KR20230038906A

KR20230038906A - 이동 단말기 및 시스템

Info

Publication number: KR20230038906A
Application number: KR1020210121573A
Authority: KR
Inventors: 황성목; 김상윤; 김진옥; 채연경
Original assignee: 엘지전자 주식회사
Priority date: 2021-09-13
Filing date: 2021-09-13
Publication date: 2023-03-21
Also published as: WO2023038175A1

Abstract

본 개시의 일 실시 예에 따른 이동 단말기는 카메라를 통해 식기 세척기의 내부를 촬영하고, 촬영된 이미지를 서버에 전송하고, 상기 서버로부터 식기 정보를 수신하고, 수신된 식기 정보에 기초하여, 상기 식기 세척기의 세척 가이드 정보를 상기 디스플레이부 상에 표시할 수 있다.

Description

이동 단말기 및 시스템{MOBILE TERMINAL AND SYSTEM}

본 발명은 식기 세척기의 관리를 위한 것에 관한 것이다.

식기 세척기는 세척수를 이용하여 식기나 조리도구 등의 표면에 묻어 있는 오물을 세척하는 기기이다.

일반적으로, 상기 식기세척기는 세척실이 형성된 터브, 상기 세척실로 고압의 세척수를 분사하는 분사 노즐, 상기 터브의 내부에 식기를 안착시키는 선반 및 상기 터브에 회동가능하게 결합되어 상기 세척실을 개폐하는 도어를 포함할 수 있다.

그러나, 종래의 식기 세척기는 식기의 종류, 재질, 양, 자세 등에 상관없이, 세제량이나, 세척 코스가 사용자의 수동적인 행위에 따라 결정되었다.

이에 따라, 식기들의 세척이 제대로 되지 않은 문제가 있었다. 또한, 세척이 불가한 식기가 수납되어, 식기가 손상될 우려가 있었다.

본 발명의 목적은 상술한 문제를 해결할 수 있는 것에 있다.

본 발명은 식기 세척기 내부의 촬영만으로 식기들의 세척을 위한 가이드를 효율적으로 제공할 수 있는 것에 그 목적이 있다.

본 발명은 식기 세척기의 세척실에 식기의 배치를 가이드할 수 있는 것에 그 목적이 있다.

본 발명은 세척이 불가한 식기가 수납됨을 가이드할 수 있는 것에 그 목적이 있다.

본 발명은 최적의 세척량 및 세척 코스를 추천할 수 있는 것에 그 목적이 있다.

본 개시의 일 실시 예에 따른 이동 단말기는 식기의 자세가 기 설정된 자세를 벗어나는 경우, 해당 식기의 위치 및 해당 식기의 배치를 조절하라는 텍스트를 포함하는 배치 가이드 정보를 출력할 수 있다.

본 개시의 일 실시 예에 따른 이동 단말기는 상기 식기의 종류 및 상기 식기의 재질에 기초하여, 세척이 불가한 식기가 존재하는 경우, 해당 식기의 위치 및 해당 식기의 세척이 불가함을 나타내는 텍스트를 포함하는 수납 불가 가이드 정보를 출력할 수 있다.

본 개시의 일 실시 예에 따른 이동 단말기는 투입될 세제량 및 세척 코스를 결정하고, 결정된 세제량 및 세척 코스를 포함하는 세척 추천 정보를 출력할 수 있다.

본 발명의 실시 예에 따르면, 사용자는 단말기를 통한 식기 세척기의 내부의 촬영만으로, 식기들의 세척에 대한 최적의 가이드를 받을 수 있다. 이에 따라, 편의성이 크게 향상될 수 있다.

본 발명의 실시 예에 따르면, 식기 세척기는 별도의 카메라를 구비할 필요가 없게 되어, 카메라 설치이 필요한 비용이 절감될 수 있고, 식기 세척기의 부품 자유도가 향상될 수 있다.

본 발명의 실시 예에 따르면, 사용자가 식기 세척기의 배치 가이드에 따라 식기의 배치를 조절하는 경우, 식기의 세척이 보다 효율적으로 깨끗하게 이루어질 수 있다.

본 발명의 실시 예에 따르면, 사용자는 수납 가이드 정보를 통해, 식기 세척기에 투입 불가능한 식기가 무엇인지를 확인할 수 있다. 이에 따라, 투입 불가한 식기의 손상이 미연에 방지될 수 있다.

본 발명의 실시 예에 따르면, 세제의 적정 사용량 및 적정 세척 코스 추천에 따라, 세척력이 극대화될 수 있다.

도 1은 본 개시의 일 실시 예에 따른 식기 세척기를 나타낸 블록도이다.
도 2는 본 개시의 일 실시 예에 따른 조리기기의 사시도이다.
도 3은 본 발명의 일 실시 예에 따른 시스템의 구성을 설명하는 도면이다.
도 4는 본 발명의 일 실시 예에 따른 이동 단말기의 구성을 설명하기 위한 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 서버의 구성을 설명하기 위한 블록도이다.
도 6은 본 발명의 일 실시 예에 따른 시스템의 동작 방법을 설명하기 위한 래더 다이어그램이다.
도 7은 본 발명의 일 실시 예에 따라, 식기 정보를 추론하는 방법을 설명하는 도면들이다.
도 8은 본 발명의 일 실시 예에 따라, 이미지로부터 특징 맵을 추출하고, 특징 맵으로부터 식기 정보를 추론하는 과정을 설명하는 도면이다.
도 9는 본 발명의 일 실시 예에 따라, RPN 모델을 이용하여, 특징 맵으로부터 복수의 관심 영역들을 추출하는 과정을 설명하는 도면이다.
도 10은 본 발명의 일 실시 예에 따라 이미지로부터 마스크 영역 및 식기 데이터를 추출하는 예를 설명하는 도면이다.
도 11은 본 발명의 일 실시 예에 따라, 식기의 배치를 가이드 하는 과정을 설명하는 도면이다.
도 12는 본 발명의 일 실시 예에 따라, 투입 불가능한 식기를 가이드 하는 과정을 설명하는 도면이다.
도 13은 본 발명의 일 실시 예에 따라, 촬영된 이미지에 기초하여, 세제의 투입량 및 세척 코스를 가이드하는 과정을 설명하는 도면이다.
도 14는 다양한 세척 코스의 예를 설명하는 도면이다.
도 15는 본 발명의 일 실시 예에 따라, 세제의 종류를 확인하는 과정을 설명하는 도면이다.
도 16은 본 발명의 실시 예에 따라 식기 세척기의 배수구망 청소를 가이드 하는 과정을 설명하는 도면이다.
도 17a 및 도 17b는 식기의 종류에 따라 식기의 손상 방지, 권장 코스를 가이드 하는 시나리오를 설명하는 도면이다.

