KR102636574B1 - 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리 방법 및 시스템 - Google Patents

Abstract

본 발명은 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리 방법 및 시스템으로서, X-Ray촬영장비에 의하여 중고스마트기기의 내부가 촬영된 X-Ray이미지를 수신하고, 딥러닝 기반의 판단모델을 이용하여 부품의 외형에 기반하여 제1스코어를 도출하고, 상기 탐지모델을 이용하여 탐지된 중고스마트기기의 침수 정도에 기반하여 제2스코어를 도출하고, 상기 제1스코어 및 제2스코어에 기반하여 해당 부품의 성능등급 및 재사용 가능성을 판단하는, 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리 방법 및 시스템에 관한 것이다.

Description

비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리 방법 및 시스템{The Method and System That Deep Learning-based used Smart Device Rating Management Using Non-destructive Testing}

본 발명은 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리 방법 및 시스템으로서, X-Ray촬영장비에 의하여 중고스마트기기의 내부가 촬영된 X-Ray이미지를 수신하고, 딥러닝 기반의 판단모델을 이용하여 부품의 외형에 기반하여 제1스코어를 도출하고, 상기 탐지모델을 이용하여 탐지된 중고스마트기기의 침수 정도에 기반하여 제2스코어를 도출하고, 상기 제1스코어 및 제2스코어에 기반하여 해당 부품의 성능등급 및 재사용 가능성을 판단하는, 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리 방법 및 시스템에 관한 것이다.

비파괴검사(Non-Destructive Testing, NDT)는 물리적 현상의 원리를 이용하여 검사 대상물을 손상시키지 않고, 그 대상물에 존재하는 결함의 유무와 상태 또는 그것의 성질, 구조 등을 조사 및 판단하는 기술이다. 비파괴검사의 종류로는 방사선 비파괴검사(RT: Radiographic Testing), 초음파 비파괴검사(UT: Ultrasonic Testing), 자기 비파괴검사(MT: Magnetic Particle Testing) 등이 있으며, 조사 및 판단의 목적에 알맞은 종류의 비파괴검사를 통해 검사 대상물의 건전성을 확인하고, 신뢰성을 향상시킬 수 있다.

한편, 산업혁명 이후 도시인구가 증가하고, 화석연료의 사용이 늘어남에 따라 크고 작은 환경오염이 발생하고 있으며, 산업화된 대도시를 중심으로 이에 대한 기후변화에 대응하기 위하여 온실가스를 감축하기 위한 구체적인 탄소저감 전략과 실행방안을 제시하고 있다. 전자기기 제품을 재활용하는 행위 역시 탄소저감 전략 중 일부로서, 폐급으로 버려진 전자기기의 내부를 구성하는 부품 중 정상적으로 작동하는 부품을 추출하여 해당 부품이 재사용되는 전자기기를 새롭게 제조함으로써 탄소를 저감할 수 있다. 이에 따라, 폐기 예정인 전자기기에서 재사용이 가능한 부품을 용이하게 추출할 수 있는 기술이 필요한 상황이다.

종래의 재활용 수거 방법 및 시스템으로는, 대한민국 공개특허 제10-2022-0167871호와 같이, 재사용 효율이 향상된 재활용품 수거 시스템 및 그 제공방법이 있다. 상기 시스템 및 그 제공방법은 투입된 재활용품을 센싱(Sensing)하고, 센싱 결과 재활용품이 기설정된 수거조건에 만족하는 경우에 상기 재활용품을 압축하여 처리하는 것을 특징으로 한다. 한편, 종래의 재활용 수거 방법 및 시스템은 재활용품의 외형에 따라 해당 재활용품의 수거조건의 만족 여부를 판단한다. 이에 따라 재활용품의 내부에 포함된 부품 혹은 물질에 대한 수거조건의 만족 여부는 면밀히 판단하지 못한다. 이러한 경우, 재활용품의 수거조건의 만족 여부 판단에 대한 신뢰도가 낮아지므로 수거조건의 재검토를 위한 추가비용 및 추가시간이 낭비되는 상황이다.

그러므로 폐기 예정인 전자기기에서 재사용이 가능한 부품을 저비용으로 간단하게 추출하는 기술의 개발이 필요한 상황이다.

대한민국 공개특허 제10-2022-0167871호 (2022.12.22.)

본 발명은 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리 방법 및 시스템으로서, X-Ray촬영장비에 의하여 중고스마트기기의 내부가 촬영된 X-Ray이미지를 수신하고, 딥러닝 기반의 판단모델을 이용하여 부품의 외형에 기반하여 제1스코어를 도출하고, 상기 탐지모델을 이용하여 탐지된 중고스마트기기의 침수 정도에 기반하여 제2스코어를 도출하고, 상기 제1스코어 및 제2스코어에 기반하여 해당 부품의 성능등급 및 재사용 가능성을 판단하는, 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리 방법 및 시스템을 제공하는 것을 목적으로 한다.

상기와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에서는, 1 이상의 프로세서 및 1 이상의 메모리를 포함하는 컴퓨팅시스템에 의하여 수행되는 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리방법으로서, 중고스마트기기의 내부를 촬영하는 X-Ray촬영장비에 의하여 촬영된 X-Ray이미지를 수신하는 이미지수신단계; 딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 복수의 부품을 탐지하고, 복수의 부품 각각의 부품부분이미지를 도출하는 부품부분이미지도출단계; 딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품이 기존부품에서 교체되었을 확률에 해당하는 교체여부확률을 산출하는 교체확률산출단계; 딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품의 상태를 판단하고, 판단된 부품의 상태에 기반하여 제1스코어를 도출하는 제1스코어도출단계; 딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 중고스마트기기의 침수를 탐지하고, 탐지된 침수 정도에 기반하여 제2스코어를 도출하는 제2스코어도출단계; 상기 제1스코어 및 제2스코어의 합산에 기반하여 해당 부품에 대한 성능등급을 도출하고, 도출된 성능등급에 기반하여 해당 부품의 재사용 가능성을 판단하는 부품재사용판단단계;를 포함하는, 중고스마트기기 등급관리방법을 제공한다.

본 발명의 일 실시예에서는, 상기 교체확률산출단계는, 컴퓨팅시스템에 기저장된 기존부품의 외형이미지에 포함된 기존부품의 외형;과 상기 부품부분이미지에 포함된 부품의 외형;을 비교하고, 비교 결과로서 유사도에 기반하여 상기 교체여부확률을 산출하고, 상기 제1스코어도출단계 및 제2스코어도출단계 각각은, 해당 부품의 교체여부확률이 기설정된 교체기준에 부합하는지 여부에 기반하여 수행될 수 있다.

