KR102573295B1 - 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치 - Google Patents

뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치 Download PDF

Info

Publication number
KR102573295B1
KR102573295B1 KR1020230051994A KR20230051994A KR102573295B1 KR 102573295 B1 KR102573295 B1 KR 102573295B1 KR 1020230051994 A KR1020230051994 A KR 1020230051994A KR 20230051994 A KR20230051994 A KR 20230051994A KR 102573295 B1 KR102573295 B1 KR 102573295B1
Authority
KR
South Korea
Prior art keywords
area
seating area
information
seating
cleanliness
Prior art date
Application number
KR1020230051994A
Other languages
English (en)
Inventor
양성환
김후남
Original Assignee
주식회사 민성
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 주식회사 민성 filed Critical 주식회사 민성
Priority to KR1020230051994A priority Critical patent/KR102573295B1/ko
Application granted granted Critical
Publication of KR102573295B1 publication Critical patent/KR102573295B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/18—Payment architectures involving self-service terminals [SST], vending machines, kiosks or multimedia terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F9/00—Details other than those peculiar to special kinds or types of apparatus
    • G07F9/02—Devices for alarm or indication, e.g. when empty; Advertising arrangements in coin-freed apparatus
    • G07F9/023—Arrangements for display, data presentation or advertising
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Multimedia (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Finance (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

실시예들은 뉴럴 네트워크(neural network)를 이용하여 무인 카페 내부의 복수의 좌석 영역을 방법 및 장치를 제시한다. 일 실시예에 따른 상기 방법은, 상기 복수의 좌석 영역 중에서 제1 좌석 영역에 대한 이용 완료 메시지를 상기 제1 좌석 영역에 구비된 센싱 장치로부터 수신하고, 상기 제1 좌석 영역은 상기 센싱 장치를 통해 사전 설정된 시간동안 빈 좌석 상태로 감지된 좌석 영역이고, 상기 이용 완료 메시지를 수신한 것에 기반하여 상기 제1 좌석 영역에 매칭된 카메라 모듈에게 상기 제1 좌석 영역에 대한 제1 이미지를 요청하고, 상기 이용 완료 메시지를 수신한 것에 기반하여 상기 제1 좌석 영역에 대한 정보를 획득하고, 상기 제1 좌석 영역에 대한 정보는 좌석 영역에 대한 마지막 청소 시점, 좌석 영역의 크기와 위치 및 좌석 영역을 구성하는 가구에 대한 정보를 포함하고, 상기 카메라 모듈로부터 상기 제1 이미지를 수신한 것에 기반하여, 상기 제1 좌석 영역에 대한 정보 및 상기 제1 이미지를 기반으로 뉴럴 네트워크를 이용하는 청결도 결정 모델을 통해 상기 제1 좌석 영역에 대한 제1 청결도를 결정하고, 상기 제1 청결도가 사전 설정된 기준 값 이하인 것에 기반하여, 주문 단말에게 청소 요청 메시지를 전송하는 단계를 포함할 수 있다. 예를 들어, 상기 청소 요청 메시지에 기반하여, 상기 주문 단말의 디스플레이 모듈에 상기 제1 좌석 영역에 대한 청소 요청과 관련된 화면이 표시될 수 있다.

