WO2018216948A1 - 인공신경망 분석에 근거한 복합적 물체 인식 시스템 및 방법 - Google Patents
인공신경망 분석에 근거한 복합적 물체 인식 시스템 및 방법 Download PDFInfo
- Publication number
- WO2018216948A1 WO2018216948A1 PCT/KR2018/005612 KR2018005612W WO2018216948A1 WO 2018216948 A1 WO2018216948 A1 WO 2018216948A1 KR 2018005612 W KR2018005612 W KR 2018005612W WO 2018216948 A1 WO2018216948 A1 WO 2018216948A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- information
- unit
- recognition
- image
- weight
- Prior art date
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 title claims abstract description 31
- 230000000704 physical effect Effects 0.000 claims abstract description 47
- 230000000875 corresponding effect Effects 0.000 claims description 31
- 239000002131 composite material Substances 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 2
- 230000001678 irradiating effect Effects 0.000 claims description 2
- 239000002699 waste material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 4
- 229920003023 plastic Polymers 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 238000004064 recycling Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003703 image analysis method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 1
- 229920002554 vinyl polymer Polymers 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G23/00—Auxiliary devices for weighing apparatus
- G01G23/18—Indicating devices, e.g. for remote indication; Recording devices; Scales, e.g. graduated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/02—Arrangements for measuring frequency, e.g. pulse repetition rate; Arrangements for measuring period of current or voltage
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Definitions
- the present invention relates to an object recognition system and method, and more particularly, to artificially extract information (hereinafter referred to as "low level information") obtained simply according to a complex characteristic of an object such as an image of an object, a frequency characteristic of an object, and the like. It is applied to neural network analysis to obtain shape information and physical property information converted into information that can recognize objects (hereinafter referred to as "high level information"), and complex characteristics of objects including high level information and weight information.
- the present invention relates to a complex object recognition system and method based on an artificial neural network analysis for recognizing an object.
- the present invention has an effect that can recognize the object more precisely by analyzing a plurality of different characteristic information of the object complex.
- FIG. 3 is a diagram illustrating a configuration of an image-based object recognition unit of a complex object recognition system based on an artificial neural network analysis according to the present invention.
- the object 1 may be configured to be directly arranged by the system user on the weight sensor 2331 of the object recognizing unit 100, and recognized by any one or more of a recyclable input device and a recyclable transportation device of an existing recyclable material collection system. It may be configured to rest on the weight sensor 233 of the object placement unit 100.
- the above-mentioned recycled product input device and recycled product transporting device are well known to those skilled in the art, and thus detailed description thereof will be omitted.
- the weight DB 223 stores object information according to the weight of the object.
- the weight 290g may be defined as at least one or more object information (shape information (small bottle, Suzhou bottle image), analysis information, object name (Suzhou bottle, fresh Suzhou bottle)) and the like. That is, since there may be another object having a weight of 290g, one or more object information may be defined in one 290g weight.
- the controller 210 associates the weight-based object shape information including the primary recognition object shape information with the weight information through a second object identification unit 216 and finally performs the final recognition. Recognizes the object and outputs the object recognition result (S217).
- imaging unit 232 property measurement unit
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
본 발명은 물체 인식 시스템 및 방법에 관한 것으로, 더욱 상세하게는 물체의 이미지, 물체의 주파수 특성 등과 같은 물체의 복합적인 특성에 따라 단순하게 획득되는 로우레벨 정보를 인공신경망 분석에 적용하여 물체를 인식할 수 있는 하이레벨 정보로 변환된 형태정보, 물성정보 등을 획득하고, 하이레벨 정보 및 무게정보를 포함하는 물체의 복합적인 특성들에 의해 물체를 인식하는 인공신경망 분석에 근거한 복합적 물체 인식 시스템 및 방법에 관한 것이다.
Description
본 발명은 물체 인식 시스템 및 방법에 관한 것으로, 더욱 상세하게는 물체의 이미지, 물체의 주파수 특성 등과 같은 물체의 복합적인 특성에 따라 단순하게 획득되는 정보(이하 "로우레벨 정보"라 함)를 인공신경망 분석에 적용하여 물체를 인식할 수 있는 정보(이하 "하이레벨 정보"라 함)로 변환된 형태정보, 물성정보 등을 획득하고, 하이레벨 정보 및 무게정보를 포함하는 물체의 복합적인 특성들에 의해 물체를 인식하는 인공신경망 분석에 근거한 복합적 물체 인식 시스템 및 방법에 관한 것이다.
인구증가와 도시화, 그리고 급속한 산업화에 따라 만들어지는 물건(또는 "물체"라 함)들이 많아짐에 따라 그 쓰레기양도 증가하고 있다.
쓰레기양을 최소화하고, 매립장 시설비용을 절감하며, 자원을 재활용하여 자원의 낭비를 막고, 쓰레기 소각 및 매립으로 인한 환경오염, 토양오염 및 수질 오염 등을 감소시키기 위해 쓰레기 분리수거를 진행하고 있다.
현재 정부는 정해진 요일에 종이, 캔, 유리, 플라스틱, 비닐 등의 물체들로 재활용품을 분류하여 배출하도록 하여 쓰레기 분리수거를 진행하고 있으며, 이렇게 수거된 수거물들은 수집 장소에서 다시 형태 및 종류별로 분류되고 있다.
그러나 쓰레기 분리수거 방법을 빈번하게 알리고는 있으나, 분리수거가 철저하게 이루어지고 있지 않아, 수집 장소에서 2차적으로 해당 류의 분리 수거물로부터 다른 종류의 분리 수거물을 분리해내는 작업을 다시 수행하고 있다.
상술한 바와 같이 주민들에 의한 정확한 분리수거가 이루어지지 않음에 따라 최근 재활용할 수 있는 캔, 병 등과 같은 재활용품을 투입받고, 투입된 재활용품의 종류를 인식 및 분류하여 보관하도록 하는 물체 인식 시스템을 구비한 재활용 수거 시스템이 개발되어 적용되고 있다.
통상적으로 재활용 수거 시스템의 핵심 기술인 물체 인식 시스템은 재활용품, 즉 물체에 인쇄 또는 부착된 바코드를 인식하여 물체를 인식하고, 인식된 물체의 종류에 따라 분류하는 바코드 방식, 물체를 촬영하고 촬영된 물체의 영상을 분석하여 물체를 인식하여 분류하는 영상 분석 방식 및 물체로부터 반사되는 초음파 신호 및 그 무게를 이용한 초음파 분석 방식 등이 있다.
그러나 종래 바코드 방식은 물체에 바코드가 인쇄 또는 부착되어 있지 않은 경우 상기 물체를 인식할 수 없는 문제점이 있었다.
그리고 종래 영상 분석 방식은 단순한 영상 분석만으로 물체를 인식하므로 해당 물성이 다른 서로 다른 물체임에도 불구하고 물체의 형태만 유사하면 동일 물체로 인식하는 오류가 발생할 수 있는 문제점이 있었다.
