KR102401120B1 - 화장품용기 설계 방법 및 시스템 - Google Patents
화장품용기 설계 방법 및 시스템 Download PDFInfo
- Publication number
- KR102401120B1 KR102401120B1 KR1020220021036A KR20220021036A KR102401120B1 KR 102401120 B1 KR102401120 B1 KR 102401120B1 KR 1020220021036 A KR1020220021036 A KR 1020220021036A KR 20220021036 A KR20220021036 A KR 20220021036A KR 102401120 B1 KR102401120 B1 KR 102401120B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- container
- cosmetic
- customer
- design
- Prior art date
Links
- 239000002537 cosmetic Substances 0.000 title claims abstract description 113
- 238000013461 design Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000002787 reinforcement Effects 0.000 claims abstract description 34
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000007635 classification algorithm Methods 0.000 claims abstract description 12
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 239000012611 container material Substances 0.000 claims description 20
- 230000003014 reinforcing effect Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 6
- 238000009472 formulation Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 238000007789 sealing Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000004308 accommodation Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 239000004698 Polyethylene Substances 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 229920003023 plastic Polymers 0.000 description 5
- 239000004033 plastic Substances 0.000 description 5
- 229920000573 polyethylene Polymers 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000004743 Polypropylene Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 229920001903 high density polyethylene Polymers 0.000 description 4
- 239000004700 high-density polyethylene Substances 0.000 description 4
- 229920001155 polypropylene Polymers 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000007639 printing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- -1 for example Substances 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229920000704 biodegradable plastic Polymers 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 229920001684 low density polyethylene Polymers 0.000 description 2
- 239000004702 low-density polyethylene Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 239000000123 paper Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 239000012466 permeate Substances 0.000 description 2
- 238000007747 plating Methods 0.000 description 2
- 239000005020 polyethylene terephthalate Substances 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 240000000111 Saccharum officinarum Species 0.000 description 1
- 235000007201 Saccharum officinarum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 229920000122 acrylonitrile butadiene styrene Polymers 0.000 description 1
- 239000004676 acrylonitrile butadiene styrene Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 239000000499 gel Substances 0.000 description 1
- 239000003676 hair preparation Substances 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 239000004790 ingeo Substances 0.000 description 1
- 239000006210 lotion Substances 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000009965 odorless effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000002304 perfume Substances 0.000 description 1
- 229920000139 polyethylene terephthalate Polymers 0.000 description 1
- 229920005644 polyethylene terephthalate glycol copolymer Polymers 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 230000009967 tasteless effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000007740 vapor deposition Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/16—Customisation or personalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Acoustics & Sound (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
Abstract
본 발명은 화장품용기 설계 방법 및 시스템에 관한 것으로, 더욱 상세하게는, 다양한 화장품 제조사의 니즈에 맞는 맞춤형 화장품용기를 적절하게 설계할 수 있는 화장품용기 설계 방법 및 시스템에 관한 것이다. 이를 위해, 화장품용기 설계 시스템은 고객 단말로부터 맞춤형 화장품용기를 원격으로 주문하기 위한 용기제작 주문 서비스를 통해 화장품 정보를 입력받는 입력부, 상기 화장품 정보에 기초하여, 기수집된 복수의 화장품용기 이미지들로부터 샘플 이미지 리스트를 추출하는 특징추출부, 상기 샘플 이미지 리스트를 상기 용기제작 주문 서비스를 통해 랜덤하게 상기 고객 단말에 제공함에 따라 선택적으로 입력받는 샘플 이미지에 따라, 용기디자인 특징요소들을 인식하여 고객선택 디자인이미지를 생성하는 이미지생성부, 상기 고객선택 디자인이미지에 대해 인공지능 기반의 누수분류 알고리즘을 통해 분석함에 따라 도출되는 유통기간별 누수 확률값과 이미지 객체 분석을 통해 도출되는 화장품 용량 수치에 기초하여, 보강 이미지를 결정하는 보강결정부 및 상기 보강 이미지와 상기 고객선택 디자인이미지에 기초하여 맞춤형 화장품용기 디자인을 생성하고, 상기 맞춤형 화장품용기 디자인에 대한 색상, 광택, 패턴 및 무늬를 웹상에서 편집 가능하도록 상기 고객 단말에 편집툴 웹서비스를 제공하는 디자인제공부를 포함한다.
Description
본 발명은 화장품용기 설계 방법 및 시스템에 관한 것으로, 더욱 상세하게는, 다양한 화장품 제조사의 니즈에 맞는 맞춤형 화장품용기를 적절하게 설계할 수 있는 화장품용기 설계 방법 및 시스템에 관한 것이다.
일반적으로 화장품용기의 가장 중요한 기능은 내용물 보호에 있다. 이러한 기본 기능을 유지 또는 향상 시키면서 고기능, 다기능화를 추구하고 품질 보증을 해야 하는 것이 이러한 화장품용기 설계의 핵심이다.
최근 화장품의 용기는 소비자의 다양화, 개성화, 기술의 진보에 따라서 그 형태, 소재의 종류가 매우 다양한 형태로 출시되고 있다. 시대적인 변화에 따라서 화장품의 용기도 디자인성, 패션성, 화제성 뿐만 아니라, 개성화, 다양화의 시대를 거쳐서 보다 고기능, 고부가 가치를 갖는 새로운 용기의 개발이 요구되고 있다. 더구나 지구 환경 보호의 관점에서 친환경 용기 등이 주시되어서 그의 대응에 박차를 가하고 있는 실정이다.
이처럼 화장품용기의 중요 기능인 보호성, 안전성, 편리성, 정보의 전달성 등을 기본으로 해서 신소재의 개발, 신 가공기술이 혁신에 맞추어서 사회 적합성, 경제성을 겸비하는 동시에 소비자 및 제조사의 다양한 니즈를 충족시키는 용기를 설계 할 필요성이 있다.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 고객이 원하는 용기디자인 특징요소들과 유통 과정에서 발생하는 누수확률값에 따른 보강 구조가 반영된 맞춤형 용기 디자인을 제공할 수 있는 화장품용기 설계 방법 및 시스템을 제공하기 위한 것이다.
