KR102656289B1 - 공병 수거 및 교환 시스템 및 서버 - Google Patents
공병 수거 및 교환 시스템 및 서버 Download PDFInfo
- Publication number
- KR102656289B1 KR102656289B1 KR1020230120401A KR20230120401A KR102656289B1 KR 102656289 B1 KR102656289 B1 KR 102656289B1 KR 1020230120401 A KR1020230120401 A KR 1020230120401A KR 20230120401 A KR20230120401 A KR 20230120401A KR 102656289 B1 KR102656289 B1 KR 102656289B1
- Authority
- KR
- South Korea
- Prior art keywords
- empty bottle
- empty
- collection
- product
- user
- Prior art date
Links
- 230000015654 memory Effects 0.000 claims description 45
- 238000004891 communication Methods 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 31
- 230000000694 effects Effects 0.000 claims description 13
- 238000004321 preservation Methods 0.000 claims description 3
- 239000000047 product Substances 0.000 claims 23
- 239000006227 byproduct Substances 0.000 claims 3
- 238000013528 artificial neural network Methods 0.000 description 30
- 238000013473 artificial intelligence Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 5
- 238000004064 recycling Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 210000000225 synapse Anatomy 0.000 description 2
- 101100009348 Mus musculus Depp1 gene Proteins 0.000 description 1
- 101100009350 Rattus norvegicus Depp gene Proteins 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000002453 shampoo Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000000714 time series forecasting Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- 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
- G06Q10/30—Administration of product recycling or disposal
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0226—Incentive systems for frequent usage, e.g. frequent flyer miles programs or point systems
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/564—Depth or shape recovery from multiple images from contours
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F2210/00—Equipment of refuse receptacles
- B65F2210/128—Data transmitting means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F2210/00—Equipment of refuse receptacles
- B65F2210/138—Identification means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
- B65F2240/00—Types of refuse collected
- B65F2240/112—Bottles
- B65F2240/1123—Glass
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
Abstract
본 개시는 공병 수거 및 교환 시스템 및 서버에 관한 것으로, 단말로부터 사용자가 반납하고자 하는 제1 공병을 식별할 수 있는 정보가 수신되면, 식별 정보 및 기준 위치를 기반으로 제1 공병을 반납할 제1 제휴업체를 선택하고, 제1 공병 반납의 대가로 교환 가능한 적어도 하나의 추천 제품을 도출하고, 선택된 제1 제휴업체 및 도출된 적어도 하나의 추천 제품에 대한 정보를 단말로 제공하고, 제휴업체에 반납된 공병을 수거하기 위한 스케쥴을 도출하고, 제휴업체로 반납된 공병을 기 설정된 기준에 따라 분류하고, 분류된 공병이 기 설정된 장소로 전달되도록 요청할 수 있다.
Description
본 개시는 공병 수거 및 교환 서버, 시스템에 관한 것이다.
재활용에 대한 관심이 증가하면서 글로벌 재활용 산업은 해마다 급성장하고 있다.
하지만, 이러한 재활용 산업은 재활용품의 종류에 따라 분류하는 것에 그치고 있다. 기업들의 경우 공병과 같은 물품을 수거하게 되면 이를 재사용할 수 있지만 구매자들은 공병을 수거하는 것에 관심도가 낮으며, 공병을 반납하는 장소 또한 알지 못하는 것은 물론 공병 반납의 보상이 제대로 이뤄지지 않는다는 문제점이 있다.
이에, 위와 같은 문제점들을 해결하게 되면 공병들을 수거하여 재사용, 재활용할 수 있을 것으로 기대되지만, 현재로서는 이러한 기술이 공개되어 있지 않은 실정이다.
또한, 위와 같은 문제점들을 해결하는 것은 물론 업싸이클링(upcycling)을 진행함으로써 버려지는 물건을 줄이고, 새로운 물건을 만들 때 필요한 자원을 절약하고, 환경에 도움을 줄 수 있는 기술이 필요한 상황이지만, 현재로서는 이러한 기술이 공개되어 있지 않은 실정이다.
본 개시에 개시된 실시예는 공병 수거 및 교환 서비스를 제공하는데 그 목적이 있다.
또한, 본 개시에 개시된 실시예는 사용자가 반납하고자 하는 공병의 정보에 따라 친환경 추천 제품, 새로운 가치의 제품을 보상으로 제공하는데 그 목적이 있다.
또한, 본 개시에 개시된 실시예는 사용자의 위치를 기반으로 공병을 반납할 제휴업체의 위치를 도출하여 안내하는데 그 목적이 있다.
본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 개시의 일 실시예에 따른 공병 수거 및 교환 서버는, 공병 수거 및 교환 서비스를 제공하는 서버로, 상기 서비스에 제휴되어 공병을 수거하는 적어도 하나의 제휴업체의 정보가 저장된 메모리; 사용자 단말과 통신하는 통신부; 및 프로세서를 포함하며, 상기 프로세서는, 상기 단말로부터 상기 사용자가 반납하고자 하는 제1 공병을 식별할 수 있는 정보(이하, '식별 정보')가 수신되면, 상기 식별 정보 및 기준 위치를 기반으로 상기 제휴업체 중에서 상기 제1 공병을 반납할 제1 제휴업체를 선택하고, 상기 식별 정보를 기반으로 상기 제1 제휴업체에서 상기 제1 공병 반납의 대가로 교환 가능한 적어도 하나의 추천 제품을 도출하고, 상기 선택된 제1 제휴업체 및 상기 도출된 적어도 하나의 추천 제품에 대한 정보를 상기 단말로 제공하고, 상기 단말로 제공된 정보 및 상기 제휴업체의 위치 정보를 기반으로 상기 제휴업체에 반납된 공병을 수거하기 위한 스케쥴을 도출하고, 상기 제휴업체로 반납된 공병을 기 설정된 기준에 따라 분류하고, 상기 분류된 공병이 기 설정된 장소로 전달되도록 요청할 수 있다.
또한, 상기 프로세서는, 상기 단말로부터 상기 제1 공병의 코드가 촬영된 이미지가 수신되면, 상기 이미지 내 코드를 인식하여 상기 제1 공병을 식별하고, 상기 식별 정보를 기반으로 상기 제1 공병의 가치를 산출하고, 상기 산출된 제1 공병의 가치를 기반으로 상기 적어도 하나의 추천 제품을 도출하고, 상기 제1 제휴업체에서 상기 제1 공병을 상기 추천 제품과 교환 가능한지 여부, 상기 제1 제휴업체의 위치 정보 및 상기 산출된 제1 공병의 가치를 상기 단말로 제공할 수 있다.
또한, 상기 프로세서는, 상기 식별 정보 및 상기 사용자가 제품 구매 후 공병 반납을 요청하는 시점까지의 소요시간을 기반으로 상기 사용자의 제품 사용 속도를 산출하고, 상기 산출된 제품 사용 속도를 기반으로 향후 구매하는 제품에 대하여 예상되는 공병 반납일을 산출할 수 있다.
또한, 상기 프로세서는, 기 설정된 거리 범위 내에 위치하는 복수의 제휴업체 각각에 대한 위치 정보의 밀도에 기초하여 상기 복수의 제휴업체에 대한 클러스터를 형성하고, 상기 형성된 클러스터별로 상기 공병을 수거하기 위한 스케쥴을 도출할 수 있다.
또한, 상기 프로세서는, 상기 복수의 제휴업체 간의 거리에 대한 절대값 정보를 도출하고, 상기 도출된 절대값 정보를 기초로 상기 스케쥴을 생성하기 위한 공병 수거 주기를 결정할 수 있다.
또한, 상기 프로세서는, 상기 제휴업체의 공병 반납 속도를 기반으로 상기 공병 수거 주기를 결정할 수 있다.
또한, 상기 메모리는, 상기 제휴업체 각각이 최대로 수거가 가능한 공병 수거량(이하, '최대 가능 수거량')이 저장되어 있으며, 상기 프로세서는, 상기 제휴업체의 최대 가능 수거량을 기반으로 상기 공병 수거 주기를 결정할 수 있다.
