KR102621150B1 - 사용자 맞춤형 편의점 추천 시스템 및 방법 - Google Patents

사용자 맞춤형 편의점 추천 시스템 및 방법 Download PDF

Info

Publication number
KR102621150B1
KR102621150B1 KR1020210086493A KR20210086493A KR102621150B1 KR 102621150 B1 KR102621150 B1 KR 102621150B1 KR 1020210086493 A KR1020210086493 A KR 1020210086493A KR 20210086493 A KR20210086493 A KR 20210086493A KR 102621150 B1 KR102621150 B1 KR 102621150B1
Authority
KR
South Korea
Prior art keywords
convenience store
user
terminal
image
information
Prior art date
Application number
KR1020210086493A
Other languages
English (en)
Other versions
KR20230005592A (ko
Inventor
최정윤
김성우
Original Assignee
동의대학교 산학협력단
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 동의대학교 산학협력단 filed Critical 동의대학교 산학협력단
Priority to KR1020210086493A priority Critical patent/KR102621150B1/ko
Publication of KR20230005592A publication Critical patent/KR20230005592A/ko
Application granted granted Critical
Publication of KR102621150B1 publication Critical patent/KR102621150B1/ko

Links

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

사용자 맞춤형 편의점 추천 시스템 및 방법이 개시된다. 본 발명에 따른 사용자에게 편의점을 추천하는 시스템은, 사용자 입력이 입력되는 제1 단말, 상기 사용자 입력을 기초로 생성된 식단 정보가 입력되는 제2 단말 및 상기 사용자 입력 및 상기 식단 정보를 중계하는 서버를 포함하되, 상기 서버는 상기 사용자 입력 및 상기 식단 정보를 기초로 제1 편의점 추천 리스트를 생성하고, 상기 제1 편의점 추천 리스트를 상기 제1 단말로 전송할 수 있다.