본 발명의 일 실시예에서는, 상기 중고스마트기기 등급관리방법은, 딥러닝 기반의 탐지모델을 이용하여 X-Ray이미지로부터 상기 중고스마트기기의 침수를 방지하기 위한 결합영역에서 이격을 탐지하는 이격탐지단계;를 더 포함하고, 상기 제2스코어도출단계는, 상기 이격탐지단계의 수행결과로서 탐지된 이격의 크기 및 상기 판단된 침수 정도에 기반하여 제2스코어를 도출할 수 있다.

본 발명의 일 실시예에서는, 상기 부품재사용판단단계는, 상기 성능등급이 기설정된 등급 미만으로 도출되는 부품은 재사용이 불가능한 부품으로 판단하고, 상기 성능등급이 기설정된 등급 이상으로 도출되는 부품은 재사용이 가능한 부품으로 판단할 수 있다.

본 발명의 일 실시예에서는, 상기 중고스마트기기 등급관리방법은, 상기 부품재사용판단단계의 수행결과로서 재사용이 가능하다고 판단된 복수의 부품 및 부품별 재사용시 탄소저감량을 포함하는 탄소저감량데이터에 기반하여 상기 중고스마트기기의 부품 재사용에 대한 총 탄소저감량을 예측하는 탄소저감량예측단계;를 더 포함하고, 상기 탄소저감량데이터는 모델 별로 해당 중고스마트기기에 포함된 복수의 부품 각각의 재사용시 탄소저감량을 포함할 수 있다.

상기와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에서는, 1 이상의 프로세서 및 1 이상의 메모리를 포함하고, 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리방법을 수행하는 컴퓨팅시스템으로서, 중고스마트기기의 내부를 촬영하는 X-Ray촬영장비에 의하여 촬영된 X-Ray이미지를 수신하는 이미지수신부; 딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 복수의 부품을 탐지하고, 복수의 부품 각각의 부품부분이미지를 도출하는 부품부분이미지도출부; 딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품이 기존부품에서 교체되었을 확률에 해당하는 교체여부확률을 산출하는 교체확률산출부; 딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품의 상태를 판단하고, 판단된 부품의 상태에 기반하여 제1스코어를 도출하는 제1스코어도출부; 딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 중고스마트기기의 침수를 탐지하고, 탐지된 침수 정도에 기반하여 제2스코어를 도출하는 제2스코어도출부; 상기 제1스코어 및 제2스코어의 합산에 기반하여 해당 부품에 대한 성능등급을 도출하고, 해당 성능등급에 따라 부품의 재사용 가능성을 판단하는 재사용판단부;를 포함하는, 컴퓨팅시스템을 제공한다.

본 발명의 일 실시예에서는, 비파괴 검사를 이용하여 중고스마트기기를 직접 분해하지 않고 간편하게 해당 중고스마트기기의 성능등급 및 재사용 여부를 판단함으로써, 성능등급 및 재사용 여부 판단 중에 요구되는 비용과 시간을 절감하는 효과를 발휘할 수 있다.

본 발명의 일 실시예에서는, 딥러닝 기반의 판단모델을 이용하여 부품의 교체여부확률을 판단함으로써, 해당 부품의 성능등급 판단에 대한 신뢰도를 높이는 효과를 발휘할 수 있다.

본 발명의 일 실시예에서는, 딥러닝 기반의 탐지모델을 이용하여 중고스마트기기의 침수 정도를 탐지함으로써, 해당 부품의 성능등급 판단에 대한 신뢰도를 높이는 효과를 발휘할 수 있다.

본 발명의 일 실시예에서는, 중고스마트기기에 대한 모델별 총 탄소저감량을 예측하여, 중고스마트기기의 재사용시 탄소저감량이 우수한 모델의 스마트기기를 도출하는 효과를 발휘할 수 있다.

본 발명의 일 실시예에서는, 중고스마트기기에 대한 부품의 재사용량을 전반적으로 도출하여, 해당 부품에 대한 제작비용에 기반하여 중고스마트기기의 재사용시 기대할 수 있는 수익을 스마트기기의 모델 별로 예측하는 효과를 발휘할 수 있다.

도 1은 본 발명의 일 실시예에 따른 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리방법에 대한 수행단계를 개략적으로 도시한다.
도 2는 본 발명의 일 실시예에 따른 스마트기기의 X-Ray이미지 및 부품부분이미지를 개략적으로 도시한다.
도 3은 본 발명의 일 실시예에 따른 교체여부확률 및 제1스코어 각각을 산출하기 위한 구성요소를 개략적으로 도시한다.
도 4는 본 발명의 일 실시예에 따른 제2스코어를 산출하기 위한 구성요소를 개략적으로 도시한다.
도 5는 본 발명의 일 실시예에 따른 제1스코어 및 제2스코어 각각을 산출하는 과정을 개략적으로 도시한다.
도 6은 본 발명의 일 실시예에 따른 부품재사용판단단계의 수행과정을 개략적으로 도시한다.
도 7은 본 발명의 일 실시예에 따른 탄소저감량예측단계의 수행과정을 개략적으로 도시한다.
도 8은 본 발명의 일 실시예에 따른 컴퓨팅장치의 내부 구성을 예시적으로 도시한다.

이하에서는, 다양한 실시예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나 이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 인식될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다.

또한, 다양한 양상들 및 특징들이 다수의 디바이스들, 컴포넌트들 및/또는 모듈들 등을 포함할 수 있는 시스템에 의하여 제시될 것이다. 다양한 시스템들이, 추가적인 장치들, 컴포넌트들 및/또는 모듈들 등을 포함할 수 있다는 점 그리고/또는 도면들과 관련하여 논의된 장치들, 컴포넌트들, 모듈들 등 전부를 포함하지 않을 수도 있다는 점 또한 이해되고 인식되어야 한다.

본 명세서에서 사용되는 "실시예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다. 아래에서 사용되는 용어들 '~부', '컴포넌트', '모듈', '시스템', '인터페이스' 등은 일반적으로 컴퓨터 관련 엔티티(computer-related entity)를 의미하며, 예를 들어, 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어를 의미할 수 있다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.