또한, 상기 프로세서는, 상기 제1 공병의 종류, 상태 및 개수를 기반으로 상기 적어도 하나의 추천 제품을 도출할 수 있다.
또한, 상기 프로세서는, 상기 사용자의 계정 또는 상기 단말의 활동 로그를 기반으로 상기 제1 공병 반납의 대가로 교환 가능한 적어도 하나의 추천 제품을 도출할 수 있다.
또한, 상기 프로세서는, 상기 단말로부터 상기 제1 공병이 촬영된 이미지가 수신되는 경우, 상기 수신된 이미지 내에서 상기 제1 공병에 해당하는 이미지의 윤곽을 인식하여 제1 윤곽선을 생성하고, 상기 생성된 제1 윤곽선을 기반으로 상기 식별 정보를 생성할 수 있다.
또한, 상기 메모리는 상기 공병의 종류에 따른 공병 크기 및 공병 윤곽선이 저장되어 있고, 상기 프로세서는, 상기 수신된 이미지 내에서 상기 제1 공병에 해당하는 이미지를 기반으로 상기 제1 공병의 크기를 산출하고, 상기 메모리에서 상기 생성된 제1 윤곽선 및 상기 산출된 제1 공병의 크기와 기 설정된 일치율을 갖는 공병의 종류를 상기 제1 공병의 종류로 결정하고, 상기 사용자의 구매 내역 데이터에서 상기 사용자가 구매한 제품의 종류, 용량 및 구매일자를 확인하고, 상기 제1 공병에 해당하는 제품에 대하여 상기 확인된 구매일자로부터 상기 제1 공병의 반납일자까지의 시간, 상기 제1 공병에 해당하는 제품의 용량 및 상기 제1 공병에 해당하는 제품의 종류를 기반으로, 상기 사용자의 제품 종류별 사용 속도를 산출하여 상기 메모리에 저장하고, 상기 사용자의 제품 종류별 사용 속도를 기반으로, 상기 사용자가 구매한 제1 제품에 대하여 예상되는 사용 완료 시간을 산출하고, 상기 산출된 사용 완료 시간으로부터 기 설정된 시간 이전에 상기 사용자의 단말로 상기 제1 제품에 대한 공병 반납 요청 및 상기 제1 제품의 재구매 요청 알림을 제공할 수 있다.
또한, 상기 서버는, 상기 공병에 해당하는 제품을 유통하는 클라이언트 서버로부터 상기 공병에 대한 정보를 수신하고, 상기 분류된 공병에 대한 정보 및 수거업체에 의해 수거된 공병에 대한 정보를 상기 클라이언트 서버로 제공할 수 있다.
또한, 상술한 과제를 해결하기 위한 본 개시의 일 실시예에 따른 공병 수거 및 교환 서비스 제공 방법은, 공병 수거 및 교환 서버에 의해 수행되는 방법으로, 사용자의 단말로부터 상기 사용자가 반납하고자 하는 제1 공병을 식별할 수 있는 정보(이하, '식별 정보')를 수신하는 단계; 상기 식별 정보 및 기준 위치를 기반으로 제휴업체 중에서 상기 제1 공병을 반납할 제1 제휴업체를 선택하는 단계; 상기 식별 정보를 기반으로 상기 제1 제휴업체에서 상기 제1 공병 반납의 대가로 교환 가능한 적어도 하나의 추천 제품을 도출하는 단계; 상기 선택된 제1 제휴업체 및 상기 도출된 적어도 하나의 추천 제품에 대한 정보를 상기 단말로 제공하는 단계; 및 상기 단말로 제공된 정보 및 상기 제휴업체의 위치 정보를 기반으로 상기 제휴업체에 반납된 공병을 수거하기 위한 스케쥴을 도출하는 단계를 포함한다.
이 외에도, 본 개시를 구현하기 위한 실행하기 위한 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 더 제공될 수 있다.
이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
본 개시의 전술한 과제 해결 수단에 의하면, 공병 수거 및 교환 서비스를 제공하는 효과를 제공한다.
또한 본 개시의 전술한 과제 해결 수단에 의하면, 사용자가 반납하고자 하는 공병의 정보에 따라 친환경 추천 제품, 새로운 가치의 제품을 보상으로 제공하는 효과가 있다.
또한, 본 개시의 전술한 과제 해결 수단에 의하면, 사용자의 위치를 기반으로 공병을 반납할 제휴업체의 위치를 도출하여 안내하는 효과가 있다.
본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 시스템의 개략도이다.
도 2는 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 시스템의 블록도이다.
도 3은 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 방법의 흐름도이다.
도 4는 공병의 외형 및 공병을 식별할 수 있는 코드가 부착된 것을 예시한 도면이다.
도 5는 사용자의 위치와 주변 제휴업체들의 위치를 예시한 도면이다.
도 6은 사용자가 반납하고자 하는 공병에 정보에 대한 보상으로 제공될 수 있는 추천 제품에 대한 정보를 사용자 단말로 제공하는 것을 예시한 도면이다.
도 7은 사용자의 공병 구매일로부터 반납일까지의 기간을 기초로 사용자의 제품 사용 속도를 산출하는 것을 예시한 도면이다.
도 2는 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 시스템의 블록도이다.
도 3은 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 방법의 흐름도이다.
도 4는 공병의 외형 및 공병을 식별할 수 있는 코드가 부착된 것을 예시한 도면이다.
도 5는 사용자의 위치와 주변 제휴업체들의 위치를 예시한 도면이다.
도 6은 사용자가 반납하고자 하는 공병에 정보에 대한 보상으로 제공될 수 있는 추천 제품에 대한 정보를 사용자 단말로 제공하는 것을 예시한 도면이다.
도 7은 사용자의 공병 구매일로부터 반납일까지의 기간을 기초로 사용자의 제품 사용 속도를 산출하는 것을 예시한 도면이다.
본 개시 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 개시가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 개시가 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는 ‘부, 모듈, 부재, 블록’이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.
또한, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.
단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.
이하 첨부된 도면들을 참고하여 본 개시의 작용 원리 및 실시예들에 대해 설명한다.
본 명세서에서 '본 개시에 따른 공병 수거 및 교환 서비스 제공 서버'는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 본 개시에 따른 공병 수거 및 교환 서비스 제공 서버는, 컴퓨터, 서버 장치 및 휴대용 단말기를 모두 포함하거나, 또는 어느 하나의 형태가 될 수 있다.
여기에서, 상기 컴퓨터는 예를 들어, 웹 브라우저가 탑재된 노트북, 데스크톱, 랩톱, 태블릿 PC, 슬레이트 PC 등을 포함할 수 있다.
상기 서버 장치는 외부 장치와 통신을 수행하여 정보를 처리하는 서버로써, 애플리케이션 서버(100), 컴퓨팅 서버(100), 데이터베이스 서버(100), 파일 서버(100), 게임 서버(100), 메일 서버(100), 프록시 서버(100) 및 웹 서버(100) 등을 포함할 수 있다.
상기 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS, GSM, PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD) 등과 같은 웨어러블 장치를 포함할 수 있다.
본 개시에 따른 인공지능과 관련된 기능은 프로세서(110)와 저장부를 통해 동작된다. 프로세서(110)는 하나 또는 복수의 프로세서(110)로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서(110)는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서(110), GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서(110) 또는 NPU와 같은 인공지능 전용 프로세서(110)일 수 있다. 하나 또는 복수의 프로세서(110)는, 저장부에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서(110)가 인공지능 전용 프로세서(110)인 경우, 인공지능 전용 프로세서(110)는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버(100) 및/ 또는 시스템(10)을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습, 비지도 형 학습, 준지도형 학습 또는 강화 학습이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들을 갖고 있으며, 이전 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경 망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스 값 또는 코스트 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 심층 신경망(DNN: Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 등이 있으나, 전술한 예에 한정되지 않는다.