Description

사용자 맞춤형 편의점 추천 시스템 및 방법{SYSTEM AND METHOD FOR RECOMMENDATION OF USER-CUSTOMIZED CONVENIENCE STORE}
본 발명은 사용자 맞춤형 편의점 추천 시스템 및 방법에 관한 것이다. 보다 상세하게는, 사용자 입력 및 식단 정보를 활용하여 사용자에게 필요한 제품을 구비한 편의점을 추천할 수 있는 시스템 및 방법에 관한 것이다.
편의점이란 편리함(convenience)을 개념으로 도입된 소형 소매 점포로서, 주로 역 주변·도로변 등 이용하기 편리한 곳에 입지하여 장시간 영업을 하는 것을 특징으로 한다.
일반적으로, 편의점에서는 공산품뿐만 아니라 삼각김밥, 냉동식품 등의 일일배송 식품도 판매한다. 특히 삼각김밥이나 편의점 도시락 등은 직장인과 학생들의 구원자 역할을 톡톡히 하고 있다. 예전까지만 해도 편의점 식품은 '가격은 비싸고 양은 적다'라는 인식이 있었고, 실제로도 유통 과정 등을 생각해 보면 그래야 맞는 것이었다.
그런데 2010년 들어 정부가 원화가치하락 환율정책과 오픈프라이스 정책을 추진하는 바람에, 물가가 30% 이상 폭등함에 따라 밖에서 사먹는 것보다 편의점 식품을 사먹는 게 더 싸게 먹히는 상황이 발생했다. 거기에 제휴할인이나 이벤트 할인(통칭 '원 플러스 원') 이 거의 상시화되었다. 때문에 직장인들이 편의점에서 끼니를 때우는 광경도 흔해졌다. 이처럼 필요성에 의하여, 편의점 도시락 등은 매우 다양한 종류를 포함하게 되었고, 편의점 도시락 등에는 필수적으로 포함하는 영양분이 기재되어 있다.
그러나, 위생의 문제로 인하여, 편의점 도시락 등은 매우 짧은 유통기한을 가질 수밖에 없고, 매우 짧은 유통기한으로 인하여 판매되지 못한 도시락은 폐기처리 되거나, 편의점 1개 내에 제한된 수만큼의 도시락만 구비할 수 있는 문제점이 있었다.
또한, 최근 건강을 중요시하는 웰빙(well-being) 열풍에 힘입어, 개인의 식단 관리의 중요성이 강조되고 있다. 종래에는 빅데이터 기반의 영양 정보를 통한 알고리즘을 설계하여, 사용자 프로필 데이터를 기초로 식단을 추천할 수 있는 발명이 공개되고 있었다.
다만, 사용자 맞춤형 식단과 편의점에서 판매되는 도시락 등 상품을 매칭하고, 이를 기초로 매칭된 상품을 구비한 편의점을 사용자에게 추천하는 등 편의점과 사용자를 서로 연결하기 위한 시스템의 필요성이 증가하고 있다.
KR20160045413A (발명의 명칭: 식품 성분-효능과 사용자-프로필 데이터를 이용한 식단 추천 방법)
본 발명의 목적은 사용자 맞춤형 편의점을 추천할 수 있는 시스템 및 방법을 제공하는 것이다.
또한, 본 발명의 목적은 사용자의 식단 정보를 쉽게 학습하고 이를 통하여 사용자 맞춤형 편의점을 추천할 수 있는 시스템 및 방법을 제공하는 것이다.
또한, 본 발명의 목적은 사용자의 식단 정보에 대응되는 편의점 상품 리스트를 추출하고, 편의점 상품 리스트에 대응하는 편의점 추천 리스트를 생성하여 사용자 맞춤형 편의점을 추천할 수 있는 시스템 및 방법을 제공하는 것이다.
상술한 문제점을 해결하기 위하여, 본 발명은 사용자에게 편의점을 추천하는 시스템에 있어서, 사용자 입력이 입력되는 제1 단말, 상기 사용자 입력을 기초로 생성된 식단 정보가 입력되는 제2 단말 및 상기 사용자 입력 및 상기 식단 정보를 중계하는 서버를 포함하되, 상기 서버는 상기 사용자 입력 및 상기 식단 정보를 기초로 제1 편의점 추천 리스트를 생성하고, 상기 제1 편의점 추천 리스트를 상기 제1 단말로 전송할 수 있다.
또한, 상기 사용자 입력은 사용자의 위치 정보를 포함하고, 상기 서버는 상기 식단 정보에 대응하는 편의점 상품을 구비한 실시간 편의점 데이터를 외부 서버로부터 수신하고, 상기 위치 정보를 기초로 상기 실시간 편의점 데이터로부터 상기 제1 편의점 추천 리스트를 생성할 수 있다.
또한, 상기 실시간 편의점 데이터는 상기 편의점 상품의 재고 수량에 대한 정보를 포함할 수 있다.
또한, 상기 제1 단말은 상기 편의점 상품에 대한 결제 정보를 수신하고, 상기 서버는 상기 결제 정보를 기초로 상기 외부 서버에 상기 편의점 상품에 대한 준비 요청을 전송할 수 있다.
또한, 상기 서버는, 상기 사용자의 구매 이력을 저장하고, 상기 구매 이력을 학습하여 학습 결과를 생성하며, 상기 학습 결과를 기초로 상기 사용자에 대한 편의점 상품 추천 리스트를 생성하고, 상기 편의점 상품 추천 리스트를 상기 제1 단말로 전송할 수 있다.
이때, 상기 서버는, 상기 편의점 상품 추천 리스트를 기초로 제2 편의점 추천 리스트를 생성하고, 상기 제2 편의점 추천 리스트를 상기 제1 단말로 전송할 수 있다.
또한, 상술한 문제점을 해결하기 위하여, 본 발명은 제1 단말로부터 사용자 입력을 수신하는 단계, 제2 단말로부터 식단 정보를 수신하는 단계, 상기 사용자 입력 및 상기 식단 정보를 중계하는 단계, 상기 식단 정보를 기초로 제1 편의점 추천 리스트를 생성하는 단계 및 상기 제1 편의점 추천 리스트를 상기 제1 단말로 전송하는 단계를 포함할 수 있다.
상술한 문제점을 해결하기 위하여, 본 발명은 명령어들을 저장하는 비일시적 컴퓨터 판독가능 매체로서, 상기 명령어들은 프로세서에 의해 실행될 때, 상기 프로세서로 하여금 상술한 방법을 수행하게 하는, 비일시적 컴퓨터 판독가능 매체일 수 있다.
본 발명은 사용자 입력 및 식단 정보를 기초로 사용자 맞춤형 편의점을 자동으로 추천할 수 있는 시스템 및 방법을 제공할 수 있는 효과를 가진다.
또한, 본 발명은 사용자 위치 좌표 주변에서 사용자에게 적합한 식단 또는 영양소를 포함하는 편의점 상품을 구비한 편의점을 자동으로 추천할 수 있는 시스템 및 방법을 제공할 수 있는 효과를 가진다.
본 발명에 따라 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 명세서가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명에 따른 사용자 맞춤형 편의점 추천 시스템을 나타낸 것이다.
도 2는 본 발명에 따른 서버를 간략히 나타낸 것이다.
도 3은 본 발명에 따른 이미지 보정 필터의 예시를 나타낸 도면이다.
도 4는 본 발명에 따른 제1 단말을 간략히 나타낸 것이다.
도 5는 본 발명에 따른 카메라 모듈을 간략히 나타낸 것이다.
도 6은 본 발명에 따른 사용자 맞춤형 편의점 추천 방법을 나타낸 것이다.
도 7(a) 내지 도 7(c)는 본 발명에 따른 사용자 맞춤형 편의점 추천 어플리케이션을 나타낸 것이다.
본 명세서에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 명세서에 대한 실시예를 제공하고, 상세한 설명과 함께 본 명세서의 기술적 특징을 설명한다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 상술한 내용들을 바탕으로 본 명세서의 바람직한 일 실시예에 따른, 사용자 맞춤형 편의점 추천 시스템에 관하여 상세히 설명하면 다음과 같다.
도 1은 본 발명에 따른 사용자 맞춤형 편의점 추천 시스템을 나타낸 것이다.
도 1에 따르면, 본 발명에 따른 사용자 맞춤형 편의점 추천 시스템(이하, 시스템)은 제1 단말(10), 제2 단말(20) 및 서버(30)를 포함할 수 있다. 또한, 본 발명에 따른 시스템은 외부 서버(40)를 더 포함할 수도 있다.
도 1에 따르면, 제1 단말(10)은 사용자로부터 입력값을 입력받을 수 있다. 제1 단말(10)에 입력되는 데이터를 사용자 입력이라고 할 수 있다. 본 발명에 따른 사용자 입력은 사용자의 신체 데이터(키, 나이, 성별, 몸무게, BMI 수치 등)를 포함할 수 있다. 또한, 사용자 입력은 사용자의 취향 데이터(식품 선호도 등) 및/또는 사용자의 위치 좌표 정보(GPS 정보 등)를 더 포함할 수 있다. 즉, 본 발명에 따른 제1 단말(10)은 사용자 입력이 입력되는 단말일 수 있다. 일 예로, 제1 단말(10)은 휴대폰, 스마트폰, 컴퓨터, 노트북 등 연산기능을 가지는 컴퓨팅 장치를 의미할 수 있다.