Description

뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치{METHOD AND APPARATUS FOR MANAGING A PLURALITY OF SEATING AREAS INSIDE AN UNMANNED CAFE USING A NEURAL NETWORK}
본 개시의 실시예들은 무인 카페 내부의 복수의 좌석 영역을 관리하는 기술에 관한 것으로, 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 기술에 대한 것이다.
한편, 인공지능과 통신 기술의 발달로 비대면 시대가 도래하면서 다양한 무인화 매장이 발행하고 있다. 특히, 무인 카페의 경우, 카페에서 일하는 직원이 없이도 음료의 주문, 제조 및 서빙까지 모두 비대면으로 수행될 수 있다.
그러나, 무인 카페도 일반적인 매장과 마찬가지로 무인 카페에 구비된 장치들을 관리하는 관리자가 필요하므로, 별도의 관리 인력을 고용해야 하는 불편함이 발생할 수 있다.
또한, 무인 카페에 구비된 좌석에 음료로 인한 얼룩이 지거나 음식물 부스러기가 놓여진 경우, 무인 카페의 특성상 좌석을 깨끗하게 청소할 직원이 존재하지 않기 때문에, 무인 카페의 위생 상태에 대한 문제가 발생할 수 있다. 그리고, 무인 카페에 배치된 테이블 및 의자를 고객이 파손한 경우, 파손된 물건에 대한 즉각적인 조치가 불가하므로, 무인 카페 내 파손된 물건을 관리하는 방법이 필요하다.
이에, 관리자가 관리자 단말을 사용하여 무인 카페에 구비된 장치들을 관리하는 관리 서버에게 원격으로 제어하는 방법이 필요하다. 또한, 관리 서버가 카메라 모듈로부터 좌석 영역에 대한 이미지를 수신하고, 좌석 영역에 대한 이미지를 기반으로 뉴럴 네트워크를 이용하는 청결도 결정 모델을 통해 청결도를 결정하고, 청결도가 사전 설정된 기준 값 이하인 것에 기반하여, 주문 단말에게 청소 요청 메시지를 전송하여 고객이 좌석 영역을 청소한 경우, 청소에 대한 보상을 고객에게 제공함으로써, 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법이 필요하다.
본 개시의 실시예들은, 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치를 제공할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 관리 서버가 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법은, 상기 복수의 좌석 영역 중에서 제1 좌석 영역에 대한 이용 완료 메시지를 상기 제1 좌석 영역에 구비된 센싱 장치로부터 수신하고, 상기 제1 좌석 영역은 상기 센싱 장치를 통해 사전 설정된 시간동안 빈 좌석 상태로 감지된 좌석 영역이고, 상기 이용 완료 메시지를 수신한 것에 기반하여 상기 제1 좌석 영역에 매칭된 카메라 모듈에게 상기 제1 좌석 영역에 대한 제1 이미지를 요청하고, 상기 이용 완료 메시지를 수신한 것에 기반하여 상기 제1 좌석 영역에 대한 정보를 획득하고, 상기 제1 좌석 영역에 대한 정보는 좌석 영역에 대한 마지막 청소 시점, 좌석 영역의 크기와 위치 및 좌석 영역을 구성하는 가구에 대한 정보를 포함하고, 상기 카메라 모듈로부터 상기 제1 이미지를 수신한 것에 기반하여, 상기 제1 좌석 영역에 대한 정보 및 상기 제1 이미지를 기반으로 뉴럴 네트워크를 이용하는 청결도 결정 모델을 통해 상기 제1 좌석 영역에 대한 제1 청결도를 결정하고, 상기 제1 청결도가 사전 설정된 기준 값 이하인 것에 기반하여, 주문 단말에게 청소 요청 메시지를 전송하는 단계를 포함할 수 있다. 예를 들어, 상기 청소 요청 메시지에 기반하여, 상기 주문 단말의 디스플레이 모듈에 상기 제1 좌석 영역에 대한 청소 요청과 관련된 화면이 표시될 수 있다.
일 실시예에 따르면, 상기 방법은 상기 센싱 장치로부터 청소 개시 메시지를 수신하고, 상기 청소 개시 메시지는 상기 제1 좌석 영역에 대한 고객의 움직임이 감지된 것에 기반하여 전송되고, 상기 청소 개시 메시지에 기반하여 상기 제1 좌석 영역에 매칭된 카메라 모듈에게 상기 제1 좌석 영역에 대한 제2 이미지를 요청하고, 상기 제1 좌석 영역에 매칭된 카메라 모듈로부터 상기 제1 좌석 영역에 대한 제2 이미지를 수신하고, 상기 제1 좌석 영역에 대한 정보 및 상기 제2 이미지를 기반으로 상기 청결도 결정 모델을 통해 상기 제1 좌석 영역에 대한 제2 청결도를 결정하고, 상기 주문 단말에게 보상 정보를 포함하는 청소 완료 메시지를 전송하는 단계를 더 포함할 수 있다. 예를 들어, 상기 주문 단말에 상기 청소 완료 메시지가 전송된 것에 기반하여, 상기 주문 단말에 상기 제1 청결도와 상기 제2 청결도의 차이 값에 기반한 보상과 관련된 화면이 표시될 수 있다.
일 실시예에 따르면, 상기 방법은 상기 복수의 좌석 영역 중에서 제2 좌석 영역에 대한 이용 개시 메시지를 상기 제2 좌석 영역에 구비된 센싱 장치로부터 수신하고, 상기 제2 좌석 영역은 상기 센싱 장치를 통해 고객이 착석한 상태로 감지된 좌석 영역이고, 상기 이용 개시 메시지를 수신한 것에 기반하여 상기 제2 좌석 영역과 연결된 전력 계량 장치에게 상기 제2 좌석 영역에 대한 전력 사용량 정보를 요청하고, 상기 전력 계량 장치로부터 상기 제2 좌석 영역에 대한 전력 사용량 정보를 수신하는 단계를 더 포함할 수 있다. 예를 들어, 상기 제2 좌석 영역에 대한 전력 사용량이 사전 설정된 전력 값 이상인 것에 기반하여 상기 제2 좌석 영역에 대한 공급 전력이 차단될 수 있다.
실시예들에 따르면, 관리 서버는 사전 설정된 시간동안 빈 좌석 상태로 감지된 제1 좌석 영역에 대한 정보 및 제1 좌석 영역에 대한 제1 이미지를 기반으로 뉴럴 네트워크를 이용하는 청결도 결정 모델을 통해 제1 좌석 영역에 대한 제1 청결도를 결정하고, 제1 청결도가 사전 설정된 기준 값 이하인 것에 기반하여, 주문 단말에게 청소 요청 메시지를 전송할 수 있다. 이를 통해, 관리 서버는 이용이 완료된 좌석 영역에 대한 청결도를 자동으로 결정하고, 청결도에 따라 청소를 고객에게 요청함으로써, 효율적으로 무인 카페를 관리할 수 있다.
실시예들에 따르면, 관리 서버는 제1 좌석 영역에 대한 고객의 움직임이 감지된 것에 따라 제1 좌석 영역에 대한 제2 이미지를 수신하고, 제1 좌석 영역에 대한 정보 및 제2 이미지를 기반으로 청결도 결정 모델을 통해 제1 좌석 영역에 대한 제2 청결도를 결정하고, 제1 청결도와 제2 청결도의 차이 값에 기반한 보상을 고객에게 제공함으로써, 별도의 직원을 고용하지 않고 청결하게 관리할 수 있고, 동시에 고객들에게 보상을 제공함으로써, 무인 카페의 이용률을 높일 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 관리 서버가 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법을 나타낸다.
도 4는 일 실시예에 따른 청결도 결정 모델에 대한 예이다.
도 5는 일 실시예에 따른 뉴럴 네트워크를 이용하여 이용하여 관리 서버가 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법에 대한 흐름도이다.
도 6은 일 실시예에 따른 관리 서버의 구성을 나타내는 블록도이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다.
인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 서비스 서버(Service Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Python, Golang, kotlin 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH, TOMCAT 등을 이용하여 웹 서비스를 구현할 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜, TCP, UDP(user datagram protocol) 등의 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
도 3은 일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 관리 서버가 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법을 나타낸다. 도 3의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 3을 참조하면, 단계 S301에서, 관리 서버(예: 도 1의 서버(108))는 복수의 좌석 영역 중에서 제1 좌석 영역에 대한 이용 완료 메시지를 제1 좌석 영역에 구비된 센싱 장치로부터 수신할 수 있다.
무인 카페는 고객이 직접 키오스크 등과 같은 주문 단말을 이용해 음료를 구입하거나 이용료를 지불한 후 이용하는 방식으로 운영되는 카페이다. 관리 서버는 무인 카페를 관리하는 서버이며, 주문 단말, 제조 장치, 센싱 장치 및 관리자 단말 등 무인 카페 내외부에 구비된 다양한 장치들을 관리할 수 있다.
복수의 좌석 영역은 무인 카페 내부에 위치한 좌석 영역들이고, 하나의 좌석 영역은 하나의 테이블과 하나 이상의 의자를 포함할 수 있다. 예를 들어, 복수의 좌석 영역 각각에 대해 센싱 장치가 구비될 수 있다. 예를 들어, 센싱 장치는 해당 좌석 영역의 여러 상태(예: 무게, 온도, 고객의 움직임)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 예를 들어, 센싱 장치는 적어도 하나의 프로세서, 메모리, 통신부 및 적어도 하나의 센서를 포함할 수 있다. 적어도 하나의 센서는 좌석 영역에 포함된 테이블 및 의자에 구비될 수 있다. 적어도 하나의 센서는 제스처 센서, 압력 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서 중 적어도 하나를 사용할 수 있다.
예를 들어, 복수의 좌석 영역 각각에 포함된 하나 이상의 의자에 구비된 압력 센서를 통해 의자에 가해지는 압력이 측정될 수 있다. 이때, 압력 센서에 의해 실시간으로 측정된 압력이 사전 설정된 값 이하로 유지된 시간(이하, 유지 시간)이 사전 설정된 시간 이상인 경우, 해당 압력 센서가 포함된 센싱 장치는 해당 좌석 영역을 빈 상태로 감지된 좌석 영역으로 결정할 수 있다. 이때, 유지 시간은 해당 좌석 영역에 포함된 모든 의자에 대해 측정될 수 있고, 해당 좌석 영역에 포함된 모든 의자에 대한 유지 시간이 사전 설정된 시간 이상인 경우, 해당 압력 센서가 포함된 센싱 장치는 해당 좌석 영역을 빈 상태로 감지된 좌석 영역으로 결정할 수 있다.
예를 들어, 제1 좌석 영역은 센싱 장치를 통해 복수의 좌석 영역 중에서 사전 설정된 시간동안 빈 상태로 감지된 좌석 영역일 수 있다. 센싱 장치는 적어도 하나의 프로세서, 메모리, 통신부 및 적어도 하나의 제1 센서를 포함할 수 있다. 예를 들어, 좌석 영역에 대한 유지 시간(좌석 영역에 포함된 의자에 구비된 압력 센서에 의해 측정된 압력이 사전 설정된 값 이하로 유지된 시간)이 사전 설정된 시간 이상인 경우, 센싱 장치는 좌석 영역을 빈 좌석 상태(제1 좌석 영역)로 결정할 수 있다. 좌석 영역이 빈 좌석 상태(제1 좌석 영역)로 결정된 것에 기반하여, 센싱 장치는 제1 좌석 영역에 대한 이용 완료 메시지를 관리 서버에게 전송할 수 있다.
이용 완료 메시지는 좌석 영역에 대한 고객의 이용이 완료되었음을 나타내는 메시지이고, 좌석 영역에 대한 식별 정보 및 좌석 영역이 빈 좌석 상태로 유지된 시간에 대한 정보를 포함할 수 있다.
단계 S302에서, 관리 서버는 이용 완료 메시지를 수신한 것에 기반하여 제1 좌석 영역에 매칭된 카메라 모듈에게 제1 좌석 영역에 대한 제1 이미지를 요청할 수 있다.
카메라 모듈은 좌석 영역에 대한 정지 영상 및 동영상을 촬영할 수 있다. 예를 들어, 카메라 모듈은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 메모리, 통신부 또는 플래시들을 포함할 수 있다. 예를 들어, 카메라 모듈은 복수의 좌석 영역 각각에 대해 사전에 매칭될 수 있다. 예를 들어, 복수의 좌석 영역과 복수의 카메라 모듈 사이의 매칭 관계에 대한 정보는 관리 서버에 사전 저장될 수 있다. 관리 서버는 이용 완료 메시지에 포함된 식별 정보를 통해 좌석 영역을 식별하고, 복수의 좌석 영역과 복수의 카메라 모듈 사이의 매칭 관계에 대한 정보를 기반으로 식별된 좌석 영역에 매칭된 카메라 모듈을 결정할 수 있다.
제1 이미지는 제1 좌석 영역을 촬영한 이미지이며, 제1 좌석 영역에 포함된 하나 이상의 테이블 및 하나 이상의 의자가 모두 촬영된 이미지일 수 있다.
단계 S303에서, 관리 서버는 이용 완료 메시지를 수신한 것에 기반하여 제1 좌석 영역에 대한 정보를 획득할 수 있다.
예를 들어, 복수의 좌석 영역에 대한 정보가 관리 서버에 사전 저장될 수 있다. 좌석 영역에 대한 정보는 좌석 영역에 대한 마지막 청소 시점, 좌석 영역의 크기와 위치 및 좌석 영역을 구성하는 가구에 대한 정보를 포함할 수 있다. 좌석 영역에 대한 마지막 청소 시점은 좌석 영역이 마지막으로 청소된 시점을 나타내는 값이다. 좌석 영역의 크기는 좌석 영역이 무인 카페 내에서 차지하는 면적을 나타낼 수 있다. 좌석 영역의 위치는 무인 카페를 xy 좌표로 나타낸 평면도에서 좌석 영역의 중심점에 대한 xy 좌표일 수 있다.
좌석 영역을 구성하는 가구에 대한 정보는 좌석 영역에 포함된 테이블의 개수 및 크기와 재질, 좌석 영역에 포함된 의자의 개수 및 각 의자의 크기와 재질을 포함할 수 있다. 여기서, 테이블의 재질은 테이블의 상판을 구성하는 소재이고, 예를 들어, 세라믹, 집성목, 통원목, 대리석 및 무늬목을 포함할 수 있다. 의자의 재질은 의자의 좌판을 구성하는 소재이고, 예를 들어, 메쉬, 인조가죽, 더블라셀, 패브릭 및 천연가죽을 포함할 수 있다.