본 발명의 상기 및 다른 목적과 이점은 바람직한 실시예를 설명한 하기의 설명으로부터 분명해질 것이다.
상기와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 화장품용기 설계 시스템은 고객 단말로부터 맞춤형 화장품용기를 원격으로 주문하기 위한 용기제작 주문 서비스를 통해 화장품 정보를 입력받는 입력부, 상기 화장품 정보에 기초하여, 기수집된 복수의 화장품용기 이미지들로부터 샘플 이미지 리스트를 추출하는 특징추출부, 상기 샘플 이미지 리스트를 상기 용기제작 주문 서비스를 통해 랜덤하게 상기 고객 단말에 제공함에 따라 선택적으로 입력받는 샘플 이미지에 따라, 용기디자인 특징요소들을 인식하여 고객선택 디자인이미지를 생성하는 이미지생성부, 상기 고객선택 디자인이미지에 대해 인공지능 기반의 누수분류 알고리즘을 통해 분석함에 따라 도출되는 유통기간별 누수 확률값과 이미지 객체 분석을 통해 도출되는 화장품 용량 수치에 기초하여, 보강 이미지를 결정하는 보강결정부 및 상기 보강 이미지와 상기 고객선택 디자인이미지에 기초하여 맞춤형 화장품용기 디자인을 생성하고, 상기 맞춤형 화장품용기 디자인에 대한 색상, 광택, 패턴 및 무늬를 웹상에서 편집 가능하도록 상기 고객 단말에 편집툴 웹서비스를 제공하는 디자인제공부를 포함하고, 상기 화장품 정보는 화장품용기에 담겨지는 내용물과 관련된 화장품 용도별 키워드, 화장품 콘셉트별 키워드 및 화장품 제형별 키워드를 포함하며, 상기 보강 이미지는 상기 고객선택 디자인이미지에 대해 이중구조의 캡을 보강하고, 팽창공간을 구획하는 씰링지를 보강한 이미지이며, 상기 맞춤형 화장품용기 디자인은 고객이 원하는 용기디자인 특징요소들과 누수확률값에 따른 보강 구조가 반영된 2D 및 3D 이미지 파일이다.
실시예에 있어서, 상기 보강결정부는 화장품 내용물이 일정 기간 동안 누수되거나 오염된 복수의 누수용기 이미지들을 사전에 수집하는 데이터 수집부, 상기 복수의 누수용기 이미지들을 유통 기간별로 분류하여 머신 러닝(Machine Learning)을 통해 학습함에 따라 유통 기간별 누수분류 알고리즘을 생성하는 알고리즘 생성부, 상기 고객선택 디자인이미지를 유통 기간별 누수분류 알고리즘에 적용함에 따라 유통기간별 누수 확률값을 도출하는 확률값 도출부 및
상기 유통기간별 누수 확률값 중 어느 하나의 누수 확률값이 유통기간별 기준값을 초과한 경우, 상기 고객선택 디자인이미지를 재생성하도록 상기 용기제작 주문 서비스를 통해 이전에 제공된 상기 샘플 이미지 리스트를 제외한 신규 샘플 이미지 리스트를 상기 고객 단말에 제공하는 재선택부를 포함한다.
실시예에 있어서, 상기 보강결정부는 상기 고객선택 디자인이미지를 2차원 단면 이미지로 변환하는 이미지처리부, 상기 2차원 단면 이미지로부터 검출되는 내부 수용 면적과 고객선택 디자인이미지의 3차원 사이즈 정보에 기초하여, 내부 공간에 대한 최대 용량 수치를 추정하는 용량추정부, 상기 최대 용량 수치에 상기 고객 단말로부터 선택받는 용기재질에 따라 기설정된 용기두께별 면적비율을 적용함에 따라, 상기 내부 공간에 대한 용량 수치를 산출하는 산출부 및 상기 고객 단말로부터 피드백받는 상기 용량 수치에 대한 증감 요청 신호에 기초하여, 용기재질을 변경함에 따라 용량 수치로부터 증감되는 용기재질별 조절 수치 리스트를 상기 고객 단말에 제공하는 조절부를 포함하고, 상기 조절부는 상기 고객 단말로부터 선택받는 상기 용기재질별 조절 수치 리스트 중 어느 하나에 응답하여, 상기 어느 하나에 해당하는 조절 수치를 용량 수치로 반영한다.
실시예에 있어서, 상기 조절부는 상기 누수 확률값에 따라 상기 고객 단말로부터 보강 요청 신호를 피드백받는 경우, 상기 2차원 단면 이미지에 이중결합 캡객체와 씰링지객체를 적용함에 따라 생성되는 상기 보강 이미지에 기초하여, 팽창공간에 대한 용량 수치를 상기 내부 공간에 대한 용량 수치로 반영한다.
실시예에 있어서, 상기 이미지생성부는 상기 고객 단말에 구비된 음성 센서부를 이용하여, 고객으로부터 감지된 음성 신호가 기설정된 안정 상태로 판단되는 시점에서 상기 샘플 이미지를 선택받도록 상기 용기제작 주문 서비스를 제어한다.
본 발명의 실시예에 따르면, 고객이 원하는 용기디자인 특징요소들과 유통 과정에서 발생하는 누수확률값에 따른 보강 구조가 반영된 맞춤형 용기 디자인을 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 화장품용기 설계 시스템(1000)을 나타내는 도이다.
도 2는 도 1의 보강결정부(400)에 대한 일 실시예를 나타내는 도이다.
도 3은 도 1의 보강결정부(400)에 대한 다른 실시예를 나타내는 도이다.
도 4는 본 발명의 일 실시예에 따른 화장품용기 설계 시스템(1000)의 동작 프로세스이다.
도 2는 도 1의 보강결정부(400)에 대한 일 실시예를 나타내는 도이다.
도 3은 도 1의 보강결정부(400)에 대한 다른 실시예를 나타내는 도이다.