또한, 종래 초음파 방식은 물체의 물성과 무게만을 이용하므로 형태가 다르더라도 물성과 무게가 동일한 경우 모두 동일 물체로 인식하는 오류가 발생할 수 있는 문제점이 있었다. 이 경우 형태가 다름에 따라 운송 및 분류 시 오류가 발생할 수 있는 문제점이 있었다.
따라서 본 발명의 목적은 물체의 이미지, 물체의 주파수 특성 등과 같은 물체의 복합적인 특성에 따라 단순하게 획득되는 로우레벨 정보를 인공신경망 분석에 적용하여 물체를 인식할 수 있는 하이레벨 정보로 변환된 형태정보, 물성정보 등을 획득하고, 하이레벨 정보 및 무게정보를 포함하는 물체의 복합적인 특성들에 의해 물체를 인식하는 인공신경망 분석에 근거한 복합적 물체 인식 시스템 및 방법을 제공함에 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 인공신경망 분석에 근거한 복합적 물체 인식 시스템은: 인식 물체 배치부에 놓인 인식 대상 물체를 촬영하고, 물체의 주파수 신호 및 무게를 측정하여 물체 특성정보인 촬영된 이미지, 측정된 주파수 신호 정보 및 무게 정보를 출력하는 물체 특성 측정부; 및 상기 이미지를 인공신경망에 적용하여 물체의 형태를 판단하고, 상기 주파수 신호 정보를 인공신경망에 적용하여 물체의 물성을 판단하며, 상기 무게정보에 의해 물체의 형태를 판단하고, 물체의 이미지에 의한 물체 형태와 물성을 연관지어 물체를 1차적으로 인식하는 1차 물체 인식과, 상기 1차 물체 인식에 의한 결과와 상기 무게정보를 연관지어 2차 인식을 수행하는 2차 물체 인식을 수행하여 상기 물체에 대한 인식을 수행하는 제어부를 포함하는 것을 특징으로 한다.
물체 특성 측정부는, 상기 인식 물체 배치부에 설치되는 카메라를 구비하고, 상기 카메라를 통해 상기 인식 대상 물체에 대한 상기 이미지를 획득하여 출력하는 영상부; 상기 인식 물체 배치부에 설치되는 주파수 센서를 구비하고, 상기 주파수 센서를 통해 상기 인식 물체 배치부에 배치된 인식 대상 물체에 주파수 신호를 송출하고, 인식 대상 물체에 반사되어 입사되는 주파수 신호를 측정하여 출력하는 물성 측정부; 및 상기 인식 물체 배치부의 바닥부분에 설치되는 무게 센서를 구비하고 상기 인식 대상 물체가 무게 센서 위에 놓이면 상기 인식 대상 물체의 무게를 측정하여 출력하는 무게 측정부를 포함하는 것을 특징으로 한다.
상기 주파수 신호는 초음파 신호인 것을 특징으로 한다.
상기 시스템은: 물체의 외형 형상에 따른 물체 형태정보를 저장하는 이미지 DB, 물체의 주파수 영역 특성에 따른 물성정보를 저장하는 물성 DB 및 무게에 따른 물체 형태정보를 저장하는 무게 DB를 저장하는 저장부를 더 포함하고, 상기 제어부는, 물체 특성 측정부를 통해 물체 특성정보를 수집하고, 수집된 물체 특성정보인 이미지, 주파수 신호 정보 및 무게정보를 각각 출력하는 정보 수집부; 상기 이미지를 입력받아 인공신경망에 적용하여 상위 레벨의 이미지 특성 정보를 획득하고, 상기 저장부의 이미지 DB를 참조하여 획득된 상위 레벨의 이미지 정보에 대응하는 물체 형태정보를 출력하는 영상기반 물체 인식부; 상기 주파수 신호를 입력받아 인공신경망에 적용하여 상위 레벨의 주파수 영역 특성 정보를 획득하고, 상기 저장부의 물성 DB를 참조하여 상기 상위 레벨의 주파수 영역 특성 정보에 대응하는 물성정보를 출력하는 물성기반 물체 인식부; 상기 무게정보를 입력받고 상기 저장부의 무게 DB를 참조하여 상기 무게정보에 대응하고 무게정보를 포함하는 무게기반 물체 형태정보를 출력하는 무게기반 물체 인식부; 상기 영상기반 물체 인식부로부터 출력되는 물체 형태정보 및 상기 물성기반 물체 인식부로부터 출력되는 물성정보를 입력받고, 상기 물체 형태정보와 물성정보를 연관지어 상기 물체 형태정보의 형태 및 상기 물성정보의 물성을 가지는 물체를 1차적으로 인식하고 그 결과인 1차 인식 물체 형태정보를 출력하는 제1물체 식별부; 및 상기 1차 인식 물체 형태정보 및 상기 무게정보를 포함하는 상기 무게기반 물체 형태정보를 연관지어 최종적으로 물체를 인식하고 그 물체 인식 결과를 출력하는 제2물체 식별부를 포함하는 것을 특징으로 한다.
상기 영상기반 물체 인식부는, 상기 영상부로부터 입력되는 이미지데이터를 인공신경망에 적용하여 상기 이미지데이터에 따른 물체 특성정보를 출력하는 합성곱 인공신경망부; 및 상기 합성곱 인공신경망부에서 출력되는 물체 특성정보에 대응하는 물체 형태정보를 상기 저장부의 이미지 DB에서 찾아 출력하는 형태 분류부를 포함하는 것을 특징으로 한다.
상기 물성기반 물체 인식부는, 상기 주파수 신호를 푸리에 변환하여 주파수 영역의 정보인 주파수 영역 정보로 변환하여 출력하는 인코딩부; 상기 주파수 영역 정보를 합성곱 인공신경망에 적용하여 하이레벨 정보인 물체의 주파수 특성 정보를 추출하여 출력하는 합성곱 인공신경망부; 및 상기 합성곱 인공신경망부에서 출력되는 주파수 특성 정보에 대응하는 물성을 상기 물성 DB에서 찾아 출력하는 물성 분류부를 포함하는 것을 특징으로 한다.
상기 물성기반 물체 인식부는, 상기 주파수 신호에 포함된 잡음을 제거하여 출력하는 잡음 제거부를 더 포함하는 것을 특징으로 한다.
