KR20200103176A

KR20200103176A - ３ｄ 프린팅 모델링 기반 지식재산권 서비스 구동 시스템, 그리고 이를 위한 ３ｄ 프린팅 모델링 지식재산권 서비스 구동 앱

Info

Publication number: KR20200103176A
Application number: KR1020190016259A
Authority: KR
Inventors: 이용규
Original assignee: 이용규
Priority date: 2019-02-12
Filing date: 2019-02-12
Publication date: 2020-09-02
Also published as: KR102200700B1

Abstract

본 발명은 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템, 그리고 이를 위한 3D 프린팅 모델링 지식재산권 서비스 구동 앱에 관한 것이다. 본 발명은, 사용자 모바일 디바이스(110), 앱(110a), 네트워크(120), 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)를 포함하는 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템(100)에 있어서, 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는, 3D 모델 디자인 분석 모듈(132b); 및 사용자 모바일 디바이스(110) 상에서 3D 모델 디자인 파일 다운로드, 3D 이미지 스캔, 3D 디자인 스케치 중 하나를 통해 획득된 3D 모델 디자인 파일에 대해서 네트워크(120)를 통해 사용자 모바일 디바이스(110)로부터 수신한 뒤, 서비스용 데이터베이스(133)에 저장에 저장한 뒤, 3D 모델 디자인 파일에 대해서 3D 모델 디자인 분석 모듈(132b)로 제공함으로써, 3D 프린팅을 위한 파일 변환, 파일 변환에 따른 3D 모델링 디자인 분석과 분석된 3D 모델링 디자인을 AI 딥러닝 모듈(132b-2)을 통해 학습하도록 하는 3D 모델 디자인 모듈(132a); 을 포함하는 것을 특징으로 한다.
이에 의해, 사용자가 제공한 3D 모델링 디자인에 대한 분석을 통해 침해 여부를 분석하여 통지하고 침해가 된 경우에는 지식재산권을 침해하지 않는 형태의 3D 모델링 디자인을 추천하도록 하는 효과를 제공한다.
뿐만 아니라, 본 발명은, 새 디자인을 추천하여 다시 3D 디자인을 진행하며, 다시 3D 디자인한 전자 파일이 디자인 지식재산권에 침해가 되지 않으면 3D 프린팅 제품을 출력하고 제품에 따라 후처리를 하면 지식재산권 침해예방에 대한 검증된 제품으로 안전하게 이용할 수 있도록 하는 효과를 제공한다.

Description

３Ｄ 프린팅 모델링 기반 지식재산권 서비스 구동 시스템, 그리고 이를 위한 ３Ｄ 프린팅 모델링 지식재산권 서비스 구동 앱{３Ｄ printing modeling-based intellectual property service drive system, ３Ｄ printing modeling intellectual property service driven app for the same}

본 발명은 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템, 그리고 이를 위한 3D 프린팅 모델링 지식재산권 서비스 구동 앱에 관한 것으로, 보다 구체적으로는, 사용자가 제공한 3D 모델링 디자인에 대한 분석을 통해 침해 여부를 분석하여 통지하고 침해가 된 경우에는 지식재산권을 침해하지 않는 형태의 3D 모델링 디자인을 추천하도록 하기 위한 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템, 그리고 이를 위한 3D 프린팅 모델링 지식재산권 서비스 구동 앱에 관한 것이다.

3D 프린팅이란 입체출력프린터, 3차원 인쇄, 3차원 프린터라고 한다. 즉, 3D 프린팅은 다양한 재료를 이용해서 얇은 평면을 여러 층으로 적층하면서 3차원 입체 물체를 만들어내는 제조기술의 일종으로 컴퓨터 등의 신호를 가지고 3차원적인 입체조형물을 제작하는 장치로 정의할 수 있다.

기존의 조형방식은 대부분 절삭가공형식을 취하고 있었으나, 최근에는 적층가공방식을 주로 사용하고 있다. 절삭가공형식은 전통적으로 입체 조형물을 제작하는 방식으로 단조를 거치고 면의 절삭을 하고 제분하여 조립하는 과정으로 입체조형물을 제작하는 것을 말한다. 적층가공방식은 컴퓨터에서 작업한 3D 모델링 데이터 파일을 3D 프린터가 작동할 수 있는 포맷으로 변환한다. 3D 프린터에서 출력하는 방식은 얇은 레이어 형태로 한층 한층 순차적으로 적층하여 입체조형을 만드는 것을 말한다. 적층가공방식에는 다양한 방법의 특허가 있다.

특허로는 광경화성 수지에 빛을 쏘여서 제작하는 방식은 SLA(Stereo Lithography Apparatus) 방식이 있고, 플라스틱 소재를 200도 정도의 온도로 녹여서 출력하는 방식인 FDM(Fused Deposition Modeling) 방식, 가루형태로 되어 있는 재료를 가지고 레이저로 가루를 응고시켜 출력하는 방식인 SLS(Selective Laser Sintering)이 있다. 또한 종이나 시트지 같은 면이 넓은 재료에 잉크로 색을 입혀서 잘라 출력하는 LOM(Laminated object manufacturing) 방식이 있고, 그 밖에 광경화성 수지에 빔프로젝트로 빛을 면단위로 쪼여서 하는 방식 등 다양한 방식의 3D 프린팅 방식이 있으며 DLP(Digital Light Processing), Polyjet(Photopolymer Jetting Technology)[31]등 다양한 기술이 존재한다. 그 중에서 고체기반인 FDM, 액체기반인 SLA, 파우더 기반인 SLS 방식으로 구분을 한다.

