KR20230143306A - 검침기 분석 방법 및 상기 방법을 수행하는 임베디드 컴퓨팅 장치 - Google Patents

검침기 분석 방법 및 상기 방법을 수행하는 임베디드 컴퓨팅 장치 Download PDF

Info

Publication number
KR20230143306A
KR20230143306A KR1020220042028A KR20220042028A KR20230143306A KR 20230143306 A KR20230143306 A KR 20230143306A KR 1020220042028 A KR1020220042028 A KR 1020220042028A KR 20220042028 A KR20220042028 A KR 20220042028A KR 20230143306 A KR20230143306 A KR 20230143306A
Authority
KR
South Korea
Prior art keywords
gauge
image
computing device
embedded computing
meter reader
Prior art date
Application number
KR1020220042028A
Other languages
English (en)
Inventor
김재명
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020220042028A priority Critical patent/KR20230143306A/ko
Publication of KR20230143306A publication Critical patent/KR20230143306A/ko

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

본 발명은 검침기 분석 방법 및 임베디드 컴퓨팅 장치를 개시한다.
보다 자세하게, 검침기 분석 방법은 특정 공간에 설치된 아날로그 형태의 검침기를 촬영한 게이지 영상을 이미지 세그먼트화 함으로써, 검침기의 게이지값을 결정한다. 검침기 분석 방법은 검침기의 게이지값을 저전력 광대역 통신을 통해 모니터링 서버에 전달하여 원격에서 검침기의 게이지값을 관리한다.