도 4는 본 발명의 일 실시예에 따른 화장품용기 설계 시스템(1000)의 동작 프로세스이다.
이하, 본 발명의 실시예와 도면을 참조하여 본 발명을 상세히 설명한다. 이들 실시예는 오로지 본 발명을 보다 구체적으로 설명하기 위해 예시적으로 제시한 것일 뿐, 본 발명의 범위가 이들 실시예에 의해 제한되지 않는다는 것은 당업계에서 통상의 지식을 가지는 자에 있어서 자명할 것이다.
또한, 달리 정의하지 않는 한, 본 명세서에서 사용되는 모든 기술적 및 과학적 용어는 본 발명이 속하는 기술 분야의 숙련자에 의해 통상적으로 이해되는 바와 동일한 의미를 가지며, 상충되는 경우에는, 정의를 포함하는 본 명세서의 기재가 우선할 것이다.
도면에서 제안된 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. 그리고, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에서 기술한 "부"란, 특정 기능을 수행하는 하나의 단위 또는 블록을 의미한다.
각 단계들에 있어 식별부호(제1, 제2, 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 실시될 수도 있고 실질적으로 동시에 실시될 수도 있으며 반대의 순서대로 실시될 수도 있다.
도 1은 본 발명의 실시예에 따른 화장품용기 설계 시스템(1000)을 나타내는 도이다.
도 1을 참조하여 설명하면, 화장품용기 설계 시스템(1000)은 입력부(100), 특징추출부(200), 이미지생성부(300), 보강결정부(400) 및 디자인제공부(500)를 포함할 수 있다.
먼저, 입력부(100)는 고객 단말(10)로부터 맞춤형 화장품용기를 원격으로 주문하기 위한 용기제작 주문 서비스를 통해 화장품 정보를 입력받을 수 있다.
여기서, 화장품 정보는 화장품용기에 담겨지는 내용물과 관련된 화장품 용도별 키워드, 화장품 콘셉트별 키워드 및 화장품 제형별 키워드를 포함할 수 있다. 예를 들면, 화장품 용도별 키워드는 향수, 두발용 화장품, 피부용 화장품, 메이크업 화장품, 특수용도 화장품 중 어느 하나와 관련된 키워드를 의미하고, 화장품 콘셉트별 키워드는 천연재료, 유기농재료 및 비건재료를 이용한 자연주의 화장품, 일반적인 재료를 이용한 일반 화장품, 고가의 재료를 이용한 고급 화장품 중 어느 하나와 관련된 키워드를 포함하며, 화장품 제형종류는 액제, 로션제, 크림제, 겔제, 에어로졸제, 분말제 중 어느 하나와 관련된 키워드를 포함할 수 있다.
본 발명에서, 고객 단말(10)이라 함은 용기제작 주문 서비스가 설치된 PC 또는 단말을 의미할 수 있으며, 이 외에도 용기제작 주문 서비스가 실행 가능한 전자기기라면 어떠한 종류라도 제한되지 않음을 유의한다. 예를 들면, 고객은 고객 단말(10)로부터 네트워크를 통해 화장품용기 설계 시스템(1000) 또는 앱 마켓에 접속하여, 용기제작 주문 서비스를 다운로드 받아 설치할 수 있다.
이때, 용기제작 주문 서비스는 고객 단말(10)에 설치된 앱 또는 프로그램으로서, 사용자 입력 인터페이스와 사용자 선택 인터페이스를 포함할 수 있다. 예를 들면, 사용자 입력 인터페이스는 화장품에 대한 정보를 텍스트로 입력받는 그래픽 유저 인터페이스로 구현되고, 사용자 선택 인터페이스는 화장품에 대한 정보를 증가현실 기반의 이미지촬영, 이미지 업로드 및 터치 입력을 통해 선택받는 그래픽 유저 인터페이스로 구현될 수 있다.
다음으로, 특징추출부(200)는 입력부(100)를 통해 입력받은 화장품 정보에 기초하여, 저장 DB(50)에 기수집된 복수의 화장품용기 이미지들로부터 샘플 이미지 리스트를 추출할 수 있다.
여기서, 샘플 이미지 리스트는 용기디자인 특징요소들이 포함된 샘플 이미지가 랜덤하게 리스트화된 이미지 그룹일 수 있다.
이때, 용기디자인 특징요소들은 용기재료, 용기형상 및 캡타입을 식별하기 위한 정보를 의미할 수 있다.
예를 들면, 용기재질은 유리, 플라스틱, 금속, 종이 중 적어도 어느 하나이고, 용기형상은 세구 용기(bottle type), 광구 용기(jar type), 튜브 용기, 에어로졸 용기, 원통형 파우더 콤팩트, 스틱, 팬슬 및 특수목적용기 중 어느 하나이며, 캡타입은 일반캡, 뾰족캡, 오버캡, 스크류캡(screw cap), 프레스캡(press cap)/디스크캡, 원터치캡(one touch cap), 플립캡(flip cap), 스프레이 펌프캡(spray pump cap), 펌프캡(pump cap), 스포이드캡(spoid cap) 중 어느 하나일 수 있다.
구체적으로, 특징추출부(200)는 고객 단말(10)로부터 용기제작 주문 서비스를 통해 입력받은 화장품 정보에 기초하여, 제1 내지 제3 화장품용기 이미지들을 인터넷 검색을 통해 탐색할 수 있다.
예를 들면, 특징추출부(200)는 고객 단말(10)로부터 용기제작 주문 서비스를 통해 입력받은 화장품 용도별 키워드에 대응되는 제1 화장품용기 이미지들, 화장품 콘셉트별 키워드에 대응되는 제2 화장품용기 이미지들, 화장품 제형별 키워드에 대응되는 제3 화장품용기 이미지들을 인터넷 검색을 통해 탐색하여 저장 DB(50)에 저장할 수 있다.