현재는 3D 프린팅을 위한 다양한 소재가 개발되고 있어 다양한 소재의 제품을 생산할 수 있게 되었으며, 추가적으로 나노, 바이오, 푸드 등 다양한 소재를 개발하고 있다.

이에 따라 해당 기술분야에 있어서는 3D 프린팅 기반으로 사용자가 제공한 3D 모델링 디자인에 대한 분석을 통해 침해 여부를 분석하여 통지하고 침해가 된 경우에는 지식재산권을 침해하지 않는 형태의 3D 모델링 디자인을 추천하도록 하기 위한 기술 개발이 요구되고 있다.

대한민국 특허출원 출원번호 제10-2014-0180999호 "3D 프린터용 디지털 콘텐츠 거래 중개 시스템 및 그 방법(Intermediate trading system of digital contents for 3-D printer and a method thereof)"

본 발명은 상기의 문제점을 해결하기 위한 것으로, 사용자가 제공한 3D 모델링 디자인에 대한 분석을 통해 침해 여부를 분석하여 통지하고 침해가 된 경우에는 지식재산권을 침해하지 않는 형태의 3D 모델링 디자인을 추천하도록 하기 위한 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템, 그리고 이를 위한 3D 프린팅 모델링 지식재산권 서비스 구동 앱을 제공하기 위한 것이다.

또한, 본 발명은 새 디자인을 추천하여 다시 3D 디자인을 진행하며, 다시 3D 디자인한 전자 파일이 디자인 지식재산권에 침해가 되지 않으면 3D 프린팅 제품을 출력하고 제품에 따라 후처리를 하면 지식재산권 침해예방에 대한 검증된 제품으로 안전하게 이용할 수 있도록 하기 위한 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템, 그리고 이를 위한 3D 프린팅 모델링 지식재산권 서비스 구동 앱을 제공하기 위한 것이다.

그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템은, 사용자 모바일 디바이스(110), 앱(110a), 네트워크(120), 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)를 포함하는 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템(100)에 있어서, 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는, 3D 모델 디자인 분석 모듈(132b); 및 사용자 모바일 디바이스(110) 상에서 3D 모델 디자인 파일 다운로드, 3D 이미지 스캔, 3D 디자인 스케치 중 하나를 통해 획득된 3D 모델 디자인 파일에 대해서 네트워크(120)를 통해 사용자 모바일 디바이스(110)로부터 수신한 뒤, 서비스용 데이터베이스(133)에 저장에 저장한 뒤, 3D 모델 디자인 파일에 대해서 3D 모델 디자인 분석 모듈(132b)로 제공함으로써, 3D 프린팅을 위한 파일 변환, 파일 변환에 따른 3D 모델링 디자인 분석과 분석된 3D 모델링 디자인을 AI 딥러닝 모듈(132b-2)을 통해 학습하도록 하는 3D 모델 디자인 모듈(132a); 을 포함하는 것을 특징으로 한다.

이때, 3D 모델 디자인 분석 모듈(132b)은, 침해 분석 모듈(132b-3); 및 특허청 DB 서버(150)와 연결된 디자인 지식재산권 DB 서버(160)에 대한 침해 분석 모듈(132b-3)에 의한 검색을 통해 3D 모델 디자인에 대한 지식재산권 침해 여부를 분석하고 디자인 지식재산권 침해범위 통지가 완료되면, 디자인 지식재산권 침해 방지를 위한 지식재산권 침해 회피전략을 생성하여 네트워크(120)를 통해 사용자 모바일 디바이스(110)로 전송하도록 송수신부(131)를 제어하는 AI 딥러닝 모듈(132b-2); 을 포함하는 것을 특징으로 한다.

또한, AI 딥러닝 모듈(132b-2)은, 자체적인 학습을 통한 새로운 "New Model Design"을 사용자 모바일 디바이스(110)로 제시함으로써, 네트워크(120)를 통해 특허청 DB 서버(150)에 자동적으로 지식재산권으로 등록을 할 수도 있는 서비스를 제공하는 것을 특징으로 하는 한다.

본 발명의 실시예에 따른 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템은, 사용자가 제공한 3D 모델링 디자인에 대한 분석을 통해 침해 여부를 분석하여 통지하고 침해가 된 경우에는 지식재산권을 침해하지 않는 형태의 3D 모델링 디자인을 추천하도록 하는 효과를 제공한다.

뿐만 아니라, 본 발명의 다른 실시예에 따른 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템은, 새 디자인을 추천하여 다시 3D 디자인을 진행하며, 다시 3D 디자인한 전자 파일이 디자인 지식재산권에 침해가 되지 않으면 3D 프린팅 제품을 출력하고 제품에 따라 후처리를 하면 지식재산권 침해예방에 대한 검증된 제품으로 안전하게 이용할 수 있도록 하는 효과를 제공한다.