Description

검침기 분석 방법 및 상기 방법을 수행하는 임베디드 컴퓨팅 장치{INDICATOR GAUGE ANALYSIS METHOD, AND EMBEDDED COMPUTING APPARATUS FOR PERFORMING THE METHOD}
본 발명은 검침기 분석 방법 및 임베디드 컴퓨팅 장치에 관한 것으로, 보다 구체적으로는 공장에서 사용 중인 아날로그 형태의 검침기를 분석하여 검침기의 게이지 값을 원격으로 측정하는 방법 및 장치에 관한 것이다.
일반적으로 화학 공장과 같은 작업장에서는 작업자가 육안으로 직접 확인하여 생산 프로세스의 전과정을 모니터링한다. 최근에는 이러한 모니터링 방법을 개선하기 위해 스마트 게이지 방법이 제안되었다. 스마트 게이지 방법은 다수의 게이지를 고성능 카메라로 캡쳐 전송하여 서버에서 고성능 컴퓨터를 이용하여 분석하고 변환된 값을 저장하는 형태이다.
다시 말해, 통합 스마트 게이지 방법은 인공지능 기반의 영상분석 알고리즘을 통한 아날로그 게이지 값 디지털 변환하여 DB 기록 관리함으로써 점검 업무의 자동화로 효율 증대, 인력 절감 및 판독 오류 해결, 실시간 이상 감지 및 원격 경보 등의 서비스를 제공한다.
그러나, 이러한 스마트 게이지 방법은 카메라로 모니터링된 영상을 서버에서 분석하여 다양한 기능을 제공하므로 대규모 화학공장과 같이 사방에 아날로그 게이지가 흩어져 있는 환경에서는 통합 스마트 게이지 장치를 설치하여 운용하는 데는 어려움이 있다.
더욱이, 통합 스마트 게이지 방법은 디지털 값을 변환하기 위한 알고리즘이 동작하기 위한 고성능 카메라와 서버를 사용해야 하며, 게이지가 카메라의 범위내에 있지 않으면 처리할 수 없기 때문에 고비용이 발생한다. 또한, 통합 스마트 게이지 방법은 산업현장에서의 게이지는 상용 전원이 들어오지 않는 지역이나 고대역의 카메라 캡처 데이터를 전송할 수 없는 환경에서의 설치가 불가하다.
본 발명은 실시간으로 검침기에서 촬영된 게이지 영상을 세그먼트화 한 후 기 학습된 소형 임베디드 모델에 적용하여 게이지값을 결정함으로써, 서버의 도움 없이 원격에서 검침기의 게이지값을 측정하는 검침기 분석 방법을 제공한다.
본 발명은 임베디드 컴퓨팅 장치를 통해 검침기의 게이지값을 처리함으로써, 산업 현장에 투입되어 복잡한 환경에서 작업자가 육안으로 직접 일일이 확인해야하는 수고러움이 없이 원격에서 검침기의 게이지값을 측정하는 검침기 분석 방법을 제공한다.
본 발명은 임베디드 컴퓨팅 장치를 통해 전처리된 이미지와 소형 임베디드 모델을 통해 자체적으로 검침기의 게이지값을 측정함으로써, 종래의 비용 문제를 절감하며, 설치가 곤란한 위치에서도 설치가 가능한 검침기 분석 방법을 제공한다.
본 발명의 일실시예에 따른 검침기 분석 방법은 특정 공간에 설치된 검침기를 촬영한 게이지 영상의 전처리 과정을 수행하는 단계; 전처리 된 게이지 영상에서 특정 형태의 이미지 세그먼트를 분리하는 단계; 상기 분리된 이미지 세그먼트를 포함하는 게이지 영상을 기 학습된 소형 임베디드 모델에 적용하여 상기 분리된 이미지 세그먼트를 포함하는 게이지 영상으로부터 아날로그 형태의 게이지값을 예측하는 단계; 및 상기 예측된 아날로그 형태의 게이지값을 디지털 형태의 게이지값으로 변환하여 변환된 디지털 형태의 게이지값을 모니터링 서버에 전달하는 단계; 를 포함할 수 있다.
본 발명의 실시예에 따른 전처리 과정을 수행하는 단계는, 게이지 영상의 구도에 따른 측정 오류를 최소화하기 위한 잡음, 왜곡 보정, 위치 복원 및 필터링 중 적어도 하나의 전처리 과정을 수행할 수 있다.
본 발명의 실시예에 따른 아날로그 형태의 게이지값을 예측하는 단계는, 전처리 된 게이지 영상으로부터 관심 영역(ROI: Region Of Interest)을 추출하는 단계; 및 상기 특정 형태의 이미지 세그먼트를 상기 전처리 된 게이지 영상의 관심 영역에 적용하여 검침기의 게이지값을 예측하기 위한 단계; 를 포함할 수 있다.
본 발명의 실시예에 따른 이미지 세그먼트는, 특정 공간에 설치된 검침기의 종류에 따른 게이지값을 나타내는 표현 방식을 고려하여 제한된 분류 카테고리를 가진 분할 단위일 수 있다.
본 발명의 실시예에 따른 아날로그 형태의 게이지값을 예측하는 단계는, 전처리 된 게이지 영상을 사각형 형태의 이미지 세그먼트로 분리한 경우, 사각형 형태의 이미지 세그먼트에 따른 아날로그 숫자로 표시된 디지트 각각에 대응하는 소형 임베디드 모델의 결과로부터 게이지값을 예측할 수 있다.
본 발명의 실시예에 따른 아날로그 형태의 게이지값을 예측하는 단계는, 전처리 된 게이지 영상을 삼각형 형태의 이미지 세그먼트로 분리한 경우, 전처리 된 게이지 영상 내 지시 바늘의 위치를 파악하여 지시 바늘이 위치한 삼각형 형태의 이미지 세그먼트에 대응하는 소형 임베디드 모델의 결과로부터 게이지값을 예측할 수 있다.
본 발명의 실시예에 따른 모니터링 서버에 전달하는 단계는, 저전력 광대역 통신을 통해 소형 임베디드 모델에 적용된 게이지 영상의 순서에 대응하는 디지털 형태의 게이지값을 모니터링 서버에 전달할 수 있다.