예를 들어, 관리 서버는 이용 완료 메시지에 포함된 식별 정보를 통해 좌석 영역을 식별하고, 복수의 좌석 영역에 대한 정보 중에서 식별된 좌석 영역에 대한 정보를 획득할 수 있다.
단계 S304에서, 관리 서버는 카메라 모듈로부터 제1 이미지를 수신한 것에 기반하여, 제1 좌석 영역에 대한 정보 및 제1 이미지를 기반으로 제1 뉴럴 네트워크를 이용하는 청결도 결정 모델을 통해 제1 좌석 영역에 대한 제1 청결도를 결정할 수 있다.
예를 들어, 관리 서버는 카메라 모듈로부터 제1 이미지를 수신할 수 있다. 그리고, 관리 서버는 카메라 모듈로부터 제1 이미지를 수신한 것에 기반하여, 제1 좌석 영역에 대한 정보 및 제1 이미지를 기반으로 제1 뉴럴 네트워크를 이용하는 청결도 결정 모델을 통해 제1 좌석 영역에 대한 제1 청결도를 결정할 수 있다.
예를 들어, 제1 좌석 영역에 대한 정보에 대한 데이터 전처리를 통해 제1 기본 벡터가 생성될 수 있다. 제1 기본 벡터는 마지막 청소 시점에 대한 값, 좌석 영역의 크기에 대한 값, 좌석 영역의 위치와 관련된 값, 테이블의 재질과 관련된 값 및 의자의 재질과 관련된 값을 포함할 수 있다.
마지막 청소 시점에 대한 값은 해당 좌석 영역에 대한 청소 완료 메시지가 가장 최근에 주문 단말에게 전송된 날짜 및 시간을 나타내는 값일 수 있다. 좌석 영역의 크기에 대한 값은 해당 좌석 영역에 대한 면적을 나타낸 값이다. 좌석 영역의 위치와 관련된 값은 해당 좌석 영역의 중심점에서 무인 카페의 입구까지의 거리를 나타낸 값일 수 있다. 예를 들어, 무인 카페의 입구에 대한 xy 좌표의 값은 (0, 0)일 수 있다.
테이블의 재질과 관련된 값은 좌석 영역에 포함된 테이블의 재질을 나타내는 값으로, 테이블의 재질을 나타내는 값들 중 적어도 하나의 값을 포함할 수 있다. 예를 들어, 테이블의 재질은 세라믹, 집성목, 통원목, 대리석 및 무늬목 등을 포함할 수 있다. 예를 들어, 테이블의 재질이 무늬목인 경우, 테이블의 재질과 관련된 값은 1일 수 있다. 예를 들어, 테이블의 재질이 대리석인 경우, 테이블의 재질과 관련된 값은 2일 수 있다. 즉, 테이블의 재질과 관련된 값은 세라믹, 집성목, 통원목, 대리석 또는 무늬목 각각에 대해 서로 다른 값을 가질 수 있다. 예를 들어, 좌석 영역에 포함된 테이블이 복수 개인 경우, 테이블의 재질과 관련된 값은 각각의 테이블의 재질을 나타내는 값으로 구성될 수 있다. 좌석 영역에 포함된 두 개의 테이블의 재질이 각각 무늬목과 대리석인 경우, 테이블의 재질과 관련된 값은 [1, 2]일 수 있다.
의자의 재질과 관련된 값은 의자의 재질을 나타내는 값으로, 예를 들어, 의자의 재질을 나타내는 값들 중 적어도 하나의 값을 포함할 수 있다. 예를 들어, 의자의 재질은 메쉬, 인조가죽, 더블라셀, 패브릭 및 천연가죽 등을 포함할 수 있다. 예를 들어, 의자의 재질이 천연가죽인 경우, 의자의 재질과 관련된 값은 1일 수 있다. 의자의 재질이 패브릭인 경우, 의자의 재질과 관련된 값은 2일 수 있다. 즉, 의자의 재질과 관련된 값은 메쉬, 인조가죽, 더블라셀, 패브릭 또는 천연가죽 각각에 대해 서로 다른 값을 가질 수 있다. 예를 들어, 좌석 영역에 포함된 의자가 복수 개인 경우, 의자의 재질과 관련된 값은 각각의 의자의 재질을 나타내는 값으로 구성될 수 있다. 좌석 영역에 포함된 두 개의 의자의 재질이 각각 천연가죽과 패브릭인 경우, 의자의 재질과 관련된 값은 [1, 2]일 수 있다.
예를 들어, 제1 이미지에 대한 데이터 전처리를 통해 복수의 관심 영역에 대한 픽셀 값으로 구성된 제1 상태 벡터가 생성될 수 있다. 복수의 관심 영역은 테이블과 관련된 제1 관심 영역 및 의자와 관련된 제2 관심 영역을 포함할 수 있다. 예를 들어, 테이블과 관련된 제1 관심 영역은 제1 이미지에서 각 테이블의 상판과 관련된 영역일 수 있다. 예를 들어, 의자와 관련된 제2 관심 영역은 제1 이미지에서 각 의자의 좌판과 관련된 영역일 수 있다.
제1 기본 벡터 및 제1 상태 벡터가 제1 뉴럴 네트워크를 이용하는 청결도 결정 모델에 입력되는 것에 기반하여 제1 좌석 영역에 대한 제1 청결도가 결정될 수 있다.
제1 뉴럴 네트워크는 제1 입력 레이어, 하나 이상의 제1 히든 레이어 및 제1 출력 레이어를 포함할 수 있다. 복수의 제1 기본 벡터, 복수의 제1 상태 벡터, 복수의 기준 상태 벡터 및 복수의 정답 청결도로 구성된 각각의 학습 데이터는 상기 제1 뉴럴 네트워크의 상기 제1 입력 레이어에 입력되어 상기 하나 이상의 제1 히든 레이어 및 제1 출력 레이어를 통과하여 제1 출력 벡터로 출력되고, 상기 제1 출력 벡터는 상기 제1 출력 레이어에 연결된 제1 손실함수 레이어에 입력되고, 상기 제1 손실함수 레이어는 상기 제1 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제1 손실함수를 이용하여 제1 손실 값을 출력하고, 상기 제1 뉴럴 네트워크의 파라미터가 상기 제1 손실 값이 작아지는 방향으로 학습될 수 있다.
기준 상태 벡터는 제1 기본 벡터 및 제1 상태 벡터에 대응하는 좌석 영역이 청결한 상태에서 촬영된 이미지를 기반으로 생성될 수 있다. 예를 들어, 기준 상태 벡터는 청결한 상태의 좌석 영역에 대한 데이터 전처리를 통해 생성될 수 있고, 청결한 상태의 좌석 영역을 촬영한 이미지 내 복수의 관심 영역에 대한 픽셀 값으로 구성될 수 있다.
예를 들어, 복수의 정답 청결도 각각은 하기 수학식 1에 의해 결정될 수 있다.
상기 수학식1에서, 상기 N은 정답 청결도이고, 상기 는 해당 좌석 영역의 위치와 무인 카페의 입구 사이의 거리에 따른 위치 가중치이고, 상기 areasize는 해당 좌석 영역의 크기에 대한 값이고, 상기 areadefault는 좌석 영역의 크기에 대한 기본 값이고, 상기 n은 제1 관심 영역의 개수이고, 상기 sim1i는 제1 상태 벡터의 i번째 제1 관심 영역과 기준 상태 벡터의 i번째 제1 관심 영역 사이의 유사도이고, 상기 m은 제2 관심 영역의 개수이고, 상기 sim2j는 제1 상태 벡터의 j번째 제2 관심 영역과 기준 상태 벡터의 j번째 제2 관심 영역 사이의 유사도이고, 상기 은 제1 기본 벡터의 테이블의 재질과 관련된 값에 따른 제1 재질 가중치이고, 상기 는 제1 기본 벡터의 의자의 재질과 관련된 값에 따른 제2 재질 가중치일 수 있다.
예를 들어, 위치 가중치는 좌석 영역의 중심점에서 무인 카페의 입구까지의 거리에 비례하여 결정될 수 있다. 예를 들어, 위치 가중치는 0보다 크고 1보다 작은 값일 수 있다.
예를 들어, 제1 재질 가중치는 테이블의 재질이 오염이 강인한 정도를 나타내는 가중치이고, 제1 기본 벡터의 테이블의 재질과 관련된 값 각각에 매칭된 오염 강인도에 기반하여 결정될 수 있다. 제1 재질 가중치는 0보다 크고 1보다 작은 값일 수 있다. 예를 들어, 제1 재질 가중치는 테이블의 재질과 관련된 값에 매칭된 제1 오염 강인도의 평균 값으로 결정될 수 있다. 제1 오염 강인도는 0보다 크고 1보다 작은 값일 수 있고, 테이블의 재질별로 관리 서버에 사전 저장될 수 있다. 예를 들어, 테이블의 재질과 관련된 값이 [1, 2]이고, 1 값에 매칭된 제1 오염 강인도가 0.8이고, 2 값에 매칭된 제1 오염 강인도가 0.6인 경우, 제1 재질 가중치는 0.8과 0.6의 평균 값인 0.7로 결정될 수 있다.
예를 들어, 제2 재질 가중치는 의자의 재질이 오염이 강인한 정도를 나타내는 가중치이고, 제1 기본 벡터의 의자의 재질과 관련된 값 각각에 매칭된 제2 오염 강인도에 기반하여 결정될 수 있다. 제2 재질 가중치는 0보다 크고 1보다 작은 값일 수 있다. 예를 들어, 제2 재질 가중치는 의자의 재질과 관련된 값에 매칭된 제2 오염 강인도의 평균 값으로 결정될 수 있다. 제2 오염 강인도는 0보다 크고 1보다 작은 값일 수 있고, 의자의 재질별로 관리 서버에 사전 저장될 수 있다. 예를 들어, 의자의 재질과 관련된 값이 [1, 2]이고, 1 값에 매칭된 제2 오염 강인도가 0.9이고, 2 값에 매칭된 제2 오염 강인도가 0.7인 경우, 제2 재질 가중치는 0.9과 0.7의 평균 값인 0.8로 결정될 수 있다.
예를 들어, 상기 제1 상태 벡터의 i번째 제1 관심 영역과 기준 상태 벡터의 i번째 제1 관심 영역 사이의 유사도는 1 이상 10 이하의 값일 수 있다. 예를 들어, 상기 제1 상태 벡터의 j번째 제2 관심 영역과 기준 상태 벡터의 j번째 제2 관심 영역 사이의 유사도는 1 이상 10 이하의 값일 수 있다.
이를 통해, 관리 서버는 좌석 영역의 위치 뿐만 아니라 좌석 영역에 포함된 가구의 종류, 개수 및 재질에 따라 가중치를 부여하여 정답 청결도를 결정함으로써, 보다 정확한 학습 데이터를 이용하여 청결도 결정 모델을 학습시킬 수 있다.
단계 S305에서, 관리 서버는 제1 청결도가 사전 설정된 기준 값 이하인 것에 기반하여, 주문 단말에게 청소 요청 메시지를 전송할 수 있다.
주문 단말은 키오스크와 같이 터치 스크린이 구비되어 고객의 터치 입력에 의해 주문을 받는 단말을 지칭한다. 예를 들어, 주문 단말은 적어도 하나의 프로세서, 메모리, 통신부, 디스플레이 모듈 및 오디오 모듈을 포함할 수 있다. 디스플레이 모듈은 주문 단말의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈은 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 예를 들어, 디스플레이 모듈은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다. 오디오 모듈은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 예를 들어, 오디오 모듈은, 입력 모듈 및 음향 출력 모듈을 포함하고, 입력 모듈을 통해 소리를 획득하거나, 음향 출력 모듈, 또는 주문 단말과 직접 또는 무선으로 연결된 외부 전자 장치(예: 음향 장치)를 통해 소리를 출력할 수 있다. 예를 들어, 주문 단말은 도 1의 전자 장치(101)를 포함할 수 있다. 예를 들어, 복수의 좌석 영역 중에서 주문 단말에 고객에 의해 선택된 좌석 영역이 입력될 수 있다.
청소 요청 메시지는 좌석 영역에 대한 청소를 요청하는 메시지이다. 예를 들어, 청소 요청 메시지는 좌석 영역의 위치에 대한 정보, 좌석 영역에 대한 청소를 요청하는 문구와 이미지, 좌석 영역에 대한 청소에 따른 보상을 설명하는 문구와 이미지를 포함할 수 있다. 예를 들어, 관리 서버는 제1 청결도가 사전 설정된 값 이하인 제1 좌석 영역에 대한 청소 요청 메시지를 주문 단말에게 전송할 수 있다.
예를 들어, 청소 요청 메시지에 기반하여, 주문 단말의 디스플레이 모듈에 상기 제1 좌석 영역에 대한 청소 요청과 관련된 화면이 표시될 수 있다. 청소 요청과 관련된 화면은 빈 상태의 좌석 영역(예: 제1 좌석 영역)에 대한 청소를 요청하기 위한 화면으로, 제1 좌석 영역에 대한 청소를 요청하는 문구와 이미지 및 제1 좌석 영역에 대한 청소에 따른 보상을 설명하는 문구와 이미지를 포함할 수 있다. 예를 들어, 주문 단말은 청소 요청 메시지에 기반하여 청소 요청과 관련된 화면을 디스플레이 모듈에 표시할 수 있다. 예를 들어, 주문 단말에 대해 청소 요청과 관련된 화면을 통해 청소를 수행할 예정인 고객의 식별 정보(예: 회원 번호)가 입력될 수 있다. 예를 들어, 고객의 식별 정보는 고객별로 관리 서버에 사전 저장될 수 있다.
일 실시예에 따르면, 관리 서버는 센싱 장치로부터 청소 개시 메시지를 수신할 수 있다. 예를 들어, 제1 좌석 영역에 구비된 센싱 장치가 객체의 움직임을 감지한 경우, 센싱 장치는 관리 서버에게 청소 개시 메시지를 전송할 수 있다. 청소 개시 메시지는 제1 좌석 영역에 대한 청소가 개시된 것을 알리는 메시지이고, 제1 좌석 영역에 대한 객체(예: 고객)의 움직임이 감지된 것에 기반하여 전송될 수 있다.
예를 들어, 관리 서버는 청소 개시 메시지에 기반하여 제1 좌석 영역에 매칭된 카메라 모듈에게 제1 좌석 영역에 대한 제2 이미지를 요청할 수 있다. 예를 들어, 관리 서버는 청소 개시 메시지를 수신하고, 사전 설정된 시간이 경과된 이후에 제1 좌석 영역에 매칭된 카메라 모듈에게 제1 좌석 영역에 대한 제2 이미지를 요청할 수 있다. 여기서, 사전 설정된 시간은 좌석 영역을 청소하기 위해 필요한 최소 시간을 나타내고, 좌석 영역의 크기, 좌석 영역에 포함된 테이블의 개수 및 의자의 개수에 따라 좌석 영역마다 상이하게 설정될 수 있다.
관리 서버는 제1 좌석 영역에 매칭된 카메라 모듈로부터 제1 좌석 영역에 대한 제2 이미지를 수신할 수 있다. 제2 이미지는 제1 좌석 영역에 구비된 센싱 장치에 의해 객체의 움직임이 감지된 이후 제1 좌석 영역이 촬영된 이미지이며, 제1 좌석 영역에 포함된 하나 이상의 테이블 및 하나 이상의 의자가 모두 촬영된 이미지일 수 있다. 예를 들어, 제2 이미지에 제1 좌석 영역에 포함된 하나 이상의 테이블 및 하나 이상의 의자가 모두 촬영되지 않은 경우, 관리 서버는 제1 좌석 영역에 매칭된 카메라 모듈에게 제1 좌석 영역에 대한 제2 이미지를 재요청할 수 있다. 이때, 관리 서버는 제1 좌석 영역에 대한 정보를 기반으로 제1 좌석 영역에 포함된 하나 이상의 테이블 및 하나 이상의 의자가 모두 촬영되었는지 여부를 결정할 수 있다.
관리 서버는 제1 좌석 영역에 대한 정보 및 제2 이미지를 기반으로 청결도 결정 모델을 통해 제1 좌석 영역에 대한 제2 청결도를 결정할 수 있다.
예를 들어, 관리 서버는 상술한 제1 좌석 영역에 대한 정보에 대한 데이터 전처리를 통해 생성된 제1 기본 벡터를 제2 청결도를 결정하기 위해 사용할 수 있다.
예를 들어, 제2 이미지에 대한 데이터 전처리를 통해 복수의 관심 영역에 대한 픽셀 값으로 구성된 제2 상태 벡터가 생성될 수 있다. 제1 기본 벡터 및 제2 상태 벡터가 제1 뉴럴 네트워크를 이용하는 청결도 결정 모델에 입력되는 것에 기반하여 제1 좌석 영역에 대한 제2 청결도가 결정될 수 있다.