도 1은 본 발명의 실시예에 따른 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템(100)을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템(100) 중 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)의 구성요소를 나타내는 블록도이다.
도 3은 도 2의 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)에 의해 사용자 모바일 디바이스(110)로 제공되는 3D 프린팅 모델링 기반 지식재산권 서비스 과정을 나타내는 도면이다.
도 4는 도 2의 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130) 중 표준 파일 변환 모듈(132b-1)에 의한 파일 변환 과정을 설명하기 위한 도면이다.
도 5는 도 2의 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130) 중 AI 딥러닝 모듈(132b-2)에 의한 디자인 학습 과정을 설명하기 위한 도면이다.

이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.

본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터 또는 신호를 '전송'하는 경우에는 구성요소는 다른 구성요소로 직접 상기 데이터 또는 신호를 전송할 수 있고, 적어도 하나의 또 다른 구성요소를 통하여 데이터 또는 신호를 다른 구성요소로 전송할 수 있음을 의미한다.

도 1은 본 발명의 실시예에 따른 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템(100)을 나타내는 도면이다. 도 1을 참조하면, 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템(100)은 사용자 모바일 디바이스(110), 앱(110a), 네트워크(120), 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130), 3D 프린터(140), 특허청 DB 서버(150) 및 디자인 지식재산권 DB 서버(160)를 포함할 수 있다.

사용자 모바일 디바이스(110)는 네트워크(120)를 통해 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)에 액세스(access)하여 앱(110a)을 위한 설치 데이터에 대한 전송요청에 따라 설치 데이터를 수신한 뒤, 앱(110a)을 설치하여 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)에서 제공하는 3D 프린팅 모델링 기반 지식재산권 서비스를 제공받을 수 있다. 여기서 앱(110a)은 3D 프린팅 모델링 지식재산권 서비스 구동 앱에 해당한다.

네트워크(120)는 대용량, 장거리 음성 및 데이터 서비스가 가능한 대형 통신망의 고속 기간 망인 통신망이며, 인터넷(Internet) 또는 고속의 멀티미디어 서비스를 제공하기 위한 차세대 유선 및 무선 망일 수 있다. 네트워크(120)가 이동통신망일 경우 동기식 이동 통신망일 수도 있고, 비동기식 이동 통신망일 수도 있다. 비동기식 이동 통신망의 일 실시 예로서, WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 들 수 있다. 이 경우 도면에 도시되진 않았지만, 이동통신망(700)은 RNC(Radio Network Controller)을 포함할 수 있다. 한편, WCDMA망을 일 예로 들었지만, 3G LTE망, 4G망 그 밖의 5G 등 차세대 통신망, 그 밖의 IP를 기반으로 한 IP망일 수 있다. 네트워크(120)는 사용자 모바일 디바이스(110), 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130), 3D 프린터(140), 특허청 DB 서버(150) 및 디자인 지식재산권 DB 서버(160), 그 밖의 시스템 상호 간의 신호 및 데이터를 상호 전달하는 역할을 한다.

여기서, 지식재산권의 특허청 DB 서버(150) 연결을 위한 분석 설계에 대해서 살펴보면, 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는 네트워크(120)를 통해 특허청 DB 서버(150)에 대한 액세스(access)를 통해 특허청의 특허정보활용서비스(http://plus.kipris.or.kr/) 사이트 등에서 제공되는 디자인 공개공고 및 등록공보로서 서지 정보, 도면 정보, 요약 정보를 1차적으로 확인한다.

보다 구체적으로, 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는 특허청 DB 서버(150)에 대한 액세스에 따라, 특허청 DB 서버(150)의 구성으로 특허 DB, 실용신안 DB, 디자인 DB, 상표 DB, 해외특허 DB, 해외상표 DB, 해외디자인 DB로 구성이 되어 있는 것을 확인하며, 삼차원조형에 관련된 지식재산권에 대해서는 디자인 지식재산권 분야이므로 별도로 구성 가능한 디자인 특허에 대한 DB 정보를 활용할 수 있다. 이 경우, 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는 특허청 DB 서버(150)를 구성하는 복수의 DB 중 디자인 DB에 대한 액세스를 통해 1차적으로 서지 정보, 도면 정보, 요약 정보를 1차적으로 확인할 수 있다.

3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)에 의한 1차적 확인에 따라, 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는 서지 사항으로부터 디자인 DB(113)를 구성하는 각 디자인 지식재산권에 대한 물품명칭, 디자인분류, 형태분류, 출원번호, 등록번호, 공고번호, 공개번호, 우선주장번호, 출원일자, 등록일자, 공고일자, 공개일자, 우선권주장일자, 창작자이름, 출원인명/특허고객번호, 대리인이름/번호, 등록권자이름, 등록 유무, 유사디자인, 부분디자인, 기타디자인(화상디자인, 입체디자인 등 디자인 보호법상의 디자인 종류) 등을 제공받을 수 있다.

이 중에서 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는 디자인 지식재산권의 비교를 위한 항목으로는 물품명칭, 디자인분류, 출원번호, 등록번호, 출원일자, 출원인명, 등록유무, 유사디자인, 부분 디자인, 기타 디자인을 추출한 뒤, 네트워크(120)를 통해 디자인 지식재산권 DB 서버(160)로 전송하여 저장하도록 할 수 있다.