본 발명의 일실시예에 따른, 검침기 분석 방법은 검침기를 촬영한 게이지 영상을 세그먼트화하여 기 학습된 소형 임베디드 모델에 적용함으로써, 별도의 서버의 도움 없이 원격에서 검침기의 게이지값을 측정할 수 있다.
본 발명의 일실시예에 따른, 검침기 분석 방법은 임베디드 컴퓨팅 장치를 통해 검침기의 게이지값을 처리함으로써, 산업 현장 내 투입되어 직접 확인해야하는 작업자의 곤란성 없이 원격에서 검침기의 게이지값을 측정할 수 있다.
본 발명의 일실시예에 따른, 검침기 분석 방법은 임베디드 컴퓨팅 장치를 통해 자체적으로 검침기의 게이지값을 측정함으로써, 종래의 비용 문제를 절감하며, 설치가 곤란한 위치에서도 설치가 가능할 수 있다.
도 1은 본 발명의 일실시예에 따른 임베디드 컴퓨팅 장치를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 임베디드 프로세서, 영상 입력 모듈, 결과 전송 모듈을 포함하는 임베디드 컴퓨팅 장치의 세부 동작을 수행하기 위해 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 디지트 형태의 검침기에서 이미지 세그먼트를 추출하는 동작을 수행하기 위해 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 지시 바늘 형태의 검침기에서 이미지 세그먼트를 추출하는 동작을 수행하기 위해 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 검침기 분석 방법을 설명하기 위해 도시한 흐름도이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 임베디드 컴퓨팅 장치를 도시한 도면이다.
도 1을 참고하면, 임베디드 컴퓨팅 장치(101)는 공장에서 사용중인 검침기(102)에 관한 게이지 영상을 카메라로 입력을 받아, 이미지 세그먼트화를 통해 서버의 도움을 받지 않고 모니터링 서버(103)로 검침기의 게이지값(104)을 전송할 수 있다.
자세하게, 임베디드 컴퓨팅 장치(101)는 카메라 모듈이 장착될 수 있으며, 카메라 모듈을 통해 수집된 게이지 영상들을 수집할 수 있다. 카메라 모듈은 렌즈의 화각 범위에 따른 1초당 10회에 해당하는 게이지 영상을 수집할 수 있다. 일례로, 카메라 모듈은 적외선 센서(IR: Infrared Sensor)를 활용한 저해상도 카메라일 수 있다. 카메라 모듈은 렌즈를 통해 들어오는 광 신호를 RGB의 전기 신호로 변환하여 디지털 영상기기의 화면에 디스플레이 해주는 제품일 수 있다.
임베디드 컴퓨팅 장치(101)는 수집된 게이지 영상들 중에서 소형 임베디드 모델에 입력된 적어도 하나의 게이지 영상을 식별할 수 있다. 임베디드 컴퓨팅 장치(101)는 식별한 게이지 영상을 수백 메가 바이트의 소형 임베디드 모델에 입력할 수 있다. 일례로, 임베디드 컴퓨팅 장치(101)는 Tiny 모델에 입력 가능한 이미지를 추출하기 위한 별도의 모델을 실행할 수 있다.
임베디드 컴퓨팅 장치(101)는 소형 임베디드 모델에 따른 게이지 영상에 대한 전처리 과정을 수행하고, 전처리된 게이지 영상을 특정 형태의 이미지 세그먼트로 분리할 수 있다. 임베디드 컴퓨팅 장치(101)는 이미지 세그먼트로 분리된 게이지 영상으로부터 검침기의 게이지값을 예측하기 위한 복수의 포지션을 결정할 수 있다.
임베디드 컴퓨팅 장치(101)는 복수의 포지션 각각에서의 변화를 감지하여 검침기가 나타내는 게이지값을 결정할 수 있다. 임베디드 컴퓨팅 장치(101)는 저전력 광대역 통신을 통해 검침기의 게이지값을 모니터링 서버에 전달할 수 있다. 임베디드 컴퓨팅 장치(101)는 게이지 영상을 수집한 시점에서의 게이지값을 저전력 통신 모듈을 통해 모니터링 서버에 전달할 수 있다. 여기서, 저전력 통신 모듈은 저전력일 뿐 아니라 통신 환경이 구비되지 않은 위치에 설치되므로 적은 양의 데이터를 장거리 전송해야 되므로 LoRa와 같은 LPWA(저전력광대역 네트워크) 기술이 활용될 수 있다.
이에 따른, 임베디드 컴퓨팅 장치(101)는 외부 환경으로 전체 정보를 전송할 필요가 없어 전송 지연 시간을 획기적으로 줄일 뿐 아니라, 서버 등과의 광범위한 인프라에 의존하기 않기 때문에 연결 의존성이 없고 에너지 절감 및 보안 유지가 용이할 수 있다.
또한, 임베디드 컴퓨팅 장치는 고성능 카메라, 대용량 통신 기능 및 빠른 추론 능력을 가진 서버를 사용하지 않고, 산업 현장에서 작업자가 직접가서 게이지값을 확인해야 하는 아날로그 형태의 게이지값을 간단한 데이터로 학습된 소형 임베디드 모델을 활용함으로써, 비용 절감뿐 아니라, 설치가 곤란한 위치에도 설치가 가능할 수 있다.
도 2는 본 발명의 일실시예에 따른 임베디드 프로세서, 영상입력 모듈, 결과 전송 모듈을 포함하는 임베디드 컴퓨팅 장치의 세부 동작을 수행하기 위해 도시한 도면이다.