도 1에 따르면, 제2 단말(20)은 제1 단말(10)로부터 사용자 입력을 영양사에게 제공할 수 있고, 영양사로부터 사용자 입력에 따른 식단 정보를 수신할 수 있다. 식단 정보는 영양사에 의하여 지정될 수 있으며, 영양사 외에 인공지능 알고리즘에 의하여 지정될 수도 있다. 또한, 식단 정보는 미리 정해진 유형별로 저장된 정보일 수도 있다. 즉, 제2 단말(20)은 사용자 입력을 기초로 생성된 식단 정보가 입력되는 단말일 수 있다. 제2 단말(20)은 휴대폰, 스마트폰, 컴퓨터, 노트북 등 연산기능을 가지는 컴퓨팅 장치를 의미할 수 있다.
일 예로, 제1 단말(10)이 사용자로부터 신체 데이터를 수신하고, 신체 데이터를 기초로 제1 단말(10)에서 계산한 BMI값이 고도 비만에 해당하는 값인 경우, 제2 단말(20)에 입력되는 식단 정보는 샐러드 또는 야채 위주의 식단 정보를 포함할 수 있다. 서버(30)는 사용자 입력 및 식단 정보를 기초로 샐러드 도시락을 구비한 편의점을 검색할 수 있고, 검색 결과를 사용자의 위치 좌표를 중심으로 나열한 제1 편의점 추천 리스트를 생성할 수 있다.
도 1에 따르면, 서버(30)는 제1 단말(10)과 제2 단말(20)을 중계할 수 있다. 또한, 서버(30)는 제1 단말(10)의 사용자 입력과 제2 단말(20)의 식단 정보를 상호 중계할 수 있다. 서버(30)는 외부 서버(40)와 연결될 수 있으며, 외부 서버(40)는 편의점 매장과 연결될 수 있다. 외부 서버(40)는 복수의 편의점 매장들의 상품 재고 현황을 수집할 수 있으며, 서버(30)는 외부 서버(40)로부터 복수의 편의점 매장들의 상품 재고 현광을 수신하고 이를 제1 단말(10) 및/또는 제2 단말(20)로 전송할 수 있다. 즉, 서버(30)는 사용자 입력 및 식단 정보를 기초로 제1 편의점 추천 리스트를 생성하고, 생성된 제1 편의점 추천 리스트를 제1 단말(10)로 전송할 수 있다.
일 예로, 제1 단말(10)에 입력되는 사용자 입력은 사용자의 위치 정보를 포함할 수 있다. 이때, 서버(30)는 식단 정보에 대응하는 편의점 상품을 구비한 실시간 편의점 데이터를 외부 서버(40)로부터 수신하고, 위치 정보를 기초로 실시간 편의점 데이터로부터 제1 편의점 추천 리스트를 생성할 수 있다. 구체적으로, 사용자의 위치 정보가 대한민국 서울특별시 강남구 테헤란로 131이고, 식단 정보에 대응하는 편의점 상품이 불고기 도시락인 경우, 서버(30)는 서울특별시 강남구 테헤란로 131을 기준으로 실시간 편의점 데이터를 외부 서버(40)로부터 수신할 수 있다. 서버(30)는 서울시 강남구 테헤란로 131을 기준으로 현재 불고기 도시락을 구비한 편의점들을 검색하여, 제1 편의점 추천 리스트를 생성할 수 있다. 서버(30)는 생성된 제1 편의점 추천 리스트를 제1 단말(10)로 전송하여, 사용자에게 제1 편의점 추천 리스트를 표시하도록 데이터를 전송할 수 있다. 사용자는 제1 편의점 추천 리스트에서 적어도 하나의 편의점을 선택하여 제1 단말(10)을 통하여 결제 또는 해당 상품을 예약할 수 있다. 이때, 실시간 편의점 데이터는 편의점 상품(불고기 도시락)의 재고 수량에 대한 정보를 포함할 수 있다.
또한, 제1 단말(10)은 편의점 상품에 대한 결제 정보를 수신하고, 서버(30)는 결제 정보를 기초로 외부 서버(40)에 편의점 상품에 대한 준비 요청을 전송할 수 있다.
또한, 본 발명에 따른 서버(30)는 사용자의 구매 이력을 저장하고, 구매 이력을 학습하여 학습 결과를 생성할 수 있다. 이때, 구매 이력은 사용자 입력에 포함되는 정보일 수 있다. 서버(30)는 학습 결과를 기초로 사용자에 대한 편의점 상품 추천 리스트를 생성할 수 있다. 편의점 상품 추천 리스트는 편의점에서 판매하는 상품들 중 구매 이력을 입력 데이터로한 학습 알고리즘의 학습 결과에 따른 상품 리스트를 의미할 수 있다. 서버(30)는 생성된 편의점 상품 추천 리스트를 제1 단말(10)로 전송하고, 사용자로 하여금 편의점 상품 추천 리스트를 확인하도록 할 수 있다.
또한, 본 발명에 따른 서버(30)는 편의점 상품 추천 리스트를 기초로 제2 편의점 추천 리스트를 생성하고, 제2 편의점 추천 리스트를 제1 단말(10)로 전송할 수 있다. 즉, 서버(30)는 사용자 입력 중 구매 이력을 기초로 사용자의 선호도 정보를 추출하고, 사용자의 선호도 정보를 기초로 편의점 상품 추천 리스트를 생성할 수 있으며, 생성된 편의점 상품 추천 리스트를 기초로 제2 편의점 추천 리스트를 생성할 수 있다.
일 예로, 사용자의 구매 이력 10회 중 8번이 불고기 도시락이고, 나머지 2번이 샐러드 도시락이라면, 서버(30)는 사용자의 선호도 정보로서 불고기 도시락에 보다 높은 점수를 부여할 수 있다. 서버(30)는 불고기 도시락 또는 이와 유사한 편의점 상품에 대한 추천 리스트를 생성할 수 있다. 또한, 서버(30)는 불고기 도시락 또는 이와 유사한 편의점 상품을 구비한 편의점을 검색하여, 검색 결과를 기초로 제2 편의점 추천 리스트를 생성할 수 있다. 서버(30)는, 제2 편의점 추천 리스트를 생성함에 있어서, 사용자의 위치 좌표 정보를 더 고려할 수 있다. 따라서, 서버(30)는 사용자의 위치 좌표를 기준으로 검색 결과에 포함된 편의점을 나열한 제2 편의점 추천 리스트를 생성할 수 있다.
도 2는 본 발명에 따른 서버를 간략히 나타낸 것이다.
도 2에 따르면, 본 발명에 따른 서버(30)는 학습 모듈(310), 편의점 검색 모듈(320), 편의점 리스트 생성 모듈(330) 및 데이터 송수신 모듈(340)을 포함할 수 있다.
바람직하게, 본 발명에 따른 학습 모듈(310)은 사용자 입력과 식단 정보를 입력값으로 하고, 입력값을 기초로 편의점 상품들 중 적어도 하나의 상품을 결과값으로 출력할 수 있다. 이때, 본 발명에 따른 학습 모듈(310)은 결과값으로 출력된 적어도 하나의 상품에 대하여 사용자로부터 평점을 수신할 수 있다. 본 발명에 따른 학습 모듈(310)은 사용자로부터 수신한 평점에 기초하여 결과값을 평가하고, 이를 기초로 학습 알고리즘을 발전시키거나 또는 파라미터를 수정할 수 있다. 이를 위하여, 본 발명에 따른 학습 모듈(310)은 심층 신경망을 이용하여 구현된 학습 알고리즘을 포함할 수 있다.
또한, 본 발명에 따른 학습 모듈(310)은 사용자 구매 이력을 입력값으로 하고, 입력값을 기초로 편의점 상품들 중 적어도 하나의 상품을 결과값으로 출력할 수 있다. 본 발명에 따른 학습 모듈(310)은 사용자 구매 이력을 학습하여 사용자 선호도 정보를 생성하고, 생성된 사용자 선호도 정보를 기초로 적어도 하나의 상품을 결과값으로 출력할 수 있다. 이때, 본 발명에 따른 학습 모듈(310)은 결과값으로 출력된 적어도 하나의 상품에 대하여 사용자로부터 평점을 수신할 수 있다. 본 발명에 따른 학습 모듈(310)은 사용자로부터 수신한 평점에 기초하여 결과값을 평가하고, 이를 기초로 학습 알고리즘을 발전시키거나 또는 파라미터를 수정할 수 있다. 이를 위하여, 본 발명에 따른 학습 모듈(310)은 심층 신경망을 이용하여 구현된 학습 알고리즘을 포함할 수 있다.
본 발명에 따른 편의점 검색 모듈(320)은 학습 모듈에 의하여 출력된 적어도 하나의 상품을 구비하고 있는 편의점을 검색할 수 있다. 즉, 본 발명에 따른 편의점 검색 모듈(320)은 외부 서버(40)와 정보를 송수신할 수 있고, 외부 서버(40)로부터 현재 편의점의 재고 상황 정보를 수신하며, 수신한 재고 상황 정보를 기초로 출력된 적어도 하나의 상품을 구비하고 있는 편의점을 검색할 수 있다.
본 발명에 따른 편의점 리스트 생성 모듈(330)은 상기 출력된 적어도 하나의 상품을 구비하고 있는 편의점들 중 사용자의 위치 좌표 정보를 중심으로 가까운 순서대로 정렬된 편의점 추천 리스트를 생성할 수 있다.