즉, 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는 특허청 DB 서버(150)의 특허정보서비스를 기반으로 각 디자인 지식재산권을 검색하여 디자인 지식재산권 DB 서버(160)에 저장된 디자인권 정보 자료와의 비교를 위해 특허정보서비스에 대한 API 모듈(Application Programming Interface module)을 구비하는 것이 바람직하다.

3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)의 API 모듈(142a)을 통해 특허청 DB 서버(150) 및 디자인 지식재산권 DB 서버(160)가 연결된 후에는 비교하여 새로 추가된 디자인 지식재산권 자료를 디자인 지식재산권 DB 서버(160)에 자동 이전됨으로써, 디자인 비교 여부 확인을 위한 비교시 속도를 향상시킬 수 있다.

즉, 디자인 지식재산권 DB 서버(160)에 저장하는 항목의 구성은 물품명칭, 디자인분류, 출원번호, 등록번호, 출원일자, 출원인명, 등록유무, 디자인(큰이미지), 유사디자인, 부분디자인, 기타 디자인일 수 있다.

그리고, 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)에 의해 디자인 지식재산권 DB 서버(160)로 API(SOAP, REST방식), 대용량(BULK)으로 디자인권 정보를 제공받을 수 있을 뿐만 아니라, 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는 API 모듈(142a)을 통해 제공되는 API 서비스 세부정보내용 검색에 따른 필드, 서지 정보, 도면 정보, 요약 정보, 전문 정보, 부가기능에 대해서 자료를 XML, JPG형태로 제공받아 디자인 지식재산권 DB 서버(160)를 완성할 수 있다.

도 2는 본 발명의 실시예에 따른 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템(100) 중 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)의 구성요소를 나타내는 블록도이다. 도 3은 도 2의 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)에 의해 사용자 모바일 디바이스(110)로 제공되는 3D 프린팅 모델링 기반 지식재산권 서비스 과정을 나타내는 도면이다. 도 4는 도 2의 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130) 중 표준 파일 변환 모듈(132b-1)에 의한 파일 변환 과정을 설명하기 위한 도면이다. 도 5는 도 2의 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130) 중 AI 딥러닝 모듈(132b-2)에 의한 디자인 학습 과정을 설명하기 위한 도면이다.

먼저, 도 2를 참조하면 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는 송수신부(131), 제어부(132), 서비스용 데이터베이스(133)를 포함하며, 제어부(132)는 3D 모델 디자인 모듈(132a), 3D 모델 디자인 분석 모듈(132b), G-code 생성 모듈(132c), 3D 프린팅 제어 모듈(132d)을 포함할 수 있다.

3D 모델 디자인 모듈(132a)은 사용자 모바일 디바이스(110) 상에서 3D 모델 디자인 파일 다운로드, 3D 이미지 스캔, 3D 디자인 스케치 등을 통해 획득된 3D 모델 디자인 파일에 대해서 네트워크(120)를 통해 사용자 모바일 디바이스(110)로부터 수신한 뒤, 서비스용 데이터베이스(133)에 저장할 수 있다.

이후, 3D 모델 디자인 모듈(132a)은 3D 모델 디자인 파일에 대해서 3D 모델 디자인 분석 모듈(132b)로 제공함으로써, 3D 프린팅을 위한 파일 변환, 파일 변환에 따른 3D 모델링 디자인 분석과 분석된 3D 모델링 디자인을 AI 딥러닝 모듈(132b-2)을 통해 학습하도록 할 수 있다.

보다 구체적으로, 3D 모델 디자인 분석 모듈(132b)은 표준 파일 변환 모듈(132b-1), AI 딥러닝 모듈(132b-2) 및 침해 분석 모듈(132b-3)을 포함할 수 있다.

여기서, AI 딥러닝 모듈(132b-2)은 특허청 DB 서버(150)와 연결된 디자인 지식재산권 DB 서버(160)에 대한 침해 분석 모듈(132b-3)에 의한 검색을 통해 3D 모델 디자인에 대한 지식재산권 침해 여부를 분석하고 디자인 지식재산권 침해범위 통지가 완료되면, 디자인 지식재산권 침해 방지를 위한 지식재산권 침해 회피전략을 생성하여 네트워크(120)를 통해 사용자 모바일 디바이스(110)로 전송하도록 송수신부(131)를 제어할 수 있다.

본 발명에서는 AI 딥러닝 모듈(132b-2)은 자체적인 학습을 통한 새로운 "New Model Design"을 제시함으로써, 네트워크(120)를 통해 특허청 DB 서버(150)에 자동적으로 지식재산권으로 등록을 할 수도 있는 서비스를 제공할 수 있다.

보다 구체적으로, 상술한 3D 모델 디자인 모듈(132a)에 의한 3D 모델 디자인을 다운로드 받았거나, 삼차원 조형물을 3D 스캐너를 통해 3D 모델 스캐닝을 하여 3D 모델 디자인을 하거나, 3D 디자인을 직접 스케치하여 3D 모델링을 하여 삼차원조형을 전자적 형태의 도면에 해당하는 3D 모델 디자인 파일이 생성되면, 3D 모델 디자인 분석 모듈(132b)의 표준 파일 변환 모듈(132b-1)은 생성된 삼차원조형 디자인 파일에 해당하는 3D 모델 디자인 파일을 3D 프린팅이 가능한 표준 Format인 .stl, .obj, .vrml 등으로 파일의 format을 저장한다.