도 2를 참고하면, 임베디드 컴퓨팅 장치는 프로세서(200)를 포함하고, 프로세서(200)는 공장에서 사용 중인 검침기의 게이지 영상을 분석하여 이미지 세그먼트화를 통해 원격에서 검침기의 게이지값을 결정할 수 있다. 프로세서(200)는 결정된 검침기의 게이지값을 모니터링 서버에 전달할 수 있다. 일례로, 프로세서(200)는 소형 임베디드 보드이며, 소형 임베디드 보드는 제한된 CPU 속도와 수백 메가 바이트의 메모리, 소량의 전력으로 구동이 가능한 하드웨어일 수 있다.
S1(201)에서 프로세서(200)는 카메라 모듈(205)로부터 특정 공간에 설치된 검침기를 촬영한 게이지 영상을 수집할 수 있다. 프로세서(200)는 카메라 모듈(205)로부터 검침기의 게이지값을 인식하기 위해 게이지 영상을 수집할 수 있다. 프로세서(200)는 게이지 영상의 구도에 따른 측정 오류를 최소화하기 위한 잡음, 왜곡 보정, 위치 복원 및 필터링 중 적어도 하나의 전처리 과정을 수행할 수 있다.
S2(202)에서 프로세서(200)는 전처리 된 게이지 영상에서 특정 형태의 이미지 세그먼트를 분리할 수 있다. 이미지 세그먼트는 기계 학습 기반의 예측 가능하도록 제한된 분류 카테고리일 수 있다. 다시 말해, 이미지 세그먼트는 특정 공간에 설치된 검침기의 종류에 따른 게이지값을 나타내는 표현 방식에 대응하여 제한된 분류 카테고리를 가진 분할 단위일 수 있다. 프로세서(200)는 이미지 세그먼트에 따른 검침기의 게이지값을 예측하기 위한 복수의 포지션을 결정함으로써, 특정 형태의 이미지 세그먼트를 분리할 수 있다. 여기서, 이미지 세그먼트는 사각형 또는, 삼각형 등의 다양한 형태로 구현될 수 있다.
① 사각형 형태의 이미지 세그먼트
임베디드 컴퓨팅 장치는 전처리 된 게이지 영상을 사각형 형태의 이미지 세그먼트로 분리한 경우, 사각형 형태의 이미지 세그먼트에 따른 아날로그 숫자로 표시된 디지트 각각에 대응하여 복수의 포지션을 결정할 수 있다.
② 삼각형 형태의 이미지 세그먼트
임베디드 컴퓨팅 장치는 전처리 된 게이지 영상을 삼각형 형태의 이미지 세그먼트로 분리한 경우, 전처리 된 게이지 영상 내 지시 바늘의 위치를 파악할 수 있다. 임베디드 컴퓨팅 장치는 지시 바늘이 위치한 삼각형 형태의 이미지 세그먼트에 따른 검침기의 게이지값을 예측하기 위한 복수의 포지션을 결정할 수 있다.
S3(203)에서 프로세서(200)는 복수의 포지션 각각에서의 변화를 감지하여 검침기가 나타내는 아날로그 형태의 게이지값을 결정할 수 있다. 여기서, 프로세서(200)는 이미지 세그먼트에 따른 아날로그 숫자로 표시된 디지트 또는, 지시 바늘의 외형 정보에 기초하여 검침기가 나타내는 게이지값을 결정할 수 있다.
본 발명은 S2(202) 및 S3(203)을 수행함에 있어, 소형 임베디드 모델을 활용할 수 있으며, 소형 임베디드 모델은 소형 모델 작성 및 모델 압축이 수행된 모델일 수 있다.
보다 구체적으로, 소형 임베디드 모델은 딥러닝에 의한 변환 방법을 학습한 모델일 수 있으며, 딥러닝에 의한 변환 방법은 다음과 같을 수 있다.
합성곱신경망(CNN; Convolutional Neural Networks)은 대량의 데이터에 의한 학습이 가능해짐에 따라 딥러닝 기술을 적용하여 정확히 정보를 추출할 수 있다. 딥러닝에 의한 변환 방법으로 생성된 모델은 서버에서 동작하도록 만들어졌기 때문에 매우 크므로 소형 임베디드 장치에도 동작할 수 있는 소형 모델을 만드는 기술이 중요하다.
소형 모델을 만들기 위해서는 크게 두가지 기술이 적용되는데 압축 기술과 양자화 기술이 적용될 수 있다. 압축 기술은 신경망 노드 간의 연결을 줄임으로써 웨이트(weight)를 줄이는 방법과 소형 모델이 사용되는 분야에서 유용한 웨이트를 정제하여 학습시키는 지식 정제(knowledge distillation)방법을 포함할 수 있다. 양자화 기술은 훈련 중인 웨이트의 바이트 수를 줄이는 QAT(QuantisationAware Training)과 훈련 후 변환에 의해 바이트 수를 줄이는 PTQ(Post-Training Quantisation)방법을 포함할 수 있다.
이에 따라, 본 발명은 아날로그 게이지의 숫자 또는 바늘의 위치를 디지털로 변환하도록 학습된 소형 임베디드 모델을 생성할 수 있다. 소형 임베디드 모델은 딥러닝 기반의 학습을 통해 검침기에서 숫자를 추론하거나 또는, 지시 바늘의 위치에 따른 수치를 파악할 수 있다.
S4(204)에서 프로세서(200)는 상기 과정을 통해 결정된 검침기의 게이지값을 모니터링 서버에 전달할 수 있다. 프로세서(200)는 게이지 영상에서 분리된 이미지 세그먼트에 대해 소형 임베디드 모델을 통해 예측된 결과를 통합함으로써, 검침기의 게이지값을 추출하고 저전력 통신 모듈(206)의 인터페이스를 통해 게이지값을 전달할 수 있다.
도 3은 본 발명의 일실시예에 따른 디지트 형태의 검침기에서 이미지 세그먼트를 추출하는 동작을 수행하기 위해 도시한 도면이다.