본 개시의 예시적인 실시예에 따르면, 프로세서(110)는 인공지능을 구현할 수 있다. 인공지능이란 사람의 신경세포(biological neuron)를 모사하여 기계가 학습하도록 하는 인공신경망 기반의 기계 학습법을 의미한다. 인공지능의 방법론에는 학습 방식에 따라 훈련데이터로서 입력데이터와 출력데이터가 같이 제공됨으로써 문제(입력 데이터)의 해답(출력 데이터)이 정해져 있는 지도학습(supervised learning), 및 출력데이터 없이 입력데이터만 제공되어 문제(입력 데이터)의 해답(출력 데이터)이 정해지지 않는 비지도학습(unsupervised learning), 및 현재의 상태에서 어떤 행동을 취할 때마다 외부 환경에서 보상이 주어지는데, 이러한 보상을 최대화하는 방향으로 학습을 진행하는 강화학습(reinforcement learning)으로 구분될 수 있다. 또한, 인공지능의 방법론은 학습 모델의 구조인 아키텍처에 따라 구분될 수도 있는데, 널리 이용되는 딥러닝 기술의 아키텍처는, 합성곱신경망, 순환신경망, 트랜스포머, 생성적 대립 신경망 등으로 구분될 수 있다.
본 장치는 인공지능 모델을 포함할 수 있다. 인공지능 모델은 하나의 인공지능 모델일 수 있고, 복수의 인공지능 모델로 구현될 수도 있다. 인공지능 모델은 뉴럴 네트워크(또는 인공 신경망)로 구성될 수 있으며, 기계학습과 인지과학에서 생물학의 신경을 모방한 통계학적 학습 알고리즘을 포함할 수 있다. 뉴럴 네트워크는 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 뉴럴 네트워크의 뉴런은 가중치 또는 바이어스의 조합을 포함할 수 있다. 뉴럴 네트워크는 하나 이상의 뉴런 또는 노드로 구성된 하나 이상의 레이어를 포함할 수 있다. 예시적으로, 장치는 input layer, hidden layer, output layer를 포함할 수 있다. 장치를 구성하는 뉴럴 네트워크는 뉴런의 가중치를 학습을 통해 변화시킴으로써 임의의 입력으로부터 예측하고자 하는 결과를 추론할 수 있다.
프로세서(110)는 뉴럴 네트워크를 생성하거나, 뉴럴 네트워크를 훈련(train, 또는 학습(learn)하거나, 수신되는 입력 데이터를 기초로 연산을 수행하고, 수행 결과를 기초로 정보 신호를 생성하거나, 뉴럴 네트워크를 재훈련할 수 있다. 뉴럴 네트워크의 모델들은 GoogleNet, AlexNet, VGG Network 등과 같은 CNN, R-CNN, RPN, RNN, S-DNN, S-SDNN, Deconvolution Network, DBN, RBM, Fully Convolutional Network, LSTM Network, Classification Network 등 다양한 종류의 모델들을 포함할 수 있으나 이에 제한되지는 않는다. 프로세서(110)는 뉴럴 네트워크의 모델들에 따른 연산을 수행하기 위한 하나 이상의 프로세서(110)를 포함할 수 있다. 예를 들어 뉴럴 네트워크는 심층 뉴럴 네트워크를 포함할 수 있다.
뉴럴 네트워크는 CNN, RNN, 퍼셉트, 다층 퍼셉트론, FF(Feed Forward), RBF(Radial Basis Network), DFF(Deep Feed Forward), LSTM(Long Short Term Memory), GRU(Gated Recurrent Unit), AE(Auto Encoder), VAE(Variational Auto Encoder), DAE(Denoising Auto Encoder), SAE(Sparse Auto Encoder), MC(Markov Chain), HN(Hopfield Network), BM(Boltzmann Machine), RBM(Restricted Boltzmann Machine), DBN(Depp Belief Network), DCN(Deep Convolutional Network), DN(Deconvolutional Network), DCIGN(Deep Convolutional Inverse Graphics Network), GAN(Generative Adversarial Network), LSM(Liquid State Machine), ELM(Extreme Learning Machine), ESN(Echo State Network), DRN(Deep Residual Network), DNC(Differentiable Neural Computer), NTM(Neural Turning Machine), CN(Capsule Network), KN(Kohonen Network) 및 AN(Attention Network)를 포함할 수 있으나 이에 한정되는 것이 아닌 임의의 뉴럴 네트워크를 포함할 수 있음은 통상의 기술자가 이해할 것이다.
본 개시의 예시적인 실시예에 따르면, 프로세서(110)는 GoogleNet, AlexNet, VGG Network 등과 같은 CNN(Convolution Neural Network), R-CNN(Region with Convolution Neural Network), RPN(Region Proposal Network), RNN(Recurrent Neural Network), S-DNN(Stacking-based deep Neural Network), S-SDNN(State-Space Dynamic Neural Network), Deconvolution Network, DBN(Deep Belief Network), RBM(Restrcted Boltzman Machine), Fully Convolutional Network, LSTM(Long Short-Term Memory) Network, Classification Network, Generative Modeling, eXplainable AI, Continual AI, Representation Learning, AI for Material Design, 자연어 처리를 위한 BERT, SP-BERT, MRC/QA, Text Analysis, Dialog System, GPT-3, GPT-4, 비전 처리를 위한 Visual Analytics, Visual Understanding, Video Synthesis, ResNet 데이터 지능을 위한 Anomaly Detection, Prediction, Time-Series Forecasting, Optimization, Recommendation, Data Creation 등 다양한 인공지능 구조 및 알고리즘을 이용할 수 있으며, 이에 제한되지 않는다. 이하, 첨부된 도면을 참조하여 본 개시의 실시예를 상세하게 설명한다.
도 1은 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 시스템(10)의 개략도이다.
도 1을 참조하여 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 시스템(10)에 대하여 개략적으로 설명하도록 한다.
도 1을 참조하면, 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 시스템(10)은 서버(100), 사용자 단말(200) 및 제휴업체 단말(300)을 포함한다.
다만, 몇몇 실시예에서 시스템(10)은 도 1에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.
일 실시예로, 시스템(10)은 제휴업체에 반납된 공병들을 수거하는 수거업체의 단말, 공병에 해당하는 제품을 유통하는 클라이언트 서버를 포함할 수 있다.
서버(100)는 공병에 해당하는 제품을 유통하는 클라이언트 서버로부터 공병에 대한 정보를 수신하고, 제휴업체에 반납되어 분류된 공병에 대한 정보 및 수거업체에 의해 수거된 공병에 대한 정보를 클라이언트 서버로 제공할 수 있다.
도 1의 (A)를 참조하면, 서버(100)는 사용자 단말(200)로부터 공병이 촬영된 이미지를 수신하며, 수신된 이미지를 분석하여 공병의 정보를 도출하고, 도출된 공병의 정보를 기반으로 사용자에게 공병 반납의 대가로 받을 수 있는 추천 제품의 리스트와 공병을 반납할 제휴업체의 위치 정보를 제공할 수 있다.
도 1의 (B)를 참조하면, 사용자는 안내 받은 제휴업체를 방문하여 공병을 반납하고, 제휴업체는 공병 반납에 따른 대가로 사용자에게 친환경 제품을 추천 제품으로 제공한다.
이때, 서버(100)는 사용자가 반납하고자 하는 공병의 가치를 산출하고, 산출된 가치에 부합하는 친환경 제품, 새로운 가치의 제품을 제공할 수 있다.
또한, 서버(100)는 사용자가 제휴업체에 반납하는 공병의 가치와 개수에 상응하는 추천 제품을 제공함으로써 공병의 적극적인 반납을 유도할 수 있다.
본 개시의 실시예에서 추천 제품은 친환경 제품, 새로운 가치의 제품으로 제공될 수 있으며, 친환경 제품은 재활용, 재사용이 가능한 용기로 이루어진 제품, 환경적이도 지구 환경을 파괴하지 않는 용기로 이루어진 제품, 제작 과정에서 환경 파괴가 최소화되는 제품 등 다양한 예시가 적용 가능하다.
또한, 새로운 가치의 제품이란 사용자가 반납하는 공병이 해당하는 제품과 또 다른 새로운 가치의 제품을 의미할 수 있다.