여기서, 표준 파일 변환 모듈(132b-1)은 먼저, 3D 모델 디자인 파일에 대한 딥러닝 엔진이 학습을 할 수 있는 형태의 파일로 변환을 해주는 것이 필요하다. 이때 변환을 해주는 형태는 .JPG 형태의 이미지 파일로 변환을 해주는데 3D 모델 디자인 파일을 360도 전면에 걸쳐서 이미지로 변환을 해줄 필요가 있으며, 본 발명의 일 실시예로 도 4와 같이 JPG 이미지는 사지면, 정면, 배면, 좌측면, 우측면, 평면, 저면으로 15도씩 35장의 변환 모델 이미지를 생성할 수 있다.

여기서, 변환 모델 이미지의 해상도는 500*500pixel 이상으로 함으로써, 이미지의 해상도가 낮을 경우에 이미지의 분석이 어려울 수 있는 한계점을 극복할 수 있으며, 변환 모델 이미지와 배경 간은 대비가 되는 색상으로 변환을 수행하는 것이 바람직하다.

이후, AI 딥러닝 모듈(132b-2)이 변환 모델 이미지에 대한 디자인 학습을 수행하는데, 3D 모델 디자인에 대한 딥러닝 학습에 대한 부분은 3D 모델 디자인의 카테고리 분류를 하여 더 빠르게 검토할 수 있게 하는 것이 목표이고 디자인 지식재산권의 침해를 알아낼 수 있게 하는 것이다.

본 발명의 일 실시예로, AI 딥러닝 모듈(132b-2)은 딥러닝 엔진 중에 Tensorflow Deep Learning 엔진을 활용할 수 있으며, 이 경우 이미지 학습을 위한 CNN(Convolutional Neural Network)의 적용으로 이미지 학습을 진행하며, 진행하는 방법으로는 이미지에 여러 가지 왜곡을 주어 목적하는 작업의 성공률이 높아지도록 이미지를 변형해 나갈 수 있다. 학습하는 단계로는 변환 모델 이미지의 입력, 모델 예측, 그리고 모델 훈련이다.

변환 모델 이미지의 입력부분에서는 변환 모델 이미지를 24x24 픽셀로 절단하거나 중심만을 잘라낸다. 그리고 변환 모델 이미지가 잘 보이지 않도록 임의적인 화이트닝을 한다. 훈련을 위해 변환 모델 이미지를 우에서 좌로 또는 좌에서 우로 무작위로 뒤집고 밝기를 왜곡하고 대비를 왜곡한다. 모델 예측 부분에서는 다양한 가중치의 레이어를 통해 변환 모델 이미지에 다양한 변화를 주어 다양한 형태의 변환 모델 이미지를 학습시키기 위해 변환 모델 이미지에 다양한 가중치를 준다. 모델 훈련 부분에서는 모델을 훈련시키는 방법으로 소프트맥스 회귀(Softmax regression)로 알려진 다항로지스틱 회귀(multinomial logistic regression)이다. 이는 비선형성을 적용하고 정규화된 예측 값을 계산하며, 리턴 되는 모든 가중치 감소 간격의 합이다. 이에 대해 도 5와 같다.

본 발명에서 디자인 지식재산권 DB 서버(160)에 저장된 디자인권 정보 자료에 대한 AI 딥러닝 모듈(132b-2)에 의한 딥러닝 학습도 수행할 수 있다. 이 경우, 자인권 정보 자료에 포함된 물품명칭의 키워드를 학습하여 관련이 되는 이미지의 키워드와 매칭하여 디자인의 유사도를 찾아내는 방법을 수행할 수 있다. 물품명칭 키워드를 학습하는 방법으로 Tensorflow의 word2vec 모델이 활용될 수 있으며, 단어들을 벡터로 표현하는 엔진인데 단어들을 벡터로 표현하는 것은 단어들의 연관도의 직관력을 높일 수 있다. 사람과 다르게 딥러닝 엔진에서 표현하기 위해 자연의 단어들을 이산 원자 기호들(discrete atomic symbols)의 단어들로 변환하여 처리할 수 있다. 벡터모델은 의미가 유사한 단어들을 가까운 곳으로 연결되어 같은 맥락이 있는 단어들끼리 가깝게 표현이 된다. 이렇게 함으로써 디자인특허의 물품 명칭과 비슷한 단어들로 맵핑이되어 연관 디자인을 빠르게 검색할 수 있다.

즉, AI 딥러닝 모듈(132b-2)이 3D 모델 디자인 파일과, 특허청 디자인파일을 정리한 디자인 지식재산권 DB 서버(160)에 저장된 디자인권 정보 자료를 비교하는 방법에 있어서, 비교분석을 위한 방법으로 딥러닝 엔진을 통해 생성된 이산 원자 기호들을 비교해 유사한 디자인이 있는지를 찾아 비교해주는 것이다.