도 3을 참고하면, 임베디드 컴퓨팅 장치는 게이지 영상으로부터 아날로그 형태의 게이지값을 별도의 서버의 도움없이 임베디드 환경 하에서 디지털 형태의 게이지값으로 변환하고, 디지털 형태의 게이지값을 저전력 통신 모듈을 통해 전달하는 방법을 제시할 수 있다. 임베디드 컴퓨팅 장치는 검침기의 종류에 따라 이미지 세그먼트를 추출하는 동작을 달리하는 소형 임베디드 모델을 생성할 수 있다. 이에, 임베디드 컴퓨팅 장치는 게이지 영상을 소형 임베디드 모델에 적용하여 아날로그 숫자를 보다 용이하게 인식할 수 있다. 임베디드 컴퓨팅 장치는 카메라로 입력된 이미지를 숫자 컨투어로 변환하고 해당 숫자에 해당하는 컨투어를 바운딩 박스 처리된 이미지를 다음 단계로 넘김으로써, 아날로그 숫자를 인식할 수 있다.
다시 말해, 임베디드 컴퓨팅 장치는 전처리 된 게이지 영상을 사각형 형태의 이미지 세그먼트로 분리할 수 있다. 임베디드 컴퓨팅 장치는 전처리 된 게이지 영상 내 관심 영역을 추출할 수 있다. 임베디드 컴퓨팅 장치는 관심 영역을 대상으로 사각형 형태의 이미지 세그먼트를 연속적으로 배열함으로써, 검침기의 게이지값을 예측하기 위한 복수의 포지션을 결정할 수 있다. 다시 말해, 임베디드 컴퓨팅 장치는 전처리 된 게이지 영상에서 포지션에 따른 디지트를 이미지 세그먼트로 추출할 수 있다.
이후, 임베디드 컴퓨팅 장치는 복수의 포지션을 일정 방향의 순서대로 소형 임베디드 모델에 입력함으로써, 이미지 세그먼트로 분리된 각각의 포지션에 대응하는 디지트를 디지털 숫자로 인식할 수 있다.
임베디드 컴퓨팅 장치는 소형 임베디드 모델을 통해 아날로그로 표현된 게이지의 숫자를 훈련하여 게이지 영상의 이미지 처리를 수행할 수 있다. 임베디드 컴퓨팅 장치는 소형 임베디드 모델에 따른 이미지 처리를 통해 게이지 영상으로부터 숫자 이미지를 분리할 수 있다. 임베디드 컴퓨팅 장치는 바운딩 박스로 분리된 숫자 이미지를 입력으로 0~9까지 숫자 구별이 가능한 임베디드용 분류 모델에서의 예측을 수행함으로써, 0에서 9까지의 아날로그 숫자를 분류할 수 있다. 이에 따라, 임베디드 컴퓨팅 장치는 이미지 세그먼트에 따른 디지트(Digit)로 표현되어 있는 검침기에 대한 디지털 형태의 게이지값을 검출할 수 있다.
도 4는 본 발명의 일실시예에 따른 지시 바늘 형태의 검침기에서 이미지 세그먼트를 추출하는 동작을 수행하기 위해 도시한 도면이다.
도 4를 참고하면, 임베디드 컴퓨팅 장치는 게이지 영상으로부터 아날로그 형태의 게이지값을 별도의 서버의 도움없이 임베디드 환경 하에서 디지털 형태의 게이지값으로 변환하고, 디지털 형태의 게이지값을 저전력 통신 모듈을 통해 전달하는 방법을 제시할 수 있다. 임베디드 컴퓨팅 장치는 검침기의 종류에 따라 이미지 세그먼트를 추출하는 동작을 달리하는 소형 임베디드 모델을 생성할 수 있다. 이에, 임베디드 컴퓨팅 장치는 게이지 영상을 소형 임베디드 모델에 적용하여 지시 바늘의 위치에 따른 일정 범위의 수치를 보다 용이하게 인식할 수 있다.
다시 말해, 임베디드 컴퓨팅 장치는 전처리 된 게이지 영상을 삼각형 형태의 이미지 세그먼트로 분리할 수 있다. 임베디드 컴퓨팅 장치는 전처리 된 게이지 영상에서 지시 바늘의 위치에 따른 이미지 세그먼트로 분리할 수 있다. 임베디드 컴퓨팅 장치는 삼각형 형태의 이미지 세그먼트 중 지시 바늘이 존재하는 이미지 세그먼트를 추출하고, 지시 바늘이 위치하는 이미지 세그먼트의 모델 입력 결과로 바늘에 대한 디지털값을 결정할 수 있다.
자세하게, 임베디드 컴퓨팅 장치는 지시 바늘이 가리키는 숫자에 따른 게이지값을 결정하는 경우, 게이지 영상을 이진화하고 외각선 검출 등을 통해 객체 단위를 분석할 수 있다. 임베디드 컴퓨팅 장치는 분석된 결과에 따른 게이지의 범위 및 바늘의 위치를 추정함으로써, 일정 범위의 수치 즉, 디지털 형태의 게이지값을 결정할 수 있다. 결국, 본 발명은 이미지 처리에 의한 방법에 따른 일정 범위를 갖는 게이지값을 추출할 수 있다.
임베디드 컴퓨팅 장치는 카메라로 입력된 이미지를 바늘 컨투어로 변환하고 바늘 컨투어를 바운딩 박스된 이미지를 다음 단계로 이동시킬 수 있다. 임베디드 컴퓨팅 장치는 바운딩 박스로 분리된 바늘 이미지를 임베디드용 소형 회귀모델에 따라 바늘 값을 산출할 수 있다.
도 5는 본 발명의 일실시예에 따른 검침기 분석 방법을 설명하기 위해 도시한 흐름도이다.
단계(501)에서 임베디드 컴퓨팅 장치는 특정 공간에 설치된 검침기를 촬영한 게이지 영상의 전처리 과정을 수행할 수 있다. 임베디드 컴퓨팅 장치는 게이지 영상의 구도에 따른 측정 오류를 최소화하기 위한 잡음, 왜곡 보정, 위치 복원 및 필터링 중 적어도 하나의 전처리 과정을 수행할 수 있다.
단계(502)에서 임베디드 컴퓨팅 장치는 전처리 된 게이지 영상에서 특정 형태의 이미지 세그먼트를 분리할 수 있다. 임베디드 컴퓨팅 장치는 분리된 특정 형태의 이미지 세그먼트에 따른 검침기의 게이지값을 예측하기 위한 복수의 포지션을 결정할 수 있다. 보다 자세하게, 임베디드 컴퓨팅 장치는 전처리 된 게이지 영상으로부터 관심 영역을 추출할 수 있다. 임베디드 컴퓨팅 장치는 특정 형태의 이미지 세그먼트를 전처리 된 게이지 영상의 관심 영역에 적용하여 검침기의 게이지값을 예측하기 위한 복수의 포지션을 결정함으로써, 특정 형태의 이미지 세그먼트를 분리할 수 있다.