상기와 같은 목적을 달성하기 위한 본 발명의 인공신경망 분석에 근거한 복합적 물체 인식 방법은: 제어부가 인식 물체 배치부에 인식 대상 물체가 배치되면 물체 특성 측정부를 통해 상기 인식 물체 배치부에 놓인 인식 대상 물체를 촬영하고, 물체의 주파수 신호 및 무게를 측정하여 물체 특성정보인 촬영된 이미지, 측정된 주파수 신호 정보 및 무게 정보를 획득하는 물체 특성 측정 과정; 및 상기 제어부가 상기 이미지를 인공신경망에 적용하여 물체의 형태를 판단하고, 상기 주파수 신호 정보를 인공신경망에 적용하여 물체의 물성을 판단하며, 상기 무게정보에 의해 물체의 형태를 판단하고, 물체의 이미지에 의한 물체 형태와 물성을 연관지어 물체를 1차적으로 인식하는 1차 물체 인식과, 상기 1차 물체 인식에 의한 결과와 상기 무게정보를 연관지어 2차 인식을 수행하는 2차 물체 인식을 수행하여 상기 물체에 대한 인식을 수행하는 물체 인식 과정을 포함하는 것을 특징으로 한다.
상기 물체 특성 측정 과정은, 인식 물체 배치부에 인식 대상 물체가 놓이는지를 모니터링하는 인식 대상 물체 모니터링 단계; 상기 인식 물체 배치부에 놓인 인식 대상 물체를 촬영하여 이미지를 획득하는 이미지 획득 단계; 상기 인식 대상 물체에 주파수 신호를 조사하고 상기 인식 대상 물체에 반사되어 입사되는 주파수 신호를 측정하여 출력하는 주파수 신호 측정 단계; 및 상기 인식 대상 물체의 무게를 측정하여 출력하는 무게 측정 단계를 포함하는 것을 특징으로 한다.
상기 물체 인식 과정은, 상기 제어부의 영상기반 물체 인식부가 영상부를 통해 상기 이미지를 입력받아 인공신경망에 적용하여 상위 레벨의 이미지 정보를 획득하고, 저장부의 이미지 DB를 참조하여 획득된 상위 레벨의 이미지 정보에 대응하는 물체 형태정보를 출력하는 영상기반 물체 인식 단계; 상기 제어부의 물성기반 물체 인식부가 상기 주파수 신호 정보를 입력받아 인공신경망에 적용하여 상위 레벨의 주파수 영역 특성 정보를 획득하고, 상기 저장부의 물성 DB를 참조하여 상기 주파수 영역 특성 정보에 대응하는 물성정보를 출력하는 물성기반 물체 인식 단계; 상기 제어부의 무게기반 물체 인식부가 상기 무게정보를 입력받고 상기 저장부의 무게 DB를 참조하여 상기 무게정보를 포함하고 무게에 대응하는 무게기반 물체 형태정보를 출력하는 무게기반 물체 인식 단계; 상기 제어부의 제1물체 식별부가 상기 영상기반 물체 인식부로부터 출력되는 물체 형태정보 및 상기 물성기반 물체 인식부로부터 출력되는 물성정보를 입력받고, 상기 물체 형태정보와 물성정보를 연관지어 상기 물체 형태정보의 형태 및 상기 물성정보의 물성을 가지는 물체를 1차적으로 인식하고 그 결과인 1차 인식 물체 형태정보를 출력하는 제1물체 식별 단계; 및 상기 제어부의 제2물체 식별부가 상기 1차 인식 물체 형태정보 및 상기 무게정보를 포함하는 상기 무게기반 물체 형태정보를 연관지어 최종적으로 물체를 인식하고 그 물체 인식 결과를 출력하는 제2물체 식별 단계를 포함하는 것을 특징으로 한다.
상기 영상기반 물체 인식 단계는, 상기 영상부로부터 입력되는 이미지데이터를 인공신경망에 적용하여 학습시키고, 학습된 결과로 상기 이미지데이터에 대한 물체 특성정보를 출력하는 인공신경망 학습 단계; 및 학습되어 획득된 상기 물체 특성정보에 대응하는 물체 형태정보를 상기 저장부의 이미지 DB에서 찾아 출력하는 형태 분류 단계를 포함하는 것을 특징으로 한다.
상기 물성기반 물체 인식 단계는, 인코딩부를 통해 상기 주파수 신호를 푸리에 변환하여 주파수 영역의 정보인 주파수 영역 정보로 변환하여 출력하는 인코딩 단계; 합성곱 인공신경망부를 통해 상기 주파수 영역 정보를 합성곱 인공신경망에 적용하여 학습시켜 하이레벨 정보인 물체의 주파수 영역 특성 정보를 추출하여 출력하는 합성곱 인공신경망 적용 단계; 및 물성 분류부를 통해 상기 합성곱 인공신경망부에서 출력되는 주파수 특성 정보에 대응하는 물성을 상기 물성 DB에서 찾아 출력하는 물성 분류 단계를 포함하는 것을 특징으로 한다.
물성기반 물체 인식단계는, 잡음 제거부를 통해 상기 주파수 신호에 포함된 잡음을 제거하여 출력하는 잡음 제거 단계를 포함하는 것을 특징으로 한다.
본 발명은 물체의 특성에 따른 로우레벨 정보를 인공신경망에 적용하여 학습시킴으로써 하이레벨 정보를 획득할 수 있고, 하이레벨 정보를 획득함으로써 보다 정밀하게 물체인식을 수행할 수 있는 효과를 갖는다.
또한, 본 발명은 물체의 서로 다른 복수의 특성정보들을 복합적으로 분석함으로써 보다 정밀하게 물체를 인식할 수 있는 효과를 갖는다.
또한, 본 발명은 서로 다른 복수의 특성정보들을 연관시켜 분석함으로써 시스템의 강인성을 향상시킬 수 있는 효과를 갖는다.
도 1은 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 시스템의 기구적 구성을 개략적으로 나타낸 도면이다.
도 2는 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 시스템의 구성을 나타낸 도면이다.
도 3은 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 시스템의 영상기반 물체 인식부의 구성을 나타낸 도면이다.
도 4는 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 시스템의 물성기반 물체 인식부의 구성을 나타낸 도면이다.
도 5는 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 방법을 나타낸 절차도이다.
도 6은 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 방법의 물체 인식 과정을 상세하게 나타낸 절차도이다.
이하 첨부된 도면을 참조하여 본 발명의 인공신경망 분석에 근거한 복합적 물체 인식 시스템의 구성 및 동작을 설명하고, 상기 시스템에서의 복합적 물체 인식 방법을 설명한다.
도 1은 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 시스템의 기구적 구성을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 시스템(200)은 인식 물체 배치부(100)에 물체(1)가 배치되면 배치된 물체(1)의 특성을 측정하고, 측정된 특성을 가지는 물체(1)가 무엇인지를 식별한다. 예를 들어 본 발명의 복합적 물체 인식 시스템(200)이 재활용 수거 시스템에 적용되는 경우, 재활용품으로 삽입되는 물체가 빈병, 캔, 종이 팩, 플라스틱 병, 플라스틱 케이스 등인지를 식별하고 그 결과로서 물체에 대한 물체정보를 출력할 것이다. 이렇게 출력된 물체정보는 물체의 형태에 대한 물체 형태정보 및 물체명 등을 포함할 수 있으며, 해당 시스템의 표시수단을 통해 표시되거나 해당 물체를 종류별로 분류하는 데 이용될 수 있을 것이다. 상기 물체 형태정보는 이미지 정보, 텍스트 정보, 인식된 물체의 분석정보 등을 포함할 수 있을 것이다. 상기 이미지 정보는 인식된 물체의 아이콘, 그래픽 등이 될 수 있으며, 텍스트 정보는, 원통형, 사각형, 병, 팩, 등이 될 수 있으며, 상기 분석정보는 해당 물체의 폭, 길이, 높이, 반지름 등의 정보가 될 수도 있을 것이다.