침해 분석 모듈(132b-3)은 AI 딥러닝 모듈(132b-2)에 의해 유사 디자인이 있는지에 대한 분석 결과에 따라 지식재산권에 침해를 하는 부분에 대해서 미리 예측을 해볼 수 있어 손해에 대해서 미연에 예방할 수 있다.

침해 분석 모듈(132b-3)은 유사한 디자인이 있는 경우, AI 딥러닝 모듈(132b-2)에 분석된 이산 원자 기호들의 도표상의 거리가 가까울수록 유사도를 높게 분석할 수 있다.

침해 분석 모듈(132b-3)이 3D 모델 디자인에 대해서 분석된 유사도가 미리 설정된 임계 유사도 이상으로 판단시, AI 딥러닝 모듈(132b-2)에 대한 자체적인 학습을 통한 새로운 "New Model Design"을 제시하도록 요청할 수 있다.

이에 따라, AI 딥러닝 모듈(132b-2)은 새로운 "New Model Design"을 제시하기 위한 3D 디자인을 위해 3D 디자인 학습을 지속적으로 수행한다. AI 딥러닝 모듈(132b-2)이 수행하는 디자인 학습의 대상은 특허청에 등록된 디자인으로 디자인 지식재산권 DB 서버(160)로 정리된 디자인권 정보 자료일 수 있으며, 디자인권 정보 자료는 지식재산권이 형성이 된 디자인으로 향후 AI 딥러닝 모듈(132b-2)에 의해 새로운 "New Model Design"의 설계시에 기본이 될 수 있다.

즉, AI 딥러닝 모듈(132b-2)은 트렌드에 대한 3D 디자인 학습을 위해 인터넷상에 있는 사진과 동영상 등을 학습하며, 사진에 대해서는 포털 검색 사이트의 이미지 카테고리에 있는 이미지를 학습하며, 동영상에 대해서는 동영상 SNS 채널을 통해 학습을 할 수 있다. AI 딥러닝 모듈(132b-2)에 의한 이미지 학습의 우선순위는 최근에 발행되었던 잡지, 만화 등에 있는 인기가 있었던 것을 가중치로 하여 학습을 하며, 동영상 학습의 경우에는 인기가 있었던 영화와 드라마 등을 우선순위로 가중치를 두어 학습을 한다. 통해 현재의 사람들이 선호하는 디자인의 우선순위를 학습할 수 있다.

이후, AI 딥러닝 모듈(132b-2)은 딥러닝 기반의 3D 디자인 방법 설계를 위해 학습된 디자인에 대한 카테고리별 인덱스를 만든다. AI 딥러닝 모듈(132b-2)에 의해 생성된 인덱스의 구성은 사물을 기준으로 분류를 수행할 수 있다. 예를 들어 남자, 여자, 여자아이, 남자아이, 강아지, 고양이, 책상, 컴퓨터, 노트북, 데스크탑, 자동차, 트럭, 장남감, 인형, 병, 캔, 소나무, 감나무, 배나무, 장미, 튤립, 아이언맨, 헐크, 베트맨등으로 인덱스를 구성한다. AI 딥러닝 모듈(132b-2)은 원하는 형태의 이미지 인덱스를 선택하면 그와 관련된 형태의 디자인을 트렌드에 맞는 형태로 변형을 주어 새로운 형태의 3D 디자인을 만들며, 수식화하면, a = A, A+B = C, A+B = aB 등이 될 수 있다. 여기서 각 a, A, B, C 등은 디자인 자체 또는 디자인의 부분 구성요소일 수 있다.

이러한 3D 모델 디자인 분석 모듈(132b)에 의한 수행 과정에 의해 지식재산권 침해 방지 및 리스크 관리를 수행할 수 있다. 즉, 3D 모델링으로 저작된 3D 모델 디자인인 지적재산물이 다른 기업의 지적재산을 침해할 가능성이 있으므로, 3D 모델 디자인 분석 모듈(132b) 이를 미연에 방지할 수 있으며, 민형사상 손해 배상 등 법적분쟁이 될 가능성을 최소화할 수 있다.

본 발명의 다른 실시예로, 3D 모델 디자인 분석 모듈(132b)은 다른 사람의 지식재산권 침해 시에 대응 방법 및 변호사 선임 등의 사례 등을 인공지능 시스템이 제시해서 업데이트 할 수 있으며, 지식재산권의 침해회피를 통해 할 수 있는 대안을 인공지능을 이용하거나, 머신 러닝을 통한 기법들을 제안하여 설계를 제공할 수 있다.

결국, 3D 모델 디자인 분석 모듈(132b)은 3D 모델 디자인 파일을 JPG 형태로 변형을 하여 딥러닝으로 학습하여 특허청에 등록이 된 디자인과 비교하여 지식재산권 침해가 있는지에 대한 분석을 진행하여 지식재산권에 대한 침해범위를 확인하고, 침해가 된 디자인 특허를 알려주고 침해 여부를 알려주며 처벌에 대한 안내를 진행하는 것과 반대로 침해가 되지 않은 경우에는 G-code 생성 모듈(132c)로의 통지를 수행할 수 있다.