이때, 특징추출부(200)는 제1 내지 제3 화장품용기 이미지들에 대한 중복 이미지를 필터링하고, 용기재료, 용기형상, 토출방식, 용기표면디자인 및 캡타입에 따라 분류하여 고객 단말(10)에 제공될 샘플 이미지 리스트로 저장 DB(50)에 등록할 수 있다.
다음으로, 이미지생성부(300)는 샘플 이미지 리스트를 용기제작 주문 서비스를 통해 랜덤하게 고객 단말(10)에 제공함에 따라 선택적으로 입력받는 샘플 이미지에 따라, 용기디자인 특징요소들을 인식하여 고객선택 디자인이미지를 생성할 수 있다.
구체적으로, 이미지생성부(300)는 고객 단말(10)로부터 용기재료, 용기형상, 토출방식, 용기표면디자인 및 캡타입에 각각 대응되는 각 샘플 이미지를 적어도 하나 이상 입력받도록 고객 단말(10)에 샘플 이미지 리스트를 용기제작 주문 서비스를 통해 제공할 수 있다.
이때, 이미지생성부(300)는 고객 단말(10)로부터 서로 다른 용기형상에 대응되는 적어도 둘의 샘플 이미지를 입력받는 경우, 이력 주문 정보에 따른 판매 가격 저가순서, 결제 횟수 순서 및 판매 횟수 순서에 따라 적어도 둘의 샘플 이미지들 중 하나의 샘플 이미지를 선별할 수 있다.
그런 다음, 이미지생성부(300)는 이력 주문 정보에 따라 선별된 샘플 이미지로부터 용기재료, 용기형상, 토출방식, 용기표면디자인 및 캡타입에 대응되는 용기디자인 특징요소들을 인식하고, 이를 기초로 고객선택 디자인이미지를 생성할 수 있다.
일 실시예에 따라, 이미지생성부(300)는 고객 단말(10)에 구비된 레이저 센서부(미도시)를 이용하여, 고객으로부터 반사된 임펄스 라디오 신호를 주파수 도메인 신호로 변환함에 따라 호흡 및 심박 신호를 추출하고, 호흡 및 심박 신호의 안정 상태로 판단되는 시점에서 샘플 이미지를 선택받도록 용기제작 주문 서비스를 제어할 수 있다.
이러한 고객 단말(10)은 IR-UWB(Impulse Radio - Ultra Wide Band) 레이더 센서, FMCW (Frequency-modulated continuous-wave) 레이더 센서를 포함할 수 있다. 여기서, IR-UWB 레이더 센서는 출력 파워가 50㎼로서 호흡을 정확하게 모니터링하는 것이 가능할 수 있다. 또한 IR-UWB 기술은 수ns~ 수백 ps에 이르는 매우 좁은 폭의 임펄스를 사용함으로써, 협대역 신호들에 비해 보다 높은 정확도로 임의의 객체로부터 반사된 신호를 탐지하고 이로부터 호흡 신호를 유효하게 추출하는데 이로울 수 있다. 이때, 이미지생성부(300)는 임펄스 라디오 신호로부터 기설정된 노이즈를 제거한 후 노이즈가 제거된 임펄스 라디오 신호를 주파수 도메인 신호로 변환할 수 있다. 여기서 주파수 도메인 신호로의 변환은 푸리에 변환(Fourier transform)을 통해 이루어질 수 있다.
다른 실시예에 따라, 이미지생성부(300)는 고객 단말(10)로부터 MBTI 성격검사를 통해 확인된 성격검사결과에 기초하여, 샘플 이미지 리스트 중 어느 하나의 샘플 이미지를 임의로 선택하여 고객 단말(10)에 제안할 수 있다. 이때, 이미지생성부(300)는 MBTI 성격검사 프로그램을 구비하고, 성격검사결과별로 이전에 선택된 샘플 이력 이미지에 기초하여, 샘플 이미지를 사전에 성격검사결과별로 분류하여 저장DB(200)에 사전에 등록할 수 있다.
또 다른 실시예에 따라, 이미지생성부(300)는 고객 단말(10)에 기저장된 SRI 질의 응답 서비스를 제공함에 따라 응답받는 SRI 응답정보에 기초하여, 고객의 스트레스 수준을 확인하고, 고객의 스트레스 수준에 따라 고객선택 디자인이미지에 대한 생성과정을 일정 시간 지연시키도록 고객 단말(10)에 제안할 수 있다.
다음으로, 보강결정부(400)는 이미지생성부(300)를 통해 생성되는 고객선택 디자인이미지에 대해 인공지능 기반의 누수분류 알고리즘을 통해 분석함에 따라 도출되는 유통기간별 누수 확률값과 이미지 객체 분석을 통해 도출되는 화장품 용량 수치에 기초하여, 보강 이미지를 결정할 수 있다.
여기서, 보강 이미지는 고객선택 디자인이미지에 대해 이중구조의 캡을 보강하고, 화장품내용물을 수용하는 내부 수용 면적에 팽창공간을 구획하는 씰링지를 보강한 이미지일 수 있다.
실시예에 따른 유통기간별 누수 확률값은 제작, 운반 및 보관 기간에 따라 화장품 내용물이 용기에서 변형되거나 오염되는 확률값을 의미하고, 화장품 용량 수치는 화장품 내용물이 담겨지는 용량 정보를 의미할 수 있다.
이때, 인공지능 기반의 유통 기간별 누수분류 알고리즘은 고객선택 디자인이미지를 입력받아 누수 확률값을 출력하는 인공 신경 회로망 알고리즘으로서, 인공 신경 회로망(Artificial Neural Network), SVM(Support Vector Machine), 의사 결정 트리(Decision Tree) 및 랜덤 포레스트(Random Forest) 중 어느 하나의 알고리즘일 수 있다.
예를 들면, 인공 신경 회로망은 주로 딥러닝에서 사용되어 지고, 기계학습과 생물학의 신경망에서 영감을 얻은 통계학적 학습 알고리즘으로서, 특징 추출 신경망과 분류 신경망을 포함하는 컨볼루션 신경망일 수 있다. 이때, 컨볼루션 신경망은 시각적 이미지를 분석하는데 사용되는 깊고 피드포워드적인 인공 신경 회로망의 한종류로, 이미지의 특징을 추출하고 클래스를 분류하는 과정으로 나누어질 수 있고, 특정 이미지의 특징을 추출하고 추출된 특징을 기반으로 이미지를 인식할 수 있다.
구체적으로, 특징 추출 신경망은 입력 신호를 컨볼루션 계층과 풀링 계층을 차례로 쌓아 진행한다. 컨볼루션 계층은 컨볼루션 연산, 컨볼루션 필터 및 활성 함수를 포함하고 있다. 컨볼루션 필터의 계산은 대상 입력의 행렬 크기에 따라 조절되나 일반적으로 9X9 행렬을 사용한다. 활성 함수는 일반적으로 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용할 수 있으나 이에 한정되지는 않는다. 풀링 계층은 입력의 행렬 크기를 줄이는 역할을 하는 계층으로, 특정 영역의 픽셀을 묶어 대표값을 추출하는 방식을 사용한다. 풀링 계층의 연산에는 일반적으로 평균값이나 최대값을 많이 사용하나 이에 한정되지는 않는다. 해당 연산은 정방 행렬을 사용하여 진행되는데 일반적으로 9X9 행렬을 사용한다. 컨볼루션 계층과 풀링 계층은 해당 입력이 차이를 유지한 상태에서 충분히 작아질 때까지 번갈아 반복 진행된다.
또한, 분류 신경망은 은닉층과 출력층을 가지고 있다. 이러한 분류 신경망(520)은 일반적으로 5개 이상의 은닉층을 포함하며, 각 은닉층의 노드는 80개로 지정할 수 있으나, 경우에 따라 그 이상으로 정하는 것도 가능하다. 은닉층의 활성 함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정되는 것은 아니다.
다음으로, 디자인제공부(500)는 보강결정부(400)를 통해 결정된 보강 이미지와 고객선택 디자인이미지에 기초하여 맞춤형 화장품용기 디자인을 생성하고, 해당 맞춤형 화장품용기 디자인에 대한 색상, 광택, 패턴 및 무늬를 웹상에서 편집 가능하게 지원하도록 고객 단말(10)에 편집툴 웹서비스를 통해 제공할 수 있다.
여기서, 맞춤형 화장품용기 디자인은 고객이 원하는 용기디자인 특징요소들과 누수확률값에 따른 보강 구조가 반영된 2D 및 3D 이미지 파일로서, 특정 프로그램 예컨대 캐드 프로그램을 통해 수정이 가능한 이미지 파일일 수 있다.
이때, 편집툴 웹서비스는 이미지 편집 프로그램이 적용된 웹페이지일 수 있다.
이하, 구체적인 실시예와 비교예를 통하여 본 발명의 구성 및 그에 따른 효과를 보다 상세히 설명하고자 한다. 그러나, 본 실시예는 본 발명을 보다 구체적으로 설명하기 위한 것이며, 본 발명의 범위가 이들 실시예에 한정되는 것은 아니다.
도 2는 도 1의 보강결정부(400)에 대한 일 실시예를 나타내는 도이다.
도 2를 참조하면, 보강결정부(400)는 데이터 수집부(410), 알고리즘 생성부(420), 확률값 도출부(430) 및 재선택부(440)를 포함할 수 있다.
먼저, 데이터 수집부(410)는 화장품 내용물이 일정 기간 동안 누수되거나 오염된 복수의 누수용기 이미지들을 관리자 단말(로부터 전송받아 저장 DB(50)에 저장할 수 있다.
다음으로, 알고리즘 생성부(420)는 저장 DB(50)에 저장된 복수의 누수용기 이미지들을 유통 기간별로 분류하여 머신 러닝(Machine Learning)을 통해 학습함에 따라 유통 기간별 누수분류 알고리즘을 생성할 수 있다.
다음으로, 확률값 도출부(430)는 이미지생성부(300)를 통해 생성된 고객선택 디자인이미지를 유통 기간별 누수분류 알고리즘에 적용함에 따라, 유통기간별 누수 확률값을 도출할 수 있다.
다음으로, 재선택부(440)는 유통기간별 누수 확률값 중 어느 하나의 누수 확률값이 유통기간별 기준값을 초과한 경우, 고객선택 디자인이미지를 재생성하도록 용기제작 주문 서비스를 통해 이전에 제공된 샘플 이미지 리스트를 제외한 신규 샘플 이미지 리스트를 고객 단말(10)에 제공할 수 있다.
도 3은 도 1의 보강결정부(400)에 대한 다른 실시예를 나타내는 도이다.
도 1 내지 도 3을 참조하면, 보강결정부(400_1)는 데이터 수집부(410), 알고리즘 생성부(420), 확률값 도출부(430), 재선택부(440), 이미지처리부(450), 용량추정부(460), 산출부(470) 및 조절부(480)를 포함할 수 있다. 이하, 도 2에서 설명된 동일한 부재번호의 데이터 수집부(410), 알고리즘 생성부(420), 확률값 도출부(430), 재선택부(440)에 대한 중복된 설명은 생략될 것이다.
먼저, 이미지처리부(450)는 연산 처리량을 감소시키도록 이미지생성부(300)를 통해 생성된 고객선택 디자인이미지를 2차원 단면 이미지로 변환할 수 있다.
다음으로, 용량추정부(460)는 이미지처리부(450)를 통해 변환된 2차원 단면 이미지로부터 검출되는 내부 수용 면적과 고객선택 디자인이미지의 3차원 사이즈 정보에 기초하여, 내부 공간에 대한 최대 용량 수치를 추정할 수 있다.
다음으로, 산출부(470)는 용량추정부(460)를 통해 추정된 최대 용량 수치에 고객 단말(10)로부터 선택받는 용기재질에 따라 기설정된 용기두께별 면적비율을 적용함에 따라, 내부 공간에 대한 용량 수치를 산출하여 고객 단말(10)에 제공할 수 있다.