즉, 본 개시의 실시예에서 추천 제품은 친환경 제품 및 새로운 가치의 제품 중 적어도 하나가 적용된 제품일 수 있다. 예를 들어, 추천 제품은 친환경 제품인 동시에 새로운 가치의 제품이 적용될 수도 있다.
본 개시의 실시예에 따른 공병 수거 및 교환 서비스를 제공하는 시스템(10)은 공병을 재활용하는 것보다 한 단계 더 나아가 버려지는 물건을 새롭고 더 가치있는 물건으로 재탄생시키는 효과를 발휘한다.
본 개시의 실시예에서 서버(100)는 공병 수거 및 교환 서비스를 제공하는 서비스 서버(100)로, 웹 또는 앱을 통해 서비스를 제공할 수 있으며, 몇몇 실시예에서 서비스 서버(100)는 서비스를 제공하기 위한 서비스 애플리케이션을 제공할 수도 있다.
기본적으로, 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 시스템(10)은 도 1과 같은 프로세스로 진행되며, 아래에서는 다른 도면들을 참조하여 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 시스템(10)에 관한 상세한 프로세스에 대하여 설명하도록 한다.
도 2는 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 시스템(10)의 블록도이다.
도 2를 참조하면, 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 시스템(10)은 서버(100), 사용자 단말(200) 및 제휴업체 단말(300)을 포함한다.
본 개시의 실시예에서 사용자 단말(200)은 사용자 서버(100), 제휴업체 단말(300)을 제휴업체 서버(100)일 수 있다.
사용자 단말(200)은 사용자가 소지하고 있는 단말이 적용 가능하며, 스마트폰, 태블릿 PC, 노트북 PC, 데스크탑 PC 등과 같이 프로세서, 통신부, 메모리를 포함하는 수단이라면 무엇이든 적용이 가능하다.
제휴업체 단말(300)은 제휴업체에서 보유하고 있는 단말이나 제휴업체에서 근무하는 근무자의 단말이 적용 가능하며, 스마트폰, 태블릿 PC, 노트북 PC, 데스크탑 PC 등과 같이 프로세서, 통신부, 메모리를 포함하는 수단이라면 무엇이든 적용이 가능하다.
서버(100)는 프로세서(110), 통신부(120) 및 메모리(130)를 포함하며, 사용자 단말(200)을 프로세서(210), 통신부(220), 메모리(230) 및 카메라를 포함하고, 제휴업체 단말(300)은 프로세서(310), 통신부(320), 메모리(330) 및 센서(340)를 포함한다.
다만, 몇몇 실시예에서 서버(100), 사용자 단말(200) 및 제휴업체 단말(300) 중 적어도 하나의 구성은 도 2에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.
먼저, 서버(100), 사용자 단말(200) 및 제휴업체 단말(300)의 공통되는 구성에 대하여 설명하도록 한다.
프로세서(110, 210, 310)는 서버(100), 사용자 단말(200) 및 제휴업체 단말(300) 내의 구성요소들의 동작을 제어하기 위한 알고리즘 또는 알고리즘을 재현한 프로그램에 대한 데이터를 저장하는 저장부, 및 저장부에 저장된 데이터를 이용하여 전술한 동작을 수행하는 적어도 하나의 프로세서(110)로 구현될 수 있다. 이때, 저장부와 프로세서(110, 210, 310)는 각각 별개의 칩으로 구현될 수 있다. 또는, 저장부와 프로세서(110, 210, 310)는 단일 칩으로 구현될 수도 있다.
또한, 프로세서(110)는 이하의 도면에서 설명되는 본 개시에 따른 다양한 실시 예들을 본 장치 상에서 구현하기 위하여, 위에서 살펴본 구성요소들을 중 어느 하나 또는 복수를 조합하여 제어할 수 있다.
프로세서(110, 210, 310)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 서버(100), 사용자 단말(200) 및 제휴업체 단말(300)의 전반적인 동작을 제어할 수 있다. 프로세서(110, 210, 310)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 저장부에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
또한, 프로세서(110, 210, 310)는 저장부에 저장된 응용 프로그램을 구동하기 위하여, 본 장치의 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(110, 210, 310)는 상기 응용 프로그램의 구동을 위하여, 서버(100), 사용자 단말(200) 및 제휴업체 단말(300)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작 시킬 수 있다.
통신부(120, 220, 320)는 공병 수거 및 교환 서버(100)를 하나 이상의 네트워크에 연결하는 하나 이상의 모듈을 포함할 수 있다.
통신부(120, 220, 320)는 외부 장치와 통신을 가능하게 하는 하나 이상의 구성 요소를 포함할 수 있으며, 예를 들어, 방송 수신 모듈, 유선통신 모듈, 무선통신 모듈, 근거리 통신 모듈, 위치정보 모듈 중 적어도 하나를 포함할 수 있다.
유선 통신 모듈은, 지역 통신(Local Area Network; LAN) 모듈, 광역 통신(Wide Area Network; WAN) 모듈 또는 부가가치 통신(Value Added Network; VAN) 모듈 등 다양한 유선 통신 모듈뿐만 아니라, USB(Universal Serial Bus), HDMI(High Definition Multimedia Interface), DVI(Digital Visual Interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 다양한 케이블 통신 모듈을 포함할 수 있다.
무선 통신 모듈은 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.
무선 통신 모듈은 통신 신호를 송신하는 안테나 및 송신기(Transmitter)를 포함하는 무선 통신 인터페이스를 포함할 수 있다. 또한, 무선 통신 모듈은 프로세서(110)의 제어에 따라 무선 통신 인터페이스를 통해 프로세서(110)로부터 출력된 디지털 제어 신호를 아날로그 형태의 무선 신호로 변조하는 신호 변환 모듈을 더 포함할 수 있다.
근거리 통신 모듈은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra-Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.
메모리(130, 230, 330)는 본 장치의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 메모리(130, 230, 330)는 서버(100), 사용자 단말(200) 및 제휴업체 단말(300)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 본 장치의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 본 장치의 기본적인 기능을 위하여 존재할 수 있다. 한편, 응용 프로그램은, 메모리(130, 230, 330)에 저장되고, 장치에 설치되어, 프로세서(110)에 의하여 동작(또는 기능)을 수행하도록 구동될 수 있다.
메모리(130, 230, 330)는 서버(100), 사용자 단말(200) 및 제휴업체 단말(300)의 다양한 기능을 지원하는 데이터와, 프로세서(110)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들(예를 들어, 음악 파일, 정지영상, 동영상 등)이 저장될 수 있고, 서버(100), 사용자 단말(200) 및 제휴업체 단말(300)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 서버(100), 사용자 단말(200) 및 제휴업체 단말(300)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버(100)로부터 다운로드 될 수 있다.
이러한, 메모리(130, 230, 330)는 플래시 메모리(130) 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(130) 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(130), 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 메모리(130, 230, 330)는 본 장치와는 분리되어 있으나, 유선 또는 무선으로 연결된 데이터베이스가 될 수도 있다.
또한, 메모리(130, 230, 330)는 서버(100), 사용자 단말(200) 및 제휴업체 단말(300)을 위한 복수의 프로세스를 구비할 수 있다.
사용자 단말(200)의 카메라는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부에 표시되거나 메모리(230)에 저장될 수 있다.
본 개시의 실시예에서, 사용자는 단말(200)의 카메라를 작동시켜 반납하고자 하는 공병의 외형을 촬영하거나 공병에 부착되어 있는 식별 코드를 촬영한 후, 촬영된 이미지를 통신부(120)를 통해 서버(100)로 전송할 수 있다.
하지만, 반드시 이에 한정되는 것은 아니며 사용자는 단말(200)로 반납하고자 하는 공병에 해당하는 제품 정보를 입력하여 서버(100)로 전송할 수도 있다.
제휴업체 단말(300)의 센서는 제품을 식별하기 위한 스캐너가 적용될 수 있다. 하지만, 이에 한정되는 것은 아니며 제휴업체 단말(300)에 구비되어 있는 카메라가 적용될 수도 있다.
