KR102577303B1 - 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치 및 방법 - Google Patents

Abstract

본 발명은 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치 및 방법에 관한 것이다.
본 발명의 일 실시예에 따른 전자 장치는 메모리(memory) 및 상기 메모리와 연결된 프로세서(processor)를 포함하고, 상기 프로세서는, 기설정된 위치에 설치되어 혼합고철폐기물의 제1 이미지를 생성하는 카메라로부터 상기 제1 이미지를 수신하고, 상기 제1 이미지를 분석하여, 상기 혼합고철폐기물에 포함되는 금속의 금속종류 및 금속비율을 포함하는 혼합정보를 생성하고, 상기 혼합정보를 기반으로 상기 혼합고철폐기물의 기설정된 무게별 혼합단가정보를 도출하고, 무게센서로부터 상기 혼합고철폐기물의 무게정보를 수신하고, 상기 무게정보 및 상기 혼합단가정보를 기반으로 상기 혼합고철폐기물의 거래비용을 산출할 수 있다.

Description

이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치 및 방법{APPARATUS AND METHOD FOR CLASSIFYING MIXED SCRAP WASTE AND CALCULATING TRANSACTION COSTS BASED ON IMAGE ANALYSIS}

본 발명은 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치 및 방법에 관한 것이다.

삭제

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.

고철과 같은 금속은 재활용이 가능하여, 고물상 또는 재활용센터 등에서 매입의 대상이 된다. 한가지 종류로 되어 있는 경우, 해당 금속의 단가와 무게만으로 매입금액을 정할 수 있지만, 여러가지 종류가 혼합되어 있는 혼합 고철 폐기물의 경우에는 단순히 매입금액을 정하기가 곤란할 수 있다.

혼합 고철 폐기물을 매입할 때, 바로 매입금액을 정산해야하는데, 재활용을 위한 별도의 분류절차가 끝날때까지 기다리기란 곤란하기 때문이다.

이에, 본 발명에서는 이미지분석을 기반으로 혼합 고철 폐기물에 포함되어 있는 금속종류를 도출하여, 혼합 고철 폐기물 자체의 매입단가 및 거래 비용을 도출할 수 있는 기술을 제안하고자 한다.

삭제

한국등록특허 제10-1017248호 (2011.02.17.)

본 발명의 일 실시예는 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치 및 방법을 제공하는 것이다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

삭제

상술한 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 전자 장치는 메모리(memory) 및 상기 메모리와 연결된 프로세서(processor)를 포함하고, 상기 프로세서는, 기설정된 위치에 설치되어 혼합고철폐기물의 제1 이미지를 생성하는 카메라로부터 상기 제1 이미지를 수신하고, 상기 제1 이미지를 분석하여, 상기 혼합고철폐기물에 포함되는 금속의 금속종류 및 금속비율을 포함하는 혼합정보를 생성하고, 상기 혼합정보를 기반으로 상기 혼합고철폐기물의 기설정된 무게별 혼합단가정보를 도출하고, 무게센서로부터 상기 혼합고철폐기물의 무게정보를 수신하고, 상기 무게정보 및 상기 혼합단가정보를 기반으로 상기 혼합고철폐기물의 거래비용을 산출할 수 있다.

이 때, 상기 카메라는, 상기 혼합고철폐기물을 실은 운반수단의 동선에 따라, 상기 혼합고철폐기물을 실은 운반수단을 사시도 방향에서 촬영되도록 설치되고, 상기 제1 이미지는, 상기 혼합고철폐기물을 실은 상기 운반수단을 사시도 방향에서 촬영한 이미지일 수 있다.

이 때, 상기 프로세서는, 인공지능모듈을 통하여, 상기 제1 이미지에서 상기 혼합고철폐기물만을 추출하여 제2 이미지를 생성하고, 상기 제2 이미지를 기반으로 상기 혼합정보를 생성할 수 있다.

이 때, 상기 프로세서는, 인공지능모듈을 통하여 상기 제2 이미지에 포함되는 객체를 모두 구분하여 소객체로 설정하고, 상기 소객체마다 테두리를 감싸는 외곽선을 생성하고, 상기 소객체마다, 상기 외곽선에 모서리가 존재하는 경우, 상기 모서리를 기준으로 상기 외곽선을 동일한 곡률 또는 동일한 방향으로 연장하여 가상의 연장선을 생성하고, 상기 연장선이 상호 연결되는 다른 소객체를 추출하고, 연장선을 통해 연결되는 다른 소객체를 취합하여 해당 소객체들의 상기 외곽선과 상기 연장선을 포함하는 대객체를 설정하고, 상기 연장선을 통해 연결되는 다른 소객체가 없는 소객체는 해당 소객체만 대객체로 설정하고, 상기 대객체의 색상정보를 기반으로 상기 대객체의 금속종류를 도출하고, 상기 제2 이미지 내에서 전체 대객체들이 차지하는 면적을 기반으로 금속종류별 상기 금속비율을 도출하고, 상기 금속종류 및 상기 금속비율을 기반으로 상기 혼합정보를 생성할 수 있다.