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. 이하의 설명에서 사용되는 구성요소에 대한 접미사 '모듈' 및 '부'는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 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 개시의 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.

어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

도 1은 본 발명의 실시예에 따른 식기세척기를 보여주는 사시도이고, 도 2는 본 발명의 실시예에 따른 식기세척기의 하부도어가 개방된 상태를 보여주는 사시도이다.

도 1 및 도 2를 참조하면, 본 발명의 실시 예에 따른 식기 세척기(1)는 세척실(11)을 형성하는 터브(10) 및 터브(10)에 회동 가능하게 결합하는 도어(20)를 포함할 수 있다.

터브(10)는 식기 세척기(1)의 외관을 형성할 수 있다.

특히, 터브(10)는 내부에 세척실(11)을 형성하도록 구비된다.

세척실(11)은 세척수가 분사되어 식기의 세척이 이루어지는 공간일 수 있다.

세척실(11)에는 식기 등이 안착되는 적어도 하나의 선반(또는 랙)이 설치될 수 있다. 선반(미도시)은 식기 등이 안착된 상태로 세척수가 통과될 수 있도록 형성할 수 있다. 일례로, 상기 선반은 소정의 와이어가 서로 교차되도록 형성할 수 있다.

터브(11)의 내면에는 선반이 도어(20)를 향해 이동할 수 있도록 레일(미도시)이 구비될 수 있다. 선반은 상기 레일에 지지되는 롤러(미도시)를 구비할 수 있다.

터브(10)의 외면은 식기 세척기(1)의 외관을 형성할 수 있다. 일례로, 상기 터브(10)는 전면이 개방된 박스(BOX)형상을 가질 수 있다. 달리 표현하면, 상기 터브(10)는 바닥에 놓인 상태에서, 내부 공간(또는 세척실)이 형성된 직육면체 형상을 가질 수 있다.

도어(20)는 상기 세척실(11)을 개폐하도록 터브(10)에 회동 가능하게 결합할 수 있다.

특히, 터브(10)는 전면이 개방되도록 형성되기 때문에, 도어(20)는 터브(10)의 전면에 회동 가능하게 결합할 수 있다.

도어(20)에는 사용자의 작동을 가이드하는 스위치(23, 24)가 구비될 수 있다.

스위치(23, 24)는 사용자에 의해 가압(push) 가능하도록 형성될 수 있다. 스위치(23,24)는 사용자의 터치 입력을 감지(sensing)하도록 구성될 수 있다.

일례로, 스위치(23,24)는 식기 세척기(1)의 전원을 온/오프(ON/OFF)하는 전원이나, 식기 세척기(1)의 각종 기능을 선택하는 입력 버튼(23)을 포함할 수 있다.

스위치(23,24)는, 상기 도어(20)의 개방을 위한 버튼(24)을 포함할 수 있다.

도어(20)는 서로 구분되는 한 쌍의 도어로 제공될 수 있다. 상세히, 상기 도어(20)는 상하로 각각 배치되는 상부도어(21) 및 하부도어(22)를 포함할 수 있다.

일례로, 상부도어(21) 및 하부도어(22)는 사각판 형상을 가질 수 있다. 상부도어(21)와 하부도어(22)는, 터브(10)로부터 각각 회동할 수 있다

또한, 상부도어(21)의 하단부와 하부도어(22)의 상단부는, 도어(20)의 닫힘 상태에서 서로 접할 수 있다. 이때, 터브(10)의 전면이 도어(20)에 의해 완전히 커버될 수 있다. 이에 의하면, 세척실(11)은 도어(20)에 의해 폐쇄될 수 있다. 이때, 세척수 등의 누설을 방지할 수 있도록, 상부도어(21)와 하부도어(22)는 서로 밀착될 수 있다.

상부도어(21)는 상단 모서리에 회전 중심이 위치하도록 하단 모서리가 터브(10)의 전방에서 회전할 수 있다.

하부도어(22)는 하단 모서리에 전 심이 위치하도록 상단 모서리가 상기 터브(10)의 전방에서 회전할 수 있다.

상기 상부도어(21)와 상기 하부도어(22)가 회전하면서, 상기 터브(10)의 전면은 개방될 수 있고, 상기 세척실(11)이 외부로 노출될 수 있다.

사용자는 상기 세척실(11)이 외부에 노출되는 경우, 세척실(11)의 선반으로 식기를 투입하거나, 회수할 수 있다.

한편, 상기 식기 세척기(1)는 상기 터브(10)의 바닥을 형성하는 베이스판(20), 상기 베이스판(20)에 회전 가능하게 결합되어 세척실(11)을 향해 세척수를 분사하는 분사암(30, 또는 세척 날개), 세척수를 상기 분사암(30)으로 공급하는 공급펌프(미도시), 세척수를 가열하여 스팀을 생성시킬 수 있는 히터어셈블리(40), 세척수를 여과("필터링")하는 필터어셈블리(50) 및 상기 베이스판(20)에 결합되어 세척수를 살균하는 살균유닛(101) 더 포함할 수 있다.

상기 베이스판(20)은 상기 세척실(11)의 하면을 형성할 수 있다. 그리고 상기 베이스판(20)은 상기 터브(10)를 지지할 수 있다. 일례로, 상기 베이스판(20)는 터브(10)를 지면으로부터 상방(또는 높이 방향)으로 일정 간격 이격시킬 수 있다.

한편, 상기 베이스판(20)의 내부에는, 상기 공급펌프 등 각 구성의 작동을 조절하는 제어 박스(미도시)가 구비될 수 있다.