즉, 제휴업체 단말(300)의 센서는 사용자가 반납하는 공병을 식별할 수 있고, 사용자가 공병의 반납의 대가로 수령하는 친환경 추천 제품을 식별할 수 있는 수단이라면 무엇이든 적용이 가능하다.
도 3은 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 방법의 흐름도이다.
도 3을 참조하여 본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 방법에 대하여 설명하도록 한다.
프로세서(110)가 사용자가 반납하고자 하는 제1 공병을 식별할 수 있는 정보(이하, '식별 정보')를 수신한다. (S100)
본 개시의 실시예에 따른 공병 수거 및 교환 서비스 제공 서버(100)는 사용자가 반납하는 공병의 정보에 따라 가치를 산출하고, 산출된 가치에 상응하는 추천 제품을 반납의 대가로 제공함으로써 특정 제품을 사용하는 구매자들이 지속적으로 공병을 반납하도록 한다.
이때, 특정 제품은 재활용 또는 재사용이 용이한 제품이 적용될 수도 있고, 기업들이 필요로 하는 공병의 제품이 적용될 수도 있다.
예를 들어, 특정 제품은 화장품, 샴푸, 세제 등과 같이 공병 용기를 사용하는 제품이라면 다양한 제품이 적용될 수 있다.
이를 위해서, 서버(100)는 공병을 식별하는 다양한 알고리즘을 이용할 수 있다.
도 4는 공병의 외형 및 공병을 식별할 수 있는 코드가 부착된 것을 예시한 도면이다.
도 4를 참조하면, 도 4의 (a)는 공병(400)에 공병에 해당하는 제품의 정보(410)가 부착된 것이 예시되어 있으며, 도 4의 (b)는 공병(400)에 해당하는 제품의 정보를 식별할 수 있는 QR Code(420)가 부착된 것이 예시되어 있다.
도 4의 (b)에 QR Code가 예시되어 있으나, 이에 한정되는 것은 아니며 다양한 방법이 적용 가능하며, 예를 들어 인공지능 모델을 이용하여 공병의 이미지를 분석함으로써 제품의 정보를 식별할 수도 있다.
① 공병에 해당하는 제품의 정보를 식별 정보로 이용하여 공병을 식별
프로세서(110)는 도 4의 (a)와 같이, 사용자 단말(200)로부터 공병에 해당하는 제품의 정보를 수신하고, 이를 기반으로 공병을 식별할 수 있다.
이때, 제품의 정보는 품명, 품번, 용량 및 브랜드 중 적어도 하나를 포함할 수 있으며, 프로세서(110)는 공병에 부착된 제품의 정보가 단말(200)을 통해 촬영된 이미지를 수신하고, 수신된 이미지를 분석하여 제품의 정보를 인식하고, 인식된 제품의 정보를 기반으로 공병을 식별할 수 있다.
② 공병의 코드를 식별 정보로 이용하여 공병을 식별
프로세서(110)는 도 4의 (b)와 같이, 사용자 단말(200)로부터 공병에 부착된 Code가 촬영된 이미지를 수신하고, 이를 기반으로 공병을 식별할 수 있다.
③ 공병의 외형 이미지를 식별 정보로 이용하여 공병을 식별
사용자는 본인이 반납하고자 하는 제1 공병이 ①, ②에 해당사항이 없는 경우, 단말(200)을 통해 공병을 촬영한 이미지를 서버(100)로 전송함으로써 공병이 식별되도록 할 수 있다.
메모리(130)는 복수의 제품 종류별로 외형 이미지가 저장되어 있으며, 프로세서(110)는 사용자 단말(200)로부터 공병이 촬영된 이미지가 수신되면 메모리(130)를 검색하여 매칭되는 외형 이미지를 갖는 제품을 확인할 수 있다.
프로세서(110)가 사용자가 제1 공병을 반납할 오프라인의 제1 제휴업체를 선택한다. (S200)
메모리(130)는 서비스 서버(100)와 제휴되어 있는 업체(제휴업체)들의 위치가 저장되어 있다.
도 5는 사용자의 위치와 주변 제휴업체들의 위치를 예시한 도면이다.
프로세서(110)는 기준 위치를 기반으로 제휴업체 중에서 사용자가 제1 공병을 반납할 제1 제휴업체를 선택한다. 일 예로, 프로세서(110)는 기준 위치에서 가장 가까운 위치의 제휴업체를 제1 제휴업체로 선택할 수 있다.
이때, 기준 위치는 사용자가 지정한 위치(예: 집 주소) 또는 사용자 단말(200)의 현재 위치가 적용 가능하다.
프로세서(110)는 제1 공병에 대하여 식별된 결과 및 상기 기준 위치를 기반으로 제휴업체 중에서 제1 공병을 반납할 제1 제휴업체를 선택할 수 있다. 사용자가 반납하고자 하는 제1 공병을 수거하는 제휴업체를 선택할 필요가 있는 경우, 이와 같은 프로세스로 진행될 수 있다.
몇몇 실시예에서, 프로세서(110)는 제1 공병에 대하여 식별된 결과를 기반으로, 제휴업체 중에서 제1 공병이 반납 가능한 제휴업체의 브랜드를 도출하고, 도출된 제휴업체 브랜드를 사용자 단말(200)로 제공할 수 있다.
도 5를 참조하면, 프로세서(110)는 기준 위치(501) 주변의 제휴업체(501, 502, 503) 중에서 기준 위치(501과 가장 가까운 곳에 위치한 제휴업체(503)을 공병을 반납할 제1 제휴업체로 선택할 수 있다.
프로세서(110)가 제1 공병을 반납하는 대가로 교환 가능한 친환경 추천 제품을 도출한다. (S300)
프로세서(110)가 S200에서 선택된 제1 제휴업체 및 S300에서 도출된 친환경 추천 제품, 새로운 가치의 제품의 정보를 사용자 단말(200)로 제공한다. (S400)
도 6은 사용자가 반납하고자 하는 공병에 정보에 대한 보상으로 제공될 수 있는 추천 제품에 대한 정보를 사용자 단말(200)로 제공하는 것을 예시한 도면이다.
도 6을 참조하면, 프로세서(110)는 사용자 단말(200)로부터 수신된 제1 공병에 대한 식별 정보를 기반으로 제1 공병을 식별하고, 제1 공병의 가치를 산출할 수 있다. 그리고, 프로세서(110)는 제1 공병의 가치를 기반으로 제1 공병을 반납하고 교환 받을 추천 제품을 도출하여 사용자 단말(200)로 정보를 제공할 수 있다. 이때, 프로세서(110)는 미리 학습된 인공지능 모델을 이용하여 상기 프로세스들을 수행할 수 있다.
프로세서(110)는 식별 정보를 기반으로 제1 제휴업체에서 제1 공병을 반납하는 대가로 교환 가능한 적어도 하나의 추천 제품을 도출할 수 있으며, 이때 추천 제품은 친환경 제품, 새로운 가치의 제품이 적용될 수 있다.
상세하게는, 프로세서(110)는 식별 정보를 기반으로 제1 공병의 가치를 산출할 수 있으며, 산출된 제1 공병의 가치를 기반으로 적어도 하나의 추천 제품을 도출할 수 있다.
프로세서(110)는 동일한 제품에 대한 공병인 경우, 용량이 더 클수록 공병의 가치가 높게 산출될 수 있다.
프로세서(110)는 공병의 상태에 따라서 공병의 가치를 산출할 수 있으며, 이때 공병의 상태란 공병의 외형 상태의 보존 정도를 의미한다.
프로세서(110)는 제1 공병의 종류, 상태 및 개수 중 적어도 하나를 기반으로 제1 공병의 가치를 산출하고, 산출된 가치를 기반으로 적어도 하나의 친환경 추천 제품, 새로운 가치의 제품을 도출할 수 있다.
이때, 사용자가 반납하고자 하는 제1 공병의 복수 개인 경우, 프로세서(110)는 각각의 제1 공병에 대한 가치를 산출하고, 산출된 제1 공병들의 가치의 총합을 기반으로 추천 제품을 도출할 수 있다.