인식 물체 배치부(100)에는 본 발명에 따라 복합적 물체 인식 시스템(200)의 구성인 적어도 하나 이상의 카메라(2311), 적어도 하나 이상의 주파수 센서(2321) 및 적어도 하나 이상의 무게 센서(2331)가 설치된다.
카메라(2311) 및 주파수 센서(2321)는 도 1과 같이 쌍(Pair)으로 구성되어 물체(1)를 촬영하거나 물체(1)로 주파수 신호를 조사하도록 구성되며, 무게센서(2331)는 인식 물체 배치부(100)의 바닥부분에 구성되어 윗부분에 물체(1)가 놓이도록 구성된다.
상기 카메라(2311) 및 주파수 센서(2321)는 물체(1)를 기준으로 상, 좌, 우, 전, 후 중 어느 하나 이상에 배치되도록 구성될 수 있으나, 상부에 구성되는 것이 바람직할 것이다.
물체(1)는 시스템 이용자가 직접 인식 물체 배치부(100)의 무게센서(2331) 위에 배치되도록 구성될 수도 있고, 기존 재활용품 수거 시스템의 재활용품 투입장치 및 재활용품 운송장치 등 중 어느 하나 이상에 의해 인식 물체 배치부(100)의 무게 센서(233) 위에 놓이도록 구성될 수도 있을 것이다. 상술한 재활용품 투입장치 및 재활용품 운송장치는 이 기술분야의 통상의 기술을 가진 자에게 잘 알려져 있는 기술이므로 그 상세한 설명을 생략한다.
도 2는 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 시스템의 구성을 나타낸 도면이다. 도 2를 참조하여, 본 발명의 인공신경망 분석에 근거한 복합적 물체 인식 시스템의 상세한 구성을 설명한다.
복합적 물체 인식 시스템(200)은 제어부(210), 저장부(220), 물체 특성 측정부(230) 및 표시부(240)를 포함한다.
저장부(220)는 이미지 DB(221), 물성 DB(222), 무게 DB(223), 인식 물체 DB(224)를 포함한다.
상기 이미지 DB(221)는 물체의 외형 형상, 즉 물체의 이미지 특성 정보에 대응하는 물체 형태 정보, 분석정보 및 물체명 등을 포함하는 물체정보를 저장한다.
물성 DB(222)는 물체의 주파수 영역 특성에 따른 물성정보를 저장한다. 상기 물성정보는 플라스틱, 철, 알루미늄, 종이, 나무 등이 될 수 있을 것이다. 또한 상기 물성정보는 각 물성의 강도 정보를 더 포함할 수도 있을 것이다.
무게 DB(223)는 물체의 무게에 따른 물체정보를 저장한다. 예를 들어 무게 290g는 적어도 하나 이상의 물체정보{형태정보(작은 병, 소주병 이미지), 분석정보, 물체명(소주병, 후레시 소주병)} 등으로 정의되어 있을 수 있을 것이다. 즉, 290g의 무게를 가지는 다른 물체가 존재할 수 있으므로 하나의 290g 무게에는 하나 이상의 물체정보가 정의되어 있을 수도 있을 것이다.
인식 물체 DB(224)는 인식된 물체들에 대해 측정된 무게, 이미지 특성 정보, 주파수 특성 정보, 물체정보 등을 저장한다.
물체 특성 측정부(230)는 영상부(231), 물성 측정부(232) 및 무게 측정부(233)를 포함하여 인식 물체 배치부(100)에 놓인 물체(1)의 물체 특성을 측정하고, 측정된 물체(1)에 대한 로우레벨 정보인 물체 특성 정보를 제어부(210)로 출력한다.
영상부(231)는 상기 인식 물체 배치부(100)에 설치되는 카메라(2311)를 구비하고, 상기 카메라(2311)를 통해 상기 인식 대상 물체에 대한 상기 이미지(데이터)를 획득하여 물체 특성 정보로서 제어부(210)로 출력한다.
물성 측정부(232)는 상기 인식 물체 배치부(100)에 설치되는 주파수 신호를 송출하는 주파수 센서(2321)를 구비하고 상기 주파수 센서(2321)를 통해 상기 인식 물체 배치부(100)에 배치된 인식 대상 물체에 주파수 신호를 송출하고, 그에 따른 반사 주파수 신호에 따른 주파수 신호를 측정하여 제어부(210)로 출력한다. 상기 주파수 센서(2321)는 초음파 센서인 것이 바람직할 것이다. 상기 물성 측정부(232)는 반사된 초음파의 시간 축에 대한 강도를 측정하여 출력한다.
무게 측정부(233)는 상기 인식 물체 배치부(100)의 바닥부분에 설치되는 무게 센서(2331)를 구비하고 상기 인식 대상 물체가 무게 센서(2331) 위에 놓이면 상기 인식 대상 물체의 무게를 측정하여 제어부(210)로 출력한다.
표시부(240)는 제어부(210)의 제어를 받아 복합적 물체 인식 시스템(200)의 동작상태 정보 및 인식된 물체에 대한 인식결과 정보를 텍스트, 그래픽, 영상 등 중 하나 이상으로 표시한다.
제어부(210)는 정보 수집부(211), 영상기반 물체 인식부(212), 물성기반 물체 인식부(213), 무게기반 물체 인식부(214), 제1물체 식별부(215) 및 제2물체 식별부(216)를 포함하여, 본 발명에 따른 복합적 물체 인식 시스템(200)의 전반적인 동작을 제어한다.
구체적으로 정보 수집부(211)는 물체 특성 측정부(230)를 통해 물체 특성 정보인 이미지 주파수 신호 정보 및 무게정보를 수집하고, 수집된 물체 특성정보인 이미지, 주파수 신호 정보 및 무게정보를 각각 영상기반 물체 인식부(212), 물성기반 물체 인식부(213) 및 무게기반 물체 인식부(214)로 출력한다.
영상기반 물체 인식부(212)는 상기 이미지를 입력받아 인공신경망에 적용하여 상위 레벨의 이미지 특성 정보를 획득하고, 상기 저장부(220)의 이미지 DB(221)를 참조하여 획득된 상위 레벨의 이미지 특성 정보에 대응하는 물체 형태정보를 출력한다.