또한, 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. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

또한, 본 발명의 실시예들에서, 별도로 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 발명의 실시예에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

도 1은 본 발명의 일 실시예에 따른 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리방법에 대한 수행단계를 개략적으로 도시한다.

도 1에 도시된 바와 같이, 1 이상의 프로세서 및 1 이상의 메모리를 포함하는 컴퓨팅시스템에 의하여 수행되는 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리방법으로서, 중고스마트기기의 내부를 촬영하는 X-Ray촬영장비에 의하여 촬영된 X-Ray이미지를 수신하는 이미지수신단계(S100); 딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 복수의 부품을 탐지하고, 복수의 부품 각각의 부품부분이미지를 도출하는 부품부분이미지도출단계(S200); 딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품이 기존부품에서 교체되었을 확률에 해당하는 교체여부확률을 산출하는 교체확률산출단계(S300); 딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품의 상태를 판단하고, 판단된 부품의 상태에 기반하여 제1스코어를 도출하는 제1스코어도출단계(S400); 딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 중고스마트기기의 침수를 탐지하고, 탐지된 침수 정도에 기반하여 제2스코어를 도출하는 제2스코어도출단계(S500); 상기 제1스코어 및 제2스코어의 합산에 기반하여 해당 부품에 대한 성능등급을 도출하고, 도출된 성능등급에 기반하여 해당 부품의 재사용 가능성을 판단하는 부품재사용판단단계(S600);를 포함한다.

중고스마트기기의 사용 중 특정 부품에서 오류가 발생하거나, 액정이 깨지는 등의 다양한 이유로 많은 중고스마트기기가 폐기되고 있다. 그러나 일반적으로 폐기 예정인 중고스마트기기의 일부 부품은 정상적으로 작동하고 있으므로, 정상적으로 작동하는 해당 부품은 중고스마트기기로부터 추출되어 재사용될 수 있다. 본 발명은 비파괴 검사를 이용하여 폐기 예정인 중고스마트기기에 포함된 부품의 성능을 판단하고, 재사용 가능 여부를 확인하는 것을 기술적 특징으로 한다.

본 발명에 대한 설명의 편의를 위하여, 본 발명의 일 실시예로서 상기 중고스마트기기는 스마트폰을 포함하며, 다른 실시예에서의 중고스마트기기는 태블릿PC, 컴퓨터, 노트북, 세탁기 등 1 이상의 전자기기를 포함할 수 있으며, 해당 전자기기는 재사용이 가능한 재료 혹은 자원으로 구성된 일부 부품을 포함한다.

구체적으로, 이미지수신단계(S100)는, X-Ray촬영장비에 의하여 중고스마트기기의 내부가 촬영된 X-Ray이미지를 수신하며, 상기 X-Ray이미지는 중고스마트기기의 내부에 포함된 복수의 부품의 외형을 포함한다. 본 발명의 다른 실시예에서는 X-Ray촬영장비에 한정되어 X-Ray이미지만을 수신하지 아니하고, 방사선 비파괴검사, 초음파 비파괴검사, 자기 비파괴검사 등을 포함하는 비파괴검사를 할 수 있는 촬영장비에 의하여 중고스마트기기의 내부가 촬영된 이미지를 수신할 수 있다.

부품부분이미지도출단계(S200)는, 딥러닝 기반의 탐지모델을 이용하여 상기 이미지수신단계(S100)를 통해 수신한 X-Ray이미지에서 중고스마트기기의 내부를 구성하는 복수의 부품을 탐지하고, 복수의 부품 각각의 부품부분이미지를 도출한다. 상기 부품부분이미지는 해당 부품의 외형을 상기 X-Ray이미지 형태로 포함한다. 또한, 상기 탐지모델은 본 발명의 목적에 부합하여 한 번 사용 이후에도 재사용이 가능한 부품에 대해서 탐지할 수 있도록 학습되는 것이 바람직하다.

교체확률산출단계(S300)는, 딥러닝 기반의 판단모델을 이용하여 부품부분이미지에 포함된 부품의 외형과 해당 중고스마트기기의 기존부품의 외형을 비교하고, 기존부품과의 외형에 대한 유사도에 기반하여 중고스마트기기의 부품이 기존부품이 아닌 다른 부품으로 교체되었을 확률에 해당하는 교체여부확률을 산출한다.

제1스코어도출단계(S400)는, 딥러닝 기반의 판단모델을 이용하여 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품의 상태를 판단하고, 판단된 부품의 상태에 기반하여 제1스코어를 도출한다. 부품의 외형이 정상적이지 않을수록 부품의 상태가 나쁘다고 판단되고, 제1스코어가 낮게 도출되는 것이 바람직하다.

제2스코어도출단계(S500)는, 딥러닝 기반의 탐지모델을 이용하여 X-Ray이미지에서 중고스마트기기 전체에 대하여 침수를 탐지하고, 탐지된 침수 정도에 기반하여 제2스코어를 도출한다. 바람직하게, 침수 정도가 높을수록 중고스마트기기를 구성하는 부품의 성능이 낮아졌을 확률이 높으므로 제2스코어를 낮게 도출한다.

부품재사용판단단계(S600)는, 상기 제1스코어도출단계(S400)로부터 도출된 제1스코어 및 상기 제2스코어도출단계(S500)로부터 도출된 제2스코어의 합산값에 기반하여 해당 부품의 성능등급을 도출한다. 더 구체적으로, 합산값의 범위 별로 성능등급이 설정되고, 해당 부품에 대하여, 제1스코어 및 제2스코어의 합산으로 산출된 합산값이 포함되는 범위에 해당하는 성능등급이 도출된다. 이후, 성능등급에 기반하여 해당 부품의 재사용 가능성이 판단된다.

또한, 본 발명의 일 실시예로서, 상기 교체확률산출단계(S300)로부터 산출된 교체여부확률이 기설정된 교체기준에 부합하는 경우에만 제1스코어 및 제2스코어가 도출된다. 즉, 중고스마트기기를 구성하는 부품이 다른 부품으로 교체되었다고 판정되는 경우, 해당 부품에 대한 제1스코어 및 제2스코어는 도출되지 않고, 해당 부품에 대한 재사용 가능 여부는 판단되지 않는다.

한편 본 발명의 다른 실시예로서, 상기 교체여부확률이 기설정된 교체기준에 부합하지 않는 경우에도, 상기 탐지모델에 의하여 탐지된 부품이 특정 부품명으로 확실히 명시되는 경우, 명시된 부품에 대하여 제1스코어 및 제2스코어가 도출되고, 재사용 가능 여부도 판단될 수 있다.

도 2는 본 발명의 일 실시예에 따른 스마트기기의 X-Ray이미지 및 부품부분이미지를 개략적으로 도시한다.

도 2에 도시된 바와 같이, 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리방법으로서, 딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 복수의 부품을 탐지하고, 복수의 부품 각각의 부품부분이미지를 도출하는 부품부분이미지도출단계(S200);를 포함한다.

개략적으로 도 2의 (a)는 중고스마트기기의 내부가 촬영된 X-Ray이미지를 도시하고, 도 2의 (b)는 복수의 부품부분이미지를 도시한다.

구체적으로, 이미지수신단계(S100)를 통해 수신한 X-Ray이미지는 중고스마트기기를 구성하는 복수의 부품의 외형을 포함한다. 도 2의 (a)에 도시된 X-Ray이미지는 본 발명의 일 실시예로서, 배터리, 카메라, 메인보드, 유심트레이 등을 포함하며, 상기 부품부분이미지도출단계(S200)를 통해 딥러닝 기반의 판단모델에 의하여 도 2의 (b)에 도시된 바와 같이, 복수의 부품 각각의 외형을 포함하는 복수의 부품부분이미지가 도출된다. 부품부분이미지가 도출되는 부품은 상기 판단모델에 의하여 설정되며, 더 구체적으로, 성능에 관계없이 한번 사용된 이후 재활용이 불가능한 부품에 대해서는 재사용 가능성 여부를 판단할 필요가 없으므로, 상기 판단모델에 의하여 부품부분이미지가 도출되지 않는 것이 바람직하다.

한편, 본 발명은 X-Ray를 포함하는 비파괴 검사를 이용하여 폐기 예정인 중고스마트기기를 일일이 분해하지 않고 상기 중고스마트기기의 내부 부품의 외형을 검사함으로써, 재사용 가능한 부품을 추출하는 과정에서 요구되는 비용과 시간을 절감하는 효과를 발휘할 수 있다.

도 3은 본 발명의 일 실시예에 따른 교체여부확률 및 제1스코어 각각을 산출하기 위한 구성요소를 개략적으로 도시한다.

도 3에 도시된 바와 같이, 상기 교체확률산출단계(S300)는, 컴퓨팅시스템에 기저장된 기존부품의 외형이미지에 포함된 기존부품의 외형;과 상기 부품부분이미지에 포함된 부품의 외형;을 비교하고, 비교 결과로서 유사도에 기반하여 상기 교체여부확률을 산출하고, 상기 제1스코어도출단계(S400) 및 제2스코어도출단계(S500) 각각은, 해당 부품의 교체여부확률이 기설정된 교체기준에 부합하는지 여부에 기반하여 수행된다. 또한, 상기 중고스마트기기 등급관리방법은 딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품의 상태를 판단하고, 판단된 부품의 상태에 기반하여 제1스코어를 도출하는 제1스코어도출단계(S400);를 포함한다.

개략적으로, 도 3의 (a)는 스마트기기를 구성하는 기존부품의 외형이미지를 도시하고, 도 3의 (b)는 중고스마트기기에 포함된 부품의 부품부분이미지를 도시하고, 도 3의 (c)는 중고스마트기기에 포함된 부품의 실제 외형을 예시적으로 도시한다.

중고스마트기기의 경우, 해당 중고스마트기기의 사용자에 의하여 상기 중고스마트기기의 기존부품이 다른 부품으로 일부 교체될 수 있다. 특히, 악의적인 사용자가 스마트기기를 대여하는 경우, 해당 스마트기기를 분해하여 기존부품을 상기 기존부품보다 값이 저렴하고 성능이 낮은 부품으로 교체한 뒤 대여인에게 숨긴 채 반납하는 경우가 있다. 이러한 경우 본 발명의 일 실시예로서 도 3의 (a)에 도시된 외형이미지에 포함된 기존부품의 외형 및 도 3의 (b)에 도시된 부품부분이미지에 포함된 부품의 외형과 같이, 부품의 외형은 상이하게 도출되는 것이 일반적이므로, 본 발명은 비파괴검사를 통해 부품의 교체여부를 판단할 수 있다.

구체적으로, 딥러닝 기반의 판단모델은 교체확률산출단계(S300)를 통해 X-Ray이미지로부터 도출된 복수의 부품부분이미지 각각에 포함된 부품의 외형을 해당 중고스마트기기의 기존부품의 외형과 비교하고, 외형의 유사도에 기반하여 기존부품에서 다른 부품으로 교체되었을 확률에 해당하는 교체여부확률을 산출한다. 한편, 상기 기존부품의 외형을 포함하는 외형이미지는 전술한 비교 수행과정을 위하여 컴퓨팅시스템에 기저장되어 있는 것이 바람직하다.

도 1에서 전술한 바와 같이, 본 발명의 일 실시예로서, 상기 교체여부확률이 기설정된 교체기준에 부합하는 경우에 제1스코어 및 제2스코어가 도출될 수 있다. 예를 들어 교체여부확률이 50% 미만으로 산출되는 경우, 해당 부품은 다른 부품으로 교체된 부품이 아닌 기존제품이라고 판단되어, 컴퓨팅시스템은 해당 부품에 대한 제1스코어 및 제2스코어를 도출하고, 해당 부품에 대한 성능등급 및 재사용 가능 여부를 판단한다.

상기 딥러닝 기반의 판단모델은 제1스코어도출단계(S400)를 통해 부품의 외형에 기반하여 부품의 상태를 판단하고, 제1스코어를 도출한다. 도 3의 (c)에 도시된 바와 같이, 배터리 스웰링(Battery Swelling)이 발생하여 배터리가 부풀었을 경우, X-Ray이미지에 포함되는 배터리의 외형이 기존 배터리의 외형과 상이하게 도출된다.

상기 판단모델은 이러한 외형의 변화에 기반하여 부품의 상태를 판단할 수 있으며, 더 구체적으로, 상기 판단모델은 외형 변화에 따른 부품의 성능 혹은 상태의 변화를 학습한 딥러닝 기반의 모델로서, 해당 부품이 정상적으로 작동할 때의 외형과 부품부분이미지에 도출된 외형을 비교하고, 외형의 유사도에 기반하여 부품의 상태를 판단할 수 있다. 바람직하게, 해당 부품이 정상적으로 작동할 때의 외형에 대한 이미지정보는 컴퓨팅시스템에 기저장되어 있으며, 상기 제1스코어도출단계(S400)는 부품부분이미지에 도출된 외형이 정상부품의 외형과 유사할수록 중고스마트기기에 포함된 해당 부품의 상태가 좋다고 판단한다.

도 4는 본 발명의 일 실시예에 따른 제2스코어를 산출하기 위한 구성요소를 개략적으로 도시한다.

도 4에 도시된 바와 같이, 상기 중고스마트기기 등급관리방법은, 딥러닝 기반의 탐지모델을 이용하여 X-Ray이미지로부터 상기 중고스마트기기의 침수를 방지하기 위한 결합영역에서 이격을 탐지하는 이격탐지단계;를 더 포함하고, 상기 제2스코어도출단계(S500)는, 상기 이격탐지단계의 수행결과로서 탐지된 이격의 크기 및 상기 판단된 침수 정도에 기반하여 제2스코어를 도출한다.

개략적으로 도 4의 (a)는 침수되지 않은 중고스마트기기의 내부가 촬영된 X-Ray이미지를 도시하고 도 4의 (b)는 침수되었던 중고스마트기기의 내부가 촬영된 X-Ray이미지를 도시하고, 도 4의 (c)는 중고스마트기기의 결합영역을 도시하고, 도 4의 (d)는 중고스마트기기의 결합영역에서의 이격을 도시한다.

구체적으로, 딥러닝 기반의 탐지모델을 이용하여 X-Ray이미지에서 중고스마트기기 전체에 대한 침수 정도를 탐지한다. 일반적으로 X-Ray이미지에서 물의 외형은 뚜렷하게 도출되지 않고, 도 4의 (b)에 도시된 바와 같이, 물이 있는 영역의 이미지의 명도가 도 4의 (a)에 도시된 침수되지 않은 중고스마트기기가 촬영된 X-Ray이미지의 명도보다 다소 낮게 출력(어둡게 출력)되며, 상기 탐지모델은 이를 이용하여 중고스마트기기의 침수 정도를 탐지할 수 있다. 바람직하게, 침수된 전자기기의 성능은 크게 낮아지므로, 침수된 영역이 많이 탐지될수록 제2스코어는 낮게 도출된다.

또한, 도 4의 (c)에 도시된 바와 같이, 스마트기기는 방수를 위하여 중고스마트기기의 외부 혹은 내부에 구성되는 부품간의 결합영역이 존재한다. 그러나, 도 3에서 전술한 바와 같이, 사용자가 스마트기기 내부의 부품을 교체하는 경우, 도 4의 (d)에 도시된 바와 같이, 기존에 결합되었던 결합영역이 정상적으로 결합되지 않아 약간의 이격이 생길 수 있으며, 해당 이격에 의하여 중고스마트기기의 방수성능이 저하되고, 해당 중고스마트기기의 내부가 침수될 확률이 높아진다.

상기 탐지모델은 해당 이격을 X-Ray이미지로부터 탐지하고, 컴퓨팅시스템은 전술한 중고스마트기기의 침수 정도에, 탐지된 이격의 크기를 추가로 고려하여 제2스코어를 도출할 수 있다. 바람직하게, 이격의 크기가 클수록 중고스마트기기가 침수되었을 확률이 높다고 판단하여 제2스코어는 낮게 도출된다.

도 5는 본 발명의 일 실시예에 따른 제1스코어 및 제2스코어 각각을 산출하는 과정을 개략적으로 도시한다.

도 5에 도시된 바와 같이, 상기 중고스마트기기 등급관리방법은 딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품의 상태를 판단하고, 판단된 부품의 상태에 기반하여 제1스코어를 도출하는 제1스코어도출단계(S400);를 포함한다. 또한, 상기 제2스코어도출단계(S500)는, 상기 이격탐지단계의 수행결과로서 탐지된 이격의 크기 및 상기 판단된 침수 정도에 기반하여 제2스코어를 도출한다.

구체적으로, 도 5의 (a)에 도시된 바와 같이, 부품의 교체여부확률 및 부품의 상태에 기반하여 제1스코어가 도출된다. 한편, 도 3에서 전술한 바와 같이 악의적인 사용자에 의하여 기존부품보다 낮은 성능의 부품으로 교체하는 경우가 있는 반면, 일반적으로 사용자는 스마트기기의 쾌적한 이용을 위하여 부품을 기존부품보다 높은 성능의 부품으로 교체하여 사용하다가 폐기하는 경우도 있다.

이러한 다양한 상황을 고려해야 하므로 딥러닝 기반의 탐지모델은 X-Ray이미지에 포함된 부품의 외형에 기반하여 부품의 종류를 판단하고, 기존부품과 일치하는 경우에 컴퓨팅시스템은 해당 부품의 외형에 기반하여 부품의 상태를 고려하여 제1스코어를 도출할 수 있다.

한편, 도 1에서 전술한, 부품부분이미지에 포함된 부품이 기존부품이 아니어도 제1스코어 및 제2스코어가 도출되는 다른 실시예의 경우에는, 다른 부품으로 명시된 해당 부품의 성능 및 해당 부품의 현재 상태에 기반하여 제1스코어가 도출될 수 있다.

도 5의 (b)에 도시된 바와 같이, 제2스코어는 중고스마트기기의 침수 정도 및 결합영역에서 발생한 이격의 크기에 기반하여 도출된다. 바람직하게, 중고스마트기기의 침수 정도가 낮을수록, 탐지된 이격의 크기가 작을수록 중고스마트기기의 성능이 저하되었을 확률이 낮으므로, 상기 제2스코어는 높게 도출된다. 한편, 본 발명의 다른 실시예에서의 컴퓨팅시스템은 X-Ray이미지에서 판단되는 침수된 영역과 복수의 부품 각각 간의 거리; 및 발생한 이격과 복수의 부품 각각 간의 거리;에 기반하여 부품별로 제2스코어를 도출할 수 있다. 바람직하게, 침수된 영역의 인근에 위치하거나, 이격의 인근에 위치하는 부품일수록 해당 부품의 침수 확률이 높아지므로, 해당 부품에 대한 제2스코어는 낮게 도출된다.

도 6은 본 발명의 일 실시예에 따른 부품재사용판단단계(S600)의 수행과정을 개략적으로 도시한다.

도 6에 도시된 바와 같이, 상기 부품재사용판단단계(S600)는, 상기 성능등급이 기설정된 등급 미만으로 도출되는 부품은 재사용이 불가능한 부품으로 판단하고, 상기 성능등급이 기설정된 등급 이상으로 도출되는 부품은 재사용이 가능한 부품으로 판단한다.

구체적으로, 제1스코어도출단계(S400)로부터 도출된 제1스코어 및 제2스코어도출단계(S500)로부터 도출된 제2스코어의 합산값의 범위에 기반하여 중고스마트기기의 성능등급이 판단된다. 상기 성능등급은 부품의 성능에 대한 지표에 해당하며, 본 발명의 일 실시예로서 도 6에 도시된 성능등급은 1등급 내지 6등급을 포함하고, 상기 합산값이 높을수록 우수한 성능을 나타내는 1등급의 성능등급으로 수렴된다. 또한, 기설정된 등급기준에 기반하여 부품의 재사용 가능성이 판단된다.

다시 말해, 부품재사용판단단계(S600)는 기설정된 등급 이상의 성능등급에 속하는 부품은 재사용이 가능하고, 상기 기설정된 등급 이하의 성능등급에 속하는 부품은 재사용이 불가능하다고 판단한다. 도 6에 도시된 일 실시예의 경우, 기설정된 등급기준이 2등급에 해당하고, 성능등급이 1등급 내지 2등급으로 판단된 부품은 재사용이 가능한 재사용가능부품으로 판단되고, 성능등급이 3등급 내지 6등급으로 판단된 부품은 재사용이 불가능한 재사용불가능부품으로 판단된다.

한편, 도 6에 도시된 합산값에 대한 성능등급은 본 발명의 일 실시예로서, 본 발명의 다른 실시예에서의 성능등급은 더 적거나 많은 등급을 포함할 수 있으며, 복수의 성능등급 각각에 대한 합산값의 범위 또한 상이하게 설정될 수 있다.

추가적으로, 상기 중고스마트기기 등급관리방법은 재사용수익예측단계를 더 포함할 수 있다. 상기 재사용수익예측단계는 복수의 재사용가능부품 각각에 대하여 기설정된 주기 혹은 임의의 시간에서의 시장가격정보를 갱신하고, 갱신된 시장가격정보에 기반하여, 중고스마트기기의 모델 별로, 해당 모델의 중고스마트기기에서 재사용이 가능할 것으로 판단되는 복수의 부품 각각에 대한 재사용시 수익을 예측할 수 있다.

바람직하게, 예측된 수익은 상기 컴퓨팅시스템과 네트워크 통신이 가능한 사용자단말기의 화면에 표시될 수 있으며, 더 구체적으로, 상기 사용자단말기의 화면에는 실시간으로 갱신되는 시장가격정보에 따라 해당 시점에서 모델 별로 중고스마트기기의 재사용가능부품이 재사용시 예측되는 수익이 표시되고, 해당 수익은 상기 중고스마트기기로부터 도출된 복수의 재사용가능부품 각각의 종류 별로 재사용시 예측되는 수익이 누적되어 표시된다.

본 발명은 사용자가 상기 사용자단말기의 화면에 표시되는 수익을 고려하여 재사용가능부품 중 일부만을 재사용하여 비용 및 시간적으로 효율적인 부품의 재활용을 할 수 있도록 하는 효과를 발휘할 수 있다.

또한, 상기 중고스마트기기 등급관리방법은 재사용부품정보도출단계를 더 포함할 수 있다. 상기 재사용부품정보도출단계는 중고스마트기기에서 재사용 가능한 부품이 도출되었을 경우, 해당 부품을 추출하는 작업자에 의하여 실제로 재사용된 재사용가능부품의 종류별로 해당 재사용가능부품에 포함된 자원의 재사용량의 평균값을 산출하고, 상기 평균값이 기설정된 재사용량기준에 부합하는 경우에, 해당 중고스마트기기의 모델 별로 자원의 재사용량에 대한 재사용부품정보를 도출한다.

상기 재사용부품정보는 부품에 포함된 금속, 플라스틱 등 재사용이 가능한 복수의 자원의 재사용량의 평균값을 포함한다. 또한, 상기 재사용부품정보도출단계는 기설정된 주기 별로 수행될 수 있으며, 상기 재사용가능부품 별로 포함된 복수의 자원 각각의 재사용량의 평균값의 최대값과 재사용량의 평균값의 최소값의 차이가 기설정된 재사용량기준 이하에 해당하는 경우에만, 해당 자원의 재사용량의 평균값을 상기 재사용부품정보에 포함한다.

이는 재사용량의 평균값의 변동이 클수록, 해당 자원을 재사용하는 공정에서의 오차 등에 의하여 재사용량의 평균값 산출에 대한 오차가 많이 발생하였음을 예측할 수 있으므로, 불명확한 오차에 대한 재사용부품정보의 신뢰도 하락을 방지하는 효과를 발휘할 수 있다.

도 7은 본 발명의 일 실시예에 따른 탄소저감량예측단계의 수행과정을 개략적으로 도시한다.

도 7에 도시된 바와 같이, 상기 중고스마트기기 등급관리방법은, 상기 부품재사용판단단계(S600)의 수행결과로서 재사용이 가능하다고 판단된 복수의 부품 및 부품별 재사용시 탄소저감량을 포함하는 탄소저감량데이터에 기반하여 상기 중고스마트기기의 부품 재사용에 대한 총 탄소저감량을 예측하는 탄소저감량예측단계;를 더 포함하고, 상기 탄소저감량데이터는 모델 별로 해당 중고스마트기기에 포함된 복수의 부품 각각의 재사용시 탄소저감량을 포함한다.

구체적으로, 중고스마트기기를 구성하는 복수의 부품 각각에 대하여, 해당 부품의 재사용시 발생하는 탄소저감량을 포함하는 탄소저감량데이터가 컴퓨팅시스템에 기저장되어 있으며, 더 구체적으로, 상기 탄소저감량데이터는 스마트기기의 모델 별로 구성된 부품의 재사용시 탄소저감량을 포함하며, 상기 탄소저감량데이터는 한 번 사용된 이후 필연적으로 재사용이 불가능한 부품에 대한 정보는 포함하지 않는 것이 바람직하다.

탄소저감량예측단계는 컴퓨팅시스템에 의하여 수행되며, 상기 부품재사용판단단계(S600)의 수행결과로서 재사용이 가능하다고 판단되는 복수의 부품 각각에 대한 탄소저감량을 합산하여 해당 중고스마트기기의 재사용시 총 탄소저감량을 예측한다. 도 7에 도시된 본 발명의 일 실시예에서, 부품재사용판단단계(S600)의 수행결과로서 모델#1에 해당하는 중고스마트기기에 대하여 조도센서, 후면카메라, 및 배터리가 재사용이 가능하다고 판단된 경우, 해당 중고스마트기기의 총 탄소저감량은 A+E+F(g)로 예측된다. 이를 통해 복수의 중고스마트기기 각각에 대하여, 모델 별로 재사용시 탄소저감량을 예측하고, 모델 별로 총 탄소저감량의 평균량이 가장 높게 예측되는 중고스마트기기의 모델을 탄소저감량 분야에 대하여 가장 우수한 모델로 도출할 수 있는 효과를 발휘할 수 있다.

도 8는 본 발명의 일 실시예에 따른 컴퓨팅장치(11000)의 내부 구성을 예시적으로 도시한다.

도 1에 대한 설명에서 언급된 컴퓨팅시스템은 후술하는 도 8에 도시된 컴퓨팅장치(11000)의 구성요소를 포함할 수 있다.

도 8에 도시한 바와 같이, 컴퓨팅장치(11000)은 적어도 하나의 프로세서(processor)(11100), 메모리(memory)(11200), 주변장치 인터페이스(peripheral interface)(11300), 입/출력 서브시스템(I/O subsystem)(11400), 전력 회로(11500) 및 통신 회로(11600)를 적어도 포함할 수 있다.

구체적으로, 상기 메모리(11200)는, 일례로 고속 랜덤 액세스 메모리(high-speed random access memory), 자기 디스크, 에스램(SRAM), 디램(DRAM), 롬(ROM), 플래시 메모리 또는 비휘발성 메모리를 포함할 수 있다. 상기 메모리(11200)는 상기 컴퓨팅장치(11000)의 동작에 필요한 소프트웨어 모듈, 명령어 집합 또는 그 밖에 다양한 데이터를 포함할 수 있다.

이때, 상기 프로세서(11100)나 상기 주변장치 인터페이스(11300) 등의 다른 컴포넌트에서 상기 메모리(11200)에 액세스하는 것은 상기 프로세서(11100)에 의해 제어될 수 있다. 상기 프로세서(11100)은 단일 혹은 복수로 구성될 수 있고, 연산처리속도 향상을 위하여 GPU 및 TPU 형태의 프로세서를 포함할 수 있다.

상기 주변장치 인터페이스(11300)는 상기 컴퓨팅장치(11000)의 입력 및/또는 출력 주변장치를 상기 프로세서(11100) 및 상기 메모리 (11200)에 결합시킬 수 있다. 상기 프로세서(11100)는 상기 메모리(11200)에 저장된 소프트웨어 모듈 또는 명령어 집합을 실행하여 상기 컴퓨팅장치(11000)을 위한 다양한 기능을 수행하고 데이터를 처리할 수 있다.

상기 입/출력 서브시스템(11400)은 다양한 입/출력 주변장치들을 상기 주변장치 인터페이스(11300)에 결합시킬 수 있다. 예를 들어, 상기 입/출력 서브시스템(11400)은 모니터나 키보드, 마우스, 프린터 또는 필요에 따라 터치스크린이나 센서 등의 주변장치를 상기 주변장치 인터페이스(11300)에 결합시키기 위한 컨트롤러를 포함할 수 있다. 다른 측면에 따르면, 상기 입/출력 주변장치들은 상기 입/출력 서브시스템(11400)을 거치지 않고 상기 주변장치 인터페이스(11300)에 결합될 수도 있다.

상기 전력 회로(11500)는 단말기의 컴포넌트의 전부 또는 일부로 전력을 공급할 수 있다. 예를 들어 상기 전력 회로(11500)는 전력 관리 시스템, 배터리나 교류(AC) 등과 같은 하나 이상의 전원, 충전 시스템, 전력 실패 감지 회로(power failure detection circuit), 전력 변환기나 인버터, 전력 상태 표시자 또는 전력 생성, 관리, 분배를 위한 임의의 다른 컴포넌트들을 포함할 수 있다.

상기 통신 회로(11600)는 적어도 하나의 외부 포트를 이용하여 다른 컴퓨팅장치와 통신을 가능하게 할 수 있다. 또는, 상술한 바와 같이 필요에 따라 상기 통신 회로(11600)는 RF 회로를 포함하여 전자기 신호(electromagnetic signal)라고도 알려진 RF 신호를 송수신함으로써, 다른 컴퓨팅장치와 통신을 가능하게 할 수도 있다.

이러한 도 8의 실시예는, 상기 컴퓨팅장치(11000)의 일례일 뿐이고, 상기 컴퓨팅장치(11000)는 도 8에 도시된 일부 컴포넌트가 생략되거나, 도 8에 도시되지 않은 추가의 컴포넌트를 더 구비하거나, 2 개 이상의 컴포넌트를 결합시키는 구성 또는 배치를 가질 수 있다. 예를 들어, 모바일 환경의 통신 단말을 위한 컴퓨팅장치는 도 8에 도시된 컴포넌트들 외에도, 터치스크린이나 센서 등을 더 포함할 수도 있으며, 상기 통신 회로(1160)에 다양한 통신방식(Wi-Fi, 3G, LTE, 5G, 6G, Bluetooth, NFC, Zigbee 등)의 RF 통신을 위한 회로가 포함될 수도 있다. 상기 컴퓨팅장치(11000)에 포함 가능한 컴포넌트들은 하나 이상의 신호 처리 또는 어플리케이션에 특화된 집적 회로를 포함하는 하드웨어, 소프트웨어, 또는 하드웨어 및 소프트웨어 양자의 조합으로 구현될 수 있다.

본 발명의 실시예에 따른 방법들은 다양한 컴퓨팅장치를 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 특히, 본 실시예에 따른 프로그램은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다. 본 발명이 적용되는 어플리케이션은 파일 배포 시스템이 제공하는 파일을 통해 이용자 단말에 설치될 수 있다. 일 예로, 파일 배포 시스템은 이용자 단말이기의 요청에 따라 상기 파일을 전송하는 파일 전송부(미도시)를 포함할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 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 목적컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 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 컨트롤러를 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, 가상장치(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 컴퓨팅장치 상에 표준편차되어서, 표준편차된 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.

본 발명의 일 실시예에서는, 비파괴 검사를 이용하여 중고스마트기기를 직접 분해하지 않고 간편하게 해당 중고스마트기기의 성능등급 및 재사용 여부를 판단함으로써, 성능등급 및 재사용 여부 판단 중에 요구되는 비용과 시간을 절감하는 효과를 발휘할 수 있다.

본 발명의 일 실시예에서는, 딥러닝 기반의 판단모델을 이용하여 부품의 교체여부확률을 판단함으로써, 해당 부품의 성능등급 판단에 대한 신뢰도를 높이는 효과를 발휘할 수 있다.

본 발명의 일 실시예에서는, 딥러닝 기반의 탐지모델을 이용하여 중고스마트기기의 침수 정도를 탐지함으로써, 해당 부품의 성능등급 판단에 대한 신뢰도를 높이는 효과를 발휘할 수 있다.

본 발명의 일 실시예에서는, 중고스마트기기에 대한 모델별 총 탄소저감량을 예측하여, 중고스마트기기의 재사용시 탄소저감량이 우수한 모델의 스마트기기를 도출하는 효과를 발휘할 수 있다.

본 발명의 일 실시예에서는, 중고스마트기기에 대한 부품의 재사용량을 전반적으로 도출하여, 해당 부품에 대한 제작비용에 기반하여 중고스마트기기의 재사용시 기대할 수 있는 수익을 스마트기기의 모델 별로 예측하는 효과를 발휘할 수 있다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 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 (6)

1 이상의 프로세서 및 1 이상의 메모리를 포함하는 컴퓨팅시스템에 의하여 수행되는 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리방법으로서,
중고스마트기기의 내부를 촬영하는 X-Ray촬영장비에 의하여 촬영된 X-Ray이미지를 수신하는 이미지수신단계;
딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 복수의 부품을 탐지하고, 복수의 부품 각각의 부품부분이미지를 도출하는 부품부분이미지도출단계;
딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품이 기존부품에서 교체되었을 확률에 해당하는 교체여부확률을 산출하는 교체확률산출단계;
딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품의 상태를 판단하고, 판단된 부품의 상태에 기반하여 제1스코어를 도출하는 제1스코어도출단계;
딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 중고스마트기기의 침수를 탐지하고, 탐지된 침수 정도에 기반하여 제2스코어를 도출하는 제2스코어도출단계;
상기 제1스코어 및 제2스코어의 합산에 기반하여 해당 부품에 대한 성능등급을 도출하고, 도출된 성능등급에 기반하여 해당 부품의 재사용 가능성을 판단하는 부품재사용판단단계;를 포함하는, 중고스마트기기 등급관리방법.

청구항 1에 있어서,
상기 교체확률산출단계는,
컴퓨팅시스템에 기저장된 기존부품의 외형이미지에 포함된 기존부품의 외형;과 상기 부품부분이미지에 포함된 부품의 외형;을 비교하고, 비교 결과로서 유사도에 기반하여 상기 교체여부확률을 산출하고,
상기 제1스코어도출단계 및 제2스코어도출단계 각각은,
해당 부품의 교체여부확률이 기설정된 교체기준에 부합하는지 여부에 기반하여 수행되는, 중고스마트기기 등급관리방법.

청구항 1에 있어서,
상기 중고스마트기기 등급관리방법은,
딥러닝 기반의 탐지모델을 이용하여 X-Ray이미지로부터 상기 중고스마트기기의 침수를 방지하기 위한 결합영역에서 이격을 탐지하는 이격탐지단계;를 더 포함하고,
상기 제2스코어도출단계는,
상기 이격탐지단계의 수행결과로서 탐지된 이격의 크기 및 상기 판단된 침수 정도에 기반하여 제2스코어를 도출하는, 중고스마트기기 등급관리방법.

청구항 1에 있어서,
상기 부품재사용판단단계는,
상기 성능등급이 기설정된 등급 미만으로 도출되는 부품은 재사용이 불가능한 부품으로 판단하고,
상기 성능등급이 기설정된 등급 이상으로 도출되는 부품은 재사용이 가능한 부품으로 판단하는, 중고스마트기기 등급관리방법.

청구항 1에 있어서,
상기 중고스마트기기 등급관리방법은,
상기 부품재사용판단단계의 수행결과로서 재사용이 가능하다고 판단된 복수의 부품 및 부품별 재사용시 탄소저감량을 포함하는 탄소저감량데이터에 기반하여 상기 중고스마트기기의 부품 재사용에 대한 총 탄소저감량을 예측하는 탄소저감량예측단계;를 더 포함하고,
상기 탄소저감량데이터는 모델 별로 해당 중고스마트기기에 포함된 복수의 부품 각각의 재사용시 탄소저감량을 포함하는, 중고스마트기기 등급관리방법.

1 이상의 프로세서 및 1 이상의 메모리를 포함하고, 비파괴 검사를 이용한 딥러닝 기반 중고스마트기기 등급관리방법을 수행하는 컴퓨팅시스템으로서,
중고스마트기기의 내부를 촬영하는 X-Ray촬영장비에 의하여 촬영된 X-Ray이미지를 수신하는 이미지수신부;
딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 복수의 부품을 탐지하고, 복수의 부품 각각의 부품부분이미지를 도출하는 부품부분이미지도출부;
딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품이 기존부품에서 교체되었을 확률에 해당하는 교체여부확률을 산출하는 교체확률산출부;
딥러닝 기반의 판단모델을 이용하여 해당 부품부분이미지에 포함된 부품의 외형에 기반하여 해당 부품의 상태를 판단하고, 판단된 부품의 상태에 기반하여 제1스코어를 도출하는 제1스코어도출부;
딥러닝 기반의 탐지모델을 이용하여 상기 X-Ray이미지에서 중고스마트기기의 침수를 탐지하고, 탐지된 침수 정도에 기반하여 제2스코어를 도출하는 제2스코어도출부;
상기 제1스코어 및 제2스코어의 합산에 기반하여 해당 부품에 대한 성능등급을 도출하고, 해당 성능등급에 따라 부품의 재사용 가능성을 판단하는 재사용판단부;를 포함하는, 컴퓨팅시스템.

Images