프로세서(110)는 제품별로 공병의 수거율을 산출하고, 산출된 수거율을 기반으로 공병의 가치를 보정할 수 있다. 일 예로, 프로세서(110)는 수거율이 낮은 공병일수록 공병의 가치가 높아지도록 공병의 가치를 보정할 수 있다.
프로세서(110)는 하기 수학식 1을 기반으로 해당 제품의 공병 수거율을 산출할 수 있다.
공병 수거율 = (해당 제품의 공병 수거량 ÷ 해당 제품의 총 판매량) × 100
일 실시예로, 프로세서(110)는 해당 제품의 공병을 제작하는 비용을 기반으로 해당 제품의 공병 가치를 산출할 수 있다.
일 실시예로, 프로세서(110)는 하기 수학식 2를 기반으로 해당 제품의 공병 가치를 보정할 수 있다.
일 실시예로, 프로세서(110)는 기 설정된 시간동안 사용자가 반납한 공병들의 가치의 총합을 기반으로 B를 산출할 수 있다.
프로세서(110)는 산출된 제1 공병의 가치를 기반으로 추천 제품을 도출할 수 있다.
프로세서(110)는 제1 제휴업체에서 제1 공병을 반납하고 친환경 추천 제품, 새로운 가치의 제품과 교환이 가능한지 여부, 제1 제휴업체의 위치 정보 및 산출된 제1 공병의 가치를 사용자 단말(200)로 제공할 수 있다.
일 실시예로, 프로세서(110)는 제1 공병의 가치를 기반으로 교환 가능한 추천 제품의 리스트를 사용자 단말(200)로 제공할 수 있다.
일 예로, 메모리(130)는 추천 제품의 가치가 저장되어 있을 수 있으며, 프로세서(110)는 제1 공병의 가치보다 낮은 가치의 추천 제품의 리스트를 사용자 단말(200)로 제공할 수 있다.
이때, 사용자에게 제공되는 추천 제품은 친환경 추천 제품, 새로운 가치의 제품이 적용될 수 있다.
프로세서(110)가 제휴업체로 반납된 공병을 수거하기 위한 스케쥴을 도출한다. (S500)
서버(100)는 제휴업체에 반납되어 모인 공병을 수거하기 위한 스케쥴을 생성하여 수거업체로 제공할 수 있다. 공병 수거 및 교환 서비스 제공 시스템(10)은 해당 프로세스를 통해서 효율적으로 공병을 수거할 수 있다.
서버(100)는 제휴업체로 반납된 공병들을 기 설정된 기준에 따라 분류하도록 요청하고, 분류된 공병이 기 설정된 장소로 전달되도록 수거업체에 요청할 수 있다. 이때, 기 설정된 장소는 공병에 해당하는 제품을 유통하는 클라이언트가 해당될 수 있다.
또한, 서버(100)는 수거업체 단말로 전달되는 공병의 수거 스케쥴을 클라이언트 서버에도 전송할 수도 있다.
일 실시예로, 서버(100)는 제휴업체에 반납된 공병들을 전달해줘야 하는 클라이언트의 종류에 따라 분류하도록 요청하고, 분류된 공병들이 해당하는 클라이언트에게 전달되도록 수거업체에 수거를 요청할 수 있다.
또한, 서버(100)는 상기 분류된 공병들의 개수를 포함하는 정보를 클라이언트 서버로 제공할 수 있다.
상세하게는, 프로세서(110)는 기 설정된 거리 범위 내에 위치하는 복수의 제휴업체 각각에 대한 위치 정보의 밀도에 기초하여 복수의 제휴업체에 대한 클러스터를 형성하고, 상기 형성된 클러스터별로 공병을 수거하기 위한 스케쥴을 도출할 수 있다.
일 실시예로, 프로세서(110)는 제휴업체들의 위치를 기반으로 복수의 제휴업체 간의 거리에 대한 절대값 정보를 도출하고, 도출된 절대값 정보를 기초로 상기 스케쥴을 생성하기 위한 공병 수거 주기를 결정할 수 있다.
절대값이 크면 제휴업체 간의 거리가 멀기 때문에 비효율적이기 때문에 프로세서(110)는 도출된 절대값과 공병 수거 주기를 반비례 관계로 판단하여 결정할 수 있다.
일 실시예로, 프로세서(110)는 각 제휴업체의 공병 반납 속도를 기반으로 상기 공병 수거 주기를 결정할 수 있다. 프로세서(110)는 각 제휴업체에 반납되는 공병의 양을 기 설정된 시간마다 카운팅하여 각 제휴업체에 대한 공병 반납 속도를 산출할 수 있다.
이때, 메모리(130)는 각 제휴업체마다 최대로 수거가 가능한 공병 수거량에 대한 제1 임계치가 저장되어 있으며, 프로세서(110)는 각 제휴업체에 설정된 제1 임계치를 기반으로 공병 수거 주기를 결정할 수 있다.
일 실시예로, 프로세서(110)는 제휴업체의 공병 수거량이 해당 제휴업체에 대하여 설정되어 있는 제1 임계치를 초과하는 경우, 공병 수거업체로 즉시 수거 요청 신호를 전송할 수 있다.
일 실시예로, 프로세서(110)는 사용자 단말(200)로부터 수신되는 식별 정보 및 사용자가 제품을 구매한 후 공병 반납을 요청하는 시점까지의 소요시간을 기반으로 사용자의 제품 사용 속도를 산출하고, 상기 산출된 제품 사용 속도를 기반으로 사용자가 향후 구매하는 제품에 대하여 예상되는 공병 반납일을 산출할 수 있다.
일 실시예로, 프로세서(110)는 사용자의 계정 또는 사용자 단말(200)의 활동 로그를 기반으로 제1 공병을 반납하는 대가로 교환 가능한 적어도 하나의 친환경 추천 제품 및 새로운 가치의 제품 중 적어도 하나의 제품을 도출할 수 있다.
이때, 프로세서(110)는 사용자의 계정의 서비스 서버(100) 내에서의 활동 로그, 활동 내역을 분석할 수도 있고, 외부 쇼핑몰, 포털 사이트 등과 같은 외부 사이트에서의 활동 로그, 활동 내역을 분석할 수도 있다.
도 7은 사용자의 공병 구매일로부터 반납일까지의 기간을 기초로 사용자의 제품 사용 속도를 산출하는 것을 예시한 도면이다.
메모리(130)는 공병의 종류에 따른 공병 크기 및 공병 윤곽선이 저장되어 있다.
일 실시예로, 프로세서(110)는 단말로부터 제1 공병이 촬영된 이미지가 수신되는 경우, 수신된 이미지 내에서 제1 공병에 해당하는 이미지의 윤곽을 인식하여 제1 윤곽선을 생성할 수 있다.
또한, 프로세서(110)는 단말(200)로부터 수신된 이미지 내에서 제1 공병에 해당하는 이미지를 기반으로 제1 공병의 크기를 산출할 수 있다.
프로세서(110)는 메모리(130)에서 상기 생성된 제1 윤곽선 및 상기 산출된 제1 공병의 크기와 기 설정된 일치율을 갖는 공병의 종류를 제1 공병의 종류로 결정할 수 있다.
프로세서(110)는 사용자의 구매 내역 데이터에서 사용자가 구매한 제품의 종류, 용량 및 구매일자를 확인할 수 있다.
프로세서(110)는 제1 공병에 해당하는 제품에 대하여 상기 확인된 구매일자로부터 상기 제1 공병의 반납일까지의 시간, 상기 제1 공병에 해당하는 제품의 용량 및 상기 제1 공병에 해당하는 제품의 종류를 기반으로 사용자의 제품 종류별 사용 속도를 산출하여 메모리(130)에 저장할 수 있다.
그리고, 프로세서(110)는 사용자의 제품 종류별 사용 속도를 기반으로 사용자가 구매한 제1 제품에 대하여 예상되는 사용 완료 시간을 산출하고, 상기 산출된 사용 완료 시간으로부터 기 설정된 시간 이전에 사용자 단말(200)로 제1 제품에 대항 공병 반납 요청 및 제1 제품의 재구매 요청 알림을 제공할 수 있다.