물성기반 물체 인식부(213)는 상기 주파수 신호를 입력받아 인공신경망에 적용하여 상위 레벨의 주파수 영역 특성 정보를 획득하고, 상기 저장부(220)의 물성 DB(222)를 참조하여 상기 상위 레벨의 주파수 특성 정보에 대응하는 물성정보를 출력한다.
무게기반 물체 인식부(214)는 상기 무게정보를 입력받고 상기 저장부(220)의 무게 DB(223)를 참조하여 상기 무게를 포함하고 무게에 대응하는 무게기반 물체 형태정보를 출력한다.
제1물체 식별부(215)는 상기 영상기반 물체 인식부(212)로부터 출력되는 물체 형태정보 및 상기 물성기반 물체 인식부(213)로부터 출력되는 물성정보를 입력받고, 상기 물체 형태정보와 물성정보를 연관지어 상기 물체 형태정보의 형태 및 상기 물성정보의 물성을 가지는 물체를 1차적으로 인식하고 그 결과인 1차 인식 물체 형태정보를 출력한다.
제2물체 식별부(216)는 상기 1차 인식 물체 형태정보 및 상기 무게정보를 포함하는 상기 무게기반 물체 형태정보를 연관지어 최종적으로 물체를 인식하고 그 물체 인식 결과를 출력한다.
제어부(210)는 최종적으로 인식 물체 배치부(100)에 놓인 물체(1)에 대한 최종 물체 인식 결과가 생성되면 상기 물체(1)에 대해 식별된 영상기반 물체 형태 정보, 물성정보, 무게정보, 1차 인식 물체 형태 정보 및 물체 인식 결과 정보를 저장부(220)의 인식 물체 DB(224)에 저장한다.
또한 제어부(210)는 상기 영상기반 물체 형태 정보, 물성정보, 무게정보, 1차 인식 물체 형태 정보 및 물체 인식 결과 정보 중 어느 하나 이상을 표시부(240)에 표시할 수도 있을 것이다.
또한, 제어부(210)는 본 발명의 실시예에 따라 물체 특성 측정부(230)의 영상부(231), 물성 측정부(232) 및 무게 측정부(233) 중 적어도 어느 하나 이상을 통해 인식 물체 배치부(100)에 물체(1)가 배치되었는지를 모니터링하고, 물체 특성 측정부(230)를 통해 물체(1)가 배치된 것으로 판단되면 물체 인식 동작을 개시하도록 구성될 수 있을 것이다.
도 3은 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 시스템의 영상기반 물체 인식부의 구성을 나타낸 도면이다.
도 2를 참조하면, 영상기반 물체 인식부(212)는 합성곱 인공신경망부(2121) 및 형태 분류부(2122)를 포함한다.
합성곱 인공신경망부(2121)는 정보 수집부(211)로부터 이미지데이터를 입력받고, 입력된 이미지데이터를 합성곱 인공신경망에 적용하여 학습을 시키고 학습 결과로써 이미지 특성 정보를 출력한다. 상기 합성곱 인공신경망에 의한 학습 기술자체는 이 기술분야의 통상의 기술을 가진 자에게 잘 알려진 기술이므로 그 상세한 설명을 생략한다.
형태 분류부(2122)는 상기 합성곱 인공신경망부(2121)로부터 출력되는 이미지 특성 정보에 대응하는 물체 형태정보를 이미지 DB(221)에서 찾아 출력한다.
도 4는 본 발명에 따른 인공신경망 분석에 근거한 물성기반 물체 인식부의 구성을 나타낸 도면이다.
도 4를 참조하면, 물성기반 물체 인식부(213)는 인코딩부(2132), 합성곱 인공신경망부(2133) 및 물성 분류부(2134)를 포함하고, 실시예에 따라 잡음 제거부(2131)를 더 포함한다.
인코딩부(2132)는 상기 주파수 신호를 푸리에 변환하여 주파수 영역의 정보인 주파수 영역 정보로 변환하여 출력한다.
합성곱 인공신경망부(2133)는 상기 주파수 영역 정보를 합성곱 인공신경망에 적용하여 하이레벨 정보인 물체의 주파수 특성 정보를 추출하여 출력한다.
물성 분류부(2134)는 상기 합성곱 인공신경망부(2132)에서 출력되는 주파수 특성 정보에 대응하는 물성을 상기 물성 DB(222)에서 찾아 출력한다.
상기 잡음 제거부(2131)는 상기 주파수 신호에 포함된 잡음을 제거한 후 인코딩부(2132)로 출력한다.
도 5는 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 방법을 나타낸 절차도이다.
도 5를 참조하여 설명하면, 제어부(210)는 물체 특성 측정부(230)의 영상부(231), 물성 측정부(232) 및 무게 측정부(233) 중 어느 하나를 통해 인식 물체 배치부(100)에 인식할 물체(1)가 놓이는지를 모니터링한다(S111).
제어부(210)는 인식 물체 배치부(100)에 물체(1)가 놓이면 물체 특성 측정부(230)를 구동하여(S113), 물체(1)의 이미지, 물체(1)에 반사된 주파수 신호 및 물체(1)의 무게를 포함하는 물체 특성 정보를 수집한다(S115).
물체 특성 정보가 수집되면 제어부(210)는 수집된 물성 특성 정보의 이미지, 반사 주파수 신호에 대한 주파수 신호 정보를 합성곱 인공신경망에 적용하고 다중 퍼셉트론을 적용하여 하이레벨의 정보인 물체 형태 정보 및 물성정보를 획득하고, 획득된 물체 형태 정보 및 물성정보를 연관하여 1차 물체 식별을 수행하여 1차 인식 물체 형태정보를 출력하며, 1차 물체 식별에 의해 생성된 1차 인식 물체 형태정보와 무게 정보를 연관지어 최종적인 물체 인식을 수행한다(S117).
물체 인식이 완료되면 제어부(210)는 물체 인식 결과를 저장부(220)의 인식 물체 DB(224)에 저장하고 표시부(240)에 표시한다(S119).
도 6은 본 발명에 따른 인공신경망 분석에 근거한 복합적 물체 인식 방법의 물체 인식 과정을 상세하게 나타낸 절차도로, 주파수 신호가 초음파인 경우를 예를 들어 설명한다.
도 6을 참조하여 물체 인식 과정을 구체적으로 설명하면, 상기 제어부(210)의 정보 수집부(211)는 입력된 물체 특성 정보의 이미지를 영상기반 물체 인식부(212)로 출력하고, 물체 특성 정보의 초음파 정보(반사 초음파 신호에 대한 정보)를 물성기반 물체 인식부(213)로 출력하고, 무게정보를 무게기반 물체 인식부(214)로 출력한다(S211).
상기 제어부(210)는 영상기반 물체 인식부(212)를 통해 상기 이미지를 입력받아 인공신경망에 적용하여 상위 레벨의 이미지 정보를 획득하고, 저장부(220)의 이미지 DB(221)를 참조하여 획득된 상위 레벨의 이미지 정보에 대응하는 물체 형태정보를 출력하는 영상기반 물체 인식, 물성기반 물체 인식부(213)를 통해 상기 초음파 정보를 입력받아 인공신경망에 적용하여 상위 레벨의 주파수 영역 특성 정보를 획득하고, 상기 저장부(220)의 물성 DB(222)를 참조하여 상기 주파수 영역 특성 정보에 대응하는 물성정보를 출력하는 물성기반 물체 인식, 무게기반 물체 인식부(214)를 통해 상기 무게정보를 입력받고 상기 저장부(220)의 무게 DB(223)를 참조하여 상기 무게정보를 포함하고 무게에 대응하는 무게기반 물체 형태정보를 출력하는 무게기반 물체 인식을 수행한다.
상기 영상기반 물체 인식, 물성기반 물체인식 및 무게기반 물체인식이 수행되면 제어부(210)는 제1물체 식별부(215)를 통해 상기 영상기반 물체 인식부(212)로부터 출력되는 물체 형태정보 및 상기 물성기반 물체 인식부(213)로부터 출력되는 물성정보를 입력받고, 상기 물체 형태정보와 물성정보를 연관지어 상기 물체 형태정보의 형태 및 상기 물성정보의 물성을 가지는 물체를 1차적으로 인식하고 그 결과인 1차 인식 물체 형태정보를 출력한다(S215).
상기 1차 인식 물체 형태정보가 생성되면 상기 제어부(210)는 제2물체 식별부(216)를 통해 상기 1차 인식 물체 형태정보 및 상기 무게정보를 포함하는 상기 무게기반 물체 형태정보를 연관지어 최종적으로 물체를 인식하고 그 물체 인식 결과를 출력한다(S217).
한편, 본 발명은 전술한 전형적인 바람직한 실시예에만 한정되는 것이 아니라 본 발명의 요지를 벗어나지 않는 범위 내에서 여러 가지로 개량, 변경, 대체 또는 부가하여 실시할 수 있는 것임은 당해 기술분야에서 통상의 지식을 가진 자라면 용이하게 이해할 수 있을 것이다. 이러한 개량, 변경, 대체 또는 부가에 의한 실시가 이하의 첨부된 특허청구범위의 범주에 속하는 것이라면 그 기술사상 역시 본 발명에 속하는 것으로 보아야 한다.
[부호의 설명]
1: 물체 100: 인식 물체 배치부
200: 복합적 물체 인식 시스템 210: 제어부
211: 정보 수집부 212: 영상기반 물체 인식부
213: 물성기반 물체 인식부 214: 무게기반 물체 인식부
215: 제1물체 식별부 216: 제2물체 식별부
220: 저장부 221: 이미지 DB
222: 물성 DB 223: 무게 DB
224: 인식 물체 DB 230: 물체 특성 측정부
231: 영상부 232: 물성 측정부
233: 무게 측정부 240: 표시부
2121: 합성곱 인공신경망부 2122: 형태 분류부
2131: 잡음 제거 2132: 인코딩부
2133: 합성곱 인공신경망부 2134: 물성 분류부
2311: 카메라 2321: 주파수 센서
2331: 무게 센서
Claims (13)
- 인식 물체 배치부에 놓인 인식 대상 물체를 촬영하고, 물체의 주파수 신호 및 무게를 측정하여 물체 특성정보인 촬영된 이미지, 측정된 주파수 신호 정보 및 무게 정보를 출력하는 물체 특성 측정부; 및상기 이미지를 인공신경망에 적용하여 물체의 형태를 판단하고, 상기 주파수 신호 정보를 인공신경망에 적용하여 물체의 물성을 판단하며, 상기 무게정보에 의해 물체의 형태를 판단하고, 물체의 이미지에 의한 물체 형태와 물성을 연관지어 물체를 1차적으로 인식하는 1차 물체 인식과, 상기 1차 물체 인식에 의한 결과와 상기 무게정보를 연관지어 2차 인식을 수행하는 2차 물체 인식을 수행하여 상기 물체에 대한 인식을 수행하는 제어부를 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 시스템.
- 제1항에 있어서,물체 특성 측정부는,상기 인식 물체 배치부에 설치되는 카메라를 구비하고, 상기 카메라를 통해 상기 인식 대상 물체에 대한 상기 이미지를 획득하여 출력하는 영상부;상기 인식 물체 배치부에 설치되는 주파수 센서를 구비하고, 상기 주파수 센서를 통해 상기 인식 물체 배치부에 배치된 인식 대상 물체에 주파수 신호를 송출하고, 인식 대상 물체에 반사되어 입사되는 주파수 신호를 측정하여 출력하는 물성 측정부; 및상기 인식 물체 배치부의 바닥부분에 설치되는 무게 센서를 구비하고 상기 인식 대상 물체가 무게 센서 위에 놓이면 상기 인식 대상 물체의 무게를 측정하여 출력하는 무게 측정부를 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 시스템.
- 제2항에 있어서,상기 주파수 신호는 초음파 신호인 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 시스템.
- 제2항에 있어서,물체의 외형 형상에 따른 물체 형태정보를 저장하는 이미지 DB, 물체의 주파수 영역 특성에 따른 물성정보를 저장하는 물성 DB 및 무게에 따른 물체 형태정보를 저장하는 무게 DB를 저장하는 저장부를 더 포함하고,상기 제어부는,물체 특성 측정부를 통해 물체 특성정보를 수집하고, 수집된 물체 특성정보인 이미지, 주파수 신호 정보 및 무게정보를 각각 출력하는 정보 수집부;상기 이미지를 입력받아 인공신경망에 적용하여 상위 레벨의 이미지 특성 정보를 획득하고, 상기 저장부의 이미지 DB를 참조하여 획득된 상위 레벨의 이미지 정보에 대응하는 물체 형태정보를 출력하는 영상기반 물체 인식부;상기 주파수 신호를 입력받아 인공신경망에 적용하여 상위 레벨의 주파수 영역 특성 정보를 획득하고, 상기 저장부의 물성 DB를 참조하여 상기 상위 레벨의 주파수 영역 특성 정보에 대응하는 물성정보를 출력하는 물성기반 물체 인식부;상기 무게정보를 입력받고 상기 저장부의 무게 DB를 참조하여 상기 무게정보에 대응하고 무게정보를 포함하는 무게기반 물체 형태정보를 출력하는 무게기반 물체 인식부;상기 영상기반 물체 인식부로부터 출력되는 물체 형태정보 및 상기 물성기반 물체 인식부로부터 출력되는 물성정보를 입력받고, 상기 물체 형태정보와 물성정보를 연관지어 상기 물체 형태정보의 형태 및 상기 물성정보의 물성을 가지는 물체를 1차적으로 인식하고 그 결과인 1차 인식 물체 형태정보를 출력하는 제1물체 식별부; 및상기 1차 인식 물체 형태정보 및 상기 무게정보를 포함하는 상기 무게기반 물체 형태정보를 연관지어 최종적으로 물체를 인식하고 그 물체 인식 결과를 출력하는 제2물체 식별부를 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 시스템.
- 제4항에 있어서,상기 영상기반 물체 인식부는,상기 영상부로부터 입력되는 이미지데이터를 인공신경망에 적용하여 상기 이미지데이터에 따른 물체 특성정보를 출력하는 합성곱 인공신경망부; 및상기 합성곱 인공신경망부에서 출력되는 물체 특성정보에 대응하는 물체 형태정보를 상기 저장부의 이미지 DB에서 찾아 출력하는 형태 분류부를 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 시스템.
- 제4항에 있어서,상기 물성기반 물체 인식부는,상기 주파수 신호를 푸리에 변환하여 주파수 영역의 정보인 주파수 영역 정보로 변환하여 출력하는 인코딩부;상기 주파수 영역 정보를 합성곱 인공신경망에 적용하여 하이레벨 정보인 물체의 주파수 특성 정보를 추출하여 출력하는 합성곱 인공신경망부; 및상기 합성곱 인공신경망부에서 출력되는 주파수 특성 정보에 대응하는 물성을 상기 물성 DB에서 찾아 출력하는 물성 분류부를 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 시스템.
- 제6항에 있어서,상기 물성기반 물체 인식부는,상기 주파수 신호에 포함된 잡음을 제거하여 출력하는 잡음 제거부를 더 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 시스템.
- 제어부가 인식 물체 배치부에 인식 대상 물체가 배치되면 물체 특성 측정부를 통해 상기 인식 물체 배치부에 놓인 인식 대상 물체를 촬영하고, 물체의 주파수 신호 및 무게를 측정하여 물체 특성정보인 촬영된 이미지, 측정된 주파수 신호 정보 및 무게 정보를 획득하는 물체 특성 측정 과정; 및상기 제어부가 상기 이미지를 인공신경망에 적용하여 물체의 형태를 판단하고, 상기 주파수 신호 정보를 인공신경망에 적용하여 물체의 물성을 판단하며, 상기 무게정보에 의해 물체의 형태를 판단하고, 물체의 이미지에 의한 물체 형태와 물성을 연관지어 물체를 1차적으로 인식하는 1차 물체 인식과, 상기 1차 물체 인식에 의한 결과와 상기 무게정보를 연관지어 2차 인식을 수행하는 2차 물체 인식을 수행하여 상기 물체에 대한 인식을 수행하는 물체 인식 과정을 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 방법.
- 제8항에 있어서,상기 물체 특성 측정 과정은,인식 물체 배치부에 인식 대상 물체가 놓이는지를 모니터링하는 인식 대상 물체 모니터링 단계;상기 인식 물체 배치부에 놓인 인식 대상 물체를 촬영하여 이미지를 획득하는 이미지 획득 단계;상기 인식 대상 물체에 주파수 신호를 조사하고 상기 인식 대상 물체에 반사되어 입사되는 주파수 신호를 측정하여 출력하는 주파수 신호 측정 단계; 및상기 인식 대상 물체의 무게를 측정하여 출력하는 무게 측정 단계를 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 방법.
- 제9항에 있어서,상기 물체 인식 과정은,상기 제어부의 영상기반 물체 인식부가 영상부를 통해 상기 이미지를 입력받아 인공신경망에 적용하여 상위 레벨의 이미지 정보를 획득하고, 저장부의 이미지 DB를 참조하여 획득된 상위 레벨의 이미지 정보에 대응하는 물체 형태정보를 출력하는 영상기반 물체 인식 단계;상기 제어부의 물성기반 물체 인식부가 상기 주파수 신호 정보를 입력받아 인공신경망에 적용하여 상위 레벨의 주파수 영역 특성 정보를 획득하고, 상기 저장부의 물성 DB를 참조하여 상기 주파수 영역 특성 정보에 대응하는 물성정보를 출력하는 물성기반 물체 인식 단계;상기 제어부의 무게기반 물체 인식부가 상기 무게정보를 입력받고 상기 저장부의 무게 DB를 참조하여 상기 무게정보를 포함하고 무게에 대응하는 무게기반 물체 형태정보를 출력하는 무게기반 물체 인식 단계;상기 제어부의 제1물체 식별부가 상기 영상기반 물체 인식부로부터 출력되는 물체 형태정보 및 상기 물성기반 물체 인식부로부터 출력되는 물성정보를 입력받고, 상기 물체 형태정보와 물성정보를 연관지어 상기 물체 형태정보의 형태 및 상기 물성정보의 물성을 가지는 물체를 1차적으로 인식하고 그 결과인 1차 인식 물체 형태정보를 출력하는 제1물체 식별 단계; 및상기 제어부의 제2물체 식별부가 상기 1차 인식 물체 형태정보 및 상기 무게정보를 포함하는 상기 무게기반 물체 형태정보를 연관지어 최종적으로 물체를 인식하고 그 물체 인식 결과를 출력하는 제2물체 식별 단계를 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 방법.
- 제10항에 있어서,상기 영상기반 물체 인식 단계는,상기 영상부로부터 입력되는 이미지데이터를 인공신경망에 적용하여 학습시키고, 학습된 결과로 상기 이미지데이터에 대한 물체 특성정보를 출력하는 인공신경망 학습 단계; 및학습되어 획득된 상기 물체 특성정보에 대응하는 물체 형태정보를 상기 저장부의 이미지 DB에서 찾아 출력하는 형태 분류 단계를 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 방법.
- 제11항에 있어서,상기 물성기반 물체 인식 단계는,인코딩부를 통해 상기 주파수 신호를 푸리에 변환하여 주파수 영역의 정보인 주파수 영역 정보로 변환하여 출력하는 인코딩 단계;합성곱 인공신경망부를 통해 상기 주파수 영역 정보를 합성곱 인공신경망에 적용하여 학습시켜 하이레벨 정보인 물체의 주파수 영역 특성 정보를 추출하여 출력하는 합성곱 인공신경망 적용 단계; 및물성 분류부를 통해 상기 합성곱 인공신경망부에서 출력되는 주파수 특성 정보에 대응하는 물성을 상기 물성 DB에서 찾아 출력하는 물성 분류 단계를 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 방법.
- 제12항에 있어서,물성기반 물체 인식단계는,잡음 제거부를 통해 상기 주파수 신호에 포함된 잡음을 제거하여 출력하는 잡음 제거 단계를 포함하는 것을 특징으로 하는 인공신경망 분석에 근거한 복합적 물체 인식 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2017-0065493 | 2017-05-26 | ||
| KR1020170065493A KR101779782B1 (ko) | 2017-05-26 | 2017-05-26 | 인공신경망 분석에 근거한 복합적 물체 인식 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2018216948A1 true WO2018216948A1 (ko) | 2018-11-29 |
Family
ID=60139172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/KR2018/005612 WO2018216948A1 (ko) | 2017-05-26 | 2018-05-16 | 인공신경망 분석에 근거한 복합적 물체 인식 시스템 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR101779782B1 (ko) |
| WO (1) | WO2018216948A1 (ko) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102056183B1 (ko) | 2018-01-17 | 2020-01-22 | 수퍼빈 주식회사 | 재활용품 수거 장치 |
| CN108319954B (zh) * | 2018-02-12 | 2021-10-22 | 深圳市盈华讯方通信技术有限公司 | 一种无接触测重方法 |
| KR20200080391A (ko) * | 2018-12-18 | 2020-07-07 | 주식회사 포스코 | 딥 러닝 기반의 금속 미세조직 이미지를 이용한 소재 물성 예측 시스템 및 방법 |
| KR102093450B1 (ko) * | 2018-12-31 | 2020-03-25 | 주식회사 디쓰리디 | 원단의 물성 측정 시스템 및 방법 |
| KR102223070B1 (ko) | 2019-01-23 | 2021-03-05 | 한국과학기술원 | 신경망 학습 방법 및 장치 |
| KR102255346B1 (ko) * | 2019-12-17 | 2021-05-25 | 주식회사 포스코 | 인공신경망 학습을 통한 시료의 분석방법 및 분석장치 |
| KR102517469B1 (ko) * | 2021-12-31 | 2023-04-04 | 수퍼빈 주식회사 | 객체를 인식하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR102414153B1 (ko) | 2022-01-03 | 2022-06-28 | 국방과학연구소 | 물체 인식을 위한 학습 데이터 증강 방법 및 그 장치 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07318331A (ja) * | 1994-05-25 | 1995-12-08 | Nippon Telegr & Teleph Corp <Ntt> | ３次元物体の認識方法 |
| JP2008058059A (ja) * | 2006-08-30 | 2008-03-13 | Nissan Motor Co Ltd | 物体識別装置 |
| KR20100067278A (ko) * | 2008-12-11 | 2010-06-21 | (주)아이이에스 | 재활용품 자동선별수단 |
| JP2011053197A (ja) * | 2009-08-03 | 2011-03-17 | Kansai Electric Power Co Inc:The | 物体の自動認識方法及び物体の自動認識装置 |
| KR101270354B1 (ko) * | 2013-02-12 | 2013-06-04 | 한국쓰리알환경산업(주) | 폐기물 재활용 분류 시스템 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100946617B1 (ko) | 2009-12-11 | 2010-03-09 | 탑랭커 주식회사 | 재활용 통합 분리수거 시스템 |
| KR101182099B1 (ko) | 2011-04-27 | 2012-09-19 | 한국과학기술원 | 무게를 통한 물체 인식 테이블탑 인터페이스 장치 및 그 제공 방법 |
-
2017
- 2017-05-26 KR KR1020170065493A patent/KR101779782B1/ko active IP Right Grant
-
2018
- 2018-05-16 WO PCT/KR2018/005612 patent/WO2018216948A1/ko active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07318331A (ja) * | 1994-05-25 | 1995-12-08 | Nippon Telegr & Teleph Corp <Ntt> | ３次元物体の認識方法 |
| JP2008058059A (ja) * | 2006-08-30 | 2008-03-13 | Nissan Motor Co Ltd | 物体識別装置 |
| KR20100067278A (ko) * | 2008-12-11 | 2010-06-21 | (주)아이이에스 | 재활용품 자동선별수단 |
| JP2011053197A (ja) * | 2009-08-03 | 2011-03-17 | Kansai Electric Power Co Inc:The | 物体の自動認識方法及び物体の自動認識装置 |
| KR101270354B1 (ko) * | 2013-02-12 | 2013-06-04 | 한국쓰리알환경산업(주) | 폐기물 재활용 분류 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101779782B1 (ko) | 2017-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2018216948A1 (ko) | 인공신경망 분석에 근거한 복합적 물체 인식 시스템 및 방법 | |
| WO2017022882A1 (ko) | 의료 영상의 병리 진단 분류 장치 및 이를 이용한 병리 진단 시스템 | |
| CN102157024B (zh) | 一种大张检查机机检数据在线二次检测核查的系统及方法 | |
| CN105344701B (zh) | 一种智能化综合回收机及其分析识别方法 | |
| WO2021020866A1 (ko) | 원격 모니터링을 위한 영상 분석 시스템 및 방법 | |
| CN106371013A (zh) | 一种基于图片识别的gis开关故障自动识别系统 | |
| KR20200068853A (ko) | 스마트 쓰레기통, 스마트 쓰레기통 관리 시스템 및 관리 방법 | |
| WO2019124668A1 (ko) | 도로노면 위험 정보를 제공하는 인공지능 시스템 및 그 방법 | |
| WO2015182904A1 (ko) | 관심객체 검출을 위한 관심영역 학습장치 및 방법 | |
| CN114535112B (zh) | 电动汽车退役电池分选机器人系统 | |
| CN115719475B (zh) | 一种基于深度学习的三阶段轨旁设备故障自动检测方法 | |
| WO2017204519A2 (ko) | 데이터 밸런싱을 통한 학습기반의 비전검사 방법 및 이를 이용한 데이터 밸런싱을 통한 학습기반의 비전검사 장치 | |
| CN110503008A (zh) | 基于深度学习的智能人脸识别与垃圾分类系统 | |
| WO2019132093A1 (ko) | 바코드 검출 장치 및 이를 이용한 바코드 검출 방법 | |
| WO2023286917A1 (ko) | 심층 신경망을 이용한 도로 노면 손상 및 장애물 동시 탐지 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체. | |
| WO2020111327A1 (ko) | 비접촉식 물건속성 인식장치 및 방법 | |
| WO2020222555A1 (ko) | 영상 분석 장치 및 방법 | |
| WO2023158068A1 (ko) | 객체검출률 향상을 위한 학습시스템 및 그 방법 | |
| WO2022019601A1 (ko) | 영상의 객체 특징점 추출과 이를 이용한 영상검색 시스템 및 방법 | |
| WO2017010612A1 (ko) | 의료 영상 분석 기반의 병리 진단 예측 시스템 및 방법 | |
| WO2015167202A1 (ko) | 차량번호 실사화 장치, 방법 및 이를 이용한 차량번호 판독시스템 | |
| CN1529276A (zh) | 机动车牌号自动识别装置及识别方法 | |
| WO2017155315A1 (ko) | 국부지역별 크기 특정 차량 분류 방법 및 이를 이용한 차량검출방법 | |
| CN113680685A (zh) | 一种基于可回收的垃圾分类处理系统 | |
| CN113191362B (zh) | 一种变电设备油渗漏缺陷检测装置及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18806872 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 18806872 Country of ref document: EP Kind code of ref document: A1 |