도 3은 본 발명의 일 실시 예에 따른 시스템의 구성을 설명하는 도면이다.

시스템은 식기 세척기(1), 이동 단말기(100) 및 서버(200)를 포함할 수 있다.

이동 단말기(100)는 식기 세척기(1)의 내부가 촬영된 이미지를 서버(200)에 전송할 수 있다.

서버(200)는 이동 단말기(100)로부터 수신된 이미지에 기초하여, 식기 정보를 획득하고, 획득된 식기 정보를 이동 단말기(100)에 전송할 수 있다.

이동 단말기(100)는 수신된 식기 정보에 기초하여, 가이드 정보를 생성하고, 생성된 가이드 정보를 출력할 수 있다.

이동 단말기(100)는 가이드 정보에 대한 사용자 입력에 따라, 특정 세척 모드로 동작을 제어하는 명령을 세척기(1)에 전송할 수 있다.

도 4는 본 발명의 일 실시 예에 따른 이동 단말기의 구성을 설명하기 위한 블록도이다.

도 1을 참조하면, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.

통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.

이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.

입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.

이때, 입력부(120)는 영상 신호 입력을 위한 카메라(121), 오디오 신호를 수신하기 위한 마이크로폰(122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(123) 등을 포함할 수 있다.

여기서, 카메라(121)나 마이크로폰(122)을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.

입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.

카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.

마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 이동 단말기(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 적용될 수 있다.

사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 이동 단말기(100)의 동작을 제어할 수 있다.

사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예컨대, 단말기(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.

러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.

이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.

이때, 러닝 프로세서(130)는 이동 단말기(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), 이동 단말기(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.

센싱부(140)는 다양한 센서들을 이용하여 이동 단말기(100) 내부 정보, 이동 단말기(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.

이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.

출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.

이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.

출력부(150)는 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다.

디스플레이부(151)는 이동 단말기(100)에서 처리되는 정보를 표시(출력)한다. 예컨대, 디스플레이부(151)는 이동 단말기(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.

디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 이동 단말기(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.

음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다.

음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.

햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.

광출력부(154)는 이동 단말기(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. 이동 단말기(100)에서 발생되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.

메모리(170)는 이동 단말기(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.

프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, 이동 단말기(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 이동 단말기(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.

이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 이동 단말기(100)의 구성 요소들을 제어할 수 있다.

이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.

프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.

이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.

이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.

프로세서(180)는 이동 단말기(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.

프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, 이동 단말기(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, 이동 단말기(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.

도 5는 본 발명의 일 실시 예에 따른 서버의 구성을 설명하기 위한 블록도이다.

서버(200)는 인공 지능(Artificial Intelligence, AI) 서버일 수 있다.

도 5를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 이동 단말기(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.

AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.

통신부(210)는 이동 단말기(100) 등의 외부 장치와 데이터를 송수신할 수 있다.

메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.

러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, 이동 단말기(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.

학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.

프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.

도 6은 본 발명의 일 실시 예에 따른 시스템의 동작 방법을 설명하기 위한 래더 다이어그램이다.

도 6을 참조하면, 이동 단말기(100)의 프로세서(180)는 카메라(121)를 통해 식기 세척기(1)의 내부를 촬영한다(S601).

사용자는 식기 세척기(1)의 세척실(11)을 촬영할 수 있다. 촬영된 이미지는 선반에 놓여진 복수의 식기들을 포함할 수 있다.

이동 단말기(100)의 프로세서(180)는 촬영된 이미지를 통신부(110)를 통해 서버(200)에 전송한다(S603).

프로세서(180)는 촬영된 이미지 상응하는 이미지 데이터를 통신부(110)를 통해 서버(200)에 전송할 수 있다.

서버(200)의 프로세서(260)는 이동 단말기(100)로부터 수신된 이미지 기반하여, 식기 정보를 획득한다(S605).

일 실시 예에서, 식기 정보는 식기의 종류, 식기의 개수, 식기가 놓여져 있는 자세, 식기의 재질, 식기의 모양, 식기의 오염도 중 하나 이상을 포함할 수 있다.

서버(200)의 프로세서(260)는 식기 정보 추론 모델을 이용하여, 식기 정보를 획득할 수 있다.

식기 정보 추론 모델은 영상 데이터로부터 식기의 종류, 식기의 개수, 식기의 자세, 식기의 재질, 식기의 모양, 식기의 오염도 중 하나 이상을 추론하기 위한 모델일 수 있다.

식기 정보 추론 모델은 후술할 Faster R-CNN(Regions with Convolution Neural Networks) 기반의 모델일 수 있다.

촬영된 영상에 상응하는 영상 데이터에 기반하여, 식기 정보를 추론하는 과정을 이하의 도면을 참조하여 설명한다.

도 7은 본 발명의 일 실시 예에 따라, 식기 정보를 추론하는 방법을 설명하는 도면들이다.

식기 정보는 Faster R-CNN(Regions with Convolution Neural Networks) 모델을 이용하여 추론될 수 있다.

본 발명에서 Fast R-CNN은 식기 정보 추론 모델로 명명될 수 있다.

도 7의 실시 예는 서버(200)의 러닝 프로세서(240) 또는 프로세서(260)에 의해 수행될 수 있다.

Faster R-CNN(Regions with Convolution Neural Networks) 모델이 이동 단말기(100)의 메모리(170)에 저장된 경우, 도 7의 실시 예는 이동 단말기(100)의 프로세서(180) 또는 러닝 프로세서(130)에 의해 수행될 수도 있다. 이에 따라, 이동 단말기(100)는 촬영된 이미지를 서버(200)에 전송할 필요 없이, 자체적으로, 이미지로부터 식기 정보를 추론할 수 있다.

Faster R-CNN(Regions with Convolution Neural Networks) 모델은 도 7에서 설명될 인공 신경망 기반의 모델들을 모두 포함할 수 있다.

이하에서는, 식기 정보의 추론이 서버(200)에 의해 수행되고, 추론된 식기 정보가 이동 단말기(100)로 전송됨을 가정하여 설명한다.

도 7을 참조하면, 서버(200)의 프로세서(260)는 이동 단말기(100)로부터 수신된 이미지로부터 특징 맵(feature map)을 추출한다(S701).

프로세서(260)는 CNN(Convolution Neural Network) 모델을 이용하여, 이미지(800)로부터 특징 맵을 추출할 수 있다. 프로세서(260)는 합성곱을 이용하여, 이미지의 3차원(width, height, color) 데이터로부터 합성곱 계층의 특징 맵을 생성할 수 있다.

도 8은 본 발명의 일 실시 예에 따라, 이미지로부터 특징 맵을 추출하고, 특징 맵으로부터 식기 정보를 추론하는 과정을 설명하는 도면이다.

이미지(800)는 4개의 식기들(801 내지 804)을 포함할 수 있다.

프로세서(260)는 CNN(Convolution Neural Network) 모델을 이용하여, 이미지(800)로부터 도 8과 같은 합성곱 계층의 입출력 데이터인 특징 맵(810)을 추출할 수 있다.

특징 맵(810)은 합성곱 계산으로 만들어진 행렬일 수 있다.

다시, 도 7을 설명한다.

서버(200)의 프로세서(260)는 추출된 특징 맵에 기초하여, 복수의 관심 영역(Region of Interest, RoI)들을 추출한다(S703).

프로세서(260)는 RPN(Region Proposal Netowrk) 모델을 이용하여, 특징 맵으로부터 복수의 관심 영역들을 추출할 수 있다.

또한, 프로세서(260)는 각 관심 영역의 확률 값(오브젝트일 확률 값)을 추출할 수 있다.

이에 대해서는, 도 9를 참조하여 설명한다.

도 9는 본 발명의 일 실시 예에 따라, RPN 모델을 이용하여, 특징 맵으로부터 복수의 관심 영역들을 추출하는 과정을 설명하는 도면이다.

도 9에서, 피처 맵(810)을 통해 관심 영역을 추출하는 과정은 RPN 모델이 수행하는 것일 수 있다.

도 9을 참조하면, 프로세서(260)는 도 8의 피처 맵(810)을 입력으로, 3X3 컨볼루션을 256 채널만큼 수행한다.

피처 맵(810)의 크기는 가로(W) X 세로(H) X 채널 수(C)로 정해질 수 있다.

피처 맵(810)에 대한 3X3 컨볼루션의 수행 결과로, H x W x 256 크기의 두 번째 피처 맵(910)이 생성될 수 있다. 이는 Intermediate layer에 해당될 수 있다.

프로세서(260)는 classification을 수행하기 위해, 두 번째 피처 맵(910)에 대해 1X1 컨볼루션을 2(오브젝트 인지 아닌지를 나타내는 지표 수) X 9(앵커 박스 수) 채널 수만큼 수행할 수 있다.

Classification은 피처 맵을 구성하는 앵커 박스가 오브젝트를 담고 있을 확률 또는, 해당 오브젝트가 특정 오브젝트일 확률을 추론하는 과정일 수 있다. 이를 위한 모델을 classification 모델이라 명명할 수 있다.

이에 따라, 프로세서(260)는 H x W x 18의 크기를 갖는 피처 맵(930)을 획득할 수 있다. H x W 상의 하나의 인덱스는 피처 맵(930) 상의 좌표를 나타낼 수 있고, 그 아래 18개의 채널은 각각 해당 좌표를 앵커로 삼아, 복수의 앵커 박스들 각각이 오브젝트인지 아닌지에 대한 예측 값을 담고 있다.

즉, 한번의 1x1 컨볼루션으로 H x W 개의 앵커 박스들에 대한 예측이 수행될 수 있다.

한편, 프로세서(260)는 Bounding Box Regression 예측 값을 얻기 위해, 1x1 컨볼루션을 (4x9) 채널 수만큼 수행하여, 피처 맵(950)을 획득할 수 있다.

Bounding Box Regression은 앵커 박스의 위치를 교정하기 위한 알고리즘일 수 있다. 이를 위한 모델을 Bounding Box Regression이라 명명할 수 있다.

앵커 박스는 이미지의 전체 영역이 정해진 복수의 사각형들로 구분된 경우, 하나의 사각형을 지시할 수 있다.

프로세서(260)는 피처 맵(950)을 통해 추출된 벡터를 앵커 박스의 위치를 교정하는 함수의 웨이트를 곱하여, 앵커 박스의 위치를 조정할 수 있다.

프로세서(260)는, Classification을 통해 얻은 오브젝트일 확률 값들을 정렬한 다음, 높은 순으로, K개의 앵커들을 추출할 수 있다.

프로세서(260)는 K개의 앵커들 각각에 대해 Bounding Box Regression을 적용한다.

그 후, 프로세서(260)는 Non-Maximum-Suppression을 적용하여, RoI를 획득할 수 있다. Non-Maximum-Suppression은 하나의 오브젝트에 복수의 앵커 박스들이 그려진 경우, 가장 스코어(오브젝트일 확률 값)가 높은 박스만 남기고, 나머지 박스를 제거하는 과정일 수 있다.

RoI를 획득한다는 것은 RoI의 확률 값, 좌표 값을 획득하는 것으로 해석될 수 있다.

프로세서(260)는 획득된 RoI를 피처 맵(810)에 투사한 다음, 후술할 RoI Pooling을 적용할 수 있다.

다시, 도 7을 설명한다.

서버(200)의 프로세서(260)는 각 관심 영역에 대해 RoI 풀링을 수행한다(S705).

프로세서(260)는 각 관심 영역을 피처 맵(810)에 투사한 후, RoI 풀링을 수행할 수 있다.

도 8을 참조하면, 피처 맵(810)에 복수의 관심 영역들(811 내지 814)이 투사됨이 확인될 수 있다.

RoI 풀링은 관심 영역이 투사된 피처 맵(830)을 미리 정해 놓은 H x W 크기에 맞게 끔 그리드를 설정하고, 각 그리드에 포함된 칸 별로, 가장 큰 값을 추출하여, H x W 크기를 갖는 피처 맵(850)을 추출하는 과정일 수 있다. 추출된 피처 맵(850)을 통해 특징 벡터가 추출될 수 있다.

서버(200)의 프로세서(260)는 RoI 수행 결과에 기초하여, 식기 세척기(1)의 내부에 위치한 식기들에 대한 식기 정보를 추론한다(S707).

식기 정보는 식기의 종류, 식기의 위치를 포함할 수 있다.

식기 정보는 식기의 개수, 식기가 놓여져 있는 자세, 식기의 모양, 식기의 재질, 마스크 영역을 더 포함할 수 있다.

프로세서(260)는 단계 S705에서 추출된 특징 벡터를 입력으로 classification 모델을 적용하여, 오브젝트(식기)의 종류를 추론할 수 있다.

프로세서(260)는 단계 S705에서 추출된 특징 벡터를 입력으로, Bounding Box Regression 모델을 적용하여, 오브젝트(식기)의 위치(좌표 정보)를 추론할 수 있다. 오브젝트의 위치는 관심 영역의 좌표 정보로 표현될 수 있다.

또한, 프로세서(260)는 이미지 내의 관심 영역들을 마스크 영역으로 획득할 수 있다.

마스크 영역은 2차원 이미지 데이터에 대해, 화소 값에 대한 일정 기준을 적용한 영역일 수 있다.

프로세서(260)는 추출된 특징 벡터를 입력으로, 식기 양 추론 모델을 이용하여, 식기의 양을 추론할 수 있다.

식기 양 추론 모델은 딥 러닝 또는 머신 러닝에 기반한 인공 신경망으로, 피처 맵의 특징 벡터를 입력 데이터로, 식기의 양을 추론하는 모델일 수 있다. 식기의 양은 식기의 개수일 수 있다.

프로세서(260)는 추출된 특징 벡터를 입력으로, 식기 자세 추론 모델을 이용하여, 식기의 자세를 추론할 수 있다.

식기 자세 추론 모델은 딥 러닝 또는 머신 러닝에 기반한 인공 신경망으로, 피처 맵의 특징 벡터를 입력 데이터로, 식기의 자세를 추론하는 모델일 수 있다. 식기의 자세는 식기가 선반에 놓여져 있는 배치 상태를 나타낼 수 있다. 식기의 자세는 식기가 기울어진 각도를 포함할 수 있다.

프로세서(260)는 추출된 특징 벡터를 입력으로, 식기 재질 추론 모델을 이용하여, 식기의 재질을 추론할 수 있다.

식기 재질 추론 모델은 딥 러닝 또는 머신 러닝에 기반한 인공 신경망으로, 피처 맵의 특징 벡터를 입력 데이터로, 식기의 재질을 추론하는 모델일 수 있다. 식기의 재질은 유리, 플라스틱, 알루미늄 등과 같은 성분을 나타낼 수 있다.

도 10은 본 발명의 일 실시 예에 따라 이미지로부터 마스크 영역 및 식기 데이터를 추출하는 예를 설명하는 도면이다.

먼저, 서버(200)의 프로세서(260)는 이미지(800)의 전체 영역(1010)을 복수의 식기들(801 내지 804)에 상응하는 관심 영역들(화이트 영역들) 및 배경 영역(블랙 영역)을 포함할 수 있다.

프로세서(260)는 추론된 관심 영역의 위치 정보를 이용하여, 관심 영역을 마스크 영역으로 획득할 수 있다.

프로세서(260)는 이미지(800)로부터 classification 모델 및 Bounding Box Regression 모델을 통해 얻어진 식기 데이터(1030)를 획득할 수 있다.

식기 데이터(1030)는 각 관심 영역에 포함된 오브젝트의 종류, 오브젝트의 존재 여부(0 또는 1), 오브젝트의 위치, 오브젝트가 특정 종류임을 예측하는 확률 값, 전체 영역(1010) 대비 마스크 영역이 차지하는 비율을 나타내는 마스크 비율, 오브젝트의 자세, 오브젝트의 모양, 오브젝트의 오염 정도를 포함할 수 있다.

프로세서(260)는 전체 영역(1010)의 픽셀 수 대비, 마스크 영역들의 픽셀 수를 마스크 비율로 획득할 수 있다.

추후, 마스크 비율은 세제 투입량, 세척 코스를 결정하는데 사용될 수 있다.

식기 데이터(1030)는 식기 정보를 획득하는데 사용될 수 있다.

다시, 도 6을 설명한다.

서버(200)의 프로세서(260)는 통신부(210)를 통해 이동 단말기(100)에 식기 정보를 전송한다(S607).

서버(200)는 이미지의 수신에 응답하여, 이미지에 대한 정보를 담고 있는 식기 정보를 이동 단말기(100)에 전송할 수 있다.

이동 단말기(100)의 프로세서(180)는 서버(200)로부터 수신된 식기 정보에 기초하여, 가이드 정보를 생성한다(S609).

가이드 정보는 식기의 배치에 대한 가이드, 세척 불가한 식기에 대한 가이드, 세제 투입량, 세척 코스 중 하나 이상을 포함할 수 있다.

이동 단말기(100)의 프로세서(180)는 생성된 가이드 정보를 출력한다(S611).

프로세서(180)는 가이드 정보를 디스플레이부(151)를 통해 표시하거나, 음향 출력부(152)를 통해 음성으로 출력할 수 있다.

도 11은 본 발명의 일 실시 예에 따라, 식기의 배치를 가이드 하는 과정을 설명하는 도면이다.

사용자는, 식기에 묻은 오염이 제대로 잘 닦일 수 있도록 놓고 싶지만 어떻게 놓아야 효율적으로 세척이 되는지 정확하게 알 수 없다. 이를 해결하기 위해 본 발명은 사용자가 식기를 휴대폰으로 촬영하면, 식기의 수납의 상태가 어떤지 알려주고, 위치를 바꿔야하는 식기와 전체적인 배치를 가이드 해줄 수 있다.

도 11을 참조하면, 이동 단말기(100)는 카메라(121)를 통해 촬영된 프리뷰 영상(1100)을 표시하고 있다.

이동 단말기(100)에는 식기 세척기의 관리를 위한 식기 세척기 관리 어플리케이션이 설치되어 있을 수 있다. 이동 단말기(100)는 해당 어플리케이션의 실행에 응답하여, 카메라(121)의 동작이 온 될 수 있다.

이동 단말기(100)는 정확한 위치에서, 식기의 수납 상태가 촬영하도록, 촬영 시, UI를 통해 가이드(예를 들어, 하얀 가이드 선 안에 식기가 들어오도록 촬영해주세요)할 수 있다.

이동 단말기(100)는 촬영된 이미지를 서버(200)에 전송하고, 서버(200)로부터 식기의 자세, 식기의 위치를 포함하는 식기 정보를 수신할 수 있다.

식기 정보는 특정 위치에 있는 식기의 자세가 세척이 불가한 자세로 놓여져 있음을 나타내는 정보를 포함할 수 있다.

이동 단말기(100)는 식기 정보에 기초하여, 식기 배치 가이드 정보(1110)를 표시할 수 있다.

이동 단말기(100)는 식기의 자세가 기 설정된 자세를 벗어나는 경우, 배치가 잘못되었음을 나타내는 경고를 위해, 식기 배치 가이드 정보(1110)를 표시할 수 있다.

식기 배치 가이드 정보(1110)는 식기의 정상적인 세척을 위해, 특정 위치에 있는 하나 이상의 식기의 배치를 조절하라는 텍스트(1111) 및 배치의 조절이 필요한 식기의 위치를 식별하는 인디케이터(1113)를 포함할 수 있다.

사용자는 식기 배치 가이드 정보를 통해, 식기의 수납 상태를 파악할 수 있고, 위치를 바꿔야 하는 식기나, 전체적인 배치를 가이드 받을 수 있다.

이에 따라, 식기의 세척이 보다 효율적으로 깨끗하게 이루어질 수 있다.

도 12는 본 발명의 일 실시 예에 따라, 투입 불가능한 식기를 가이드 하는 과정을 설명하는 도면이다.

식기 세척기에 플라스틱 용기, 코팅이 된 프라이팬 등을 넣어도 되는지 정확하게 아는 사용자가 없다. 이를 해결하기 위해 본 발명은 사용자가 식기를 식기세척기에 수납한 후 휴대폰으로 촬영하면 수납이 불가능한 식기를 알려줄 수 있다.

도 12을 참조하면, 이동 단말기(100)는 카메라(121)를 통해 촬영된 프리뷰 영상(1200)을 표시하고 있다.

이동 단말기(100)는 촬영된 이미지를 서버(200)에 전송하고, 서버(200)로부터 세척이 불가한 식기의 종류, 식기의 위치를 포함하는 식기 정보를 수신할 수 있다.

이동 단말기(100)는 식기 정보에 기초하여, 수납 불가 가이드 정보(1210)를 표시할 수 있다.

이동 단말기(100)는 식기 정보에 포함된 식기의 종류 및 식기의 재질에 기초하여, 세척이 불가한 식기가 존재하는지를 판단할 수 있고, 존재하는 경우, 해당 식기의 위치 및 해당 식기의 세척이 불가함을 나타내는 텍스트를 생성할 수 있다.

수납 불가 가이드 정보(1210)는 식기의 수납이 불가함을 나타내는 텍스트(1211) 및 수납이 불가한 식기의 위치를 식별하는 인디케이터(1213)를 포함할 수 있다.

사용자는 수납 가이드 정보를 통해, 식기 세척기에 투입 불가능한 식기가 무엇인지를 확인할 수 있다. 이에 따라, 투입 불가한 식기의 손상이 미연에 방지될 수 있다.

도 13은 본 발명의 일 실시 예에 따라, 촬영된 이미지에 기초하여, 세제의 투입량 및 세척 코스를 가이드하는 과정을 설명하는 도면이다.

사용자는 시중의 다양한 식기세척기용 세제와 수납한 식기의 양, 오염도에 따른 적절한 세제량을 알기어렵고, 이에 맞는 세척 코스도 알기 어렵다.

이를 해결하기 위해, 본 발명은 사용자가 사용하는 식기 세척기용 세제와 수납량과 오염도에 따른 적절한 세제량과 세척코스를 가이드해 줄 수 있다.

도 13을 참조하면, 이동 단말기(100)는 카메라(121)를 통해 촬영된 프리뷰 영상(1200)을 표시하고 있다.

이동 단말기(100)는 촬영된 이미지를 서버(200)에 전송하고, 서버(200)로부터 식기의 양, 마스크 비율을 포함하는 식기 정보를 수신할 수 있다.

이동 단말기(100)는 식기 정보에 기초하여, 세척 추천 정보(1310)를 표시할 수 있다.

세척 추천 정보(1310)는 적정 세제량 가이드 정보(1311) 및 추천 세척 코스(1313)를 포함할 수 있다.

이동 단말기(100)는 추천 세척 코스(1313)를 선택하는 입력이 수신된 경우, 추천 세척 코스에 상응하는 세척 코스로 동작하도록 하는 명령을 식기 세척기(1)에 전송할 수 있다.

예를 들어, 세척 코스가 급속 모드 및 안심 헹굼 동작을 포함하는 경우, 이동 단말기(100)는 추천 세척 코스(1313)를 선택하는 입력에 따라 식기 세척기를 급속 모드 및 안심 헹굼로 동작하도록 하는 제어 명령을 식기 세척기(1)에 전송할 수 있다.

이동 단말기(100)는 마스크 비율을 이용하여, 세제량과 세척 코스를 결정할 수 있다. 마스크 비율은 전체 선반 면적 대비, 식기들이 차지하는 면적을 나타낼 수 있다.

이동 단말기(100)는 마스크 비율이 1/2 이상인 경우, 세제량은 기본량으로, 세척 코스는 강력 모드로 결정할 수 있다.

이동 단말기(100)는 마스크 비율이 1/2 일 경우, 세제량은 기본량으로, 세척 코스는 표준 모드로 결정할 수 있다.

이동 단말기(100)는 마스크 비율이 1/2 미만인 경우, 세제량은 기본량의 1/2으로, 세척 코스는 급속 모드로 결정할 수 있다.

또 다른 예로, 식기 세척기(1)의 세척실(11)이 상칸 및 하칸으로 구분될 수 있다.

이동 단말기(100)는 하칸의 식기가 차지하는 면적이 1/2 미만이고, 상칸의 식기가 차지하는 면적이 1/2 이상일 경우, 세척 코스를 상칸 부분 세척 모드로 결정할 수 있다.

반대로, 이동 단말기(100)는 상칸의 식기가 차지하는 면적이 1/2 미만이고, 하칸의 식기가 차지하는 면적이 1/2 이상일 경우, 세척 코스를 하칸 부분 세척 모드로 결정할 수 있다.

세척 코스에 따른 각 모드는 식기 오염 정도, 세척 순서, 물 소비량, 최대 온도, 세척 코스 시간이 서로 다를 수 있다.

이에 대해서는 후술한다.

한편, 식기에 음식물, 고춧가루, 기름 등 잘 닦이지 않는 오염 물질이 발견되었을 경우, 안심 헹굼 동작이 추가될 수 있다.

이동 단말기(100)는 이미지 전송에 응답하여, 서버(200)로부터 식기의 오염도에 대한 정보를 추가로 더 수신할 수 있다.

서버(200)는 오염도 추론 모델을 이용하여, 오염도를 측정할 수 있다. 오염도 추론 모델은 머신 러닝 또는 딥 러닝을 이용하여, 피처 맵을 통해 얻어진 특징 벡터를 입력 벡터로, 식기의 오염도를 추론하는 모델일 수 있다.

이동 단말기(100)는 식기의 오염도가 기준 오염도 이상인 경우, 안심 헹굼 동작을 수행하도록 결정할 수 있다.

도 14는 다양한 세척 코스의 예를 설명하는 도면이다.

세척 코스(세척 모드)는 불림 모드, 표준 모드, 강력 모드, 섬세 모드, 급속 모드, 간이 모드를 포함할 수 있다.

각 모드에 맞는 세척 순서, 물 소비량, 최대 온도, 코스 시간, 오염도가 매칭될 수 있다.

한편, 식기 세척기에 투입되는 세제량은 세제의 종류에 따라 달라질 수 있다. 따라서, 세제의 종류가 먼저 파악될 필요가 있다.

도 15는 본 발명의 일 실시 예에 따라, 세제의 종류를 확인하는 과정을 설명하는 도면이다.

도 15를 참조하면, 사용자는 식기 세척기(1)의 내부를 촬영하기 전, 이동 단말기(100)를 통해 세제(1500)를 촬영한다.

촬영된 세제 이미지는 서버(200)로 전송될 수 있고, 서버(200)는 세제 이미지의 분석을 통해 세제 정보를 이동 단말기(100)에 전송할 수 있다.

세제 정보는 세제의 명칭, 세제의 코스 별 투입량을 포함할 수 있다.

도 16은 본 발명의 실시 예에 따라 식기 세척기의 배수구망 청소를 가이드 하는 과정을 설명하는 도면이다.

사용자는 식기 세척기의 배수구망에 이물질이 얼마나 찼는지 확인하기 위해 하칸을 빼고, 배수구칸을 돌리고 열어서 확인해야 하므로, 번거럽고 매번 세척이 완료된 시점에 확인하기가 어렵다.

이를 해결하기 위해 본 발명은 축적된 3D이미지 정보를 기반으로 배수구망의 음식물이 어느정도 찼을 경우 사용자에게 배수구망을 비우라고 알림을 제공할 수 있다.

서버(200)는 식기 세척기(1)의 사용 시 마다 획득된 복수의 이미지들과 머신 러닝을 이용하여 획득한 오염물, 오염물의 위치, 오염물의 부피를 저장할 수 있다.

서버(200)는 오염물의 부피가 일정량 이상이 되면, 이동 단말기(100)에 배수구 망 청소의 필요성에 대한 정보를 전송할 수 있다.

이동 단말기(100)는 도 16에 도시된 바와 같이, 서버(200)로부터 수신된 정보에 기초하여, 배수구망 청소 가이드 정보(1600)를 표시할 수 있다.

사용자는 배수구망 청소 가이드 정보(1600)에 따라, 배수구 칸을 여는 번거로움 없이, 배수구망의 상태를 편리하게 확인할 수 있다.

도 17a 및 도 17b는 식기의 종류에 따라 식기의 손상 방지, 권장 코스를 가이드 하는 시나리오를 설명하는 도면이다.

먼저, 이동 단말기(100)는 서버(200)로부터 수신된 식기 정보에 기초하여, 식기의 종류를 획득할 수 있다.

이동 단말기(100)는 식기에 주걱(Ladle), 플라스틱 컵(Plastic Cup), 프라이팬(Pan)이 검출되지 않은 경우, Scene0에 따라 표준 코스를 추천하는 알림을 출력할 수 있다.

이동 단말기(100)는 식기에 주걱, 플라스틱 컵이 검출되지 않았으나, 프라이팬이 검출된 경우, Scene 1에 따라 프라이팬을 제거하라는 가이드 및 소량 세척 코스를 추천하는 알림을 출력할 수 있다.

이동 단말기(100)는 식기에 주걱이 검출되고, 프라이팬 및 플라스틱 컵이 검출되지 않은 경우, Scene 2에 따라 불림 코스를 추천하는 알림을 출력할 수 있다.

이동 단말기(100)는 식기에 주걱 및 플라스틱 컵이 검출되고, 프라이팬이 검출되지 않은 경우, Scene 3에 따라 플라스틱 컵을 제거하라는 가이드 및 불림 코스를 추천하는 알림을 출력할 수 있다.

이동 단말기(100)는 식기에 플라스틱 컵이 검출되고, 주걱 및 프라이팬이 검출되지 않은 경우, Scene 4에 따라 플라스틱 컵을 제거하라는 가이드 및 저온 세척 코스를 추천하는 알림을 출력할 수 있다.

이동 단말기(100)는 식기에 플라스틱 컵 및 프라이팬이 검출되고, 주걱이 검출되지 않은 경우, Scene 5에 따라 프라이팬을 제거하라는 가이드 및 저온 세척 코스를 추천하는 알림을 출력할 수 있다.

이동 단말기(100)는 주걱 및 프라이팬이 검출되고, 컵이 검출되지 않은 경우, Scene 6에 따라 프라이팬을 제거하라는 가이드 및 불림 코스를 추천하는 알림을 출력할 수 있다.

이동 단말기(100)는 주걱, 프라이팬, 컵이 검출된 경우, Scene 7에 따라 프라이팬을 제거하라는 가이드 및 불림 코스 또는 표준 코스를 추천하는 알림을 출력할 수 있다.

이와 같이, 본 발명의 실시 예에 따르면, 식기들의 종류에 따라 식기를 제거하라는 가이드 및 식기의 종류에 따른 세척 코스가 자동으로 추천될 수 있다.

이에 따라, 식기의 손상이 미연에 방지될 수 있고, 최적의 세척 코스로 식기가 세척될 수 있는 효과가 있다.

본 개시의 일 실시 예에 따르면, 전술한 방법은 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 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 있다.

Claims

이동 단말기에 있어서,
디스플레이부;
서버와 통신하는 통신부;
카메라; 및
상기 카메라를 통해 식기 세척기의 내부를 촬영하고, 촬영된 이미지를 상기 서버에 전송하고, 상기 서버로부터 식기 정보를 수신하고, 수신된 식기 정보에 기초하여, 상기 식기 세척기의 세척 가이드 정보를 상기 디스플레이부 상에 표시하는 프로세서를 포함하고,
상기 식기 정보는
식기의 종류, 식기의 양, 식기의 위치, 식기의 자세, 식기의 재질, 상기 이미지의 전체 영역 중 식기가 차지하는 비율을 나타내는 마스크 비율 중 하나 이상을 포함하는
이동 단말기.
제1항에 있어서,
상기 프로세서는
상기 식기의 자세가 기 설정된 자세를 벗어나는 경우, 해당 식기의 위치 및 해당 식기의 배치를 조절하라는 텍스트를 포함하는 배치 가이드 정보를 상기 디스플레이부 상에 표시하는
이동 단말기.
제1항에 있어서,
상기 프로세서는
상기 식기의 종류 및 상기 식기의 재질에 기초하여, 세척이 불가한 식기가 존재하는 경우, 해당 식기의 위치 및 해당 식기의 세척이 불가함을 나타내는 텍스트를 포함하는 수납 불가 가이드 정보를 상기 디스플레이부 상에 표시하는
이동 단말기.
제1항에 있어서,
상기 프로세서는
상기 마스크 비율에 기초하여, 투입될 세제량 및 세척 코스를 결정하고, 결정된 세제량 및 세척 코스를 포함하는 세척 추천 정보를 상기 디스플레이부 상에 표시하는
이동 단말기.
제4항에 있어서,
상기 프로세서는
상기 세척 추천 정보를 선택하는 입력에 응답하여, 상기 세척 코스로 동작을 위한 명령을 상기 식기 세척기에 전송하는
이동 단말기.
제4항에 있어서,
상기 프로세서는
상기 마스크 비율이 1/2 이상인 경우, 상기 세제량을 기본량으로, 상기 세척 코스를 강력 모드로 각각 결정하고,
상기 마스크 비율이 1/2 일 경우, 상기 세제량을 기본량으로, 상기 세척 코스를 표준 모드로 결정하고,
상기 마스크 비율이 1/2 미만인 경우, 상기 세제량은 기본량의 1/2으로, 상기 세척 코스를 급속 모드로 결정하는
이동 단말기.
제1항에 있어서,
상기 프로세서는
상기 카메라의 실행에 따라 상기 식기 세척기의 내부의 촬영을 가이드 하는 가이드 선을 표시하는
이동 단말기.
시스템에 있어서,
카메라를 통해 세척기의 내부를 촬영하고, 촬영된 이미지를 서버에 전송하고, 상기 서버로부터 식기 정보를 수신하고, 수신된 식기 정보에 기초하여, 상기 식기 세척기의 세척 가이드 정보를 이동 단말기; 및
상기 이동 단말기로부터 상기 이미지를 수신하고, Faster R-CNN(Regions with Convolution Neural Networks) 기반의 식기 정보 추론 모델을 이용하여, 상기 이미지로부터 상기 식기 정보를 획득하고, 획득된 식기 정보를 상기 이동 단말기에 전송하는 서버를 포함하고,
상기 식기 정보는
식기의 종류, 식기의 양, 식기의 위치, 식기의 자세, 식기의 재질, 상기 이미지의 전체 영역 중 식기가 차지하는 비율을 나타내는 마스크 비율 중 하나 이상을 포함하는
시스템.
제8항에 있어서,
상기 이동 단말기는
상기 식기의 자세가 기 설정된 자세를 벗어나는 경우, 해당 식기의 위치 및 해당 식기의 배치를 조절하라는 텍스트를 포함하는 배치 가이드 정보를 표시하는
시스템.
제8항에 있어서,
상기 이동 단말기는
상기 식기의 종류 및 상기 식기의 재질에 기초하여, 세척이 불가한 식기가 존재하는 경우, 해당 식기의 위치 및 해당 식기의 세척이 불가함을 나타내는 텍스트를 포함하는 수납 불가 가이드 정보를 상기 디스플레이부 상에 표시하는
시스템.
제8항에 있어서,
상기 이동 단말기는
상기 마스크 비율에 기초하여, 투입될 세제량 및 세척 코스를 결정하고, 결정된 세제량 및 세척 코스를 포함하는 세척 추천 정보를 표시하는
시스템.
제11항에 있어서,
상기 이동 단말기는
상기 세척 추천 정보를 선택하는 입력에 응답하여, 상기 세척 코스로 동작을 위한 명령을 상기 식기 세척기에 전송하는
시스템.
제11항에 있어서,
상기 이동 단말기는
상기 마스크 비율이 1/2 이상인 경우, 상기 세제량을 기본량으로, 상기 세척 코스를 강력 모드로 각각 결정하고,
상기 마스크 비율이 1/2 일 경우, 상기 세제량을 기본량으로, 상기 세척 코스를 표준 모드로 결정하고,
상기 마스크 비율이 1/2 미만인 경우, 상기 세제량은 기본량의 1/2으로, 상기 세척 코스를 급속 모드로 결정하는
시스템.
제8항에 있어서,
상기 이동 단말기는
상기 카메라의 실행에 따라 상기 식기 세척기의 내부의 촬영을 가이드 하는 가이드 선을 표시하는
시스템.