일 실시예로, 메모리(130)는 공병 종류를 인식하는 방법이 미리 학습된 인공지능 모델이 저장되어 있다.
인공지능 모델은 공병 수거 및 교환 서비스에서 수거 대상에 해당하는 공병의 이미지 및 해당 공병의 제품 종류가 학습데이터로 입력되어 학습되며, 사용자 단말(200)로부터 공병이 촬영된 이미지가 수신되면 수신된 이미지 내의 공병의 이미지를 분석하여 공병이 해당하는 제품의 종류를 판단할 수 있다.
또한, 인공지능 모델은 사용자 단말(200)로부터 수신된 이미지 내 공병의 이미지에 포함된 제품의 종류(예: 제품의 명칭, 용량, 크기 등)를 참고하여 보다 정확하게 공병이 해당하는 제품의 종류를 판단할 수 있다.
몇몇 실시예에서, 프로세서(110)는 제품이 촬영된 이미지 또는 제품의 외형에 대한 설계 이미지를 인공지능 모델에 입력하여 학습시킬 수 있다.
이상에서 전술한 본 개시의 일 실시예에 따른 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 개시의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 개시가 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 개시의 실시예를 설명하였지만, 본 개시가 속하는 기술분야의 통상의 기술자는 본 개시가 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
10: 공병 수거 및 교환 시스템
100: 서버
200: 사용자 단말
300: 제휴업체 단말
100: 서버
200: 사용자 단말
300: 제휴업체 단말
Claims (14)
- 공병 수거 및 교환 서비스를 제공하는 서버로,
상기 서비스에 제휴되어 공병을 수거하는 적어도 하나의 제휴업체의 정보가 저장된 메모리;
사용자의 단말과 통신하는 통신부; 및
프로세서를 포함하며,
상기 프로세서는,
상기 단말로부터 상기 사용자가 반납하고자 하는 공병에 대한 식별 정보가 수신되면, 상기 식별 정보 및 기준 위치를 기반으로 상기 적어도 하나의 제휴업체 중에서 상기 공병을 반납할 제휴업체를 선택하고,
상기 식별 정보를 기반으로 상기 선택된 제휴업체에서 상기 공병을 반납하는 대가로 교환 가능한 적어도 하나의 추천 제품을 도출하고,
상기 선택된 제휴업체 및 상기 도출된 적어도 하나의 추천 제품에 대한 정보를 상기 단말로 제공하고,
상기 단말로 제공된 정보 및 상기 적어도 하나의 제휴업체의 위치 정보를 기반으로 상기 적어도 하나의 제휴업체에 반납되어 모인 공병을 수거하기 위한 스케쥴을 도출하고,
상기 적어도 하나의 제휴업체로 반납된 공병을 기 설정된 기준에 따라 분류하고,
상기 분류된 공병이 기 설정된 장소로 전달되도록 요청하고,
상기 식별 정보, 상기 공병의 용량 및 상기 공병의 외형 상태의 보존 정도를 기반으로 상기 공병의 가치를 산출하고,
제품별 공병의 수거율을 산출하고,
하기 수학식 1을 기반으로 상기 산출된 공병의 가치를 보정하여 보정된 공병 가치를 획득하되, 기 설정된 시간동안 반납한 공병들의 가치의 총합을 기반으로 하기 수학식 1의 B를 산출하는,
[수학식 1]
보정된 공병 가치 = 해당 제품의 공병 가치 + (B × (1 ÷ 공병 수거율)), (B = 보정계수)
공병 수거 및 교환 서버.
- 제1항에 있어서,
상기 프로세서는,
상기 단말로부터 상기 공병의 코드가 촬영된 이미지가 수신되면, 상기 이미지 내 코드를 인식하여 상기 공병을 식별하고,
상기 식별 정보를 기반으로 상기 공병의 가치를 산출하고,
상기 산출된 공병의 가치를 기반으로 상기 적어도 하나의 추천 제품을 도출하고,
상기 선택된 제휴업체에서 상기 공병을 상기 추천 제품과 교환 가능한지 여부, 상기 적어도 하나의 제휴업체의 위치 정보 및 상기 산출된 공병의 가치를 상기 단말로 제공하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 제1항에 있어서,
상기 프로세서는,
상기 식별 정보 및 상기 사용자가 제품 구매 후 공병 반납을 요청하는 시점까지의 소요시간을 기반으로 상기 사용자의 제품 사용 속도를 산출하고,
상기 산출된 제품 사용 속도를 기반으로 향후 구매하는 제품에 대하여 예상되는 공병 반납일을 산출하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 제1항에 있어서,
상기 프로세서는,
기 설정된 거리 범위 내에 위치하는 복수의 제휴업체 각각에 대한 위치 정보의 밀도에 기초하여 상기 복수의 제휴업체에 대한 클러스터를 형성하고,
상기 형성된 클러스터별로 상기 공병을 수거하기 위한 스케쥴을 도출하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 제4항에 있어서,
상기 프로세서는,
상기 복수의 제휴업체 간의 거리에 대한 절대값 정보를 도출하고,
상기 도출된 절대값 정보를 기초로 상기 스케쥴을 생성하기 위한 공병 수거 주기를 결정하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 제5항에 있어서,
상기 프로세서는,
상기 적어도 하나의 제휴업체의 공병 반납 속도를 기반으로 상기 공병 수거 주기를 결정하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 제5항에 있어서,
상기 메모리는,
상기 적어도 하나의 제휴업체 각각이 최대로 수거가 가능한 공병 수거량(이하, '최대 가능 수거량')이 저장되어 있으며,
상기 프로세서는,
상기 적어도 하나의 제휴업체의 최대 가능 수거량을 기반으로 상기 공병 수거 주기를 결정하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 제1항에 있어서,
상기 프로세서는,
상기 공병의 종류, 상태 및 개수를 기반으로 상기 적어도 하나의 추천 제품을 도출하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 제1항에 있어서,
상기 프로세서는,
상기 사용자의 계정 또는 상기 단말의 활동 로그를 기반으로 상기 공병을 반납하는 대가로 교환 가능한 적어도 하나의 추천 제품을 도출하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 제1항에 있어서,
상기 프로세서는,
상기 단말로부터 상기 공병이 촬영된 이미지가 수신되는 경우, 상기 수신된 이미지 내에서 상기 공병에 해당하는 이미지의 윤곽을 인식하여 상기 공병에 대한 윤곽선을 생성하고,
상기 생성된 윤곽선을 기반으로 상기 식별 정보를 생성하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 제10항에 있어서,
상기 메모리는 상기 공병의 종류에 따른 공병 크기 및 공병 윤곽선이 저장되어 있고,
상기 프로세서는,
상기 수신된 이미지 내에서 상기 공병에 해당하는 이미지를 기반으로 상기 공병의 크기를 산출하고,
상기 메모리에서 상기 생성된 윤곽선 및 상기 산출된 공병의 크기와 기 설정된 일치율을 갖는 공병의 종류를 상기 공병의 종류로 결정하고,
상기 사용자의 구매 내역 데이터에서 상기 사용자가 구매한 제품의 종류, 용량 및 구매일자를 확인하고,
상기 공병에 해당하는 제품에 대하여 상기 확인된 구매일자로부터 상기 공병의 반납일자까지의 시간, 상기 공병에 해당하는 제품의 용량 및 상기 공병에 해당하는 제품의 종류를 기반으로, 상기 사용자의 제품 종류별 사용 속도를 산출하여 상기 메모리에 저장하고,
상기 사용자의 제품 종류별 사용 속도를 기반으로, 상기 사용자가 구매한 제품에 대하여 예상되는 사용 완료 시간을 산출하고,
상기 산출된 사용 완료 시간으로부터 기 설정된 시간 이전에 상기 사용자의 단말로 상기 사용자가 구매한 제품에 대한 공병 반납 요청 및 상기 사용자가 구매한 제품의 재구매 요청 알림을 제공하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 제1항에 있어서,
상기 서버는,
상기 공병에 해당하는 제품을 유통하는 클라이언트 서버로부터 상기 공병에 대한 정보를 수신하고,
상기 분류된 공병에 대한 정보 및 수거업체에 의해 수거된 공병에 대한 정보를 상기 클라이언트 서버로 제공하는 것을 특징으로 하는,
공병 수거 및 교환 서버.