이에 따라, G-code 생성 모듈(132c)은 표준 Format인 .stl, .obj, .vrml 등의 표준 3D 모델 디자인 파일에 대한 3D 프린터(140)에서 3D 프린팅 적층가공방식을 위한 표준 3D 모델 디자인 파일에 대한 미리 설정된 개수의 계층에 따른 Slicing 수행에 따라 G-code를 생성한 뒤, 서비스용 데이터베이스(133)에 저장할 수 있다.

3D 프린팅 제어 모듈(132d)은 G-code를 네트워크(120)를 통해 3D 프린터(140)로 전송하도록 송수신부(131)를 제어함으로써, 3D 프린팅 출력물이 사용자 모바일 디바이스(110)를 운영하는 사용자에 의해 제공되도록 할 수 있다.

한편, 본 발명의 다른 실시예로, AI 딥러닝 모듈(132b-2)은 디자인 지식재산권 DB 서버(160) 상에는 개별 디자인권 정보로 특허청 DB 서버(150)의 디자인 DB에서 이전된 데이터의 검색을 위해 구분하는 항목 중에 물품명칭 필드를 구비하고 있는 것을 활용하여 사용자 모바일 디바이스(110)에 의한 키워드 분석 요청에 따르거나, 자체적인 키워드 분석에 따라 물품명칭 필드를 이용한 유사한 디자인 카테고리를 분석을 1차적으로 수행하여 유사 디자인 카테고리별로 그룹화하는 방식으로 디자인 지식재산권 DB 서버(160)를 사용자 모바일 디바이스(110) 등의 검색의 편의를 위해 정리할 수 있다.

한편, AI 딥러닝 모듈(132b-2)은 유사한 디자인인 유사 디자인뿐만 아니라, 디자인 지식재산권 DB 서버(160) 상에서의 개별 디자인권 정보에 대한 부분디자인, 기타디자인(화상디자인, 입체디자인 등 디자인 보법상의 디자인 종류)의 항목들을 물품명칭 필드를 중심으로 검색을 1차적으로 수행한 뒤, 관련 디자인 카테고리별로 그룹화하는 방식으로 디자인 지식재산권 DB 서버(160)를 사용자 모바일 디바이스(110) 등의 검색의 편의를 위해 정리할 수 있다.

또한, 본 발명의 다른 실시예로, AI 딥러닝 모듈(132b-2)은 디자인 지식재산권 DB 서버(160)의 디자인을 분석하기 위한 방법으로 디자인 특징에 대해서 각 디자인권 정보의 디자인 이미지 상호간에 비교를 하는 분석시스템을 구현할 수 있다.

이를 위해, AI 딥러닝 모듈(132b-2)은 디자인 지식재산권 DB 서버(160)의 디자인, 유사디자인, 부분디자인, 기타디자인 등으로 분류 가능한 디자인권 정보에 대한 특징을 세분화해서 분류를 수행하되, 항목으로 입체적으로 보는 "사시도", 정면에서 보는 "정면도", 밑에서 보는 "배면도", 좌측에서 보는 "좌측면도", 우측에서 보는 "우측면도", 투시해서 보는 "평면도", "저면도", 기타 필요한 이용하는 모습 등의 참고도 1 내지 참고도 n(n은 2 이상의 자연수)를 기준으로 특징을 분석하여 유사디자인 및 기타디자인을 찾을 수 있다.

AI 딥러닝 모듈(132b-2)은 특징이 대비되는 상호 대칭되는 분류 도면(사시도, 정면도, 배면도, 좌측면도, 우측면도, 평면도, 저면도, 참고도) 별로 기울어진 것, 역으로 된 것, 미리 설정된 각도가 기울어진 것 등과 같은 미리 설정된 패턴의 변화에 따라 비교하여 복수의 디자인권 정보에 대한 유사 디자인 및 기타 디자인 여부를 판별을 지속적으로 수행할 수 있다.

AI 딥러닝 모듈(132b-2)은 사용자 모바일 디바이스(110)에 의해 제공된 디자인 파일 제공과 함께 검색 요청을 수신하는 경우, 제공된 디자인 파일이 3D 형태의 모델링된 경우 3D 프린팅이 가능한 확장자 ".stl"인 stl 파일로 변환을 수행할 수 있다.

AI 딥러닝 모듈(132b-2)은 최종 출력을 위해 생성된 stl 파일을 특허청의 디자인 지식재산권 DB 서버(160)의 디자인권 정보의 디자인 이미지에 사시도, 정면도, 배면도, 좌측면도, 우측면도, 평면도, 저면도, 참고도 1 내지 참고도 n(n은 2 이상의 자연수)와의 비교를 통해 디자인권 비교 결과를 생성하여 서비스 이용자에 해당하는 사용자 모바일 디바이스(110)로 네트워크(130)를 통해 전송하도록 송수신부(141)를 제어할 수 있다.

이 경우, AI 딥러닝 모듈(132b-2)은 특허청에서 제공하는 OPEN API를 활용하여 디자인 지식재산권 DB 서버(160)의 디자인권 정보에 해당하는 등록이 된 디자인을 가지고 와서 비교검색을 할 수 있다. 즉, AI 딥러닝 모듈(132b-2)은 디자인권 비교 결과를 사용자 모바일 디바이스(110)을 운영하는 3D 프린팅 사용자에게 메시지 형태로 통지할 수 있으며, 사용자 모바일 디바이스(110)는 PC, 스마트폰 등에 해당할 수 있다.

AI 딥러닝 모듈(132b-2)은 생성된 stl 파일과 디자인 지식재산권 DB 서버(160)의 디자인권 정보의 디자인 이미지에 사시도, 정면도, 배면도, 좌측면도, 우측면도, 평면도, 저면도, 참고도 1 내지 참고도 n(n은 2 이상의 자연수)와의 비교에 사용되는 모델링 판독 엔진을 활용하며, 로그 DB(143) 상에 Log Data 설계를 수행할 수 있다.

이를 위해, AI 딥러닝 모듈(132b-2)은 3D 모델링 디자인에 해당하는 stl 파일 판독을 위한 디자인 지식재산권 DB 서버(160) 상의 디자인 이미지를 판독하는 Open API를 연계해서 사용하는 3D 프린팅을 위한 stl 파일과 디자인 이미지 JPG 파일을 비교 분석하는 모델링 판독 엔진을 활용할 수 있다.

여기서, 모델링 판독 엔진은 비교 대상인 stl 파일과 기존 자료인 JPG를 직접 비교하는 제 1 모드 방식을 수행하거나, 비교 대상인 stl파일을 JPG 형태로 변환을 하여 변환된 JPG와 기존 자료인 JPG를 비교하는 제 2 모드 방식을 수행할 수 있다. 제 1 모드 방식의 경우 모델링 판독 엔진은 stl 파일을 x,y,z 축으로 360° 회전하면서 기존 자료인 사시도, 정면도, 배면도, 좌측면도, 우측면도, 평면도, 저면도, 참고도 각각에 대한 비교를 통해 유사한 것인 검색 되는 경우 디자인권 비교 결과를 유사 판정으로 생성하여 네트워크(130)를 통해 사용자 모바일 디바이스(110)로 전송하도록 송수신부(141)를 제어할 수 있다. 한편, 제 2 모드 방식의 경우, 모델링 판독 엔진은 Open API를 연계하기 위해서는 비교 대상인 stl 파일을 일반적으로 많이 사용하는 이미지 포맷인 JPG 파일로 변환 후, 기존 자료인 JPG 파일 형태의 디자인권 정보의 디자인 이미지와의 비교를 수행하며, 비교 검색한 사용자와 지식재산권에 대한 로그를 별도의 서비스용 데이터베이스(133)에 DB화할 수 있다.

본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.

컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다.

또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의해 용이하게 추론될 수 있다.

이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.

100 : 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템
110 : 사용자 모바일 디바이스
110a : 앱
120 : 네트워크
130 : 3D 프린팅 모델링 기반 지식재산권 서비스 서버
140 : 3D 프린터
150 : 특허청 DB 서버
160 : 디자인 지식재산권 DB 서버

Claims

사용자 모바일 디바이스(110), 앱(110a), 네트워크(120), 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)를 포함하는 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템(100)에 있어서, 3D 프린팅 모델링 기반 지식재산권 서비스 서버(130)는,
3D 모델 디자인 분석 모듈(132b); 및
사용자 모바일 디바이스(110) 상에서 3D 모델 디자인 파일 다운로드, 3D 이미지 스캔, 3D 디자인 스케치 중 하나를 통해 획득된 3D 모델 디자인 파일에 대해서 네트워크(120)를 통해 사용자 모바일 디바이스(110)로부터 수신한 뒤, 서비스용 데이터베이스(133)에 저장에 저장한 뒤, 3D 모델 디자인 파일에 대해서 3D 모델 디자인 분석 모듈(132b)로 제공함으로써, 3D 프린팅을 위한 파일 변환, 파일 변환에 따른 3D 모델링 디자인 분석과 분석된 3D 모델링 디자인을 AI 딥러닝 모듈(132b-2)을 통해 학습하도록 하는 3D 모델 디자인 모듈(132a); 을 포함하는 것을 특징으로 하는 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템.
청구항 1에 있어서, 3D 모델 디자인 분석 모듈(132b)은,
침해 분석 모듈(132b-3); 및
특허청 DB 서버(150)와 연결된 디자인 지식재산권 DB 서버(160)에 대한 침해 분석 모듈(132b-3)에 의한 검색을 통해 3D 모델 디자인에 대한 지식재산권 침해 여부를 분석하고 디자인 지식재산권 침해범위 통지가 완료되면, 디자인 지식재산권 침해 방지를 위한 지식재산권 침해 회피전략을 생성하여 네트워크(120)를 통해 사용자 모바일 디바이스(110)로 전송하도록 송수신부(131)를 제어하는 AI 딥러닝 모듈(132b-2); 을 포함하는 것을 특징으로 하는 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템.
청구항 2에 있어서, AI 딥러닝 모듈(132b-2)은,
자체적인 학습을 통한 새로운 "New Model Design"을 사용자 모바일 디바이스(110)로 제시함으로써, 네트워크(120)를 통해 특허청 DB 서버(150)에 자동적으로 지식재산권으로 등록을 할 수도 있는 서비스를 제공하는 것을 특징으로 하는 3D 프린팅 모델링 기반 지식재산권 서비스 구동 시스템.