이러한 용기재질 예컨대, 유리, 플라스틱, 금속, 종이는 기설정된 용기두께로 각각 제조됨으로써, 용량추정부(460)는 용기재질마다 가지는 물질특성에 따라 관리자의 경험에 따라 기설정된 용기두께별 면적비율을 사전에 등록할 수 있다.
예를 들면, 유리는 유리 특유의 광택이 있고 투명, 착색, 유백 등의 외관이 얻어진다. 내열성이 있고, 화학적 내구성이 우수하다. 액체, 기체 등이 투과되지 않고 내용물 보존성이 우수하다. 인쇄, 도장, 실크인쇄 등 표면에 후가공이 가능하다. 단점으로는 충격에 약해서 깨지기 쉽고, 알칼리 용출에 의해서 내용물이 영향을 받으며, 온도 상승이나 동결에 의해서 병이 깨지는 경우가 있고, 무겁기 때문에 운송, 운반, 진열이 불편하다는 것이다. 플라스틱은 PET, PP, PE, ABS, PN 등을 포함하며, 복잡한 형상이 가능하며, 가벼운 용기를 제조할 수 있다. 내용물이 보존성에 적합한 수 종류의 재질을 적층으로 한 구성이 가능하다. 표면 가공으로서 핫 스템프, 전사, 인쇄, 증착, 도금 등이 가능하다. 단점으로는 열에 약하여 변형되기 쉽고, 기계적 강도가 약해서 손상이 생기기 쉽고, 수분, 기체에 대하여 투과성이 있어 용제에는 약하다는 것이다. 폴리에틸렌(PE)은 PE 밀도에 따라 저밀도폴리에틸렌(LDPE)과 고밀도폴리에틸렌(HDPE: 화학성분의 배출이 없고 환경호르몬이 검출되지 않은 친환경 플라스틱)으로 구분되며, 무미무취의 인체에 무해한 재질이다. 폴리프로필렌(PP)은 탄소와 산소만으로 구성되어 인체에 유해한 원료가 없는 친환경 소재이며, 고온에서도 강하고 유해물질이 발생하지 않는다. 여기서, PP, PE 모두 분리배출을 통해 100% 재활용이 가능한 친환경 소재이다. 금속 재료는 알루미늄, 스테인리스, 아연 등일 수 있으며, 장점으로는 기계적인 강도가 강해서 얇아도 충분한 강도가 있다. 충격에 대하여 강건하여 가스 등을 투과시키지 않는다. 표면 가공으로서 도금, 도장, 인쇄, 다이아 커트 등이 가능하며, 단점으로는 부식에 의한 내용물에 영향이 있으며 단가가 다른 용기에 비해 비싸다는 것이다. 한편, 친환경 성분을 이용한 용기는, 종이용기, 친환경 PETG 용기, PET 용기, 친환경 HDPE 용기, 사탕수수를 원료로 한 바이오 플라스틱 용기, 친환경 플라스틱(HDPE)과 바이오 플라스틱을 혼합한 용기, 옥수수 성분으로 만든 인지오(INGEO) 용기, 100% 자연 분해 원료만 사용한 용기, 100% 재활용 가능한 용기, 단일 소재화와 백색 및 투명한 용기, 재생 원료 사용 용기를 적어도 포함하는 용기일 수 있다.
다음으로, 조절부(480)는 고객 단말(10)로부터 피드백받는 용량 수치에 대한 증감 요청 신호에 기초하여, 용기재질을 변경함에 따라 용량 수치로부터 증감되는 용기재질별 조절 수치 리스트를 고객 단말(10)에 제공할 수 있다. 이때, 조절부(480)는 고객 단말(10)로부터 선택받는 용기재질별 조절 수치 리스트 중 어느 하나에 응답하여, 어느 하나에 해당하는 조절 수치를 용량 수치로 반영할 수 있다.
실시예에 따라, 조절부(480)는 누수 확률값에 따라 고객 단말(10)로부터 피드백받는 보강 요청 신호에 따라, 2차원 단면 이미지에 대한 이중결합 캡객체(481)를 적용하고 내부 수용 면적에 팽창공간을 구획하는 씰링지객체(482)를 적용함에 따라 생성되는 보강 이미지에 기초하여, 팽창공간에 대한 용량 수치를 내부 공간에 대한 용량 수치로 반영할 수 있다. 이후에 디자인제공부(500)는 보강 이미지와 고객선택 디자인이미지를 기초로, 맞춤형 화장품용기 디자인을 생성할 수 있다.
도 4는 본 발명의 일 실시예에 따른 화장품용기 설계 시스템(1000)의 동작 프로세스이다.
도 1과 도 4를 참조하면, 먼저, S110 단계에서, 입력부(100)는 고객 단말(10)로부터 맞춤형 화장품용기를 원격으로 주문하기 위한 용기제작 주문 서비스를 통해 화장품 정보를 입력받을 수 있다.
그런 다음, S120 단계에서, 특징추출부(200)는 고객 단말(10)로부터 용기제작 주문 서비스를 통해 입력받은 화장품 정보에 기초하여, 제1 내지 제3 화장품용기 이미지들을 인터넷 검색을 통해 탐색할 수 있다.
예를 들면, 특징추출부(200)는 화장품 용도별 키워드에 대응되는 제1 화장품용기 이미지들, 화장품 콘셉트별 키워드에 대응되는 제2 화장품용기 이미지들, 화장품 제형별 키워드에 대응되는 제3 화장품용기 이미지들을 인터넷 검색을 통해 탐색할 수 있다.
이때, S130 단계에서, 특징추출부(200)는 제1 내지 제3 화장품용기 이미지들에 대한 중복 이미지를 필터링하고, 용기재료, 용기형상, 토출방식, 용기표면디자인 및 캡타입에 따라 분류하여 고객 단말(10)에 제공될 샘플 이미지 리스트로 저장 DB(50)에 등록할 수 있다.