관리 서버는 주문 단말에게 보상 정보를 포함하는 청소 완료 메시지를 전송할 수 있다. 예를 들어, 관리 서버는 제2 청결도가 결정된 것에 기반하여 주문 단말에게 보상 정보를 포함하는 청소 완료 메시지를 전송할 수 있다.
청소 완료 메시지는 좌석 영역에 대한 청소가 완료되었음을 나타내는 메시지이고, 청소 완료 메시지는 보상 정보를 포함할 수 있다. 보상 정보는 할인 쿠폰 또는 적립금과 같은 보상에 대한 정보이고, 제1 청결도와 제2 청결도의 차이 값에 따라 할인 쿠폰의 할인율 또는 적립금의 금액이 상이할 수 있다.
예를 들어, 제2 청결도에서 제1 청결도를 뺀 값에 비례하여 할인율 또는 적립금의 금액이 증가할 수 있다. 이때, 할인율 또는 적립금의 금액은 사전 설정된 범위 내에서 증가될 수 있다. 예를 들어, 제2 청결도에서 제1 청결도를 뺀 값이 음수인 경우, 상기 청소 완료 메시지에 보상 정보가 포함되지 않을 수 있다.
주문 단말에 청소 완료 메시지가 전송된 것에 기반하여, 주문 단말에 제1 청결도와 제2 청결도의 차이 값에 기반한 보상과 관련된 화면이 표시될 수 있다.
보상과 관련된 화면은 빈 상태의 좌석 영역(예: 제1 좌석 영역)에 대한 청소를 완료한 것에 대한 보상을 나타내는 화면이다. 예를 들어, 청소 요청과 관련된 화면에서 입력된 고객의 식별 정보에 따라 식별된 고객에게 제1 청결도와 제2 청결도의 차이 값에 기반한 보상이 제공될 수 있다.
이를 통해, 무인 카페 내부의 좌석 영역들을 별도의 직원을 고용하지 않고 청결하게 관리할 수 있고, 동시에 고객들에게 보상을 제공함으로써, 무인 카페의 이용률을 높일 수 있다.
일 실시예에 따르면, 관리 서버는 복수의 좌석 영역 중에서 제2 좌석 영역에 대한 이용 개시 메시지를 제2 좌석 영역에 구비된 센싱 장치로부터 수신할 수 있다. 제2 좌석 영역은 복수의 좌석 영역 중에서 센싱 장치를 통해 고객이 착석한 상태로 감지된 좌석 영역일 수 있다. 이용 개시 메시지는 좌석 영역에 대한 고객의 이용이 개시되었음을 나타내는 메시지이고, 좌석 영역에 대한 식별 정보를 포함할 수 있다.
예를 들어, 좌석 영역에 대한 착석 시간(좌석 영역에 포함된 의자에 구비된 압력 센서에 의해 측정된 압력이 사전 설정된 값 이상으로 유지된 시간)이 사전 설정된 시간 이상인 경우, 센싱 장치는 좌석 영역을 고객이 착석한 상태(제2 좌석 영역)로 결정할 수 있다. 좌석 영역이 고객이 착석한 상태(제2 좌석 영역)로 결정된 것에 기반하여, 센싱 장치는 제2 좌석 영역에 대한 이용 개시 메시지를 관리 서버에게 전송할 수 있다. 여기서, 좌석 영역에 대한 착석 시간에 대한 사전 설정된 값 및 사전 설정된 시간은 상술한 좌석 영역에 대한 유지 시간에 대한 사전 설정된 값 및 사전 설정된 시간은 서로 다른 값일 수 있다.
관리 서버는 이용 개시 메시지를 수신한 것에 기반하여 제2 좌석 영역과 연결된 전력 계량 장치에게 제2 좌석 영역에 대한 전력 사용량 정보를 요청할 수 있다.
전력 계량 장치는 전력 사용량을 실시간으로 측정하고, 무선 통신을 통해 측정된 전력 사용량을 관리 서버에게 전송하는 장치이다. 예를 들어, 복수의 좌석 영역마다 전력 계량 장치가 연결될 수 있다. 전력 계량 장치는 연결된 좌석 영역에서 사용되는 전력 사용량을 실시간으로 측정하는 전력 측정부, 연결된 좌석 영역에 대한 전력 공급을 차단하는 전력 차단부, 실시간 전력 사용량 정보에 대한 데이터 송수신을 수행하는 통신부, 실시간 전력 사용량 정보를 저장하는 메모리 및 실시간 전력 사용 정보를 처리하는 프로세서를 포함할 수 있다.
전력 사용량 정보는 제2 좌석 영역에서 사용되는 전력을 나타내는 정보이고, 관리 서버가 이용 개시 메시지를 수신한 시점부터 측정된 실시간 전력 사용량 및 제2 좌석 영역에 연결되어 사용되는 콘센트의 개수를 포함할 수 있다.
관리 서버는 전력 계량 장치로부터 제2 좌석 영역에 대한 전력 사용량 정보를 수신할 수 있다. 제2 좌석 영역에 대한 전력 사용량이 사전 설정된 전력 값 이상인 것에 기반하여 제2 좌석 영역에 대한 공급 전력이 차단될 수 있다.
예를 들어, 제2 좌석 영역에 대한 전력 사용량이 사전 설정된 전력 값 이상인 것에 기반하여 관리 서버는 전력 계량 장치에게 전력 차단을 지시하는 메시지를 전송할 수 있다. 전력 차단을 지시하는 메시지는 좌석 영역에 대한 전력의 공급을 차단하는 것을 지시하는 메시지이다. 전력 계량 장치는 전력 차단을 지시하는 메시지에 따라 제2 좌석 영역에 대한 공급 전력을 차단할 수 있다.
부가적으로, 예를 들어, 제2 좌석 영역이 제1 좌석 영역으로 변경되는 경우, 관리 서버는 제2 좌석 영역에 대한 전력을 다시 공급할 수 있다. 예를 들어, 관리 서버가 제2 좌석 영역에 구비된 센싱 장치로부터 이용 완료 메시지를 수신한 경우, 관리 서버는 제2 좌석 영역과 연결된 전력 계량 장치에게 전력 공급을 지시하는 메시지를 전송할 수 있다. 전력 공급을 지시하는 메시지는 좌석 영역에 대한 전력의 공급을 지시하는 메시지이다. 전력 계량 장치는 전력 공급을 지시하는 메시지에 따라 제2 좌석 영역에 대한 전력을 공급할 수 있다.
도 4는 일 실시예에 따른 청결도 결정 모델에 대한 예이다. 도 4의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 4를 참조하면, 청결도 결정 모델에 사용되는 제1 뉴럴 네트워크는 CNN(convolutional neural network) 기반 뉴럴 네트워크 모델일 수 있다.
예를 들어, 제1 뉴럴 네트워크는 제1 입력 레이어(410), 하나 이상의 제1 히든 레이어(420) 및 제1 출력 레이어(430)를 포함할 수 있다.
복수의 제1 기본 벡터, 복수의 제1 상태 벡터, 복수의 기준 상태 벡터 및 복수의 정답 청결도로 구성된 각각의 학습 데이터는 상기 제1 뉴럴 네트워크의 상기 제1 입력 레이어(410)에 입력되어 상기 하나 이상의 제1 히든 레이어(420) 및 제1 출력 레이어(430)를 통과하여 제1 출력 벡터로 출력되고, 상기 제1 출력 벡터는 상기 제1 출력 레이어(430)에 연결된 제1 손실함수 레이어에 입력되고, 상기 제1 손실함수 레이어는 상기 제1 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제1 손실함수를 이용하여 제1 손실 값을 출력하고, 상기 제1 뉴럴 네트워크의 파라미터가 상기 제1 손실 값이 작아지는 방향으로 학습될 수 있다.
예를 들어, 청결도 결정 모델의 학습 데이터로 사용되는, 제1 기본 벡터, 제1 상태 벡터 및 기준 상태 벡터는 하나의 세트로 구성될 수 있다. 기준 상태 벡터는 제1 기본 벡터 및 제1 상태 벡터에 대응하는 좌석 영역이 청결한 상태에서 촬영된 이미지를 기반으로 생성될 수 있다. 예를 들어, 기준 상태 벡터는 청결한 상태의 좌석 영역에 대한 데이터 전처리를 통해 생성될 수 있고, 청결한 상태의 좌석 영역을 촬영한 이미지 내 복수의 관심 영역에 대한 픽셀 값으로 구성될 수 있다. 예를 들어, 기준 상태 벡터는 청결한 상태의 테이블의 상판과 관련된 영역에 대한 픽셀 값 및 청결한 상태의 의자의 좌판과 관련된 영역에 대한 픽셀 값을 포함할 수 있다.
청결도 결정 모델의 학습 데이터로 사용되는 복수의 세트 및 각각의 세트에 대한 정답 청결도가 관리 서버에 사전 저장될 수 있다.
복수의 제1 기본 벡터 각각은 좌석 영역에 대한 정보에 대한 데이터 전처리를 통해 생성될 수 있다. 각각의 제1 기본 벡터는 마지막 청소 시점에 대한 값, 좌석 영역의 크기에 대한 값, 좌석 영역의 위치와 관련된 값, 테이블의 재질과 관련된 값 및 의자의 재질과 관련된 값을 포함할 수 있다.
복수의 제1 상태 벡터 각각은 제1 이미지에 대한 데이터 전처리를 통해 복수의 관심 영역에 대한 픽셀 값으로 구성되도록 생성될 수 있다. 복수의 관심 영역은 테이블과 관련된 제1 관심 영역 및 의자와 관련된 제2 관심 영역을 포함할 수 있다.
구체적으로, 빈 상태의 좌석 영역에 대한 이미지(제1 이미지)에 제2 뉴럴 네트워크를 이용하는 YOLO(you only look once) 모델을 적용하여 복수의 관심 영역이 추출되고, 제1 상태 벡터는 복수의 관심 영역에 대한 픽셀 값으로 구성될 수 있다. 예를 들어, 관리 서버는 제1 이미지에서 복수의 관심 영역을 추출하기 위한 테두리 박스(bounding box)의 시작 좌표와 높이, 너비 정보를 획득할 수 있다. 여기서, YOLO 모델은 테두리 상자 조정(bounding box coordinate)과 분류(classification)를 뉴럴 네트워크를 통해 동시에 실행하는 통합적 인식을 구현하는 인공지능 알고리즘이다. 관리 서버는 테두리 박스에 대한 정보를 기반으로 테두리 박스의 내부에 대한 깊이 정보를 획득할 수 있다. 관리 서버는 테두리 박스의 시작 좌표와 높이, 너비 정보, 테두리 박스의 깊이 정보를 기반으로 테이블의 위치 및 의자의 위치를 파악할 수 있다.
예를 들어, 제2 뉴럴 네트워크는 제2 입력 레이어, 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 포함할 수 있다. 관리 서버가 제1 이미지에 YOLO 모델을 적용하여 테이블과 의자를 인식하기 위해, 하나 이상의 제2 히든 레이어를 통해 제1 이미지에 대한 특징 맵을 생성할 수 있다. 이후, 관리 서버는 상기 특징 맵에 대해 서로 다른 크기를 가지는 복수의 그리드로 분류하고, 그리드를 구성하는 각 셀에 대해 서로 다른 크기의 앵커 박스를 n개를 적용함으로써 테두리 박스(bounding box)를 결정할 수 있다. 관리 서버는 테두리 박스의 시작 좌표와 높이, 너비 정보를 획득하는 것을 기반으로 객체 탐색을 수행할 수 있다. 이때, 관리 서버는 각 클래스마다 독립적인 시그모이드 레이어를 사용하여 탐색 결과를 종합함으로써, 제1 이미지 내 구성요소들(예: 테이블, 의자)를 인식할 수 있다. 또한, 관리 서버가 제1 이미지의 실제 데이터에 대한 테두리 박스를 분석하여, 유사한 부분끼리 그룹핑되도록 클러스터링을 사용함으로써, n개의 서로 다른 크기의 앵커 박스가 결정될 수 있다.
이를 통해, 빈 상태의 복수의 좌석 영역에 대한 이미지를 기반으로 복수의 관심 영역을 결정하는 YOLO 모델이 학습될 수 있다.
예를 들어, 무인 카페 내 카메라 모듈로부터 제1 이미지 및 제2 이미지가 수신될 때마다, 수신된 제1 이미지 및 제2 이미지가 YOLO 모델 및 청결도 결정 모델의 학습 데이터로 추가될 수 있다.
도 5는 일 실시예에 따른 뉴럴 네트워크를 이용하여 이용하여 관리 서버가 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법에 대한 흐름도이다. 도 5의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 5를 참조하면, 단계 S501에서, 관리 서버는 복수의 좌석 영역 중에서 제2 좌석 영역에 대한 이용 개시 메시지를 제2 좌석 영역에 구비된 센싱 장치로부터 수신할 수 있다.
예를 들어, 관리 서버는 이용 개시 메시지를 수신한 것에 기반하여 제2 좌석 영역과 연결된 전력 계량 장치에게 제2 좌석 영역에 대한 전력 사용량 정보를 요청할 수 있고, 전력 계량 장치로부터 제2 좌석 영역에 대한 전력 사용량 정보를 수신할 수 있다. 즉, 관리 서버는 실시간으로 제2 좌석 영역에 대한 전력 사용량을 확인할 수 있다.
예를 들어, 관리 서버는 이용 개시 메시지를 수신한 것에 기반하여 제2 좌석 영역에 대한 정보를 획득할 수 있다.
단계 S502에서, 관리 서버는 제2 좌석 영역에 대한 전력 사용량이 사전 설정된 전력 값 이상인지 여부를 결정할 수 있다.
예를 들어, 사전 설정된 전력 값은 제2 좌석 영역과 연결된 콘센트의 개수 및 전력 사용량에 따른 비용에 따라 상이하게 결정될 수 있다.
부가적으로, 예를 들어, 사전 설정된 전력 값은 하기 수학식 2에 의해 결정될 수 있다.
상기 수학식 2에서, 상기 Wth는 상기 사전 설정된 전력 값이고, 상기 nc는 제2 좌석 영역과 연결되어 사용되는 콘센트의 개수이고, 상기 p는 제2 좌석 영역에서 주문된 메뉴의 개수이고, 상기 mk는 k번째 메뉴의 가격이고, 상기 ep는 제2 좌석 영역에 할당된 전력 비용이고, 상기 Wdefault는 기본 전력 값일 수 있다.
예를 들어, 제2 좌석 영역과 연결되어 사용되는 콘센트의 개수는 제2 좌석 영역에 대한 전력 사용량 정보에 포함될 수 있다.
예를 들어, 제2 좌석 영역에 할당된 전력 비용은 좌석 영역에 대한 정보에 더 포함될 수 있다. 예를 들어, 웹 크롤링을 통해 전력 사용량에 따른 요금이 획득될 수 있고, 관리 서버는 전력 사용량에 따른 요금에 따라 각 좌석 영역에 할당된 전력 비용 및 기본 전력 값을 업데이트할 수 있다. 기본 전력 값은 좌석 영역에서 사용가능한 기본 전력 값일 수 있고, 관리 서버에 사전 저장된 값일 수 있다.
예를 들어, 제2 좌석 영역에서 주문된 메뉴에 대한 정보는 주문 단말로부터 관리 서버에 수신될 수 있다. 관리 서버는 제2 좌석 영역에서 주문된 메뉴에 대한 정보에 따라 제2 좌석 영역에서 주문된 메뉴의 개수 및 각 메뉴의 가격을 결정할 수 있다.
이를 통해, 관리 서버는 제2 좌석 영역과 연결된 콘센트의 개수 및 전력 사용량에 따른 비용에 따라 사전 설정된 전력 값을 조정함으로써, 고정된 전력 값을 기준 값으로 사용하지 않고, 다양한 요인을 고려하여 적응적으로 변경할 수 있다.
단계 S503에서, 전력 사용량이 사전 설정된 전력 값 이상인 경우, 관리 서버는 제2 좌석 영역에 대한 전력 차단을 지시하는 메시지를 전송할 수 있다.
단계 S504에서, 관리 서버는 제2 좌석 영역에 대한 소음의 크기 값이 사전 설정된 크기 값을 초과한 횟수가 사전 설정된 횟수 이상인지 여부를 결정할 수 있다.
예를 들어, 제2 좌석 영역에 구비된 센싱 장치는 제2 좌석 영역에서 발생하는 소음의 크기를 실시간으로 측정할 수 있다. 이때, 센싱 장치는 측정된 소음의 크기에 대한 정보를 관리 서버에게 전송할 수 있다.
예를 들어, 관리 서버는 센싱 장치로부터 수신한 소음의 크기에 대한 정보에 따라 제2 좌석 영역에 대한 소음의 크기 값이 사전 설정된 크기 값을 초과하는지 여부를 결정하고, 제2 좌석 영역에 대한 소음의 크기 값이 사전 설정된 크기 값을 초과하는 횟수를 카운트할 수 있다.
단계 S505에서, 제2 좌석 영역에 대한 소음의 크기 값이 사전 설정된 크기 값을 초과한 횟수가 사전 설정된 횟수 이상인 경우, 관리 서버는 주의 메시지를 주문 단말에게 전송할 수 있다. 여기서, 주의 메시지는 제2 좌석 영역을 이용한 고객에게 무인 카페의 이용 시 주의 사항을 알리는 메시지이다. 예를 들어, 주문 단말은 주의 메시지를 수신한 것에 기반하여, 해당 좌석 영역을 이용한 고객을 관리 리스트에 추가할 수 있다. 이후, 해당 좌석 영역을 이용한 고객이 주문 단말을 사용하는 경우, 주문 단말은 무인 카페의 이용 시 주의 사항을 알리는 화면을 표시할 수 있다.
단계 S506에서, 관리 서버는 센싱 장치로부터 이용 완료 메시지를 수신할 수 있다.
예를 들어, 제2 좌석 영역이 제1 좌석 영역으로 변경되는 경우, 즉, 고객이 좌석 영역에 대한 이용을 완료한 이후 빈 상태의 좌석 영역으로 결정되는 경우, 관리 서버는 센싱 장치로부터 이용 완료 메시지를 수신할 수 있다.
예를 들어, 관리 서버는 이용 완료 메시지를 수신한 것에 기반하여 제1 좌석 영역에 매칭된 카메라 모듈에게 제1 좌석 영역에 대한 제1 이미지를 요청할 수 있다.
예를 들어, 관리 서버는 이용 완료 메시지를 수신한 것에 기반하여 제1 좌석 영역에 대한 정보를 획득할 수 있다.
단계 S507에서, 관리 서버는 제1 좌석 영역에 대한 정보 및 제1 이미지에 기반하여 제1 좌석 영역에 포함된 테이블 또는 의자의 손상 여부를 결정할 수 있다.
예를 들어, 관리 서버는 제1 좌석 영역에 대한 정보 및 제1 이미지에 기반하여 제3 뉴럴 네트워크를 이용하는 손상도 측정 모델을 통해 제1 좌석 영역에 포함된 테이블 또는 의자의 손상 여부를 결정할 수 있다.
예를 들어, 제3 뉴럴 네트워크는 제3 입력 레이어, 하나 이상의 제3 히든 레이어 및 제3 출력 레이어를 포함할 수 있다.
복수의 제2 기본 벡터, 복수의 제1 상태 벡터, 복수의 기준 손상 벡터 및 복수의 정답 손상도로 구성된 각각의 학습 데이터는 상기 제3 뉴럴 네트워크의 상기 제3 입력 레이어에 입력되어 상기 하나 이상의 제3 히든 레이어 및 제3 출력 레이어를 통과하여 제3 출력 벡터로 출력되고, 상기 제3 출력 벡터는 상기 제3 출력 레이어에 연결된 제3 손실함수 레이어에 입력되고, 상기 제3 손실함수 레이어는 상기 제3 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제3 손실함수를 이용하여 제3 손실 값을 출력하고, 상기 제3 뉴럴 네트워크의 파라미터가 상기 제3 손실 값이 작아지는 방향으로 학습될 수 있다.
이때, 복수의 제1 상태 벡터는 상술한 청결도 결정 모델의 학습 데이터와 동일할 수 있다.
예를 들어, 제1 좌석 영역에 대한 정보에 대한 데이터 전처리를 통해 제2 기본 벡터가 생성될 수 있다. 제2 기본 벡터는 마지막 청소 시점에 대한 값, 테이블의 재질과 관련된 값 및 의자의 재질과 관련된 값을 포함할 수 있다.
예를 들어, 손상도 측정 모델의 학습 데이터로 사용되는, 제2 기본 벡터, 제1 상태 벡터 및 기준 손상 벡터는 하나의 세트로 구성될 수 있다. 기준 손상 벡터는 제2 기본 벡터 및 제1 상태 벡터에 대응하는 좌석 영역에서 테이블 또는 의자가 파손된 이미지를 기반으로 생성될 수 있다. 예를 들어, 기준 손상 벡터는 영역에서 테이블 또는 의자가 파손된 좌석 영역에 대한 데이터 전처리를 통해 생성될 수 있고, 영역에서 테이블 또는 의자가 파손된 좌석 영역을 촬영한 이미지 내 복수의 관심 영역에 대한 픽셀 값으로 구성될 수 있다. 예를 들어, 기준 손상 벡터는 파손된 테이블의 상판과 관련된 영역에 대한 픽셀 값 및 파손된 의자의 좌판과 관련된 영역에 대한 픽셀 값을 포함할 수 있다.
손상도 측정 모델의 학습 데이터로 사용되는 복수의 세트 및 각각의 세트에 대한 정답 손상도가 관리 서버에 사전 저장될 수 있다.
예를 들어, 정답 손상도는 제1 상태 벡터의 제1 관심 영역과 기준 손상 벡터의 제1 관심 영역 사이의 유사도에 제1 파손 가중치를 적용한 값과 제1 상태 벡터의 제2 관심 영역과 기준 손상 벡터의 제2 관심 영역 사이의 유사도에 제2 파손 가중치를 적용한 값을 합산한 값일 수 있다.
예를 들어, 제1 파손 가중치는 테이블의 재질에 대한 내구성을 나타내는 가중치이고, 제2 기본 벡터의 테이블의 재질과 관련된 값 각각에 매칭된 제1 내구성에 기반하여 결정될 수 있다. 제1 파손 가중치는 0보다 크고 1보다 작은 값일 수 있다. 예를 들어, 제1 파손 가중치는 테이블의 재질과 관련된 값에 매칭된 제1 내구성의 평균 값으로 결정될 수 있다. 제1 내구성은 0보다 크고 1보다 작은 값일 수 있고, 테이블의 재질별로 관리 서버에 사전 저장될 수 있다.
예를 들어, 제2 파손 가중치는 의자의 재질에 대한 내구성을 나타내는 가중치이고, 제2 기본 벡터의 의자의 재질과 관련된 값 각각에 매칭된 제2 내구성에 기반하여 결정될 수 있다. 제2 파손 가중치는 0보다 크고 1보다 작은 값일 수 있다. 예를 들어, 제2 파손 가중치는 의자의 재질과 관련된 값에 매칭된 제2 내구성의 평균 값으로 결정될 수 있다. 제2 내구성은 0보다 크고 1보다 작은 값일 수 있고, 의자의 재질별로 관리 서버에 사전 저장될 수 있다.
예를 들어, 관리 서버는 손상도가 사전 설정된 기준 값 이상인 것에 기반하여 제1 좌석 영역에 포함된 테이블 또는 의자가 손상된 것으로 결정할 수 있다.
단계 S508에서, 제1 좌석 영역에 포함된 테이블 또는 의자가 파손된 경우, 관리 서버는 신고 메시지를 관리자 단말 및 외부 서버에게 전송할 수 있다. 신고 메시지는 테이블 또는 의자가 파손된 것을 알리는 메시지이고, 예를 들어, 제1 이미지를 포함할 수 있다. 관리자 단말은 무인 카페를 관리하는 관리자가 사용하는 단말일 수 있다. 외부 서버는 경찰청과 관련된 서버일 수 있다.
단계 S509에서, 제1 좌석 영역에 포함된 테이블 또는 의자가 파손되지 않은 경우, 관리 서버는 제1 좌석 영역에 대한 정보 및 제1 이미지에 기반하여 제1 뉴럴 네트워크를 이용하는 청결도 결정 모델을 통해 제1 좌석 영역에 대한 제1 청결도를 결정할 수 있다.
단계 S510에서, 관리 서버는 제1 좌석 영역에 대한 제1 청결도가 사전 설정된 값 이하인지 여부를 결정할 수 있다.
부가적으로, 예를 들어, 사전 설정된 값은 해당 좌석 영역의 고객의 평균 이용 빈도 및 평균 이용 시간에 따라 좌석 영역별로 상이하게 결정될 수 있다. 예를 들어, 해당 좌석 영역의 하루 평균 이용 빈도 및 해당 좌석 영역의 평균 이용 시간이 복수의 좌석 영역에 대한 평균 값보다 큰 경우, 관리 서버는 사전 설정된 값을 기본으로 설정된 값보다 증가시킬 수 있다. 복수의 좌석 영역에 대한 평균 값은 각 좌석 영역에 대한 하루 평균 이용 빈도를 평균한 제1 평균 값과 각 좌석 영역에 대한 평균 이용 시간을 평균한 제2 평균 값을 포함할 수 있다.
하루 평균 이용 빈도는 하루 동안 좌석 영역에 대한 주문 정보가 전송된 횟수들을 평균한 값 또는 하루 동안 좌석 영역에 대한 제조 정보가 전송된 횟수들을 평균한 값일 수 있다. 예를 들어, 관리 서버가 하나 이상의 메뉴에 대한 결제가 완료된 것에 기반하여 주문 단말로부터 주문 정보를 수신하고, 주문 정보에 기반하여 제조 장치에게 하나 이상의 메뉴를 제조하기 위한 제조 정보를 전송할 수 있다. 예를 들어, 하나 이상의 메뉴에 대한 결제는 현금, 카드 및 고객이 사전에 충전한 포인트를 통해 수행될 수 있다. 주문 정보는 고객이 주문 단말을 통해 주문한 메뉴를 나타내는 정보이며, 고객에 의해 결제가 완료된 메뉴에 대한 정보일 수 있다. 예를 들어, 주문 정보는 메뉴에 대한 식별 정보 및 메뉴에 설정된 각각의 재료의 양에 대한 정보를 포함할 수 있다. 여기서, 메뉴는 고객에 의해 결제가 완료된 메뉴일 수 있다.
이용 시간은 메뉴에 대한 결제가 완료된 시점부터 관리 서버가 좌석 영역에 대한 이용 완료 메시지를 수신한 시점까지의 시간이고, 평균 이용 시간은 좌석 영역에 대한 이용 시간들을 평균한 값일 수 있다.
예를 들어, 사전 설정된 값은 하기 수학식 3에 의해 결정될 수 있다.
상기 수학식 3에서, 상기 Nth는 상기 사전 설정된 값이고, 상기 y는 복수의 좌석 영역의 개수이고, 상기 nx는 x번째 좌석 영역의 평균 이용 빈도이고, 상기 norder는 해당 좌석 영역의 평균 이용 빈도이고, 상기 timex는 x번째 좌석 영역의 평균 이용 시간이고, 상기 timez는 z번째 고객의 평균 이용 시간이고, 상기 Nd는 청결도에 대한 기본 값일 수 있다.
예를 들어, 각 좌석 영역의 평균 이용 빈도 및 평균 이용 시간은 관리 서버에 사전 저장될 수 있고, 주기적으로 업데이트될 수 있다.
따라서, 평균 이용 빈도가 상대적으로 큰 좌석 영역 및 평균 이용 시간이 상대적으로 긴 좌석 영역은 사전 설정된 값을 크게 설정함으로써, 고정된 기준 값을 사용하지 않고, 고객의 이용 빈도 및 이용 시간을 고려하여 적응적으로 기준 값을 조정할 수 있다. 이를 통해, 관리 서버는 청결하게 좌석 영역을 관리할 수 있다.
단계 S511에서, 제1 청결도가 사전 설정된 값 이하인 경우, 관리 서버는 청소 요청 메시지를 주문 단말에게 전송할 수 있다.
예를 들어, 청소 요청 메시지에 기반하여, 주문 단말의 디스플레이 모듈에 제1 좌석 영역에 대한 청소 요청과 관련된 화면이 표시될 수 있다.
단계 S512에서, 관리 서버는 청소 개시 메시지를 수신할 수 있고, 청결도 결정 모델을 통해 제1 좌석 영역에 대한 제2 청결도를 결정할 수 있다.
예를 들어, 제1 좌석 영역에 구비된 센싱 장치가 객체의 움직임을 감지한 경우, 센싱 장치는 관리 서버에게 청소 개시 메시지를 전송할 수 있다.
예를 들어, 관리 서버는 청소 개시 메시지에 기반하여 제1 좌석 영역에 매칭된 카메라 모듈에게 제1 좌석 영역에 대한 제2 이미지를 요청할 수 있다. 관리 서버는 제1 좌석 영역에 매칭된 카메라 모듈로부터 제1 좌석 영역에 대한 제2 이미지를 수신할 수 있다. 관리 서버는 제1 좌석 영역에 대한 정보 및 제2 이미지를 기반으로 청결도 결정 모델을 통해 제1 좌석 영역에 대한 제2 청결도를 결정할 수 있다.
단계 S513에서, 관리 서버는 주문 단말에게 보상 정보를 포함하는 청소 완료 메시지를 전송할 수 있다.
주문 단말에 청소 완료 메시지가 전송된 것에 기반하여, 주문 단말에 제1 청결도와 제2 청결도의 차이 값에 기반한 보상과 관련된 화면이 표시될 수 있다.
도 6은 일 실시예에 따른 관리 서버의 구성을 나타내는 블록도이다. 도 6의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 6에 도시된 바와 같이, 관리 서버(600)는 프로세서(610), 통신부(620) 및 메모리(630)를 포함할 수 있다. 그러나, 도 6에 도시된 구성 요소 모두가 관리 서버(600)의 필수 구성 요소인 것은 아니다. 도 6에 도시된 구성 요소보다 많은 구성 요소에 의해 관리 서버(600)가 구현될 수도 있고, 도 6에 도시된 구성 요소보다 적은 구성 요소에 의해 관리 서버(600)가 구현될 수도 있다. 예를 들어, 일부 실시예에 따른 관리 서버(600)는 프로세서(610), 통신부(620) 및 메모리(630) 이외에 사용자 입력 인터페이스(미도시), 출력부(미도시) 등을 더 포함할 수도 있다.
프로세서(610)는, 통상적으로 관리 서버(600)의 전반적인 동작을 제어한다. 프로세서(610)는 하나 이상의 프로세서를 구비하여, 관리 서버(600)에 포함된 다른 구성 요소들을 제어할 수 있다. 예를 들어, 프로세서(610)는, 메모리(630)에 저장된 프로그램들을 실행함으로써, 통신부(620) 및 메모리(630) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(610)는 메모리(630)에 저장된 프로그램들을 실행함으로써, 도 3 내지 도 5에 기재된 관리 서버(600)의 기능을 수행할 수 있다.
통신부(620)는, 관리 서버(600)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 관리 서버(600)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 통신부(620)는 네트워크를 통해, 다른 전자 장치로부터의 사용자 입력을 수신하거나, 외부 장치로부터 외부 장치에 저장된 데이터를 수신할 수 있다.
예를 들어, 통신부(620)는 적어도 하나의 장치와 연결을 확립하기 위한 메시지를 송수신할 수 있다. 통신부(620)는 프로세서(610)에서 생성된 정보를 관리 서버와 연결된 적어도 하나의 장치에게 전송할 수 있다. 통신부(620)는 관리 서버와 연결된 적어도 하나의 장치로부터 정보를 수신할 수 있다. 통신부(620)는 적어도 하나의 장치로부터 수신한 정보에 대응하여, 수신한 정보와 관련된 정보를 전송할 수 있다.
메모리(630)는, 프로세서(610)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 예를 들어, 메모리(630)는 서버에 입력된 정보 또는 네트워크를 통해 다른 장치로부터 수신된 정보를 저장할 수 있다. 또한, 메모리(630)는 프로세서(610)에서 생성된 데이터를 저장할 수 있다. 메모리(630)는 관리 서버(600)로 입력되거나 관리 서버(600)로부터 출력되는 정보를 저장할 수도 있다.
메모리(630)는 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.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (5)

  1. 관리 서버가 뉴럴 네트워크(neural network)를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법에 있어서,
    상기 복수의 좌석 영역 중에서 제1 좌석 영역에 대한 이용 완료 메시지를 상기 제1 좌석 영역에 구비된 센싱 장치로부터 수신하는 단계;
    상기 제1 좌석 영역은 상기 센싱 장치를 통해 사전 설정된 시간동안 빈 좌석 상태로 감지된 좌석 영역이고,
    상기 이용 완료 메시지를 수신한 것에 기반하여 상기 제1 좌석 영역에 매칭된 카메라 모듈에게 상기 제1 좌석 영역에 대한 제1 이미지를 요청하는 단계;
    상기 이용 완료 메시지를 수신한 것에 기반하여 상기 제1 좌석 영역에 대한 정보를 획득하는 단계;
    상기 제1 좌석 영역에 대한 정보는 좌석 영역에 대한 마지막 청소 시점, 좌석 영역의 크기와 위치 및 좌석 영역을 구성하는 가구에 대한 정보를 포함하고,
    상기 카메라 모듈로부터 상기 제1 이미지를 수신한 것에 기반하여, 상기 제1 좌석 영역에 대한 정보 및 상기 제1 이미지를 기반으로 뉴럴 네트워크를 이용하는 청결도 결정 모델을 통해 상기 제1 좌석 영역에 대한 제1 청결도를 결정하는 단계;
    상기 제1 청결도가 사전 설정된 기준 값 이하인 것에 기반하여, 주문 단말에게 청소 요청 메시지를 전송하는 단계;
    상기 청소 요청 메시지에 기반하여, 상기 주문 단말의 디스플레이 모듈에 상기 제1 좌석 영역에 대한 청소 요청과 관련된 화면이 표시되고,
    상기 센싱 장치로부터 청소 개시 메시지를 수신하는 단계;
    상기 청소 개시 메시지는 상기 제1 좌석 영역에 대한 고객의 움직임이 감지된 것에 기반하여 전송되고,
    상기 청소 개시 메시지에 기반하여 상기 제1 좌석 영역에 매칭된 카메라 모듈에게 상기 제1 좌석 영역에 대한 제2 이미지를 요청하는 단계;
    상기 제1 좌석 영역에 매칭된 카메라 모듈로부터 상기 제1 좌석 영역에 대한 제2 이미지를 수신하는 단계;
    상기 제1 좌석 영역에 대한 정보 및 상기 제2 이미지를 기반으로 상기 청결도 결정 모델을 통해 상기 제1 좌석 영역에 대한 제2 청결도를 결정하는 단계; 및
    상기 주문 단말에게 보상 정보를 포함하는 청소 완료 메시지를 전송하는 단계를 포함하고,
    상기 보상 정보는 할인 쿠폰 또는 적립금에 대한 정보를 포함하고,
    상기 주문 단말에 상기 청소 완료 메시지가 전송된 것에 기반하여, 상기 주문 단말에 상기 제1 청결도와 상기 제2 청결도의 차이 값에 기반한 보상과 관련된 화면이 표시되고,
    상기 청소 요청과 관련된 화면에서 입력된 고객의 식별 정보에 따라 식별된 고객에게 상기 제1 청결도와 상기 제2 청결도의 차이 값에 기반한 보상이 제공되고,
    상기 제1 청결도와 상기 제2 청결도의 차이 값에 따라 상기 할인 쿠폰의 할인율 또는 상기 적립금의 금액이 상이하고,
    상기 제1 좌석 영역에 대한 정보에 대한 데이터 전처리를 통해 제1 기본 벡터가 생성되고,
    상기 제1 기본 벡터는 마지막 청소 시점에 대한 값, 좌석 영역의 크기에 대한 값, 좌석 영역의 위치와 관련된 값, 테이블의 재질과 관련된 값 및 의자의 재질과 관련된 값을 포함하고,
    상기 제1 이미지에 대한 데이터 전처리를 통해 복수의 관심 영역에 대한 픽셀 값으로 구성된 제1 상태 벡터가 생성되고,
    상기 복수의 관심 영역은 테이블과 관련된 제1 관심 영역 및 의자와 관련된 제2 관심 영역을 포함하고,
    상기 제1 기본 벡터 및 제1 상태 벡터가 뉴럴 네트워크를 이용하는 청결도 결정 모델에 입력되는 것에 기반하여 상기 제1 좌석 영역에 대한 상기 제1 청결도가 결정되고,
    상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
    복수의 제1 기본 벡터, 복수의 제1 상태 벡터, 복수의 기준 상태 벡터 및 복수의 정답 청결도로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터가 상기 손실 값이 작아지는 방향으로 학습되는,
    방법.
  2. 삭제
  3. 삭제
  4. 제 1항에 있어서,
    상기 복수의 정답 청결도 각각은 하기 수학식에 의해 결정되고,

    상기 수학식에서, 상기 N은 정답 청결도이고, 상기 는 해당 좌석 영역의 위치와 무인 카페의 입구 사이의 거리에 따른 위치 가중치이고, 상기 areasize는 해당 좌석 영역의 크기에 대한 값이고, 상기 areadefault는 좌석 영역의 크기에 대한 기본 값이고, 상기 n은 제1 관심 영역의 개수이고, 상기 sim1i는 제1 상태 벡터의 i번째 제1 관심 영역과 기준 상태 벡터의 i번째 제1 관심 영역 사이의 유사도이고, 상기 m은 제2 관심 영역의 개수이고, 상기 sim2j는 제1 상태 벡터의 j번째 제2 관심 영역과 기준 상태 벡터의 j번째 제2 관심 영역 사이의 유사도이고, 상기 은 제1 기본 벡터의 테이블의 재질과 관련된 값에 따른 제1 재질 가중치이고, 상기 는 제1 기본 벡터의 의자의 재질과 관련된 값에 따른 제2 재질 가중치인,
    방법.
  5. 제 1항에 있어서,
    상기 복수의 좌석 영역 중에서 제2 좌석 영역에 대한 이용 개시 메시지를 상기 제2 좌석 영역에 구비된 센싱 장치로부터 수신하는 단계;
    상기 제2 좌석 영역은 상기 센싱 장치를 통해 고객이 착석한 상태로 감지된 좌석 영역이고,
    상기 이용 개시 메시지를 수신한 것에 기반하여 상기 제2 좌석 영역과 연결된 전력 계량 장치에게 상기 제2 좌석 영역에 대한 전력 사용량 정보를 요청하는 단계; 및
    상기 전력 계량 장치로부터 상기 제2 좌석 영역에 대한 전력 사용량 정보를 수신하는 단계를 더 포함하고,
    상기 제2 좌석 영역에 대한 전력 사용량이 사전 설정된 전력 값 이상인 것에 기반하여 상기 제2 좌석 영역에 대한 공급 전력이 차단되는,
    방법.

KR1020230051994A 2023-04-20 2023-04-20 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치 KR102573295B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230051994A KR102573295B1 (ko) 2023-04-20 2023-04-20 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230051994A KR102573295B1 (ko) 2023-04-20 2023-04-20 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치

Related Child Applications (2)

Application Number Title Priority Date Filing Date
KR1020230112926A Division KR20240156542A (ko) 2023-08-28 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역에 대한 청결도를 결정하는 방법 및 장치
KR1020230112925A Division KR20240156541A (ko) 2023-08-28 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역에 대한 전력 사용량을 관리하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102573295B1 true KR102573295B1 (ko) 2023-09-01

Family

ID=87974946

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230051994A KR102573295B1 (ko) 2023-04-20 2023-04-20 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102573295B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117440094A (zh) * 2023-12-18 2024-01-23 成都大成均图科技有限公司 一种报警信息的接收方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006039748A (ja) * 2004-07-23 2006-02-09 Casio Comput Co Ltd レストラン支援システム
KR20150005345A (ko) * 2013-07-05 2015-01-14 삼성전기주식회사 전력 관리 장치 및 그를 이용한 전력 관리 시스템
KR20190018276A (ko) * 2017-08-14 2019-02-22 삼성전자주식회사 모델을 학습하는 방법 및 장치 및 상기 뉴럴 네트워크를 이용한 인식 방법 및 장치
KR102312360B1 (ko) * 2021-07-20 2021-10-13 주식회사 지에이치비 무인 매장의 스마트 관리 시스템
KR20220085038A (ko) * 2020-12-14 2022-06-21 김성현 Ai 기반 주방 행동 분석형 위생 관리 시스템
KR20230046670A (ko) * 2021-09-30 2023-04-06 윤수정 무인 매장 운영 통합 관제 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006039748A (ja) * 2004-07-23 2006-02-09 Casio Comput Co Ltd レストラン支援システム
KR20150005345A (ko) * 2013-07-05 2015-01-14 삼성전기주식회사 전력 관리 장치 및 그를 이용한 전력 관리 시스템
KR20190018276A (ko) * 2017-08-14 2019-02-22 삼성전자주식회사 모델을 학습하는 방법 및 장치 및 상기 뉴럴 네트워크를 이용한 인식 방법 및 장치
KR20220085038A (ko) * 2020-12-14 2022-06-21 김성현 Ai 기반 주방 행동 분석형 위생 관리 시스템
KR102312360B1 (ko) * 2021-07-20 2021-10-13 주식회사 지에이치비 무인 매장의 스마트 관리 시스템
KR20230046670A (ko) * 2021-09-30 2023-04-06 윤수정 무인 매장 운영 통합 관제 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117440094A (zh) * 2023-12-18 2024-01-23 成都大成均图科技有限公司 一种报警信息的接收方法及系统
CN117440094B (zh) * 2023-12-18 2024-02-20 成都大成均图科技有限公司 一种报警信息的接收方法及系统

Similar Documents

Publication Publication Date Title
KR102467890B1 (ko) 뉴럴 네트워크를 이용하여 서버가 도면과 관련된 물품에 대한 정보를 제공하는 방법 및 장치
KR102360727B1 (ko) 뉴럴 네트워크를 이용한 차량 추천 방법 및 장치
KR102573295B1 (ko) 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치
KR102532531B1 (ko) 복수의 뉴럴 네트워크를 이용하여 절단 공정을 위한 스마트 팩토리를 운용하는 방법 및 장치
KR102408462B1 (ko) 뉴럴 네트워크를 이용한 의상 추천 방법 및 장치
KR102387408B1 (ko) 인공지능을 이용한 인테리어 시뮬레이션 시스템
KR102568846B1 (ko) 뉴럴 네트워크를 이용하여 무인 카페에 구비된 제조 장치를 관리하는 방법 및 장치
KR102579810B1 (ko) 인공지능 기반 가정용 건강 보조 기기 유통 플랫폼 시스템
KR102536674B1 (ko) 뉴럴 네트워크를 이용하여 도매 상품에 대한 추천 리스트를 셀러 단말에게 제공하는 방법 및 장치
KR102484291B1 (ko) 뉴럴 네트워크를 이용하여 서버가 구직자 리스트를 단말에게 제공하는 방법 및 장치
KR102714419B1 (ko) 뉴럴 네트워크를 이용하여 색상 이미지 및 색상 이미지를 선택한 순서에 기반한 심리 상태와 관련된 정보를 제공하는 방법 및 장치
KR102492334B1 (ko) 뉴럴 네트워크를 이용하여 챗봇 서비스와 관련된 이용 정보를 기반으로 고객 단말과 상담원 단말 사이의 통화 연결을 관리하는 방법 및 장치
KR102384892B1 (ko) 뉴럴 네트워크를 이용한 기부 컨텐츠 추천 방법 및 장치
KR20230090979A (ko) 뉴럴 네트워크를 이용한 상담 가이드 정보 추천 방법 및 장치
KR20240156541A (ko) 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역에 대한 전력 사용량을 관리하는 방법 및 장치
KR20240156542A (ko) 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역에 대한 청결도를 결정하는 방법 및 장치
KR102573285B1 (ko) 뉴럴 네트워크를 이용하여 고객 관리 서비스를 제공하는 방법 및 장치
KR102497016B1 (ko) 농산물 추천 방법 및 장치
KR102513048B1 (ko) 뉴럴 네트워크를 이용하여 지원 사업과 관련된 리포트 정보 및 지원 사업과 관련된 진행 정보를 기반으로 진단 정보를 멘토 단말에게 전송하는 방법 및 장치
KR102718310B1 (ko) 뉴럴 네트워크를 이용하여 마케팅 전략에 따라 마케팅과 관련된 컨텐츠를 제공하는 방법 및 장치
KR102487754B1 (ko) 뉴럴 네트워크를 이용하여 서버가 마케팅 비용에 대한 정보를 단말에게 제공하는 방법 및 장치
KR102481347B1 (ko) 뉴럴 네트워크를 이용하여 서버가 예측 판매량에 따라 hmr 식품의 주문량을 결정하는 방법 및 장치
KR102472426B1 (ko) 뉴럴 네트워크를 이용하여 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법 및 장치
KR102699078B1 (ko) 뉴럴 네트워크를 이용하여 사용자 단말에게 랜덤박스 판매 서비스를 제공하는 방법 및 장치
KR102517884B1 (ko) 온라인 결제 서버 및 그 방법, 그리고 온라인 결제 시스템

Legal Events

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