본 발명에 따른 데이터 송수신 모듈은 서버(30)에서 이루어지는 모든 데이터 송수신을 수행하는 모듈로서, 서버(30)와 제1 단말(도 1의 10, 이하 동일), 서버(30)와 제2 단말(도 1의 20, 이하 동일)을 연결할 뿐만 아니라 서버(30)와 외부 서버(40)를 연결하기 위한 구성일 수 있다.
도 2에 따르면, 본 발명에 따른 서버(30)는 이미지 학습 모듈(340)을 더 포함할 수 있다. 본 발명에 따른 이미지 학습 모듈(340)은 제1 단말(10)의 카메라 모듈(도 4의 130)로부터 생성된 이미지 데이터를 기초로, 비전 인식 알고리즘을 적용하기 위한 학습 모듈일 수 있다. 즉, 본 발명에 따른 이미지 학습 모듈(340)은 사용자에 의하여 생성된 이미지 데이터를 학습하여, 별도로 사용자로부터 구매 이력을 입력받지 않더라도 사용자가 어떠한 편의점 상품을 섭취하였는지에 대한 정보를 생성할 수 있다.
일 예로, 사용자가 불고기 도시락 및 샐러드 도시락에 대한 사진을 제1 단말(10)의 카메라 모듈로 촬영하여 이미지 데이터를 생성하고, 생성한 이미지 데이터를 서버(30)로 전송하면, 서버(30)의 이미지 학습 모듈(340)은 이미지 데이터를 학습하고 인식하여, 사용자의 구매 이력에 불고기 도시락 및 샐러드 도시락을 추가할 수 있고, 본 발명에 따른 서버(30)(또는 학습 모듈)는 이를 기초로 사용자 선호도 정보를 생성할 수 있다. 또한, 서버(30)는 사용자의 제1 단말(10)에 대하여 인식된 불고기 도시락 및 샐러드 도시락에 대한 평점을 수신하고, 수신한 평점에 기초하여 결과값을 평가하여 학습 알고리즘을 발전시키거나 파라미터를 수정할 수도 있다. 본 발명에 따른 서버(30)는 생성된 구매 이력 또는 선호도 정보를 기초로 편의점 상품에 대한 추천 리스트를 생성하고, 생성된 편의점 상품에 대한 추천 리스트를 기초로 제2 편의점 추천 리스트를 추가로 생성하여 사용자에게 제공할 수 있다.
구체적으로, 이미지 학습 모듈(340)에 포함된 비전 인식 알고리즘은 편의점 상품들을 다양한 각도에서 촬영한 이미지들을 입력 데이터로서 미리 학습한 것일 수 있다. 본 발명에 따른 비전 인식 알고리즘은 CNN 알고리즘을 포함할 수 있다.
도 3은 본 발명에 따른 이미지 보정 필터의 예시를 나타낸 도면이다.
도 3에 따르면, 필터의 종류와 기능이 나타나 있다. 즉, CNN 알고리즘은 복수의 레이어를 사용하는 학습 알고리즘일 수 있다. 또한, CNN 알고리즘은 이미지 분류 정확도를 최대화하는 필터를 자동으로 학습할 수 있으며, 합성곱 계층과 폴링 계층이라고 하는 새로운 층을 풀리 커넥티드 계층 이전에 추가함으로써 원본 이미지에 필터링 기법을 적용한 뒤에 필터링된 이미지에 대해 분류 연산을 수행할 수 있다. CNN 알고리즘은 합성곱 계층 (convolutional layer)과 풀링 계층 (pooling layer)이라고 하는 새로운 층을 fully-connected 계층 이전에 추가함으로써 원본 이미지에 필터링 기법을 적용한 뒤에 필터링된 이미에 대해 분류 연산이 수행되도록 구성될 수 있다.
이때, CNN 알고리즘을 사용한 이미지 필터에 대한 연산식은 아래의 수학식 1과 같다.
[수학식 1]
(단,
: 행렬로 표현된 필터링된 이미지의 i번째 행, j번째 열의 픽셀,
: 필터,
: 이미지,
: 필터의 높이 (행의 수),
: 필터의 너비 (열의 수)이다. )
바람직하게는, CNN 알고리즘을 사용한 이미지 필터에 대한 연산식은 아래의 수학식 2과 같다.
[수학식 2]
(단,
: 행렬로 표현된 필터링된 이미지의 i번째 행, j번째 열의 픽셀,
: 응용 필터
: 이미지,
: 응용 필터의 높이 (행의 수),
: 응용 필터의 너비 (열의 수)이다.)
바람직하게는, 는 응용 필터로서 이미지에 적용되는 필터일 수 있다. 특히, 편의점 상품 중 도시락 상품의 경우 (1) 용기의 형태의 차이와 (2) 라벨의 차이를 기초로 종류가 분류될 수 있어, (1) 및 (2)를 효과적으로 인식하기 위한 응용 필터가 추가로 필요할 수 있다. 이러한 필요성을 충족하기 위하여 응용 필터 는 아래의 수학식 3에 의하여 연산될 수 있다.
[수학식 3]
(단, : 필터, : 계수, : 응용 필터)
바람직하게는, 본 발명에 따른 응용 필터 는 부품의 종류에 따라 나뉘어 제1 이미지 및/또는 제2 이미지에 적용될 수 있다. 이때, 각 에 따른 필터는 도 9에 따른 엣지 인식 필터(Edge detection), 샤픈 필터(sharpen) 및 박스 블러 필터(Box blur) 중 어느 하나의 행렬일 수 있다.
바람직하게, 를 구하는 연산식은 아래의 수학식 4와 같다. 이때, 는 필터의 효율을 높이기 위하여 사용되는 하나의 상수로서 해석될 수 있고, 그 단위는 무시될 수 있다.
[수학식 4]
단, 이미지 촬영에 사용된 카메라의 렌즈의 직경(지름)은 mm 단위이고, 렌즈의 f값은 렌즈의 조리개값(F number)일 수 있다.
상술한 수학식 1 내지 수학식 4를 적용하여 도 2에 따른 이미지 학습 모듈의 동작 방식은 아래와 같을 수 있다.
먼저, 카메라 모듈에서 생성된 이미지 데이터가 준비된다. 이미지 데이터는 사용자에 의하여 촬영된 편의점 상품(편의점 도시락 등)을 포함하는 이미지일 수 있다. 사용자는 자신이 편의점 상품을 섭취하는 경우마다 제1 단말(10)을 통하여 이미지 데이터를 생성할 수 있고, 이를 서버(30)에 전송하여 이미지 학습 모듈에 입력할 수 있다.
이미지 데이터는 서버(30)(또는 이미지 학습 모듈)에서 응용 필터 가 적용되지 않은 제1 이미지이거나, 응용 필터 가 적용된 제2 이미지로 변환될 수 있다. 즉, 제1 이미지는 원본인 이미지 데이터일 수 있다. 본 발명에 따른 이미지 학습 모듈은 제1 이미지와 제2 이미지를 합성한 제3 이미지를 생성할 수 있다. 바람직하게는, 이미지 학습 모듈은 제1 이미지 내지 제3 이미지를 입력 데이터로서 학습할 수 있다. 이처럼, 본 발명에 다른 응용 필터 를 적용한 제2 이미지와, 제1 이미지와 제2 이미지를 합성한 제3 이미지를 함께 학습함으로써, 본 발명은 편의점 상품을 이미지만으로도 학습하여 인식하는 인식률을 현저히 향상시킬 수 있다.
[실험예]
본 발명에 따른 CNN 알고리즘을 사용하여 생성된 이미지에 대하여, 본 발명의 응용 필터 F'를 적용한 제2 이미지를 입력 데이터로 학습하는 경우에 편의점 상품에 대한 인식률을 분석한 결과는 하기 표 1과 같았다. 이때, 인식률은 제1 이미지만을 학습한 경우의 인식률과 제1 이미지 내지 제3 이미지를 모두 활용한 경우의 인식률을 수치로서 나타낸 것으로서, 이때 인식률은 해당 분야의 전문가 10명으로부터 결과물에 대한 수치화된 평가를 요청하여 얻어진 수치를 평균한 값이다.
학습 데이터
(입력값)		 제1 이미지 제1 이미지 +
제2 이미지		 제1 이미지 +
제2 이미지 +
제3 이미지
인식률 (0~100%) 64 % 77 % 86 %
상기 표 1은 본 발명에 따른 제1 차이 이미지의 차이 요소들과 전문가가 직접 선택한 차이 요소들과의 일치성을 수치로 나타낸 정확도를 각 케이스별로 나타낸 것이다. 표 1은 총 1 종의 농산물에 대하여 100개의 샘플을 기초로 수행한 결과를 정리한 것이며, 정확도는 반올림한 수치이다. 이때, 일반 필터 는 도 8의 샤픈 필터(sharpen)로 실험되었다.
표 1에서 확인할 수 있는 것과 같이, 필터 적용 없이 제1 차이 이미지를 만드는 경우보다 일반 필터를 적용하는 것이 더 높은 정확도를 나타내었다. 또한, 일반 필터 를 적용하는 것보다, 본 발명에 따른 응용 필터 를 적용하는 것이 현저히 높은 정확도를 나타내었다.
도 4는 본 발명에 따른 제1 단말을 간략히 나타낸 것이다.
도 4에 따르면, 본 발명에 따른 제1 단말(10)은 프로세서(110), 메모리(120), 카메라 모듈(130) 및 통신 모듈(140)을 포함할 수 있다.
본 발명에 따른 프로세서(110)는 제1 단말(10)의 구성들을 제어할 수 있다. 프로세서(110)는 메모리(120)에 저장된 명령어를 수행할 수 있다. 메모리(120)에 저장된 명령어는 다른 구성들을 제어하기 위한 명령어로서 미리 저장된 것일 수 있다.
프로세서(110)는, 연산을 수행하고 다른 장치를 제어할 수 있는 구성이다. 주로, 중앙 연산 장치(CPU), 어플리케이션 프로세서(AP), 그래픽스 처리 장치(GPU) 등을 의미할 수 있다. 또한, CPU, AP 또는 GPU는 그 내부에 하나 또는 그 이상의 코어들을 포함할 수 있으며, CPU, AP 또는 GPU는 작동 전압과 클락 신호를 이용하여 작동할 수 있다. 다만, CPU 또는 AP는 직렬 처리에 최적화된 몇 개의 코어로 구성된 반면, GPU는 병렬 처리용으로 설계된 수 천 개의 보다 소형이고 효율적인 코어로 구성될 수 있다.
프로세서(110)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(120)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
메모리(120)는 제1 단말(10)의 다양한 기능을 지원하는 데이터를 저장한다. 메모리(120)는 제1 단말(10)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 제1 단말(10)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버(40)로부터 다운로드 될 수 있다. 또한 응용 프로그램은, 메모리(120)에 저장되고, 제1 단말(10)에 설치되어, 프로세서(110)에 의하여 상기 제1 단말(10)의 동작(또는 기능)을 수행하도록 구동될 수 있다.
메모리(120)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 메모리(120)는 인터넷(internet)상에서 저장 기능을 수행하는 웹 스토리지(web storage)를 포함할 수도 있다.
통신 모듈(140)은 서버(30)와 제1 단말(10), 제2 단말(20) 및/또는 외부 서버(40)를 통신하기 위한 구성일 수 있다. 통신 모듈(140)의 경우, 안테나를 통해 기지국 또는 통신 기능을 포함하는 서버(30)와 정보의 송수신을 실행한다. 통신 모듈(140)은 변조부, 복조부, 신호 처리부 등을 포함할 수 있다.
무선 통신은, 통신사들이 기존에 설치해둔 통신 시설과 그 통신 시설의 주파수를 사용하는 무선 통신망을 사용한 통신을 말할 수 있다. 이때, 통신 모듈(140)은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 등과 같은 다양한 무선 통신 시스템에 사용될 수 있으며, 뿐만 아니라, 통신 모듈(140)은 3GPP(3rd generation partnership project) LTE(long term evolution) 등에도 사용될 수 있다. 또한, 최근 상용화 중인 5G 통신 뿐만 아니라, 추후 상용화가 예정되어 있는 6G 등도 사용될 수 있다. 다만, 본 명세서는 이와 같은 무선 통신 방식에 구애됨이 없이 기설치된 통신망을 활용할 수 있다.
사용자 입력부(150)는 제1 단말(10)에 사용자 입력을 입력하기 위한 구성으로서, 키보드, 마우스, 터치 패드 등의 다양한 구성 중 적어도 하나를 의미할 수 있다. 사용자 입력부(150)는 사용자로부터 사용자 입력을 입력받을 수 있다. 즉, 제1 단말(10)은 사용자로부터 사용자 입력부(150)를 통하여 사용자 입력을 수신하거나 입력받을 수 있다.
도 4에 따르면, 본 발명에 따른 제1 단말(10)은 카메라 모듈(130)을 더 포함할 수 있다. 본 발명에 따른 카메라 모듈(130)은 편의점 상품에 대한 이미지 데이터를 생성할 수 있다. 생성된 이미지 데이터에 대한 취급은 상술한 이미지 학습 모듈에 대한 설명과 동일하므로 생략한다.
도 5는 본 발명에 따른 카메라 모듈을 간략히 나타낸 것이다.
도 5에 따르면, 본 카메라 모듈(130)은 광 이미지로부터 이미지 데이터를 생성할 수 있다. 카메라 모듈(130)은 측벽에 관통홀을 포함하는 하우징(1324), 관통홀에 설치된 렌즈(1321) 및 렌즈(1321)를 구동하는 구동부(1323)를 포함할 수 있다. 관통홀은 렌즈(1321)의 직경에 대응되는 크기로 형성될 수 있다. 렌즈(1321)는 관통홀에 삽입될 수 있다.
렌즈 구동부(1323)는 렌즈(1321)를 전방 또는 후방으로 움직이도록 제어하는 구성일 수 있다. 렌즈(1321)와 렌즈 구동부 (1323)는 종래 알려진 방식으로 연결되고 렌즈(1321)는 종래 알려진 방식으로 렌즈 구동부 (1323)에 의하여 제어될 수 있다.
다양한 이미지를 수득하기 위해서는 렌즈(1321)가 카메라 모듈(130) 또는 하우징(1324)의 외부로 노출될 필요가 있다.
특히, 본 발명에 따른 카메라(132)는 대상을 직접 촬영해야 하므로 하우징(1324)의 외부에 위치하여야 한다. 따럿, 내오염성이 강한 렌즈가 필요하다. 본 발명은 렌즈를 코팅하는 코팅층을 제안하여, 이러한 문제점을 해결하고자 하였다.
바람직하게 상기 렌즈(1321)는 그 표면에 하기의 화학식 1로 표시되는 아크릴계 화합물; 유기 용매, 무기 입자 및 분산제가 포함되는 코팅조성물로 코팅된 것일 수 있다.
[화학식 1]
여기서,
n 및 m은 서로 동일하거나 상이하며, 각각 독립적으로 1 내지 100의 정수이며,
L1은 바이페닐렌기이다.
상기 코팅조성물로 렌즈(1321)가 코팅된 경우 우수한 발수성 및 내오염성을 나타낼 수 있기 때문에 차량의 외부에 설치된 렌즈(1321)가 오염 환경에 장기간 노출되더라도, 도로정보로 활용할 수 있는 이미지 또는 영상을 수집할 수 있다.
상기 무기 입자는 실리카, 알루미나 및 이들의 혼합물로 이루어진 군으로부터 선택될 수 있다. 상기 무기 입자의 평균 직경은 70 내지 100㎛이지만, 상기 예시에 국한되지 않는다. 상기 무기 입자는 렌즈(1321) 표면에 코팅층(1322)으로 형성 후, 물리적인 강도를 향상시키고, 점도를 일정 범위로 유지시켜 성형성을 높일 수 있다.
상기 유기 용매는 메틸에틸케톤(MEK), 톨루엔 및 이들의 혼합으로 이루어진 군으로부터 선택되며, 바람직하게는 메틸에틸케톤을 사용할 수 있으나, 상기 예시에 국한되지 않는다.
상기 분산제로는 폴리에스테르 계열의 분산제를 사용할 수 있고, 구체적으로 2-메톡시프로필 아세테이트 및 1-메톡시-2-프로필 아세테이트의 공중합체로 이루어진 폴리에스테르 계열의 분산안정제로서 TEGO-Disperse 670 (제조사: EVONIK)을 사용할 수 있으나, 상기 예시에 국한되지 않고 통상의 기술자에게 자명한 분산제는 제한 없이 모두 사용 가능하다.
상기 코팅 조성물은 기타 첨가제로 안정화제를 추가로 포함할 수 있고, 상기 안정화제는 자외선 흡수제, 산화방지제 등을 포함할 수 있으나, 상기 예시에 국한되지 않고 제한 없이 사용 가능하다.
상기 코팅층(1322)을 형성하기 위한, 코팅 조성물은 보다 구체적으로 상기 화학식 1로 표시되는 아크릴계 화합물; 유기 용매, 무기 입자 및 분산제를 포함할 수 있다.
상기 코팅 조성물은 유기용매 100 중량부에 대하여, 상기 화학식 1로 표시되는 아크릴계 화합물 40 내지 60 중량부, 무기 입자 20 내지 40 중량부 및 분산제 5 내지 15 중량부를 포함할 수 있다. 상기 범위에 의하는 경우 각 구성 성분의 상호 작용에 의한 발수 효과가 임계적 의의가 있는 정도의 상승효과가 발현되며, 상기 범위를 벗어나는 경우 상승효과가 급격히 저하되거나 거의 없게 된다.
보다 바람직하게, 상기 코팅 조성물의 점도는 1500 내지 1800cP이며, 상기 점도가 1500cP 미만인 경우에는 렌즈(1321) 표면에 도포하면, 흘러내려 코팅층(1322)의 형성이 용이하지 않은 문제가 있고, 1800cP를 초과하는 경우에는 균일한 코팅층(1322)의 형성이 용이하지 않은 문제가 있다.
[제조예 1: 코팅층의 제조]
1. 코팅 조성물의 제조
메틸에틸케톤에 하기 화학식 1로 표시되는 아크릴계 화합물, 무기입자 및 분산제를 혼합하여, 코팅 조성물을 제조하였다:
[화학식 1]
여기서,
n 및 m은 서로 동일하거나 상이하며, 각각 독립적으로 1 내지 100의 정수이며,
L1은 바이페닐렌기이다.
상기 대전방지 조성물의 보다 구체적인 조성은 하기 표 2와 같다.
TX1 TX2 TX3 TX4 TX5
유기용매 100 100 100 100 100
아크릴계 화합물 30 40 50 60 70
무기입자 10 20 30 40 50
분산제 1 5 10 15 20
(단위 중량부)
2. 코팅층의 제조
렌즈(1321)의 일면에 상기 DX1 내지 DX5의 코팅 조성물을 도포 후, 경화시켜 코팅층(1322)을 형성하였다.
[실험예]
1. 표면 외관에 대한 평가
코팅 조성물의 점도 차이로 인해, 코팅층(1322)을 제조한 이후, 균일한 표면이 형성되었는지 여부에 대해 관능 평가를 진행하였다. 균일한 코팅층(1322)을 형성하였는지 여부에 대한 평가를 진행하였고, 하기와 같은 기준에 의해 평가를 진행하였다.
○: 균일한 코팅층 형성
×: 불균일한 코팅층의 형성
TX1 TX2 TX3 TX4 TX5
관능 평가 Х ○ ○ ○ Х
코팅층(1322)을 형성할 때, 일정 점도 미만인 경우에는 렌즈(1321)의 표면에서 흐름이 발생하여, 경화 공정 이후, 균일한 코팅층(1322)의 형성이 어려운 경우가 다수 발생하였다. 이에 따라, 생산 수율이 낮아지는 문제가 발생할 수 있다. 또한, 점도가 너무 높은 경우에도, 조성물의 균일 도포가 어려워 균일한 코팅층(1322)의 형성이 불가하였다.
2. 발수각의 측정
상기 렌즈(1321) 표면에 코팅층(1322)을 형성한 이후, 발수각을 측정한 결과는 하기 표 4와 같다.
전진 접촉각 (") 정지 접촉각 (") 후진 접촉각 (")
TX1 117.1±2.9 112.1±4.1 < 10
TX2 132.4±1.5 131.5±2.7 141.7±3.4
TX3 138.9±3.0 138.9±2.7 139.8±3.7
TX4 136.9±2.0 135.6±2.6 140.4±3.4
TX5 116.9±0.7 115.4±3.0 < 10
상기 표 4에 나타낸 바와 같이, TX1 내지 TX5의 코팅 조성물을 이용하여 코팅층(1322)을 형성한 이후, 접촉각을 측정한 결과를 확인하였다. TX1 및 TX5는 후진 접촉각이 10도 미만으로 측정되었다. 즉, 코팅 조성물을 제조하기 위한 최적의 범위를 벗어나게 되는 경우, 물방울이 피닝(Pinning)되는 현상이 발생하는 것을 확인하였다. 반면 TX2 내지 4에서는 피닝 현상이 발생하지 않음을 확인하여 우수한 방수 효과를 나타낼 수 있음을 확인하였다.
3. 내오염성 평가
설비 외부에 상기 실시예에 따른 코팅층(1322)을 형성한 렌즈(1321)를 모형카메라에 부착하고, 40일 간 외부 환경에 노출되도록 하였다. 비교예(Con)로는 코팅층(1322)이 형성되지 않은 동일한 렌즈(1321)를 사용하였으며, 각 실시예에 모형카메라는 차량의 동일한 위치에 부착하였다.
그 뒤 실험 전후의 렌즈(1321)의 오염 정도를 유관으로 평가하였고, 객관적인 비교를 위하여 코팅층(1322)이 형성되지 않은 비교예와 비교하여 그 결과를 1 내지 10의 지수로 평가하여 하기의 표 5에 나타내었다. 하기의 지수는 그 숫자가 낮을수록 내오염성이 우수한 것이다.
Con TX1 TX2 TX3 TX4 TX5
내오염성 10 7 3 3 3 8
(단위: 지수)
상기 표 5를 참조하면, 렌즈(1321)에 코팅층(1322)을 형성하는 경우 외부 환경에 카메라를 설치하면서 렌즈(1321)가 외부로 노출되도록 하여도 높은 내오염성을 기초로 오랜 기간 분석하기 용이한 형태로 이미지 데이터를 수집할 수 있다는 점을 알 수 있다. 특히 TX2 내지 TX4에 의하는 경우 코팅층(1322)에 의한 내오염성이 매우 우수하다는 점을 확인할 수 있다.
이하, 상술한 내용들을 바탕으로 본 명세서의 바람직한 또 다른 일 실시예에 따른, 사용자 맞춤형 편의점 추천 방법에 관하여 상세히 설명하면 다음과 같다.
본 발명에 따른 사용자 맞춤형 편의점 추천 방법을 수행하는 주체는 본 발명에 따른 서버(도 1의 30, 이하 동일)일 수 있다. 또한, 본 발명에 따른 사용자 맞춤형 편의점 추천 방법에 대한 설명 중 상술한 사용자 맞춤형 편의점 추천 시스템에 대한 설명과 동일하거나 중복되는 내용은 생략될 수 있다.
도 6은 본 발명에 따른 사용자 맞춤형 편의점 추천 방법을 나타낸 것이다.
도 6에 따르면, 본 발명에 따른 사용자 맞춤형 편의점 추천 방법은, 제1 단말로부터 사용자 입력을 수신하는 단계(S101), 제2 단말로부터 식단 정보를 수신하는 단계(S102), 사용자 입력 및 식단 정보를 중계하는 단계(S103), 사용자 입력 및 식단 정보를 기초로 제1 편의점 추천 리스트를 생성하는 단계(S104) 및 제1 편의점 추천 리스트를 제1 단말로 전송하는 단계(S105)를 포함할 수 있다.
제1 단말로부터 사용자 입력을 수신하는 단계(S101)는 편의점 상품이 촬영된 이미지 데이터를 수신하는 단계를 포함할 수 있다. 이때, 사용자 입력은 이미지 데이터를 포함할 수 있다.
이때, 사용자 입력 및 식단 정보를 기초로 제1 편의점 추천 리스트를 생성하는 단계(S104)는 수신된 이미지 데이터로부터 사용자의 구매 이력 및/또는 선호도 정보를 생성하는 단계(S1041), 및 구매 이력 및/또는 선호도 정보를 기초로 제2 편의점 추천 리스트를 생성하는 단계(S1042)를 더 포함할 수 있다.
이때, S1041 단계는 상술한 수학식 1 내지 수학식 4에 따른 응용 필터 를 활용한 제2 이미지를 생성하는 단계와, 원본 이미지인 제1 이미지와 제2 이미지를 합성한 제3 이미지를 생성하는 단계를 포함할 수 있다. 본 발명에 따른 S1041 단계는 제1 이미지 내지 제3 이미지를 이미지 학습 모듈에 학습시키고, 이를 기초로 제2 편의점 추천 리스트를 생성하여 사용자에게 제공하는 단계를 더 포함할 수 있다. 이에 대한 내용은 상술한 내용과 동일하거나 중복되므로 이하 생략한다.
도 7(a) 내지 도 7(c)는 본 발명에 따른 사용자 맞춤형 편의점 추천 어플리케이션을 나타낸 것이다.
도 7(a) 내지 도 7(c)에 따르면, 사용자 맞춤형 편의점 추천 어플리케이션은 사용자의 제1 단말에 설치된 어플리케이션일 수 있다.
도 7(a)에 따르면, 사용자 맞춤형 편의점 추천 어플리케이션은 사용자 입력에 따른 제2 단말에서 생성된 식단 정보를 사용자에게 제공할 수 있다.
도 7(b)에 따르면, 사용자 맞춤형 편의점 추천 어플리케이션은 사용자 입력 및 식단 정보에 따른 편의점 상품 추천 리스트를 사용자에게 제공할 수 있다.
도 7(c)에 따르면, 사용자 맞춤형 편의점 추천 어플리케이션은 편의점 상품 추천 리스트에 기초하여, 해당 상품을 구비한 편의점 추천 리스트를 사용자에게 제공할 수 있다. 도 7(c)에 따르면, 사용자 맞춤형 편의점 추천 어플리케이션은 편의점 추천 리스트에 포함된 편의점들을 지도 형식의 인터페이스를 통하여 사용자에게 제공할 수도 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 모델링하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 모델링되는 것도 포함한다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 명세서의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 명세서의 등가적 범위 내에서의 모든 변경은 본 명세서의 범위에 포함된다.
앞에서 설명된 본 발명의 어떤 실시 예들 또는 다른 실시 예들은 서로 배타적이거나 구별되는 것은 아니다. 앞서 설명된 본 발명의 어떤 실시 예들 또는 다른 실시 예들은 각각의 구성 또는 기능이 병용되거나 조합될 수 있다.
상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
10: 제1 단말
20: 제2 단말
30: 서버
40: 외부 서버