이 때, 상기 프로세서는, 상기 대객체가 차지하는 영역에서 상기 소객체가 차지하는 영역의 픽셀의 RGB값의 평균으로 해당 대객체에 대한 대객체일반색상정보를 도출하고, 금속별로 구분하여, 금속의 일반색상에 해당되도록 기설정된 RGB값을 나타내는 제1 색상정보 및 금속의 부식색상에 해당되도록 기설정된 RGB값을 나타내는 제2 색상정보를 포함하는 금속색상DB를 기반으로, 기설정된 유사도모듈을 통하여, 상기 대객체별로 상기 대객체의 상기 대객체색상정보와 상기 제1 색상정보의 제1 유사도를 도출하고, 상기 제1 유사도가 기설정된 제1 임계유사도를 초과하는 복수개의 금속들을 제1 금속후보로 설정하고, 상기 소객체가 차지하는 영역 중에서 부식부분으로 도출된 부식영역의 픽셀의 RGB값의 평균으로 해당 대객체에 대한 대객체부식색상정보를 도출하고, 상기 유사도모듈을 통하여, 상기 제1 금속후보에 해당하는 금속의 상기 제2 색상정보와 상기 대객체부식색상정보의 제2 유사도를 도출하고, 상기 제2 유사도가 가장 높은 금속을 해당 대객체의 금속종류로 설정할 수 있다.

이 때, 상기 프로세서는, 상기 유사도모듈을 통하여, 상기 소객체가 차지하는 영역의 각 픽셀별 RGB값과 상기 대객체일반색상정보의 제3 유사도를 도출하고, 전체 제3 유사도 중에서 가장 낮은 제3-1 유사도를 도출하고, 상기 제3-1 유사도부터 기설정된 최하유사범위까지 포함되는 픽셀을 상기 부식영역으로 도출할 수 있다.

이 때, 상기 유사도모듈은, 입력되는 제1 RGB값을 기반으로 R, G 및 B의 각 수치를 성분으로 가지는 제1 벡터를 생성하고, 상기 제1 RGB값과 함께 입력되는 제2 RGB값을 기반으로 R, G 및 B의 각 수치를 성분으로 가지는 제2 벡터를 생성하고, 아래 수학식을 통하여 유사도를 도출하되,

PS(Pixel Similarity)는 상기 유사도를 의미하고, V(Vector)1_i는 상기 제1 벡터의 i번째 성분을 의미하고, V2_i는 상기 제2 벡터의 i번째 성분을 의미할 수 있다.

이 때, 상기 금속비율은, 상기 제2 이미지 내에 포함되는 대객체의 금속종류별 상대적 비율을 의미하고, 상기 프로세서는, 상기 혼합고철폐기물에 포함되는 금속종류별 뭉쳐져 있는 정도를 기반으로 도출되는 분류가중치, 금속종류별로 기설정된 단위무게당 단가 및 상기 금속비율을 기반으로 상기 혼합고철폐기물의 상기 혼합단가정보를 도출할 수 있다.

이 때, 상기 혼합단가정보는, 아래 수학식에 의하여 도출되되,

MUP(Mixed Unit Price)는 상기 혼합단가정보를 의미하고, CW(Classification Weight)는 상기 분류가중치를 의미하고, RR(Relative Ratio)_j는 상기 혼합고철폐기물에 포함되는 j번째 금속종류의 상대적 비율을 의미하고, UP(Unit Price)_j는 상기 혼합고철폐기물에 포함되는 j번째 금속종류의 상기 단위무게당 단가를 의미하고, n은 상기 금속종류의 수를 의미할 수 있다.

이 때, 상기 프로세서는, 기설정된 크기의 블록을 포함하는 격자형태의 레이어를 상기 제2 이미지와 오버랩하고, 상기 블록을 상기 대객체가 상기 블록의 과반이상 점유하고 있는 제1 블록과 상기 대객체가 상기 블록의 과반이상을 점유하고 있지 않은 제2 블록을 구분하고, 상기 제1 블록을 상기 금속종류에 따라 구분하고, 상기 금속종류 마다, 상기 금속종류로 구분된 블록들 중에서 임의의 제3 블록을 선택하여, 상기 제3 블록의 중심점과 나머지 블록들의 중심점까지의 거리를 추출하고, 상기 거리의 평균값을 나타내는 블록거리평균값을 추출하고, 상기 제3 블록들의 상기 블록거리평균값 중에서 가장 작은 값을 해당 금속종류의 최소블록거리값으로 추출하고, 상기 금속종류별 상기 최소블록거리값과, 상기 제2 이미지의 크기를 기반으로 상기 분류가중치를 도출할 수 있다.

이 때, 상기 분류가중치는, 아래 수학식에 의하여 도출되되,

CW(Classification Weight)는 상기 분류가중치를 의미하고, DI(Distance Index)는 상기 혼합금속폐기물에 포함되는 금속종류의 집합정도를 의미하는 거리지수를 의미하고, A는 상기 제2 이미지의 가로 또는 세로길이 중 긴 길이를 의미하고,

상기 거리지수는, 아래 수학식에 의하여 도출되되,

DI(Distance Index)는 상기 거리지수를 의미하고, Av_CDis_min_j는 j번째 금속종류의 상기 최소블록거리값을 의미하고, n은 상기 금속종류의 수를 의미할 수 있다.

삭제

이와 같이 본 발명의 일 실시예에 따르면, 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치 및 방법을 제공할 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

삭제

본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치의 개념도이다.
도 2는 본 발명의 일 실시예에 따른 전자 장치의 블록도이다.
도 3은 본 발명의 일 실시예에 따른 제1 이미지 및 제2 이미지의 생성을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 소객체 및 대객체의 추출을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 유사도모듈의 동작개요를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따라 분류가중치의 도출을 위한 개념도이다.
도 7은 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 방법의 흐름도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.

마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.

또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.

이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

본 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.

도 1은 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치의 개념도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치는 카메라를 통하여 혼합고철폐기물의 이미지를 생성하고, 해당 이미지를 분석하여 상기 혼합고철폐기물에 포함되어 있는 금속의 종류와 금속의 종류별로 어떤 비율로 혼합되어 있는지 도출하고, 상기 혼합고철폐기물의 무게를 기반으로 해당 혼합고철폐기물의 매매비용 즉, 거래비용을 도출할 수 있다.

한편, 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치는 본 발명에서 '전자 장치(100)'로 호칭될 수도 있다.

삭제

도 2는 본 발명의 일 실시예에 따른 전자 장치(100)의 블록도이다.

일 실시예에 따른 전자 장치(100)는 프로세서(110) 및 메모리(120)를 포함한다. 프로세서(110)는 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(120)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(120)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. 메모리(120)는 '데이터베이스', '저장부' 등으로 호칭될 수 있다.

프로세서(110)는 프로그램을 실행하고, 전자 장치(100)를 제어할 수 있다. 프로세서(110)에 의하여 실행되는 프로그램의 코드는 메모리(120)에 저장될 수 있다. 장치(100)는 입출력 장치(미도시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.

이 때, 상기 프로세서(110)는, 기설정된 위치에 설치되어 혼합고철폐기물의 제1 이미지를 생성하는 카메라로부터 상기 제1 이미지를 수신할 수 있다.

이 때, 상기 카메라는, 상기 혼합고철폐기물을 실은 운반수단의 동선에 따라, 상기 혼합고철폐기물을 실은 운반수단을 사시도 방향에서 촬영되도록 설치될 수 있다. 도 3을 참조하면, 상기 제1 이미지는, 상기 혼합고철폐기물을 실은 상기 운반수단을 사시도 방향에서 촬영한 이미지일 수 있다.

이는, 최대한 상기 혼합고철폐기물이 잘 보이는 이미지를 생성하기 위함이다.

또한, 상기 프로세서(110)는, 상기 제1 이미지를 분석하여, 상기 혼합고철폐기물에 포함되는 금속의 금속종류 및 금속비율을 포함하는 혼합정보를 생성할 수 있다.

상기 금속종류는, 사용자에 의하여 미리 설정된 금속종류일 수 있으며, 예를 들면, 철, 구리, 아연, 알루미늄 등일 수 있다.

또한, 상기 금속비율은 후술하는 바와 같이, 해당 혼합고철폐기물에 포함되어 있는 금속종류들의 상대적인 비율을 의미할 수 있다. 예를 들어, 상기 혼합고철폐기물에 철과 구리와 아연이 포함되어 있는 경우, 상기 금속종류는 철, 구리 및 아연일 수 있고, 상기 금속비율을 철, 구리 및 아연 순서로 5:2:1 로 설정될 수 있다. 상기 금속종류 및 상기 금속비율을 도출하는 방법은 보다 상세하게 후술하도록 한다.

또한, 상기 프로세서(110)는, 상기 혼합정보를 기반으로 상기 혼합고철폐기물의 기설정된 무게별 혼합단가정보를 도출할 수 있다.

상기 혼합단가정보는 상기 혼합고철폐기물에 대한 단위무게당 단가를 의미할 수 있다. 예를 들면, 상기 혼합고철폐기물이 1kg일때 1000원 등으로 설정될 수 있다. 상기 혼합단가정보를 생성하는 과정은 보다 상세하게 후술하도록 한다.

또한, 상기 프로세서(110)는, 무게센서로부터 상기 혼합고철폐기물의 무게정보를 수신할 수 있다.

상기 무게센서는 상기 카메라와 마찬가지로, 상기 혼합고철폐기물을 실은 운반수단의 동선에 따라 바닥에 설치되어, 상기 혼합고철폐기물을 실은 운반수단 전체의 무게를 측정할 수 있는 센서일 수 있다.

또한, 상기 무게정보는 상기 무게센서에서 측정된 측정값에서, 상기 운반수단의 종류에 따라 기설정된 운반수단무게를 뺀 나머지 무게에 관한 정보로 생성될 수 있다.

또한, 상기 무게정보 및 상기 혼합단가정보를 기반으로 상기 혼합고철폐기물의 거래비용을 산출할 수 있다.

예를 들어, 상기 무게정보가 100kg이고, 상기 혼합단가정보가 1kg 당 1000원인 경우, 상기 거래비용은 100 * 1000 = 100000원으로 산출될 수 있다.

삭제

도 3은 본 발명의 일 실시예에 따른 제1 이미지 및 제2 이미지의 생성을 나타내는 도면이다.

상기 카메라를 통해 생성되는 제1 이미지는 상기 운반수단과 상기 혼합고철폐기물이 함께 찍혀있을 수 있다. 본 발명의 목적에 따라 상기 혼합고철폐기물만 포함되는 이미지를 분석해야 하므로, 상기 제1 이미지에서 상기 혼합고철폐기물만을 추출할 필요가 있다.

이에, 상기 프로세서(110)는, 인공지능모듈을 통하여, 상기 제1 이미지에서 상기 혼합고철폐기물만을 추출하여 제2 이미지를 생성할 수 있다.

보다 상세하게 설명하면, 상기 인공지능모듈은 상기 제1 이미지에서 상기 혼합고철폐기물의 외곽선을 생성하고, 상기 외곽선에 포함되는 상기 혼합고철폐기물의 이미지만을 추출하여 상기 제2 이미지를 생성할 수 있다.

이 때, 상기 인공지능모듈은 머신러닝의 한 분야인 딥러닝(Deep Learning) 기법을 이용할 수 있다.

또한, 인공지능모듈은 딥러닝을 통하여 상기 함수에서의 복수 개의 입력들의 가중치(weight)를 학습을 통하여 산출할 수 있다. 또한, 이러한 학습을 위하여 활용되는 인공지능망 모델로는 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 등 다양한 모델들을 활용할 수 있을 것이다.

여기서 RNN은 현재의 데이터와 과거의 데이터를 동시에 고려하는 딥러닝 기법으로서, 순환 신경망(RNN)은 인공 신경망을 구성하는 유닛 사이의 연결이 방향성 사이클(directed cycle)을 구성하는 신경망을 나타낸다. 나아가, 순환 신경망(RNN)을 구성할 수 있는 구조에는 다양한 방식이 사용될 수 있는데, 예컨대, 완전순환망(Fully Recurrent Network), 홉필드망(Hopfield Network), 엘만망(Elman Network), ESN(Echo state network), LSTM(Long short term memory network), 양방향(Bi-directional) RNN, CTRNN(Continuous-time RNN), 계층적 RNN, 2차 RNN 등이 대표적인 예이다. 또한, 순환 신경망(RNN)을 학습시키기 위한 방법으로서, 경사 하강법, Hessian Free Optimization, Global Optimization Method 등의 방식이 사용될 수 있다.

이를 통하여, 이미지분석을 통해, 도 3에 도시된 바와 같이 혼합고철폐기물을 식별할 수 있다.

또한 상기 프로세서(110)는, 상기 제2 이미지를 기반으로 상기 혼합정보를 생성할 수 있다.

이 때, 상기 혼합고철폐기물은 여러가지 금속들이 구분되거나, 정리정돈되어 있지 않은 상태일 수 있다. 이에, 상기 제2 이미지에서 모든 객체들을 식별하고, 각 객체들과의 관계를 분석하여, 하나의 금속인지 아닌지를 판단할 필요가 있고, 이를 통하여 금속의 종류 및 비율을 도출할 수 있다.

삭제

도 4는 본 발명의 일 실시예에 따른 소객체 및 대객체의 추출을 나타내는 도면이다.

도 4를 참조하면, 상기 프로세서(110)는, 인공지능모듈을 통하여 상기 제2 이미지에 포함되는 객체를 모두 구분하여 소객체로 설정하고, 상기 소객체마다 테두리를 감싸는 외곽선을 생성할 수 있다. 이 때, 겹쳐있는 것을 고려하지 않고, 객체로 보이는 것은 모두 소객체로 설정할 수 있다.

또한, 상기 프로세서(110)는, 상기 소객체마다, 상기 외곽선에 모서리가 존재하는 경우, 상기 모서리를 기준으로 상기 외곽선을 동일한 곡률 또는 동일한 방향으로 연장하여 가상의 연장선을 생성하고, 상기 연장선이 상호 연결되는 다른 소객체를 추출하고, 연장선을 통해 연결되는 다른 소객체를 취합하여 해당 소객체들의 상기 외곽선과 상기 연장선을 포함하는 대객체를 설정할 수 있다.

이 때, 물체와 물체가 겹쳐지는 경우, 서로 겹쳐진 부분에서는 모서리가 생길 수밖에 없다. 따라서, 해당 모서리를 기준으로 상기 외곽선을 연장한 연장선이 서로 이어지는지 여부로 해당 소객체들이 하나의 물체를 이루는 것이라고 볼 수 있다. 정리하면, 해당 소객체들은 앞에 위치한 물체에 의해 가려지는 하나의 물체라고 볼 수 있다. 따라서, 상기 연장선에 의해 이어지는 물체를 대객체로 설정하여, 금속종류를 판단하는 하나의 객체로 설정할 수 있다.

또한, 상기 프로세서(110)는, 상기 연장선을 통해 연결되는 다른 소객체가 없는 소객체는 해당 소객체만 대객체로 설정할 수 있다. 해당 소객체를 가린 다른 객체가 없는 경우도 있기 때문이다.

또한, 상기 프로세서(110)는, 상기 대객체의 색상정보를 기반으로 상기 대객체의 금속종류를 도출할 수 있다. 이와 관련해서는 보다 상세하게 후술하도록 한다.

또한, 상기 프로세서(110)는, 상기 제2 이미지 내에서 전체 대객체들이 차지하는 면적을 기반으로 금속종류별 상기 금속비율을 도출할 수 있다.

이 때, 상기 금속비율은, 상기 제2 이미지 내에 포함되는 대객체의 금속종류별 상대적 비율을 의미할 수 있으며, 상기 금속종류에 따른 대객체의 픽셀의 수를 기반으로 상대적인 비율을 도출하여 상기 금속비율로 설정할 수 있다.

예를 들어, 철에 해당하는 대객체의 픽셀의 개수가 10000개이고, 구리에 해당하는 대객체의 픽셀의 개수가 100개이고, 알루미늄에 해당하는 대객체의 픽셀의 개수가 2000개인 경우, 상기 금속비율은 철, 구리 및 알루미늄의 순서에 따라 100:1:20 으로 설정될 수 있다.

또한, 상기 프로세서(110)는, 상기 금속종류 및 상기 금속비율을 기반으로 상기 혼합정보를 생성할 수 있다.

삭제

금속은 색상으로 구분할 수 있다. 따라서, 상기 대객체의 픽셀의 RGB값을 기반으로 해당 금속의 종류를 추출할 수 있다.

도 5는 본 발명의 일 실시예에 따른 유사도모듈의 동작개요를 나타내는 도면이다.

도 5를 참조하면, 상기 프로세서(110)는, 상기 대객체가 차지하는 영역에서 상기 소객체가 차지하는 영역의 픽셀의 RGB값의 평균으로 해당 대객체에 대한 대객체일반색상정보를 도출할 수 있다.

또한, 상기 프로세서(110)는, 금속별로 구분하여, 금속의 일반색상에 해당되도록 기설정된 RGB값을 나타내는 제1 색상정보 및 금속의 부식색상에 해당되도록 기설정된 RGB값을 나타내는 제2 색상정보를 포함하는 금속색상DB를 기반으로, 기설정된 유사도모듈을 통하여, 상기 대객체별로 상기 대객체의 상기 대객체색상정보와 상기 제1 색상정보의 제1 유사도를 도출할 수 있다.

이 때, 상기 금속색상DB는 금속의 종류에 따라 일반상태에서의 색상 및 부식상태에서의 색상에 대한 평균적인 RGB값을 정의해 둔 것일 수 있다.

예를 들면, 철의 경우, 일반상태에서는 회색 또는 검은색일 수 있으며, 부식상태에서는 오렌지 또는 붉은 갈색일 수 있다. 이에 따라, 각 상태에서의 RGB값의 평균값으로 상기 제1 색상정보 및 상기 제2 색상정보를 설정해둘 수 있다.

또 다른 예를 들면, 구리의 경우, 일반상태에서는 주황색 또는 붉은 갈색일 수 있고, 부식상태에서는 초록색일 수 있으며, 아연의 경우, 일반상태에서는 은색 또는 회색일 수 있고, 부식상태에서는 밝은 회색 또는 흰색일 수 있다.

이 때, 상기 유사도모듈의 동작과 관련해서는 보다 상세하게 후술하도록 한다.

또한, 상기 프로세서(110)는, 상기 제1 유사도가 기설정된 제1 임계유사도를 초과하는 복수개의 금속들을 제1 금속후보로 설정할 수 있다. 이는, 일반상태의 색상이 유사한 금속들이 여러개 있을 수 있기 때문이다.

이 때, 상기 제1 임계유사도는 모든 금속에 대한 제1 유사도의 평균으로 설정될 수 있다.

상술한 바와 같이 일반상태의 색상이 유사한 금속들이 여러개 있을 수 있기 때문에, 금속의 부식에 의한 색상변화를 통해 보다 정확하게 상기 대객체의 금속종류를 도출할 수 있다.

보다 상세하게 살펴보면, 상기 프로세서(110)는, 상기 소객체가 차지하는 영역 중에서 부식부분으로 도출된 부식영역의 픽셀의 RGB값의 평균으로 해당 대객체에 대한 대객체부식색상정보를 도출할 수 있다. 이 때, 상기 부식영역은 일부분만 부식되어 있을 가능성이 높으므로, 상기 프로세서(110)는, 상기 대객체의 픽셀들 중에서 상기 대객체일반색상정보와 가장 비유사한 픽셀을 도출하여, 해당 픽셀이 위치하는 영역을 상기 부식영역으로 설정할 수 있고, 해당 픽셀의 RGB값을 기반으로 상기 대객체부식색상정보를 도출할 수 있다.

보다 상세하게 살펴보면, 상기 프로세서(110)는, 상기 유사도모듈을 통하여, 상기 소객체가 차지하는 영역의 각 픽셀별 RGB값과 상기 대객체일반색상정보의 제3 유사도를 도출하고, 전체 제3 유사도 중에서 가장 낮은 제3-1 유사도를 도출하고, 상기 제3-1 유사도부터 기설정된 최하유사범위까지 포함되는 픽셀을 상기 부식영역으로 도출할 수 있다.

이 때, 상기 최하유사범위는 임의로 설정될 수 있으며, 예를 들면 10%로 설정될 수 있다.

또한, 상기 프로세서(110)는, 상기 유사도모듈을 통하여, 상기 제1 금속후보에 해당하는 금속의 상기 제2 색상정보와 상기 대객체부식색상정보의 제2 유사도를 도출하고, 상기 제2 유사도가 가장 높은 금속을 해당 대객체의 금속종류로 설정할 수 있다.

이 때, 상기 유사도모듈은 입력되는 제1 RGB값을 기반으로 R, G 및 B의 각 수치를 성분으로 가지는 제1 벡터를 생성하고, 상기 제1 RGB값과 함께 입력되는 제2 RGB값을 기반으로 R, G 및 B의 각 수치를 성분으로 가지는 제2 벡터를 생성하고, 아래 수학식 1을 통하여 유사도를 도출할 수 있다.

[수학식 1]

이 때, PS(Pixel Similarity)는 상기 유사도를 의미하고, V(Vector)1_i는 상기 제1 벡터의 i번째 성분을 의미하고, V2_i는 상기 제2 벡터의 i번째 성분을 의미할 수 있다.

제1 유사도 도출을 예로 들면, 상기 제1 벡터는 상기 대객체일반색상정보에 포함되는 RGB값을 기반으로 생성된 V1=(R1, G1, B1)일 수 있고, 상기 제2 벡터는 상기 제1 색상정보에 포함되는 특정 금속에 대한 RGB값을 기반으로 생성된 V2=(R2, G2, B2)일 수 있으며, 상기 V1과 상기 V2를 기반으로 상기 수학식 1에 의하여 상기 제1 유사도를 도출할 수 있다.

또한, 상기 프로세서(110)는, 상술한 구성을 기반으로 상기 혼합고철폐기물에 포함되는 금속종류 및 금속비율을 도출하고, 이를 기반으로 상기 혼합단가정보를 도출할 수 있는데, 다만, 혼합의 정도가 매우 높은 경우, 분류작업에 상당한 시간과 노동력이 투입되어야 하므로, 이를 거래비용에 반영하는 것이 바람직하다.

따라서, 상기 프로세서(110)는, 상기 혼합고철폐기물에 포함되는 금속종류별 뭉쳐져 있는 정도를 기반으로 도출되는 분류가중치, 금속종류별로 기설정된 단위무게당 단가 및 상기 금속비율을 기반으로 상기 혼합고철폐기물의 상기 혼합단가정보를 도출할 수 있다.

삭제

도 6은 본 발명의 일 실시예에 따라 분류가중치의 도출을 위한 개념도이다.

도 6을 참조하면, 상기 혼합단가정보는, 아래 수학식 2에 의하여 도출될 수 있다.

[수학식 2]

이 때, MUP(Mixed Unit Price)는 상기 혼합단가정보를 의미하고, CW(Classification Weight)는 상기 분류가중치를 의미하고, RR(Relative Ratio)_j는 상기 혼합고철폐기물에 포함되는 j번째 금속종류의 상대적 비율을 의미하고, UP(Unit Price)_j는 상기 혼합고철폐기물에 포함되는 j번째 금속종류의 상기 단위무게당 단가를 의미하고, n은 상기 금속종류의 수를 의미할 수 있다.

이 때, 상기 분류가중치는 금속종류별로 서로 얼마나 모여있는지를 기반으로 도출되는 것으로 보다 상세하게 살펴보면, 상기 프로세서(110)는, 기설정된 크기의 블록을 포함하는 격자형태의 레이어를 상기 제2 이미지와 오버랩하고, 상기 블록을 상기 대객체가 상기 블록의 과반이상 점유하고 있는 제1 블록과 상기 대객체가 상기 블록의 과반이상을 점유하고 있지 않은 제2 블록을 구분할 수 있다.

이 때, 상기 블록의 크기는 사용자에 의하여 임의로 설정될 수 있다.

또한, 상기 프로세서(110)는, 상기 제1 블록을 상기 금속종류에 따라 구분하고, 상기 금속종류 마다, 상기 금속종류로 구분된 블록들 중에서 임의의 제3 블록을 선택하여, 상기 제3 블록의 중심점과 나머지 블록들의 중심점까지의 거리를 추출하고, 상기 거리의 평균값을 나타내는 블록거리평균값을 추출하고, 상기 제3 블록들의 상기 블록거리평균값 중에서 가장 작은 값을 해당 금속종류의 최소블록거리값으로 추출할 수 있다.

이를 통해, 특정 금속이 상기 제2 이미지 내에서 어느 위치에 가장 많이 집중되어 있는지와 얼마나 많이 퍼져있는지를 확인할 수 있다.

또한, 상기 프로세선는, 상기 금속종류별 상기 최소블록거리값과, 상기 제2 이미지의 크기를 기반으로 상기 분류가중치를 도출할 수 있다.

보다 상세하게 살펴보면, 상기 분류가중치는, 아래 수학식 3에 의하여 도출될 수 있다.

[수학식 3]

이 때, CW(Classification Weight)는 상기 분류가중치를 의미하고, DI(Distance Index)는 상기 혼합금속폐기물에 포함되는 금속종류의 집합정도를 의미하는 거리지수를 의미하고, A는 상기 제2 이미지의 가로 또는 세로길이 중 긴 길이를 의미할 수 있다.

또한, 상기 거리지수는, 아래 수학식 4에 의하여 도출될 수 있다.

[수학식 4]

이 때, DI(Distance Index)는 상기 거리지수를 의미하고, Av_CDis_min_j는 j번째 금속종류의 상기 최소블록거리값을 의미하고, n은 상기 금속종류의 수를 의미할 수 있다.

이를 통하여, 상기 혼합고철폐기물에 포함되는 금속의 종류 및 비율에 따라 혼합단가정보를 도출하고, 이에 따라 무게정보와 함께 거래비용을 도출할 수 있다.

삭제

도 7은 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 방법의 흐름도이다.

도 7을 참조하면, 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 방법은 기설정된 위치에 설치되어 혼합고철폐기물의 제1 이미지를 생성하는 카메라로부터 상기 제1 이미지를 수신할 수 있다(S101).

또한, 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 방법은 상기 제1 이미지를 분석하여, 상기 혼합고철폐기물에 포함되는 금속의 금속종류 및 금속비율을 포함하는 혼합정보를 생성할 수 있다(S103).

또한, 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 방법은 상기 혼합정보를 기반으로 상기 혼합고철폐기물의 기설정된 무게별 혼합단가정보를 도출할 수 있다(S105).

또한, 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 방법은 무게센서로부터 상기 혼합고철폐기물의 무게정보를 수신할 수 있다(S107).

또한, 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 방법은 상기 무게정보 및 상기 혼합단가정보를 기반으로 상기 혼합고철폐기물의 거래비용을 산출할 수 있다(S109).

또한, 본 발명의 일 실시예에 따른 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 방법은 도 1 내지 도 6에 개시된 이미지분석 기반의 혼합 고철 폐기물 분류 및 거래비용 산출 장치와 동일하게 구성될 수 있다.

삭제

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, 컨트롤러, 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.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (5)

1. 전자 장치에 있어서,
   메모리(memory); 및
   상기 메모리와 연결된 프로세서(processor); 를 포함하고,
   상기 프로세서는:
   기설정된 위치에 설치되어 혼합고철폐기물의 제1 이미지를 생성하는 카메라로부터 상기 제1 이미지를 수신하고,
   상기 제1 이미지를 분석하여, 상기 혼합고철폐기물에 포함되는 금속의 금속종류 및 금속비율을 포함하는 혼합정보를 생성하고,
   상기 혼합정보를 기반으로 상기 혼합고철폐기물의 기설정된 무게별 혼합단가정보를 도출하고,
   무게센서로부터 상기 혼합고철폐기물의 무게정보를 수신하고,
   상기 무게정보 및 상기 혼합단가정보를 기반으로 상기 혼합고철폐기물의 거래비용을 산출하고,
   상기 카메라는, 상기 혼합고철폐기물을 실은 운반수단의 동선에 따라, 상기 혼합고철폐기물을 실은 운반수단을 사시도 방향에서 촬영되도록 설치되고,
   상기 제1 이미지는, 상기 혼합고철폐기물을 실은 상기 운반수단을 사시도 방향에서 촬영한 이미지이고,
   상기 프로세서는:
   인공지능모듈을 통하여, 상기 제1 이미지에서 상기 혼합고철폐기물만을 추출하여 제2 이미지를 생성하고,
   상기 제2 이미지를 기반으로 상기 혼합정보를 생성하고,
   상기 프로세서는:
   인공지능모듈을 통하여 상기 제2 이미지에 포함되는 객체를 모두 구분하여 소객체로 설정하고, 상기 소객체마다 테두리를 감싸는 외곽선을 생성하고,
   상기 소객체마다, 상기 외곽선에 모서리가 존재하는 경우, 상기 모서리를 기준으로 상기 외곽선을 동일한 곡률 또는 동일한 방향으로 연장하여 가상의 연장선을 생성하고, 상기 연장선이 상호 연결되는 다른 소객체를 추출하고, 연장선을 통해 연결되는 다른 소객체를 취합하여 해당 소객체들의 상기 외곽선과 상기 연장선을 포함하는 대객체를 설정하고,
   상기 연장선을 통해 연결되는 다른 소객체가 없는 소객체는 해당 소객체만 대객체로 설정하고,
   상기 대객체의 색상정보를 기반으로 상기 대객체의 금속종류를 도출하고,
   상기 제2 이미지 내에서 전체 대객체들이 차지하는 면적을 기반으로 금속종류별 상기 금속비율을 도출하고,
   상기 금속종류 및 상기 금속비율을 기반으로 상기 혼합정보를 생성하고,
   상기 프로세서는:
   상기 대객체가 차지하는 영역에서 상기 소객체가 차지하는 영역의 픽셀의 RGB값의 평균으로 해당 대객체에 대한 대객체일반색상정보를 도출하고,
   금속별로 구분하여, 금속의 일반색상에 해당되도록 기설정된 RGB값을 나타내는 제1 색상정보 및 금속의 부식색상에 해당되도록 기설정된 RGB값을 나타내는 제2 색상정보를 포함하는 금속색상DB를 기반으로,
   기설정된 유사도모듈을 통하여, 상기 대객체별로 상기 대객체의 상기 대객체색상정보와 상기 제1 색상정보의 제1 유사도를 도출하고,
   상기 제1 유사도가 기설정된 제1 임계유사도를 초과하는 복수개의 금속들을 제1 금속후보로 설정하고,
   상기 소객체가 차지하는 영역 중에서 부식부분으로 도출된 부식영역의 픽셀의 RGB값의 평균으로 해당 대객체에 대한 대객체부식색상정보를 도출하고,
   상기 유사도모듈을 통하여, 상기 제1 금속후보에 해당하는 금속의 상기 제2 색상정보와 상기 대객체부식색상정보의 제2 유사도를 도출하고,
   상기 제2 유사도가 가장 높은 금속을 해당 대객체의 금속종류로 설정하고,
   상기 프로세서는:
   상기 유사도모듈을 통하여, 상기 소객체가 차지하는 영역의 각 픽셀별 RGB값과 상기 대객체일반색상정보의 제3 유사도를 도출하고,
   전체 제3 유사도 중에서 가장 낮은 제3-1 유사도를 도출하고, 상기 제3-1 유사도부터 기설정된 최하유사범위까지 포함되는 픽셀을 상기 부식영역으로 도출하고,
   상기 유사도모듈은,
   입력되는 제1 RGB값을 기반으로 R, G 및 B의 각 수치를 성분으로 가지는 제1 벡터를 생성하고,
   상기 제1 RGB값과 함께 입력되는 제2 RGB값을 기반으로 R, G 및 B의 각 수치를 성분으로 가지는 제2 벡터를 생성하고,
   아래 수학식 1을 통하여 유사도를 도출하되,
   [수학식 1]
   
   PS(Pixel Similarity)는 상기 유사도를 의미하고, V(Vector)1_i는 상기 제1 벡터의 i번째 성분을 의미하고, V2_i는 상기 제2 벡터의 i번째 성분을 의미하고,
   상기 금속비율은, 상기 제2 이미지 내에 포함되는 대객체의 금속종류별 상대적 비율을 의미하고,
   상기 프로세서는:
   상기 혼합고철폐기물에 포함되는 금속종류별 뭉쳐져 있는 정도를 기반으로 도출되는 분류가중치, 금속종류별로 기설정된 단위무게당 단가 및 상기 금속비율을 기반으로 상기 혼합고철폐기물의 상기 혼합단가정보를 도출하고,
   상기 혼합단가정보는, 아래 수학식 2에 의하여 도출되되,
   [수학식 2]
   
   MUP(Mixed Unit Price)는 상기 혼합단가정보를 의미하고, CW(Classification Weight)는 상기 분류가중치를 의미하고, RR(Relative Ratio)_j는 상기 혼합고철폐기물에 포함되는 j번째 금속종류의 상대적 비율을 의미하고, UP(Unit Price)_j는 상기 혼합고철폐기물에 포함되는 j번째 금속종류의 상기 단위무게당 단가를 의미하고, n은 상기 금속종류의 수를 의미하는 것을 특징으로 하는, 전자 장치.
2. 삭제
3. 삭제
4. 삭제
5. 삭제