그런 다음, S140 단계에서, 이미지생성부(300)는 특징추출부(200)를 통해 저장 DB(50)에 등록된 샘플 이미지 리스트를 용기제작 주문 서비스를 통해 랜덤하게 고객 단말(10)에 제공함에 따라 선택적으로 입력받는 샘플 이미지에 따라, 용기디자인 특징요소들을 인식하여 고객선택 디자인이미지를 생성할 수 있다.
그런 다음, S150 단계에서, 보강결정부(400)는 고객선택 디자인이미지에 대해 인공지능 기반의 누수분류 알고리즘을 통해 분석함에 따라 도출되는 유통기간별 누수 확률값과 이미지 객체 분석을 통해 도출되는 화장품 용량 수치에 기초하여, 보강 이미지를 결정할 수 있다.
이후, S160단계에서, 디자인제공부(500)는 보강 이미지와 고객선택 디자인이미지에 기초하여 맞춤형 화장품용기 디자인을 생성하고, 해당 맞춤형 화장품용기 디자인에 대한 색상, 광택, 패턴 및 무늬를 웹상에서 편집 가능하게 지원하도록 고객 단말(10)에 편집툴 웹서비스를 통해 제공할 수 있다.
본 명세서에서는 본 발명자들이 수행한 다양한 실시예 가운데 몇 개의 예만을 들어 설명하는 것이나 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고, 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
10: 고객 단말
100: 입력부
200: 특징추출부
300: 이미지생성부
400: 보강결정부
1000: 화장품용기 설계 방법 및 시스템
100: 입력부
200: 특징추출부
300: 이미지생성부
400: 보강결정부
1000: 화장품용기 설계 방법 및 시스템
Claims (5)
- 고객 단말로부터 맞춤형 화장품용기를 원격으로 주문하기 위한 용기제작 주문 서비스를 통해 화장품 정보를 입력받는 입력부;
상기 화장품 정보에 기초하여, 기수집된 복수의 화장품용기 이미지들로부터 샘플 이미지 리스트를 추출하는 특징추출부;
상기 샘플 이미지 리스트를 상기 용기제작 주문 서비스를 통해 랜덤하게 상기 고객 단말에 제공하고, 상기 샘플 이미지 리스트에서 선택적으로 입력받는 샘플 이미지를 상기 고객 단말로부터 전송받고, 상기 샘플 이미지를 기초로 용기디자인 특징요소들을 인식하여 고객선택 디자인이미지를 생성하는 이미지 생성부;
상기 고객선택 디자인이미지에 대해 인공지능 기반의 누수분류 알고리즘을 통해 분석함에 따라 도출되는 유통기간별 누수 확률값과 이미지 객체 분석을 통해 도출되는 화장품 용량 수치에 기초하여, 보강 이미지를 결정하는 보강결정부; 및
상기 보강 이미지와 상기 고객선택 디자인이미지에 기초하여 맞춤형 화장품용기 디자인을 생성하고, 상기 맞춤형 화장품용기 디자인에 대한 색상, 광택, 패턴 및 무늬를 웹상에서 편집 가능하도록 상기 고객 단말에 편집툴 웹서비스를 제공하는 디자인제공부를 포함하고,
상기 화장품 정보는 화장품용기에 담겨지는 내용물과 관련된 화장품 용도별 키워드, 화장품 콘셉트별 키워드 및 화장품 제형별 키워드를 포함하며,
상기 보강 이미지는 상기 고객선택 디자인이미지에 대해 이중구조의 캡을 보강하고, 팽창공간을 구획하는 씰링지를 보강한 이미지이며,
상기 맞춤형 화장품용기 디자인은 고객이 원하는 용기디자인 특징요소들과 누수확률값에 따른 보강 구조가 반영된 2D 및 3D 이미지 파일인, 화장품용기 설계 시스템. - 제1항에 있어서,
상기 보강결정부는 화장품 내용물이 일정 기간 동안 누수되거나 오염된 복수의 누수용기 이미지들을 사전에 수집하는 데이터 수집부;
상기 복수의 누수용기 이미지들을 유통 기간별로 분류하여 머신 러닝(Machine Learning)을 통해 학습함에 따라 유통 기간별 누수분류 알고리즘을 생성하는 알고리즘 생성부;
상기 고객선택 디자인이미지를 유통 기간별 누수분류 알고리즘에 적용함에 따라 유통기간별 누수 확률값을 도출하는 확률값 도출부; 및
상기 유통기간별 누수 확률값 중 어느 하나의 누수 확률값이 유통기간별 기준값을 초과한 경우, 상기 고객선택 디자인이미지를 재생성하도록 상기 용기제작 주문 서비스를 통해 이전에 제공된 상기 샘플 이미지 리스트를 제외한 신규 샘플 이미지 리스트를 상기 고객 단말에 제공하는 재선택부를 포함하는, 화장품용기 설계 시스템. - 제2항에 있어서,
상기 보강결정부는 상기 고객선택 디자인이미지를 2차원 단면 이미지로 변환하는 이미지처리부;
상기 2차원 단면 이미지로부터 검출되는 내부 수용 면적과 고객선택 디자인이미지의 3차원 사이즈 정보에 기초하여, 내부 공간에 대한 최대 용량 수치를 추정하는 용량추정부;
상기 최대 용량 수치에 상기 고객 단말로부터 선택받는 용기재질에 따라 기설정된 용기두께별 면적비율을 적용함에 따라, 상기 내부 공간에 대한 용량 수치를 산출하는 산출부; 및
상기 고객 단말로부터 피드백받는 상기 용량 수치에 대한 증감 요청 신호에 기초하여, 용기재질을 변경함에 따라 용량 수치로부터 증감되는 용기재질별 조절 수치 리스트를 상기 고객 단말에 제공하는 조절부를 포함하고,
상기 조절부는 상기 고객 단말로부터 선택받는 상기 용기재질별 조절 수치 리스트 중 어느 하나에 응답하여, 상기 어느 하나에 해당하는 조절 수치를 용량 수치로 반영하는, 화장품용기 설계 시스템. - 제3항에 있어서,
상기 조절부는 상기 누수 확률값에 따라 상기 고객 단말로부터 보강 요청 신호를 피드백받는 경우, 상기 2차원 단면 이미지에 이중결합 캡객체와 씰링지객체를 적용함에 따라 생성되는 상기 보강 이미지에 기초하여, 팽창공간에 대한 용량 수치를 상기 내부 공간에 대한 용량 수치로 반영하는, 화장품용기 설계 시스템. - 제1항에 있어서,
상기 이미지생성부는 상기 고객 단말에 구비된 음성 센서부를 이용하여, 고객으로부터 감지된 음성 신호가 기설정된 안정 상태로 판단되는 시점에서 상기 샘플 이미지를 선택받도록 상기 용기제작 주문 서비스를 제어하는, 화장품용기 설계 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220021036A KR102401120B1 (ko) | 2022-02-17 | 2022-02-17 | 화장품용기 설계 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220021036A KR102401120B1 (ko) | 2022-02-17 | 2022-02-17 | 화장품용기 설계 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102401120B1 true KR102401120B1 (ko) | 2022-05-24 |
Family
ID=81808064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220021036A KR102401120B1 (ko) | 2022-02-17 | 2022-02-17 | 화장품용기 설계 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102401120B1 (ko) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05147638A (ja) * | 1991-11-28 | 1993-06-15 | Yamamura Glass Co Ltd | 容器デザインシステム |
| JPH07114597A (ja) * | 1993-10-19 | 1995-05-02 | Kanebo Ltd | 容器包材設計支援装置 |
| JP2016148890A (ja) * | 2015-02-10 | 2016-08-18 | 住友ゴム工業株式会社 | ゴム栓の設計方法 |
| KR101705111B1 (ko) | 2015-06-17 | 2017-02-21 | 옴니시스템 주식회사 | 고급질감을 제공하는 화장품 용기 및 그 제조방법 |
| KR20200031021A (ko) * | 2018-09-13 | 2020-03-23 | 박상열 | 기계학습을 이용한 맞춤형 화장품 제공 서버 및 방법 |
| KR20200095672A (ko) * | 2019-02-01 | 2020-08-11 | 유용철 | 온라인 맞춤형 자기 주문을 위한 유저 인터페이스 제공 시스템 |
| KR102360561B1 (ko) * | 2021-10-01 | 2022-02-09 | 브이아이코리아 주식회사 | 인공지능을 활용한 패키지 디자인 제공시스템 및 그 동작 방법 |
-
2022
- 2022-02-17 KR KR1020220021036A patent/KR102401120B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05147638A (ja) * | 1991-11-28 | 1993-06-15 | Yamamura Glass Co Ltd | 容器デザインシステム |
| JPH07114597A (ja) * | 1993-10-19 | 1995-05-02 | Kanebo Ltd | 容器包材設計支援装置 |
| JP2016148890A (ja) * | 2015-02-10 | 2016-08-18 | 住友ゴム工業株式会社 | ゴム栓の設計方法 |
| KR101705111B1 (ko) | 2015-06-17 | 2017-02-21 | 옴니시스템 주식회사 | 고급질감을 제공하는 화장품 용기 및 그 제조방법 |
| KR20200031021A (ko) * | 2018-09-13 | 2020-03-23 | 박상열 | 기계학습을 이용한 맞춤형 화장품 제공 서버 및 방법 |
| KR20200095672A (ko) * | 2019-02-01 | 2020-08-11 | 유용철 | 온라인 맞춤형 자기 주문을 위한 유저 인터페이스 제공 시스템 |
| KR102360561B1 (ko) * | 2021-10-01 | 2022-02-09 | 브이아이코리아 주식회사 | 인공지능을 활용한 패키지 디자인 제공시스템 및 그 동작 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Maxwell et al. | Implementation of machine-learning classification in remote sensing: An applied review | |
| Jacques-Dumas et al. | Deep learning-based extreme heatwave forecast | |
| Meyer et al. | Comparison of four machine learning algorithms for their applicability in satellite-based optical rainfall retrievals | |
| Nair et al. | Clustering stock price time series data to generate stock trading recommendations: An empirical study | |
| Yanagisawa et al. | Interactive reduct evolutional computation for aesthetic design | |
| KR102360561B1 (ko) | 인공지능을 활용한 패키지 디자인 제공시스템 및 그 동작 방법 | |
| Shen et al. | Affective product form design using fuzzy Kansei engineering and creativity | |
| Evans | Uncertainty and error | |
| Esme et al. | Fuzzy c-means based support vector machines classifier for perfume recognition | |
| CN112949647A (zh) | 三维场景描述方法、装置、电子设备和存储介质 | |
| Das et al. | A new wrist vein biometric system | |
| Liu et al. | Deep learning in forest structural parameter estimation using airborne lidar data | |
| Johnston et al. | Applied Unsupervised Learning with Python: Discover hidden patterns and relationships in unstructured data with Python | |
| WO2009145915A1 (en) | Smartscope/smartshelf | |
| KR102401120B1 (ko) | 화장품용기 설계 방법 및 시스템 | |
| Baraldi | Satellite image automatic Mapper™(SIAM™)-a turnkey software executable for automatic near real-time multi-sensor multi-resolution spectral rule-based preliminary classification of spaceborne multi-spectral images | |
| CN110110628B (zh) | 一种频率综合器劣化的检测方法及检测设备 | |
| Zhang et al. | Generative meta-adversarial network for unseen object navigation | |
| Shen et al. | Enhanced GANs for satellite behavior discovery | |
| Kliangkhlao et al. | The design and development of a causal Bayesian networks model for the explanation of agricultural supply chains | |
| Xie et al. | A pyramidal deep learning architecture for human action recognition | |
| Glenn | Context-dependent detection in hyperspectral imagery | |
| CN106952287A (zh) | 一种基于低秩稀疏表达的视频多目标分割方法 | |
| Bhatt et al. | Approximating fuzzy membership functions from clustered raw data | |
| Martínez et al. | Spatio‐temporal multi‐scale motion descriptor from a spatially‐constrained decomposition for online action recognition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |