는 3D 모델링 사진과 관련된 데이터, 추천 샘플 도면의 속성에 관련된 데이터, 추천 샘플 도면의 부가 정보에 관련된 데이터 중 적어도 하나를 디스플레이할 수 있다.For example, the sample display unit includes at least one of data related to an entire picture, a partial picture, an enlarged picture, a 2D or 3D modeling picture of a recommended sample drawing, data related to an attribute of a recommended sample drawing, and data related to additional information of a recommended sample drawing. One can display.

상기 샘플 디스플레이부는 제작하고자 하는 도면에 관련된 의뢰인의 입력 데이터를 수신하기 위한 의뢰인의 인터페이스를 디스플레이할 수 있다.The sample display unit may display the client's interface for receiving the client's input data related to the drawing to be produced.

또한, 상기 샘플 디스플레이부는 적어도 하나의 견적 데이터, 견적 데이터를 송신한 제조 업체에 관련된 데이터를 디스플레이할 수 있다.In addition, the sample display unit may display at least one piece of estimate data, data related to a manufacturer that has transmitted the estimate data.

샘플 추천부(1500)는 상기 컴퓨터의 전반적인 동작을 제어한다.The sample recommendation unit 1500 controls the overall operation of the computer.

예를 들어, 메모리(1400)에 저장된 프로그램들을 실행하여 의뢰인 데이터 수신부(1100), 출력부(1200), 통신부(1300) 등을 전반적으로 제어하여 추천 샘플 도면과 관련된 동작을 수행할 수 있다.For example, by executing programs stored in the memory 1400 , overall control of the client data receiving unit 1100 , the output unit 1200 , the communication unit 1300 , etc. may be performed to perform an operation related to the recommended sample drawing.

상기 샘플 추천부는 제작하고자 하는 도면에 관련된 의뢰인의 입력 데이터를 수신하도록 상기 의뢰인 데이터 수신부를 제어할 수 있다.The sample recommendation unit may control the client data receiving unit to receive input data of a client related to a drawing to be produced.

상기 샘플 추천부는 입력 데이터로부터 제작하고자 하는 도면의 속성 데이터를 획득할 수 있고, 입력된 이미지 데이터를 분석하여 제작하고자 하는 도면의 속성 데이터를 획득할 수 있고, 입력된 이미지 데이터에 포함된 텍스트 정보를 획득할 수 있다.The sample recommendation unit may obtain attribute data of a drawing to be produced from the input data, may obtain attribute data of a drawing to be produced by analyzing the input image data, and may obtain text information included in the input image data. can be obtained

또한, 상기 샘플 추천부는 획득된 텍스트 정보에 기초하여 제작하고자 하는 도면의 속성 데이터를 획득할 수 있다.Also, the sample recommendation unit may acquire attribute data of a drawing to be produced based on the acquired text information.

상기 샘플 추천부는 입력된 이미지 데이터와 관련된 텍스트 데이터에 기초하여 제작하고자 하는 도면에 관련된 부가 정보를 획득할 수 있다.The sample recommendation unit may obtain additional information related to a drawing to be produced based on text data related to input image data.

상기 샘플 추천부는 획득된 제작하고자 하는 도면의 속성 데이터와 데이터베이스에 저장된 도면들의 속성 데이터의 유사도를 비교하여 제작하고자 하는 도면에 매칭되는 도면을 추천 샘플 도면으로 선택할 수 있고, 선택된 추천 샘플 도면에 관련된 데이터를 출력하도록 출력부(1200)를 제어할 수 있다.The sample recommendation unit may select a drawing matching the drawing to be produced as a recommended sample drawing by comparing the obtained attribute data of the drawing to be produced and the attribute data of the drawings stored in the database, and data related to the selected recommended sample drawing The output unit 1200 may be controlled to output .

상기 샘플 추천부는 데이터베이스에 저장된 도면들의 속성 데이터 및 제작하고자 하는 도면의 속성 데이터 중 적어도 하나에 기초하여, 적어도 하나의 가상 도면을 생성할 수 있고, 이 중 적어도 하나를 추천 샘플 도면으로 선택할 수 있다.The sample recommendation unit may generate at least one virtual drawing based on at least one of attribute data of drawings stored in a database and attribute data of a drawing to be produced, and may select at least one of them as a recommended sample drawing.

상기 샘플 추천부는 출력된 추천 샘플 도면에 관련된 데이터 중 하나를 선택하는 의뢰인의 입력을 수신하도록 상기 의뢰인 데이터 수신부를 제어할 수 있고, 상기 의뢰인 데이터 수신부가 추천 샘플 도면 중 적어도 하나를 선택하는 의뢰인의 입력 데이터를 수신하도록 제어할 수 있다.The sample recommendation unit may control the client data receiving unit to receive an input of the client selecting one of the outputted data related to the recommended sample drawing, and the client data receiving unit selecting at least one of the recommended sample drawings. You can control to receive data.

또한, 상기 샘플 추천부는 상기 의뢰인 데이터 수신부가 추천 샘플 도면의 속성을 변경하는 의뢰인의 입력 데이터를 수신하도록 제어할 수 있다.Also, the sample recommendation unit may control the client data receiving unit to receive input data of a client for changing an attribute of a recommended sample drawing.

상기 샘플 추천부는 의뢰인 입력에 기초하여 선택된 추천 샘플 도면의 속성 데이터를 디스플레이하도록 상기 샘플 디스플레이부를 제어할 수 있다.The sample recommendation unit may control the sample display unit to display attribute data of a recommended sample drawing selected based on a client input.

상기 샘플 추천부는 제작하고자 하는 도면의 속성 데이터와 추천 샘플 도면의 속성 데이터의 유사도를 각 속성 별로 디스플레이하도록 상기 샘플 디스플레이부를 제어할 수 있다.The sample recommendation unit may control the sample display unit to display a degree of similarity between attribute data of a drawing to be produced and attribute data of a recommended sample drawing for each attribute.

상기 샘플 추천부는 상기 샘플 디스플레이부가 적어도 하나의 견적 데이터, 견적 데이터를 송신한 도면 제작 업체에 관련된 데이터를 디스플레이하도록 제어할 수 있다.The sample recommendation unit may control the sample display unit to display at least one piece of estimate data and data related to a drawing manufacturer that has transmitted the estimate data.

또한, 상기 샘플 추천부는 상기 메모리 또는 상기 관리서버에 저장된 데이터 인식 모델을 이용하여, 제작하고자 하는 도면에 매칭되는 도면을 추천 샘플 도면으로 선택하고, 선택된 추천 샘플 도면에 관련된 데이터를 출력할 수 있다.In addition, the sample recommendation unit may use a data recognition model stored in the memory or the management server to select a drawing matching a drawing to be produced as a recommended sample drawing, and output data related to the selected recommended sample drawing.

상기 통신부는 상기 컴퓨터가 다른 장치(미도시) 및 관리서버와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다.The communication unit may include one or more components that allow the computer to communicate with other devices (not shown) and a management server.

또한 상기 통신부는 제작하고자 하는 도면에 매칭되는 도면을 추천 샘플 도면으로 선택하는 동작을 실행하기 위해 필요한 정보를 다른 장치(미도시) 및 상기 관리서버와 송수신할 수 있다.In addition, the communication unit may transmit/receive information necessary for executing an operation of selecting a drawing matching a drawing to be produced as a recommended sample drawing with another device (not shown) and the management server.

상기 메모리는 상기 샘플 추천부의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 상기 컴퓨터로 입력되거나 상기 컴퓨터로부터 출력되는 데이터를 저장할 수도 있다.The memory may store a program for processing and controlling the sample recommendation unit, and may store data input to or output from the computer.

상기 메모리는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.The memory may include a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (eg, SD or XD memory), and a RAM (RAM). , Random Access Memory SRAM (Static Random Access Memory), ROM (Read-Only Memory), EEPROM (Electrically Erasable Programmable Read-Only Memory), PROM (Programmable Read-Only Memory), magnetic memory, magnetic disk, optical disk It may include at least one type of storage medium.

도 12는 본 발명에 따른 도면 제작 시스템의 샘플 추천부의 블록도이다.12 is a block diagram of a sample recommendation unit of the drawing production system according to the present invention.

도 12를 참조하면, 상기 샘플 추천부는 데이터 학습부(1510) 및 데이터 인식부(1520)를 포함할 수 있다.Referring to FIG. 12 , the sample recommendation unit may include a data learning unit 1510 and a data recognition unit 1520 .

상기 데이터 학습부는 도면의 속성 데이터를 획득하고 분류하기 위한 기준을 학습할 수 있다. The data learning unit may learn a criterion for obtaining and classifying attribute data of a drawing.

상기 데이터 학습부는 제작하고자 하는 도면에 매칭되는 도면을 추천 샘플 도면으로 선택하기 위한 기준을 학습할 수 있다.The data learning unit may learn a criterion for selecting a drawing matching a drawing to be produced as a recommended sample drawing.

상기 데이터 인식부는 학습된 데이터 인식 모델을 이용하여, 도면의 속성 데이터를 획득하고 분류할 수 있다.The data recognition unit may acquire and classify attribute data of a drawing by using the learned data recognition model.

상기 데이터 인식부는 제작하고자 하는 도면에 매칭되는 도면을 추천 샘플도면으로 선택할 수 있다.The data recognition unit may select a drawing matching a drawing to be produced as a recommended sample drawing.

상기 데이터 인식부는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용할 수 있다.The data recognition unit may acquire predetermined data according to a preset criterion by learning, and use the acquired data as an input value to use a data recognition model.

또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는 데 이용될 수 있다.In addition, a result value output by the data recognition model using the obtained data as an input value may be used to update the data recognition model.

상기 데이터 학습부 및 상기 데이터 인식부 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 상기 컴퓨터에 탑재될 수 있다.At least one of the data learning unit and the data recognition unit may be manufactured in the form of at least one hardware chip and mounted in the computer.

예를 들어, 상기 데이터 학습부 및 상기 데이터 인식부 중 적어도 하나는 인공지능을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 탑재될 수도 있다.For example, at least one of the data learning unit and the data recognition unit may be manufactured in the form of a dedicated hardware chip for artificial intelligence, or may be manufactured and mounted as a part of an existing general-purpose processor or graphics-only processor (GPU). there is.

한편, 상기 데이터 학습부 및 상기 데이터 인식부 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다.Meanwhile, at least one of the data learning unit and the data recognition unit may be implemented as a software module.

상기 데이터 학습부 및 상기 데이터 인식부 중 적어도 하나가 소프트웨어 모듈로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다.When at least one of the data learning unit and the data recognition unit is implemented as a software module, the software module may be stored in a computer-readable non-transitory computer readable medium.

또한, 이 경우 , 적어도 하나의 소프트웨어 모듈은 OS(Operating system)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다.Also, in this case, the at least one software module may be provided by an operating system (OS) or may be provided by a predetermined application.

도 13은 본 발명에 따른 도면 제작 시스템의 관리서버의 블록도이다.13 is a block diagram of a management server of the drawing production system according to the present invention.

도 13을 참조하면, 관리서버(2000)는 DB(2100), 샘플 추천부(1500), 통신부(1300)와 연동될 수 있다.Referring to FIG. 13 , the management server 2000 may be linked with the DB 2100 , the sample recommendation unit 1500 , and the communication unit 1300 .

상기 DB는 제작하고자 하는 도면에 관련된 의뢰인의 입력 데이터에 매칭되는 추천 샘플 도면을 선택하기 위한 데이터 및 프로그램을 저장할 수 있다.The DB may store data and a program for selecting a recommended sample drawing that matches input data of a client related to a drawing to be produced.

상기 샘플 추천부와 상기 통신부는 상기에 설명하였으므로 생략한다.Since the sample recommendation unit and the communication unit have been described above, they are omitted.

도 14는 본 발명에 따른 도면 제작 시스템의 스타일러스 펜의 외관을 도시한 것이고, 도 15는 본 발명에 따른 도면 제작 시스템의 스타일러스 펜의 조립도를 도시한 것이다.14 is an external view of the stylus pen of the drawing production system according to the present invention, and FIG. 15 is an assembly view of the stylus pen of the drawing production system according to the present invention.

도 16은 본 발명에 따른 도면 제작 시스템의 스타일러스 펜의 실시예를 도시한 것이고, 도 17은 본 발명에 따른 도면 제작 시스템의 스타일러스 펜의 또 다른 실시예를 도시한 것이다.Figure 16 shows an embodiment of the stylus pen of the drawing production system according to the present invention, Figure 17 shows another embodiment of the stylus pen of the drawing production system according to the present invention.

상기 도면 작업 시스템은 스타일러스 펜(100)을 더 포함할 수 있다.The drawing system may further include a stylus pen 100 .

스타일러스 펜(100)은 몸체부(150), 레이저조사부(110), CCD카메라(120), 거리조절부(130), 제어부(140)를 포함할 수 있다.The stylus pen 100 may include a body 150 , a laser irradiation unit 110 , a CCD camera 120 , a distance control unit 130 , and a control unit 140 .

몸체부(150)는 원통형의 형상으로 길이방향으로 연장되도록 형성될 수 있다.The body 150 may be formed to extend in the longitudinal direction in a cylindrical shape.

레이저조사부(110)은 상기 몸체부의 일단에 설치되고, 레이저 광을 실사 도면 위에 조사할 수 있다.The laser irradiation unit 110 may be installed at one end of the body portion, and may irradiate laser light onto the actual drawing.

CCD카메라(120)는 상기 몸체부의 타단에 설치되고, 실사 도면으로부터 반사된 레이저 광을 수집할 수 있다.The CCD camera 120 is installed at the other end of the body part, and can collect the laser light reflected from the actual drawing.

거리조절부(130)는 상기 몸체부의 일단에 설치되고, 상기 레이저조사부가 조사하는 레이저 광과 상기 CCD카메라의 반사된 레이저 광 거리를 측정하여 기준거리(A1) 내에서 수집된 오차 범위에 따른 판단을 할 수 있다.The distance adjusting unit 130 is installed at one end of the body, and by measuring the distance between the laser light irradiated by the laser irradiation unit and the reflected laser light of the CCD camera, it is determined according to the error range collected within the reference distance A1. can do.

제어부(140)는 상기 레이저조사부 및 상기 CCD카메라를 작동제어하며, 상기 CCD카메라로부터 촬영영상을 수신하여 실사 도면을 디지털신호로 변환하여 통신부로 전송할 수 있다.The control unit 140 may operate and control the laser irradiation unit and the CCD camera, receive the captured image from the CCD camera, convert the actual drawing into a digital signal, and transmit it to the communication unit.

제어부(140)는 실사 도면으로부터 기준거리(A1) 이내로 상기 레이저조사부와 상기 CCD카메라가 밀착되어 상기 레이저 광을 조사하거나 반사된 레이저광을 수집하는 지에 대한 데이터를 저장하며, 기준거리(A1), 상기 기준거리에 따른 실사 도면과의 이격거리를 통해 실사 도면의 선의 굵기, 색감, 정밀도 등을 수집하고 연산하여 상기 통신부로 전송하고, 상기 거리조절부를 통해 측정한 실사 도면으로부터 상기 레이저조사부 및 상기 CCD카메라까지의 거리에 따라 상기 레이저조사부의 레이저 광 조사 범위를 조절할 수 있다.The control unit 140 stores data on whether the laser irradiation unit and the CCD camera are in close contact with each other within a reference distance A1 from the actual drawing to irradiate the laser light or collect the reflected laser light, the reference distance A1, Through the separation distance from the actual drawing according to the reference distance, the thickness, color, precision, etc. of the lines of the actual drawing are collected, calculated and transmitted to the communication unit, and the laser irradiation unit and the CCD from the actual drawing measured through the distance adjusting unit The laser light irradiation range of the laser irradiation unit may be adjusted according to the distance to the camera.

레이저조사부(110)는 레이저 광을 육면체 형 또는 원통형으로 조사하여 측정할 실사 도면에 다수 회 조사할 수 있다.The laser irradiator 110 may irradiate the laser light in a hexahedral or cylindrical shape to irradiate the actual drawing to be measured multiple times.

CCD카메라(120)는 레이저 광이 다수 회 조사된 실사 도면의 측정면을 각각의 조사마다 촬영할 수 있다.The CCD camera 120 may photograph the measurement surface of the actual drawing on which the laser light is irradiated multiple times for each irradiation.

제어부(140)는 다수의 촬영영상을 통해 실사 도면의 선에 대응하는 데이터를 연산하고, 상기 거리조절부에서 상기 레이저조사부 또는 상기 CCD카메라의 레이저 광 거리 조사 또는 수집 범위가 상기 기준거리 밖인 경우 실사 도면 위의 선을 얇게 또는 표현하지 아니하고, 상기 기준거리 이내인 경우 실사 도면 위의 선이 정확하게 대응되도록 표현하고, 상기 제어부에 의해 작동제어되어 컴퓨터에 입력하는 입력부(미도시) 및 표시부(미도시)를 포함할 수 있다.The control unit 140 calculates data corresponding to the lines of the actual drawing through a plurality of captured images, and in the distance control unit, the laser beam distance irradiation or collection range of the laser irradiation unit or the CCD camera is out of the reference distance. An input unit (not shown) and a display unit (not shown) that do not thin or express the lines on the drawing, and express the lines on the actual drawing to correspond exactly to the line within the reference distance, and are operated and controlled by the control unit to input to the computer ) may be included.

상기 구성에 따른 본 발명에 대한 동작 원리를 상세히 기술하면 다음과 같다.The operation principle of the present invention according to the above configuration will be described in detail as follows.

도 16 및 도 17의 (a)에 도시한 바와 같이, 스타일러스 펜(100)에서 레이저조사부(110)가 레이저 광을 조사하는 범위에서 기준거리(A1) 내에 있는 경우 CCD카메라(120)가 실사 도면에 반사된 레이저 광을 수집하여 제어부(140)에서 기준거리(A1) 내임을 판단하고, 이를 통신부(1300)로 송신하여 컴퓨터에 출력한다.As shown in FIGS. 16 and 17 (a), when the laser irradiation unit 110 in the stylus pen 100 is within the reference distance A1 in the range for irradiating laser light, the CCD camera 120 is a live-action drawing The laser beam reflected from the is collected, the controller 140 determines that it is within the reference distance A1, and transmits it to the communication unit 1300 to output it to the computer.

도 17의 (b)에 도시한 바와 같이, 만약 레이저조사부(110)가 레이저 광을 조사하는 거리가 기준거리(A1)를 초과하는 경우, CCD카메라(120)는 실사 도면에 반사된 레이저 광을 수집하되, 제어부(140)에서는 오차 범위 밖이라고 판단하여 실사 도면 위의 선을 얇게 또는 표현하지 아니하게 된다.As shown in (b) of FIG. 17, if the distance at which the laser irradiation unit 110 irradiates the laser light exceeds the reference distance A1, the CCD camera 120 captures the laser light reflected in the actual drawing. However, the control unit 140 determines that it is outside the error range and does not thin or express the line on the actual drawing.

이상에서 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안 될 것이다.Although preferred embodiments of the present invention have been illustrated and described above, the present invention is not limited to the specific embodiments described above, and it is common in the technical field to which the present invention pertains without departing from the gist of the present invention as claimed in the claims. Various modifications are possible by those having the knowledge of, of course, and these modifications should not be individually understood from the technical spirit or prospect of the present invention.

100 : 스타일러스 펜
110 : 레이저조사부
120 : CCD카메라
130 : 거리조절부
140 : 제어부100: stylus pen
110: laser irradiation unit
120: CCD camera
130: distance adjustment unit
140: control unit

Claims (3)

DB, 샘플 추천부 및 통신부를 연동하는 관리서버;
를 포함하는 도면작업시스템에 있어서,
상기 도면작업시스템은,
제작ㅅ하고자 하는 도면에 관련된 의뢰인의 스타일러스 펜을 이용한 입력 데이터를 수신하는 의뢰인 데이터 수신부;
스타일러스 펜 및 외부 단말과 데이터를 송수신하는 통신부;
상기 수신된 입력 데이터를, 상기 제작하고자 하는 도면에 매칭되는 샘플 도면을 추천하기 위한 인공지능 신경망에 적용하는 샘플 추천부;
상기 인공지능 신경망으로부터 출력되는 상기 제작하고자 하는 도면에 매칭된 적어도 하나의 샘플 도면에 관련된 데이터를 디스플레이하는 샘플 디스플레이부;
의뢰인으로부터 상기 샘플 도면 중에서 적어도 하나를 선택하는 입력을 수신하는 샘플 입력부;
상기 선택된 샘플 도면의 제작의뢰에 관련된 데이터를 적어도 하나의 도면 제작 업체의 단말기로 전송하는 업체 호출부;
제작하고자 하는 도면을 컴퓨터에 그리는 장치로써 필기구로 그려진 실사 도면 위에 대응하여 그려내면 단말기 또는 컴퓨터에 동일한 이미지 파일을 생성하는 스타일러스 펜;
을 포함하고,
상기 인공지능 신경망은,
상기 입력 데이터로부터 상기 제작하고자 하는 도면의 속성 데이터를 획득하고,
상기 획득된 제작하고자 하는 도면의 속성 데이터와 데이터 베이스에 저장된 도면들의 속성 데이터의 유사도를 비교함으로써, 상기 제작하고자 하는 도면에 매칭되는 도면을 추천 샘플 도면으로 선택하며, 상기 선택된 샘플 도면에 관련된 데이터를 출력하도록 학습된 것이고,
상기 제작하고자 하는 도면의 속성 데이터는 상기 제작하고자 하는 도면의 확장자 종류, 도면 종류, 도면 크기, 도면 세팅에 관련된 속성 데이터에 기초하여 상고 인공지능 신경망이 획득한 상기 제작하고자 하는 도면의 의뢰 가격에 관련된 정보를 포함하고,
상기 데이터 베이스에 저장된 도면들의 속성 데이터 및 상기 제작하고자 하는 도면의 속성 데이터에 기초하여, 적어도 하나의 가상 도면을 생성하고,
상기 제작하고자 하는 도면의 의뢰 가격에 관련된 정보에 기초하여, 상기 생성된 가상 도면 중에서 적어도 하나의 가상 도면을 추천 샘플 도면으로 선택하도록 학습되고,
상기 통신부는
상기 선택된 추천샘플 도면의 제작의뢰에 관련된 데이터를 적어도 하나의 의뢰인 단말기로 전송하고,
상기 데이터 베이스에 저장된 도면들의 속성 데이터는 복수의 도면 제작 업체의 단말기들로부터 획득한 도면들의 속성 데이터이고,
상기 제작의뢰에 관련된 데이터를 전송하는 단계는,
상기 선택된 추천 샘플 도면의 속성 데이터가 획득된 도면 제작 업체의 단말기로 상기 제작의뢰에 관련된 데이터를 전송하는 단계;
를 포함하고,
상기 추천 샘플 도면 중에서 적어도 하나를 선택하는 입력을 수신하는 단계는,
상기 의뢰인으로부터 상기 가상 도면을 선택하는 입력을 수신하는 단계;
상기 선택된 추천 샘플 도면의 속성을 변경하는 의뢰인의 입력을 수신하는 단계;
를 포함하고,
상기 제작의뢰에 관련된 데이터를 전송하는 단계는,
상기 가상 도면에 관련된 데이터를 상기 적어도 하나의 도면 제작 업체의 단말기로 전송하는 단계;
상기 적어도 하나의 도면 제작 업체의 단말기로부터 견적 데이터를 수신하는 단계;
상기 수신된 견적 데이터 및 상기 견적 데이터를 생성한 도면 제작 업체에 관련된 데이터를 디스플레이하는 단계;
상기 수신된 견적 데이터들 중 하나를 선택하는 의뢰인의 입력을 수신하는 단계;
상기 선택된 견적 데이터에 기초하여, 상기 선택된 추천 샘플 도면을 주문 제작하는 것에 관련된 계약서를 생성하는 단계;
상기 속성이 변경된 추천 샘플 도면에 관련된 데이터를 상기 적어도 하나의 도면 제작 업체의 단말기로 전송하는 단계;
상기 적어도 하나의 도면 제작 업체의 단말기로부터 견적 데이터를 수신하는 단계;
를 포함하고,
상기 스타일러스 펜은,
원통형의 형상으로 길이방향으로 연장되는 몸체부;
상기 몸체부의 일단에 설치되고, 레이저 광을 실사 도면 위에 조사하는 레이저조사부;
상기 몸체부의 타단에 설치되고, 실사 도면으로부터 반사된 레이저 광을 수집하는 CCD카메라;
상기 몸체부의 일단에 설치되고, 상기 레이저조사부가 조사하는 레이저 광과 상기 CCD 카메라의 반사된 레이저 광 거리를 측정하여 기준거리(A1)내에서 수집된 데이터를 오차 범위 내에서 판단하는 거리조절부;
상기 레이저조사부 및 상기 CCD카메라를 작동제어하며, 상기 CCD카메라로부터 촬영영상을 수신하여 실사 도면을 디지털신호로 변환하여 상기 통신부로 전송하는 제어부;
를 포함하고,
상기 제어부는,
실사 도면으로부터 기준거리(A1) 이내로 상기 레이저조사부와 상기 CCD카메라가 밀착되어 상기 레이저 광을 조사하거나 반사된 레이저 광을 수집하는 지에 대한 데이터를 저장하며,
기준거리(A1), 상기 기준거리에 따른 실사 도면과의 이격거리를 통해 실사 도면의 선의 굵기, 색감, 정밀도 등을 수집하고 연산하여 상기 통신부로 전송하고,
상기 거리조절부를 통해 측정한 실사 도면으로부터 상기 레이저조사부 및 상기 CCD카메라까지의 거리에 따라 상기 레이저조사부의 레이저 광 조사 범위를 조절하고,
상기 레이저조사부는,
레이저 광을 육면체 형 또는 원통형으로 조사하여 측정할 실사 도면에 다수 회 조사하며,
상기 CCD카메라는,
레이저 광이 다수 회 조사된 실사 도면의 측정면을 각각의 조사마다 촬영하고,
상기 제어부는,
다수의 촬영영상을 통해 실사 도면의 선에 대응하는 데이터를 연산하고, 상기 거리조절부에서 상기 레이저조사부 또는 상기 CCD카메라의 레이저 광 거리 조사 또는 수집 범위가 상기 기준거리 밖인 경우 실사 도면 위의 선을 얇게 또는 표현하지 아니하고, 상기 기준거리 이내인 경우 실사 도면 위의 선이 정확하게 대응되도록 표현하고,
상기 제어부에 의해 작동제어되어 컴퓨터에 입력하는 입력부 및 표시부;
를 포함하고,
상기 레이저조사부가 실사 도면에 레이저 광을 조사하고,
상기 제어부가 기준거리(A1)에 따른 실사 도면의 선명도를 컴퓨터에 표현하기 위해 거리조절부와 연동하여 기준거리(A1)를 연산하고,
의뢰인의 입력 데이터는 이미지 데이터와 음성 데이터를 동시에 포함하고,
상기 컴퓨터는 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터에 기초하여 도면에 관련된 정보를 획득할 수 있고,
상기 컴퓨터는 의뢰인으로부터 입력된 데이터를 인공지능 신경망에 적용할 수 있고,
상기 컴퓨터는 관리서버로부터 인공지능 신경망을 구성하는 데이터를 수신함으로써, 인공지능 신경망을 내부에 저장하고 이용할 수 있고,
상기 컴퓨터는 관리서버로부터 인공지능 신경망을 갱신하는 데이터를 수신할 수 있고,
상기 컴퓨터는 추천 샘플 도면의 속성을 용이하게 추출하기 위해서, 이미지 데이터의 적어도 일부의 밝기를 조절할 수 있고,
인공지능 신경망은 데이터베이스에 저장된 데이터들을 갱신할 수 있고,
상기 인공지능 신경망은 데이터베이스에 저장된 복수의 추천 샘플 도면 또는 제작하고자 하는 도면 각각의 속성 데이터에 포함된 적어도 하나의 데이터 각각에 가중치를 부여하고, 가중치에 기초하여 가상 도면을 생성할 수 있고,
상기 인공지능 신경망은 부여된 가중치에 기초하여 도면의 특징을 학습하고, 가상 도면을 생성할 수 있고,
상기 인공지능 신경망은 획득된 제작하고자 하는 도면의 속성 데이터에 가중치를 적용할 수 있고,
상기 인공지능 신경망은 도면의 크기, 수치에 높은 가중치를 부여하고,
상기 인공지능 신경망은 가중치가 적용된 제작하고자 하는 도면의 속성 데이터에 기초하여 유사도를 비교할 수 있도록 구성되고,
데이터 인식부는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용할 수 있고,
획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는 데 이용될 수 있도록 구성되고,
상기 샘플 추천부(1500)는 메모리(1400)에 저장된 프로그램들을 실행하여 의뢰인 데이터 수신부(1100), 출력부(1200), 통신부(1300)를 전반적으로 제어하여 추천 샘플 도면과 관련된 동작을 수행할 수 있고,
상기 샘플 추천부는 제작하고자 하는 도면에 관련된 의뢰인의 입력 데이터를 수신하도록 의뢰인 데이터 수신부를 제어하고,
상기 샘플 추천부는 입력 데이터로부터 제작하고자 하는 도면의 속성 데이터를 획득할 수 있고, 입력된 이미지 데이터를 분석하여 제작하고자 하는 도면의 속성 데이터를 획득할 수 있고, 입력된 이미지 데이터에 포함된 텍스트 정보를 획득할 수 있고,
상기 샘플 추천부는 획득된 텍스트 정보에 기초하여 제작하고자 하는 도면의 속성 데이터를 획득할 수 있고,
상기 샘플 추천부는 입력된 이미지 데이터와 관련된 텍스트 데이터에 기초하여 제작하고자 하는 도면에 관련된 부가 정보를 획득할 수 있고,
상기 샘플 추천부는 획득된 제작하고자 하는 도면의 속성 데이터와 데이터베이스에 저장된 도면들의 속성 데이터의 유사도를 비교하여 제작하고자 하는 도면에 매칭되는 도면을 추천 샘플 도면으로 선택할 수 있고, 선택된 추천 샘플 도면에 관련된 데이터를 출력하도록 출력부(1200)를 제어할 수 있고,
상기 샘플 추천부는 데이터베이스에 저장된 도면들의 속성 데이터 및 제작하고자 하는 도면의 속성 데이터 중 적어도 하나에 기초하여, 적어도 하나의 가상 도면을 생성할 수 있고, 이 중 적어도 하나를 추천 샘플 도면으로 선택할 수 있고,
상기 샘플 추천부는 출력된 추천 샘플 도면에 관련된 데이터 중 하나를 선택하는 의뢰인의 입력을 수신하도록 상기 의뢰인 데이터 수신부를 제어할 수 있고, 상기 의뢰인 데이터 수신부가 추천 샘플 도면 중 적어도 하나를 선택하는 의뢰인의 입력 데이터를 수신하도록 제어할 수 있고,
상기 샘플 추천부는 의뢰인 데이터 수신부가 추천 샘플 도면의 속성을 변경하는 의뢰인의 입력 데이터를 수신하도록 제어할 수 있고,
상기 샘플 추천부는 의뢰인 입력에 기초하여 선택된 추천 샘플 도면의 속성 데이터를 디스플레이하도록 샘플 디스플레이부를 제어할 수 있고,
상기 샘플 추천부는 제작하고자 하는 도면의 속성 데이터와 추천 샘플 도면의 속성 데이터의 유사도를 각 속성 별로 디스플레이하도록 상기 샘플 디스플레이부를 제어할 수 있고,
상기 샘플 추천부는 샘플 디스플레이부가 적어도 하나의 견적 데이터, 견적 데이터를 송신한 도면 제작 업체에 관련된 데이터를 디스플레이하도록 제어하고,
상기 샘플 추천부는 메모리 또는 관리서버에 저장된 데이터 인식 모델을 이용하여, 제작하고자 하는 도면에 매칭되는 도면을 추천 샘플 도면으로 선택하고, 선택된 추천 샘플 도면에 관련된 데이터를 출력할 수 있도록 구성된 것을 특징으로 하는 도면작업시스템.DB, a sample recommendation unit, and a management server that interlocks the communication unit;
In the drawing system comprising a,
The drawing system is
a client data receiving unit for receiving input data using a client's stylus pen related to a drawing to be produced;
a communication unit for transmitting and receiving data to and from the stylus pen and an external terminal;
a sample recommendation unit that applies the received input data to an artificial intelligence neural network for recommending a sample drawing matching the drawing to be produced;
a sample display unit for displaying data related to at least one sample drawing matched with the drawing to be produced outputted from the artificial intelligence neural network;
a sample input unit for receiving an input for selecting at least one of the sample drawings from a client;
a company calling unit for transmitting data related to a production request for the selected sample drawing to a terminal of at least one drawing manufacturer;
A device for drawing a drawing to be produced on a computer, a stylus pen for generating the same image file on a terminal or computer when correspondingly drawn on the actual drawing drawn with a writing instrument;
including,
The artificial intelligence neural network is
Obtaining attribute data of the drawing to be produced from the input data,
By comparing the obtained property data of the drawing to be produced and the similarity of the property data of drawings stored in a database, a drawing matching the drawing to be produced is selected as a recommended sample drawing, and data related to the selected sample drawing is selected. learned to print,
The property data of the drawing to be produced is related to the request price of the drawing to be produced, obtained by the Sanggo artificial intelligence neural network based on the property data related to the extension type, drawing type, drawing size, and drawing setting of the drawing to be produced. contain information;
Based on the attribute data of the drawings stored in the database and the attribute data of the drawing to be produced, at least one virtual drawing is generated,
learning to select at least one virtual drawing from among the generated virtual drawings as a recommended sample drawing based on information related to the requested price of the drawing to be produced;
the communication unit
Transmitting data related to the production request of the selected recommended sample drawing to at least one client terminal,
The attribute data of drawings stored in the database is attribute data of drawings obtained from terminals of a plurality of drawing manufacturers,
Transmitting the data related to the production request,
transmitting data related to the production request to a terminal of a drawing manufacturer from which attribute data of the selected recommended sample drawing is obtained;
including,
Receiving an input for selecting at least one of the recommended sample drawings comprises:
receiving an input for selecting the virtual drawing from the client;
receiving an input from a client for changing an attribute of the selected recommended sample drawing;
including,
Transmitting the data related to the production request,
transmitting data related to the virtual drawing to a terminal of the at least one drawing manufacturer;
Receiving the estimate data from the terminal of the at least one drawing manufacturer;
displaying the received estimate data and data related to a drawing manufacturer that generated the estimate data;
receiving an input of a client for selecting one of the received quotation data;
generating a contract related to customizing the selected recommended sample drawing based on the selected quotation data;
transmitting data related to the recommended sample drawing in which the attribute has been changed to a terminal of the at least one drawing manufacturer;
Receiving the estimate data from the terminal of the at least one drawing manufacturer;
including,
The stylus pen,
a body portion extending in the longitudinal direction in a cylindrical shape;
a laser irradiation unit installed at one end of the body and irradiating a laser light onto the actual drawing;
a CCD camera installed at the other end of the body and collecting laser light reflected from the actual drawing;
a distance adjusting unit installed at one end of the body, measuring the distance between the laser light irradiated by the laser irradiation unit and the reflected laser light of the CCD camera, and determining the data collected within the reference distance A1 within an error range;
a control unit for operating and controlling the laser irradiation unit and the CCD camera, receiving the captured image from the CCD camera, converting the actual drawing into a digital signal, and transmitting it to the communication unit;
including,
The control unit is
Stores data on whether the laser irradiation unit and the CCD camera are in close contact within a reference distance (A1) from the actual drawing to irradiate the laser light or collect the reflected laser light,
Through the reference distance (A1), the distance from the actual drawing according to the reference distance, the thickness, color, precision, etc. of the line of the actual drawing are collected, calculated, and transmitted to the communication unit,
Adjusting the laser light irradiation range of the laser irradiation unit according to the distance from the actual drawing measured through the distance adjusting unit to the laser irradiation unit and the CCD camera,
The laser irradiation unit,
By irradiating the laser light in a hexahedral or cylindrical shape, it is irradiated multiple times on the actual drawing to be measured,
The CCD camera,
The measurement surface of the actual drawing on which the laser light has been irradiated multiple times is photographed for each irradiation,
The control unit is
Calculate the data corresponding to the line of the actual drawing through a plurality of captured images, and when the laser light distance irradiation or collection range of the laser irradiation unit or the CCD camera in the distance control unit is out of the reference distance, the line on the actual drawing is drawn If it is not thin or expressed, and is within the reference distance, the line on the actual drawing is expressed so that it accurately corresponds,
an input unit and a display unit operated and controlled by the control unit to input to a computer;
including,
The laser irradiation unit irradiates a laser light to the actual drawing,
The control unit calculates the reference distance (A1) in conjunction with the distance control unit to express the sharpness of the actual drawing according to the reference distance (A1) to the computer,
The input data of the client includes image data and voice data at the same time,
The computer may convert voice data into text data, and obtain information related to drawings based on the converted text data,
The computer can apply the data input from the client to the artificial intelligence neural network,
The computer can store and use the artificial intelligence neural network inside by receiving data constituting the artificial intelligence neural network from the management server,
The computer may receive data for updating the artificial intelligence neural network from the management server,
The computer may adjust the brightness of at least a part of the image data in order to easily extract the attributes of the recommended sample drawing,
The artificial intelligence neural network can update the data stored in the database,
The artificial intelligence neural network may assign a weight to each of a plurality of recommended sample drawings stored in a database or at least one data included in attribute data of each drawing to be produced, and generate a virtual drawing based on the weight,
The artificial intelligence neural network may learn the features of the drawing based on the given weight and generate a virtual drawing,
The artificial intelligence neural network may apply a weight to the acquired attribute data of the drawing to be produced,
The artificial intelligence neural network gives a high weight to the size and numerical value of the drawing,
The artificial intelligence neural network is configured to compare the degree of similarity based on the attribute data of the drawing to be produced to which the weight is applied,
The data recognition unit may acquire predetermined data according to a preset criterion by learning, and use the acquired data as an input value to use a data recognition model,
A result value output by the data recognition model with the obtained data as an input value is configured to be used to update the data recognition model,
The sample recommendation unit 1500 executes programs stored in the memory 1400 to control the client data receiving unit 1100, the output unit 1200, and the communication unit 1300 as a whole to perform an operation related to the recommended sample drawing. there is,
The sample recommendation unit controls the client data receiving unit to receive input data of the client related to the drawing to be produced,
The sample recommendation unit may obtain attribute data of a drawing to be produced from input data, may obtain attribute data of a drawing to be produced by analyzing the input image data, and may obtain text information included in the input image data. can be obtained,
The sample recommendation unit may acquire attribute data of a drawing to be produced based on the acquired text information,
The sample recommendation unit may acquire additional information related to a drawing to be produced based on text data related to input image data,
The sample recommendation unit may select a drawing matching the drawing to be produced as a recommended sample drawing by comparing the obtained attribute data of the drawing to be produced and the attribute data of the drawings stored in the database, and data related to the selected recommended sample drawing can control the output unit 1200 to output
The sample recommendation unit may generate at least one virtual drawing based on at least one of attribute data of drawings stored in a database and attribute data of a drawing to be produced, and may select at least one of them as a recommended sample drawing,
The sample recommendation unit may control the client data receiving unit to receive an input of the client selecting one of the outputted data related to the recommended sample drawing, and the client data receiving unit selecting at least one of the recommended sample drawings. control to receive data,
The sample recommendation unit may control the client data receiving unit to receive input data of the client for changing the properties of the recommended sample drawing,
The sample recommendation unit may control the sample display unit to display attribute data of a recommended sample drawing selected based on a client input,
The sample recommendation unit may control the sample display unit to display a degree of similarity between attribute data of a drawing to be produced and attribute data of a recommended sample drawing for each attribute,
The sample recommendation unit controls the sample display unit to display at least one piece of estimate data, data related to a drawing manufacturer that has transmitted the estimate data,
The sample recommendation unit is configured to select a drawing matching a drawing to be produced as a recommended sample drawing using a data recognition model stored in a memory or a management server, and to output data related to the selected recommended sample drawing drawing system. 삭제delete 삭제delete
KR1020210094569A 2021-07-20 2021-07-20 Drawing work system KR102390427B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210094569A KR102390427B1 (en) 2021-07-20 2021-07-20 Drawing work system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210094569A KR102390427B1 (en) 2021-07-20 2021-07-20 Drawing work system