Claims (8)

  1. 사용자에게 편의점을 추천하는 시스템에 있어서,
    사용자 입력이 입력되는 제1 단말;
    상기 사용자 입력을 기초로 생성된 식단 정보가 입력되는 제2 단말; 및
    상기 사용자 입력 및 상기 식단 정보를 중계하는 서버;를 포함하되,
    상기 사용자 입력은 사용자의 구매 이력 및 사용자의 위치 정보를 포함하고,
    상기 서버는, 학습 모듈, 편의점 검색 모듈, 편의점 리스트 생성 모듈, 이미지 학습 모듈 및 데이터 송수신 모듈을 포함하는 것이고,
    상기 학습 모듈은 상기 사용자 입력 및 상기 식단 정보를 기초로 제1 편의점 추천 리스트를 생성하고, 상기 제1 편의점 추천 리스트를 상기 제1 단말로 전송하는 것이고,
    상기 편의점 검색 모듈은 상기 식단 정보에 대응하는 편의점 상품을 구비한 실시간 편의점 데이터를 외부 서버로부터 수신하고, 상기 위치 정보를 기초로 상기 실시간 편의점 데이터로부터 상기 제1 편의점 추천 리스트를 생성하며,
    사용자의 구매 이력을 학습하여 학습 결과를 생성하며, 상기 학습 결과를 기초로 상기 사용자에 대한 편의점 상품 추천 리스트를 생성하고, 상기 편의점 상품 추천 리스트를 기초로 제2 편의점 추천 리스트를 생성하여, 상기 편의점 상품 추천 리스트 및 상기 제2 편의점 추천 리스트를 상기 제1 단말로 전송하는 것이고,
    상기 실시간 편의점 데이터는 상기 편의점 상품의 재고 수량에 대한 정보를 포함하고,
    상기 학습 모듈은 심층 신경망을 이용한 알고리즘을 포함하고, 사용자 구매 이력을 학습하여 사용자 선호도 정보를 생성하고, 생성된 사용자 선호도 정보를 기초로 적어도 하나의 상품을 결과값으로 출력하고, 출력된 적어도 하나의 상품에 대하여 사용자로부터 평점을 수신하며, 수신한 평점에 기초하여 결과값을 평가하고, 상기 알고리즘에 반영하는 것이고,
    상기 이미지 학습 모듈은 제1 단말의 카메라 모듈로부터 생성된 이미지 데이터를 비전 인식 알고리즘을 적용하여 학습하고, 상기 사용자의 구매 이력을 생성하고,
    상기 비전 인식 알고리즘은 하기의 식 2에 따른 이미지 필터가 적용된 CNN 알고리즘이 적용된 것인
    사용자 맞춤형 편의점 추천 시스템.
    [식 2]

    (단, Gij는 행렬로 표현된 필터링된 이미지의 i번째 행, j번째 열의 픽셀이고, F'는 응용필터이고, F' = ρ*F 로 연산되는 것이고(계수 ρ는 식 3으로 도출된다), X는 이미지, F'H는 응용 필터의 높이 (행의 수), F'W는 응용 필터의 너비 (열의 수)이다.)
    [식 3]

    (단, F 이미지 촬영에 사용된 카메라의 렌즈의 직경(지름)은 mm 단위이고, 렌즈의 f값은 렌즈의 조리개값(F number)이다.)
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 제1 단말은 상기 편의점 상품에 대한 결제 정보를 수신하고,
    상기 서버는,
    상기 결제 정보를 기초로 상기 외부 서버에 상기 편의점 상품에 대한 준비 요청을 전송하는 것인,
    사용자 맞춤형 편의점 추천 시스템.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
KR1020210086493A 2021-07-01 2021-07-01 사용자 맞춤형 편의점 추천 시스템 및 방법 KR102621150B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210086493A KR102621150B1 (ko) 2021-07-01 2021-07-01 사용자 맞춤형 편의점 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210086493A KR102621150B1 (ko) 2021-07-01 2021-07-01 사용자 맞춤형 편의점 추천 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20230005592A KR20230005592A (ko) 2023-01-10
KR102621150B1 true KR102621150B1 (ko) 2024-01-03

Family

ID=84893448

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210086493A KR102621150B1 (ko) 2021-07-01 2021-07-01 사용자 맞춤형 편의점 추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102621150B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100801662B1 (ko) * 2006-08-31 2008-02-05 에스케이 텔레콤주식회사 상품 추천 관리시스템 및 그 추천 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101552339B1 (ko) * 2012-11-30 2015-09-09 유해정 피드백이 가능한 맞춤형 식단 및 식재료 구매 서비스 장치 및 방법
KR20160045413A (ko) 2014-10-17 2016-04-27 주식회사 플러스밀 식품 성분-효능과 사용자-프로필 데이터를 이용한 식단 추천 방법
KR102310493B1 (ko) * 2018-10-31 2021-10-08 (주)도넛시스템엘에스아이 식단케어 서비스 방법
KR20200064212A (ko) * 2018-11-28 2020-06-08 (주) 비지에프리테일 점포 상품 추천 서비스 제공 시스템
KR102334992B1 (ko) * 2019-11-27 2021-12-02 오준영 매장 추천 장치 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100801662B1 (ko) * 2006-08-31 2008-02-05 에스케이 텔레콤주식회사 상품 추천 관리시스템 및 그 추천 방법

Also Published As

Publication number Publication date
KR20230005592A (ko) 2023-01-10

Similar Documents

Publication Publication Date Title
US20220245574A1 (en) Systems, Methods, Kits, and Apparatuses for Digital Product Network Systems and Biology-Based Value Chain Networks
US20240144181A1 (en) Systems, methods, kits, and apparatuses for robotic process automation in value chain networks
US20230110037A1 (en) Raw-Material-Managed Manufacturing System
AU2016225947B2 (en) System and method for multimedia document summarization
US20230281533A1 (en) Demand-Responsive Raw Material Management System
US8665479B2 (en) Three-dimensional printing
JP2024500818A (ja) バリューチェーンネットワークのためのロボットフリート管理及び付加製造
WO2022221719A2 (en) Systems, methods, kits, and apparatuses for digital product network systems and biology-based value chain networks
WO2022240906A1 (en) Systems, methods, kits, and apparatuses for edge-distributed storage and querying in value chain networks
US20230219230A1 (en) Fleet Management Platform for Multi-Purpose Robots
US20230219229A1 (en) Robotic Fleet Configuration Method for Additive Manufacturing Systems
Sinha et al. Deconvolving feedback loops in recommender systems
US10713560B2 (en) Learning a vector representation for unique identification codes
US20130013678A1 (en) Method and system for identifying a principal influencer in a social network by improving ranking of targets
CN109360057A (zh) 信息推送方法、装置、计算机设备及存储介质
WO2019074909A1 (en) PLATFORM FOR CREATING BEAUTY PRODUCTS
CN114091472B (zh) 多标签分类模型的训练方法
KR102621150B1 (ko) 사용자 맞춤형 편의점 추천 시스템 및 방법
CN109872183A (zh) 智能服务评价方法、计算机可读存储介质和终端设备
CN114154014A (zh) 视频冷启动推荐方法和装置
CN107958047A (zh) 一种提高个性化推荐系统性能的方法
US20140244428A1 (en) Dynamic presentation of recommended products to users
US20240144141A1 (en) Systems, methods, kits, and apparatuses for using artificial intelligence for automation in value chain networks
CN109472628A (zh) 一种数据处理的方法及装置
JP7496566B2 (ja) 評価システム、評価方法、及びプログラム

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