단계(503)에서 임베디드 컴퓨팅 장치는 이미지 세그먼트를 포함하는 게이지 영상을 기 학습된 소형 임베디드 모델에 적용하여 상기 분리된 이미지 세그먼트를 포함하는 게이지 영상으로부터 아날로그 형태의 게이지값을 예측할 수 있다. 보다 자세하게, 임베디드 컴퓨팅 장치는 복수의 포지션 각각에서의 변화를 감지하여 검침기가 나타내는 아날로그 형태의 게이지값을 결정할 수 있다. 임베디드 컴퓨팅 장치는 사각형 형태의 이미지 세그먼트에 따른 게이지 영상에서 아날로그 숫자로 표시된 디지트를 인식할 수 있다. 임베디드 컴퓨팅 장치는 인식된 디지트로부터 검침기가 나타내는 아날로그 형태의 게이지값을 결정할 수 있다. 또한, 임베디드 컴퓨팅 장치는 삼각형 형태의 이미지 세그먼트에 포함된 지시 바늘의 외형 정보에 기초하여 검침기가 나타내는 아날로그 형태의 게이지값을 결정할 수 있다.
단계(504)에서 임베디드 컴퓨팅 장치는 예측된 아날로그 형태의 게이지값을 디지털 형태의 게이지값으로 변환할 수 있다. 임베디드 컴퓨팅 장치는 변환된 디지털 형태의 게이지값을 모니터링 서버에 전달할 수 있다. 임베디드 컴퓨팅 장치는 소형 임베디드 모델에 적용된 게이지 영상의 순서에 대응하여 저전력 광대역 통신을 통해 검침기의 게이지값을 모니터링 서버에 전달함으로써, 원격에서 특정 공간에 설치된 검침기의 게이지값을 관리할 수 있다.
한편, 본 발명에 따른 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성되어 마그네틱 저장매체, 광학적 판독매체, 디지털 저장매체 등 다양한 기록 매체로도 구현될 수 있다.
본 명세서에 설명된 각종 기술들의 구현들은 디지털 전자 회로조직으로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어로, 또는 그들의 조합들로 구현될 수 있다. 구현들은 데이터 처리 장치, 예를 들어 프로그램가능 프로세서, 컴퓨터, 또는 다수의 컴퓨터들의 동작에 의한 처리를 위해, 또는 이 동작을 제어하기 위해, 컴퓨터 프로그램 제품, 즉 정보 캐리어, 예를 들어 기계 판독가능 저장 장치(컴퓨터 판독가능 매체) 또는 전파 신호에서 유형적으로 구체화된 컴퓨터 프로그램으로서 구현될 수 있다. 상술한 컴퓨터 프로그램(들)과 같은 컴퓨터 프로그램은 컴파일된 또는 인터프리트된 언어들을 포함하는 임의의 형태의 프로그래밍 언어로 기록될 수 있고, 독립형 프로그램으로서 또는 모듈, 구성요소, 서브루틴, 또는 컴퓨팅 환경에서의 사용에 적절한 다른 유닛으로서 포함하는 임의의 형태로 전개될 수 있다. 컴퓨터 프로그램은 하나의 사이트에서 하나의 컴퓨터 또는 다수의 컴퓨터들 상에서 처리되도록 또는 다수의 사이트들에 걸쳐 분배되고 통신 네트워크에 의해 상호 연결되도록 전개될 수 있다.
컴퓨터 프로그램의 처리에 적절한 프로세서들은 예로서, 범용 및 특수 목적 마이크로프로세서들 둘 다, 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 다로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 요소들은 명령어들을 실행하는 적어도 하나의 프로세서 및 명령어들 및 데이터를 저장하는 하나 이상의 메모리 장치들을 포함할 수 있다. 일반적으로, 컴퓨터는 데이터를 저장하는 하나 이상의 대량 저장 장치들, 예를 들어 자기, 자기-광 디스크들, 또는 광 디스크들을 포함할 수 있거나, 이것들로부터 데이터를 수신하거나 이것들에 데이터를 송신하거나 또는 양쪽으로 되도록 결합될 수도 있다. 컴퓨터 프로그램 명령어들 및 데이터를 구체화하는데 적절한 정보 캐리어들은 예로서 반도체 메모리 장치들, 예를 들어, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리, EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM) 등을 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로조직에 의해 보충되거나, 이에 포함될 수 있다.
또한, 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용매체일 수 있고, 컴퓨터 저장매체 및 전송매체를 모두 포함할 수 있다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 장치 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 장치들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징 될 수 있다는 점을 이해하여야 한다.
한편, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다.
101: 임베디드 컴퓨팅 장치
102: 검침기
103: 모니터링 서버
104: 검침기의 게이지값