Publications (1)

Publication Number Publication Date
KR102390427B1 true KR102390427B1 (en) 2022-04-22

Family

ID=81452241

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210094569A KR102390427B1 (en) 2021-07-20 2021-07-20 Drawing work system

Country Status (1)

Country Link
KR (1) KR102390427B1 (en)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014191823A (en) * 2013-03-26 2014-10-06 Tata Consultancy Services Ltd Method and system for validating personalized account identifiers using biometric authentication and self-learning algorithms
JP2018073372A (en) * 2016-10-25 2018-05-10 株式会社岡部マイカ工業所 Magnetic pen and modular unit having magnetism elimination function and digital pen function
KR20190135921A (en) * 2018-05-29 2019-12-09 이승희 Handwriting input device
KR20190140519A (en) * 2018-05-29 2019-12-20 삼성전자주식회사 Electronic apparatus and controlling method thereof
KR20200021843A (en) * 2018-08-21 2020-03-02 주식회사 디에프그룹 Method and system for printing service
KR20210022188A (en) * 2019-08-19 2021-03-03 주식회사 비주얼 Electric apparatus for ordering jewelry product
KR20210061064A (en) * 2019-11-19 2021-05-27 양희상 Server for logo design production and method for logo design auto production

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014191823A (en) * 2013-03-26 2014-10-06 Tata Consultancy Services Ltd Method and system for validating personalized account identifiers using biometric authentication and self-learning algorithms
JP2018073372A (en) * 2016-10-25 2018-05-10 株式会社岡部マイカ工業所 Magnetic pen and modular unit having magnetism elimination function and digital pen function
KR20190135921A (en) * 2018-05-29 2019-12-09 이승희 Handwriting input device
KR20190140519A (en) * 2018-05-29 2019-12-20 삼성전자주식회사 Electronic apparatus and controlling method thereof
KR20200021843A (en) * 2018-08-21 2020-03-02 주식회사 디에프그룹 Method and system for printing service
KR20210022188A (en) * 2019-08-19 2021-03-03 주식회사 비주얼 Electric apparatus for ordering jewelry product
KR20210061064A (en) * 2019-11-19 2021-05-27 양희상 Server for logo design production and method for logo design auto production

Similar Documents

Publication Publication Date Title
CN110785767B (en) Compact linguistics-free facial expression embedding and novel triple training scheme
US9501724B1 (en) Font recognition and font similarity learning using a deep neural network
US20190156204A1 (en) Training a neural network model
CN108073910B (en) Method and device for generating human face features
US11688105B2 (en) Facial expression image processing method and apparatus
US10943107B2 (en) Simulating image capture
CN110462645A (en) Sensor data processor with updating ability
CN110741377A (en) Face image processing method and device, storage medium and electronic equipment
CN111860362A (en) Method and device for generating human face image correction model and correcting human face image
Freitas et al. Grammatical facial expression recognition in sign language discourse: a study at the syntax level
KR20230025906A (en) Systems and methods for improved facial attribute classification and its use
US20220147769A1 (en) Systems and Methods for Artificial Facial Image Generation Conditioned On Demographic Information
KR102003221B1 (en) System for generating note data and method for generating note data using the system
CN115130493A (en) Face deformation recommendation method, device, equipment and medium based on image recognition
KR102504722B1 (en) Learning apparatus and method for creating emotion expression video and apparatus and method for emotion expression video creation
CN113850714A (en) Training of image style conversion model, image style conversion method and related device
KR102390427B1 (en) Drawing work system
CN111259698A (en) Method and device for acquiring image
KR20160013537A (en) System for automatically generating and classifying emotionally expressed contents and the method thereof
CN114283422A (en) Handwritten font generation method and device, electronic equipment and storage medium
US11790228B2 (en) Methods and systems for performing tasks on media using attribute specific joint learning
JPWO2022002961A5 (en)
US20240193918A1 (en) Techniques for automated component classification
Kohtala Methods for Augmenting Physical Prototype Activities in Early Stage Product Development-Development of a system designed to accelerate prototyping and learning in the early stages of product development.
US20240086051A1 (en) Editing User Interfaces using Free Text

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant