cctv&face_detection(CCTV & 출입 인증 시스템)
diagnosis_crops(작물 병해 진단 시스템)
monitoring(온습도 센서를 이용한 스마트팜 환경 모니터링)
object_tracking(AI 태양광 트래커)
solar_prediction(태양광 발전량 예측)
- OS : Windows 10
- CPU : 11𝑡ℎ Gen Intel® Core™ i5-1135G7 @ 2.40GHz(8cpus) ~ 2.4GHz
- RAM : 16GB
- GPU : Internal – Intel® Iris® Xe Graphics, External – NVIDIA GeForce MX450
- Raspberry Pi : 4 Model B(4GB)
- Python + Jupyter notebook
- 약 7일(168시간)
- 교육(3일) + 개발(4+α일)
※ 교육 : Numpy, OpenCV(Image Capture/Resize/Scaling, Object/Color Detection), Yolov5, GPIO 포트 제어, Crawling 등등
👉 프로그램 구성 및 개발에 대한 자세한 내용은 repository에 첨부된 『Project(Result).pptx』 파일 참고
- M. Jeong, J. Si, S. Lee, M. Kim, and S. Kim, "Crop Disease Diagnosis System based on Pan-Tilt HAT For Smart Farm", Proc. Of Korean Institute of Information Technology Conference, Vol.17, No.1, pp.311-312, Jun. 2022.
- Paper Link
- '라즈베리파이 환경에서의 컴퓨터 비전 시스템 개발' 특강을 들으며 얻어 가는 점들도 많고 유익한 시간과 알찬 겨울방학을 보낼 수 있어 좋았습니다. 항상 S/W 중심으로 프로젝트나 공부를 했었는데 H/W와 S/W를 결합하여 상호 간의 작용 및 시스템 개발을 해보면서 좀 더 넒은 범위의 분야에 대한 지식 확장과 역량 개발을 할 수 있어서 매우 만족스러웠습니다. 개인적으로 이러한 교육을 통해서 얻은 점들을 활용할 수 있었던 사례가 있었는데 이 중 하나는 다양한 연구과제에서 그대로 적용을 할 수 있다는 점이었습니다. 학부 연구생이다 보니 기업 또는 정부로부터의 연구 과제에 참여하게 되는데 이러한 과제들이 보통 H/W와 S/W를 결합한 과제들이었습니다. 그래서 장치 및 모듈과 결합하여 관련 정보를 수치화하는 작업이나 분석하는 작업에 있어서 큰 도움이 되었습니다. 또한 관련 대회 참여에서도 적용하여 내용을 보다 쉽게 이해하고 개발하는 데에 도움이 되었습니다. 이번 프로그램(특강)을 참여하면서 직접 실습해 보며 다양한 경험을 해볼 수 있는 소중한 시간이었고 또 새로운 동기부여를 갖게 해주는 유익한 시간이었기 때문에 앞으로는 더욱더 다양한 프로그램들을 참여해 보면서 열정적으로 역량을 기를 수 있도록 노력할 계획입니다.