Claims (1)

  1. 특정 공간에 설치된 검침기를 촬영한 게이지 영상의 전처리 과정을 수행하는 단계;'
    전처리 된 게이지 영상에서 특정 형태의 이미지 세그먼트를 분리하는 단계;
    상기 분리된 이미지 세그먼트를 포함하는 게이지 영상을 기 학습된 소형 임베디드 모델에 적용하여 상기 분리된 이미지 세그먼트를 포함하는 게이지 영상으로부터 아날로그 형태의 게이지값을 예측하는 단계; 및
    상기 예측된 아날로그 형태의 게이지값을 디지털 형태의 게이지값으로 변환하여 변환된 디지털 형태의 게이지값을 모니터링 서버에 전달하는 단계;
    를 포함하는 검침기 분석 방법.
KR1020220042028A 2022-04-05 2022-04-05 검침기 분석 방법 및 상기 방법을 수행하는 임베디드 컴퓨팅 장치 KR20230143306A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220042028A KR20230143306A (ko) 2022-04-05 2022-04-05 검침기 분석 방법 및 상기 방법을 수행하는 임베디드 컴퓨팅 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220042028A KR20230143306A (ko) 2022-04-05 2022-04-05 검침기 분석 방법 및 상기 방법을 수행하는 임베디드 컴퓨팅 장치

Publications (1)

Publication Number Publication Date
KR20230143306A true KR20230143306A (ko) 2023-10-12

Family

ID=88291771

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220042028A KR20230143306A (ko) 2022-04-05 2022-04-05 검침기 분석 방법 및 상기 방법을 수행하는 임베디드 컴퓨팅 장치

Country Status (1)

Country Link
KR (1) KR20230143306A (ko)

Similar Documents

Publication Publication Date Title
CN108037133B (zh) 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统
CN110263686A (zh) 一种基于深度学习的施工工地图像安全帽检测方法
CN113283344B (zh) 一种基于语义分割网络的矿用输送带跑偏检测方法
CN104913797A (zh) 指针式仪表的读数识别方法及系统
CN107144303A (zh) 一种矿用机电设备的故障检测系统、方法及装置
CN108952673B (zh) 抽油机井工况检查方法及装置
CN112173636B (zh) 一种巡检机器人对皮带机托辊故障的检测方法
CN113866455A (zh) 基于深度学习的桥梁加速度监测数据异常检测方法、系统和装置
CN111562540A (zh) 一种基于动态图像识别和分析的电能表检测监控方法
Rosso et al. Review on deep learning in structural health monitoring
CN108093210A (zh) 一种变压器油位告警系统及其告警方法
Devereux et al. A new approach for crack detection and sizing in nuclear reactor cores
He et al. A non-intrusive approach for fault detection and diagnosis of water distribution systems based on image sensors, audio sensors and an inspection robot
CN104123516A (zh) 基于云计算网络平台的金标卡检测方法及阅读器
CN104317778A (zh) 基于海量监测数据的变电设备故障诊断方法
KR20230143306A (ko) 검침기 분석 방법 및 상기 방법을 수행하는 임베디드 컴퓨팅 장치
Zheng et al. A general fault diagnosis framework for rotating machinery and its flexible application example
CN116702005A (zh) 一种基于神经网络的数据异常诊断方法和电子设备
KR102281100B1 (ko) 지하 매설관 이상 탐지 시스템 및 방법
KR102281101B1 (ko) 지하 매설관 이상 탐지를 위한 모델 생성 서버 및 방법
Netto et al. Early Defect Detection in Conveyor Belts using Machine Vision.
CN116910489B (zh) 基于人工智能的墙体防渗检测方法及相关装置
KR101650654B1 (ko) 차폐 다심 케이블을 이용한 보안 펜스의 오동작 필터링 시스템
Bin et al. Research on water level measurement based on image recognition for industrial boiler
CN117392575A (zh) 光伏组件松动检测方法、装置、系统及光伏电站