- 공병 수거 및 교환 서버에 의해 수행되는 방법으로,
사용자의 단말로부터 상기 사용자가 반납하고자 하는 공병에 대한 식별 정보를 수신하는 단계;
상기 식별 정보 및 기준 위치를 기반으로 제휴업체 중에서 상기 공병을 반납할 제휴업체를 선택하는 단계;
상기 식별 정보를 기반으로 상기 선택된 제휴업체에서 상기 공병을 반납하는 대가로 교환 가능한 적어도 하나의 추천 제품을 도출하는 단계;
상기 선택된 제휴업체 및 상기 도출된 적어도 하나의 추천 제품에 대한 정보를 상기 단말로 제공하는 단계; 및
상기 단말로 제공된 정보 및 적어도 하나의 제휴업체의 위치 정보를 기반으로 상기 적어도 하나의 제휴업체에 반납되어 모인 공병을 수거하기 위한 스케쥴을 도출하는 단계를 포함하며,
상기 서버는,
상기 식별 정보, 상기 공병의 용량 및 상기 공병의 외형 상태의 보존 정도를 기반으로 상기 공병의 가치를 산출하고,
제품별 공병의 수거율을 산출하고,
하기 수학식 1을 기반으로 상기 산출된 공병의 가치를 보정하여 보정된 공병 가치를 획득하되, 기 설정된 시간동안 반납한 공병들의 가치의 총합을 기반으로 하기 수학식 1의 B를 산출하는,
공병 수거 및 교환 방법.
[수학식 1]
보정된 공병 가치 = 해당 제품의 공병 가치 + (B × (1 ÷ 공병 수거율)), (B = 보정계수)
- 하드웨어인 컴퓨터와 결합되어, 제13항의 방법을 실행시키기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230120401A KR102656289B1 (ko) | 2023-09-11 | 2023-09-11 | 공병 수거 및 교환 시스템 및 서버 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230120401A KR102656289B1 (ko) | 2023-09-11 | 2023-09-11 | 공병 수거 및 교환 시스템 및 서버 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102656289B1 true KR102656289B1 (ko) | 2024-04-08 |
Family
ID=90715112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230120401A KR102656289B1 (ko) | 2023-09-11 | 2023-09-11 | 공병 수거 및 교환 시스템 및 서버 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102656289B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102209147B1 (ko) * | 2019-07-31 | 2021-01-28 | 주식회사 같다 | 재활용품 또는 중고물품의 자동 분류 시스템 및 이를 이용한 자동 분류 방법 |
| KR20220148790A (ko) * | 2020-09-17 | 2022-11-07 | (주)이너보틀 | 사용된 제품의 용기를 재사용하기 위해 수거하는 방법 및 그를 위한 시스템 |
| KR20220149374A (ko) * | 2021-04-30 | 2022-11-08 | (주)이너보틀 | 폐기물의 수거 방법, 장치 및 시스템 |
| KR20230039406A (ko) | 2021-09-14 | 2023-03-21 | 씨지정보통신주식회사 | 공병 회수 장치 및 그를 포함하는 공병 회수 시스템 |
| KR20230054233A (ko) * | 2021-10-15 | 2023-04-24 | 주식회사 프레시넷 | 빅데이터에 기반한 폐기물 수거 방법 및 시스템 |
-
2023
- 2023-09-11 KR KR1020230120401A patent/KR102656289B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102209147B1 (ko) * | 2019-07-31 | 2021-01-28 | 주식회사 같다 | 재활용품 또는 중고물품의 자동 분류 시스템 및 이를 이용한 자동 분류 방법 |
| KR20220148790A (ko) * | 2020-09-17 | 2022-11-07 | (주)이너보틀 | 사용된 제품의 용기를 재사용하기 위해 수거하는 방법 및 그를 위한 시스템 |
| KR20220149374A (ko) * | 2021-04-30 | 2022-11-08 | (주)이너보틀 | 폐기물의 수거 방법, 장치 및 시스템 |
| KR20230039406A (ko) | 2021-09-14 | 2023-03-21 | 씨지정보통신주식회사 | 공병 회수 장치 및 그를 포함하는 공병 회수 시스템 |
| KR20230054233A (ko) * | 2021-10-15 | 2023-04-24 | 주식회사 프레시넷 | 빅데이터에 기반한 폐기물 수거 방법 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10853739B2 (en) | Machine learning models for evaluating entities in a high-volume computer network | |
| KR102289256B1 (ko) | 자가진단 기반 건강기능식품 추천 서비스 제공 방법, 장치 및 시스템 | |
| US11853901B2 (en) | Learning method of AI model and electronic apparatus | |
| KR102525542B1 (ko) | 인공지능 기반으로 농산물에 대한 수요, 공급 데이터 기반의 가격을 예측하는 서버, 방법 및 프로그램 | |
| KR102547465B1 (ko) | 인공지능 기반의 농산물의 품종별 수확기 시세 예측 서비스 제공 서버, 방법 및 프로그램 | |
| WO2023050143A1 (zh) | 一种推荐模型训练方法及装置 | |
| CN112991009A (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
| KR102656289B1 (ko) | 공병 수거 및 교환 시스템 및 서버 | |
| KR102552856B1 (ko) | 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템 | |
| KR102562844B1 (ko) | 농산물의 구매자와 판매자 간의 정방향 및 역방향 경매 서비스를 제공하는 서버, 방법 및 프로그램 | |
| KR20240067783A (ko) | 인공지능 기반의 성분 분석 및 의학적 근거를 활용하여 식품의 의학적 효능을 산출하는 장치, 방법 및 프로그램 | |
| Sharma et al. | Machine learning for solving a plethora of internet of things problems | |
| US11676391B2 (en) | Robust correlation of vehicle extents and locations when given noisy detections and limited field-of-view image frames | |
| KR102564075B1 (ko) | Rfid 기반 입출고 재고 관리 솔루션 제공 방법, 장치 및 시스템 | |
| Datta et al. | Deep Learning Frameworks for Internet of Things | |
| KR102525537B1 (ko) | 인공지능 기반으로 농산물 이미지를 분석하여 농산물의 품질 관리 서비스를 제공하는 서버, 방법 및 프로그램 | |
| KR102520846B1 (ko) | 인공지능 기반의 차량 as 공정 관리 서비스 제공 방법, 장치 및 프로그램 | |
| KR102610505B1 (ko) | 인공지능 기반의 농산물 외부 결함 측정 장치, 방법및 프로그램 | |
| KR102545190B1 (ko) | 오프라인 리테일 환경에서의 상품 정보 제공 장치 및 상품 정보 제공 장치의 제어방법 | |
| KR102657234B1 (ko) | 열화상 이미지 기반의 자가 학습 딥러닝을 이용한 절화의 초기 질병을 예측하기 위한 장치, 시스템 및 방법 | |
| Jiang et al. | Time series to imaging-based deep learning model for detecting abnormal fluctuation in agriculture product price | |
| KR102610506B1 (ko) | 인공지능 기반의 농산물 결함 식별 장치, 방법 및 프로그램 | |
| KR102637782B1 (ko) | 에너지 데이터를 활용하기 위한 유전 알고리즘 기반 엣지 컴퓨팅 내 개인화된 딥러닝 모델 운용 방법과 시스템 | |
| KR20240058031A (ko) | 딥러닝 기술 기반 갑상선 초음파 영상에 대해 암 진단을 수행하는 전자 장치 및 예측 방법 | |
| KR102671422B1 (ko) | 학생의 인적성 및 성적 자료와 머신러닝 기술을 활용하여 학교에서 반 배정을 하는 장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |