Earticle

차량 번호판 인식 카메라는 차량 번호판 내 문자와 숫자의 인식을 위하여 대상 차량의 이미지 취득을 목적으로 하는 전용 카메라를 말하며 대부분 단독 사용보다는 서버와 영상 분석 모듈과 결합된 시스템의 일부로 적용된다. 그러나 차량 번호판 인식을 위한 시스템 구축을 위해서는 취득 영상 관리 및 분석 지원을 위한 서버와 문자, 숫자의 추출 및 인식을 위한 영상 분석 모듈을 함께 구성하여야 하므로 구축을 위한 설비가 필요하고 초기 비용이 많이 든다는 문제점이 있다. 이에 본 연구에서는 카메라의 기능을 차량 번호판 인식에만 한정하지 않고 방범 기능을 함께 수행할 수 있도록 확장하고 카메라 단독으로도 두가지 기능 수행이 가능한 Edge Base의 임베디드형 융합 카메라를 개발한다. 임베디드형 융합 카메라는 선명 한 영상 취득 및 빠른 데이터 전송을 위해 고해상도 4K IP 카메라를 탑재하고 오픈소스 신경망 알고리즘 기반의 다중 객체 인식을 위한 딥러닝 SW인 YOLO를 적용하여 차량 번호판 영역을 추출한 후 차량 번호판 내의 문자와 숫자를 검출하고 검출 정확도와 인식 정확도를 검증하여 CCTV 방범 기능과 차량 번호 인식 기능이 가능한지를 확인 하였다.

License plate recognition camera is dedicated device designed for acquiring images of the target vehicle for recognizing letters and numbers in a license plate. Mostly, it is used as a part of the system combined with server and image analysis module rather than as a single use. However, building a system for vehicle license plate recognition is costly because it is required to construct a facility with a server providing the management and analysis of the captured images and an image analysis module providing the extraction of numbers and characters and recognition of the vehicle’s plate. In this study, we would like to develop an embedded type convergent camera (Edge Base) which can expand the function of the camera to not only the license plate recognition but also the security CCTV function together and to perform two functions within the camera. This embedded type convergence camera equipped with a high resolution 4K IP camera for clear image acquisition and fast data transmission extracted license plate area by applying YOLO, a deep learning software for multi object recognition based on open source neural network algorithm and detected number and characters of the plate and verified the detection accuracy and recognition accuracy and confirmed that this camera can perform CCTV security function and vehicle number plate recognition function successfully.

최근에 다양한 분야에서 인공지능이 이용되고 있으나, 대부분의 인공지능은 파이썬 언어 및 라이브러리를 사용해서 구현하며, PC에서 동작한다. 하지만, 마이크로컨트롤러 기반의 임베디드 보드는 PC보다 성능이 낮아서 파이썬 환경을 사용하지 않는다. 본 논문에서는 라즈베리파이 피코 보드와 PC의 성능평가를 수행하였고, 성능평가 방법으로는 다양한 함수를 학습한 후의 예측에 드는 시간을 측정하였다. 실험 결과, 라즈베리파이 피코 보드의 성 능은 PC 성능의 약 1/85 정도의 성능을 나타냄을 확인하였다. 결론적으로, IoT 기반의 전력 설비의 측정 데이터 를 실시간 예측하는 딥러닝 분야를 적용하는 데 있어서 라즈베리파이 피코 보드가 적절한 임베디드 시스템임을 확인하였다.

Artificial intelligence is used in various fields, but most artificial intelligence is implemented using the Python language and library, and operates on a PC. However, microcontroller-based embedded boards have lower performance than PCs, so the Python environment is not used. In this paper, the performance evaluation of the Raspberry Pi pico board and PC was performed, and the time required for prediction after learning various functions was measured as a performance evaluation method. As a result of the experiment, it was confirmed that the performance of the Raspberry Pi pico board showed about 1/85 of the performance of the PC. In conclusion, it was confirmed that the Raspberry Pi pico board is an appropriate embedded system for applying the deep learning field that predicts measurement data of IoT-based power facilities in real time.

The design of a memory control chip is described which is intended for embedded operation in VLSI Chip for 3D image application. It consists of two SRAMs and memory controller. The two memories section and their address counters are being swapped from the storage to the call clock. The systems offers improved accuracy, repeatability, portability, and flexibility not available in current commercial systems. To reduced a chip, 4T(4 transistors) SRAM cells are used instead of the standard SRAM cells 6T (6 transistors) by which the leakage current is drastically reduced and low power is achieved. The layout of the memory chip is realized using Electric layout editor, the DRC and LVS is verified using Electric and post layout simulated with LT SPICE tool of computer.

최근 우리나라의 고령 인구 수와 비율이 증가추세에 있으며, 고령자의 치매 예방 및 두뇌 향상을 위한 교구의 필요성이 제기되고 있다. 대안으로 고령자가 쉽게 배우고 흥미를 느낄 수 있는 퍼즐을 조사한 결과, 노노 그램이 적합하였다. 본 논문에서는 책에 글씨를 쓰거나 스마트폰의 터치 조작을 불편해하는 고령자가 노노그램을 즐길 수 있는 임베디드 플랫폼 기반의 시제품을 제작하였다. 3.5인치의 TFT-LCD 디스플레이에 노노그램을 구현 하였고, 5개의 버튼으로 노노그램을 풀 수 있도록 하였다. 책, 스마트폰 및 시제품에 대해서 학생들의 만족도를 조 사한 결과, 시제품(완성도를 높일 경우)이 55%를 차지함으로써, 시제품의 만족도가 높음을 알 수 있었다.

The number and proportion of the elderly population in Korea is on the rise, and the need for educational aids to prevent dementia and improve the brain of the elderly is being raised. As an alternative, as a result of examining puzzles that the elderly can easily learn and feel interested in, nonograms were suitable. In this paper, a prototype based on an embedded platform was produced that allows the elderly to enjoy nonograms, who are uncomfortable with writing in books or using touch controls on smartphones. Nonograms were implemented on a 3.5-inch TFT-LCD display, and nonograms could be solved with 5 buttons. As a result of examining students' satisfaction with books, mobile phones, and prototypes, it was found that the satisfaction with prototypes was high, as the prototypes (if the level of completion was increased) accounted for 55%.

딥러닝을 이용한 객체 검출의 경우 정확도와 실시간성을 모두 요구한다. 그러나, 한정된 자원 환경에서는 수 많은 양의 데이터를 처리하는 딥러닝 모델을 사용하기 어렵다. 이러한 문제 해결을 위해 본 논문에서는 소형 임베디드 장치를 위한 객체 검출을 모델을 제안하였다. 일반적인 검출 모델과 달리 사전 학습된 특징 추출기를 제거한 구조를 사용하여 모델 크기를 최소화하였다. 모델의 구조는 경량화된 컨볼루션 블록을 반복해서 쌓는 구조 로 설계하였다. 또한, 검출 오버헤드를 줄이기 위해 영역 제안 횟수를 크게 줄였다. 제안하는 모델은 공개 데이터 셋인 PASCAL VOC를 사용하여 학습 및 평가하였다. 모델의 정량적 평가를 위해 검출 분야에서 사용하는 average precision으로 검출 성능을 측정하였다. 그리고 실제 임베디드 장치와 유사한 라즈베리 파이에서 검출 속도를 측정하였다. 실험을 통해 기존 검출 방법 대비 향상된 정확도와 빠른 추론 속도를 달성하였다.

In the case of object detection using deep learning, both accuracy and real-time are required. However, it is difficult to use a deep learning model that processes a large amount of data in a limited resource environment. To solve this problem, this paper proposes an object detection model for small embedded devices. Unlike the general detection model, the model size was minimized by using a structure in which the pre-trained feature extractor was removed. The structure of the model was designed by repeatedly stacking lightweight convolution blocks. In addition, the number of region proposals is greatly reduced to reduce detection overhead. The proposed model was trained and evaluated using the public dataset PASCAL VOC. For quantitative evaluation of the model, detection performance was measured with average precision used in the detection field. And the detection speed was measured in a Raspberry Pi similar to an actual embedded device. Through the experiment, we achieved improved accuracy and faster reasoning speed compared to the existing detection method.

본 논문은 자습 및 야간 자율학습 시간 동안 학생들의 학습 환경을 개선하기 위해, 임베디드 플랫폼 기반 IoT 소음 모니터링 관리 시스템을 설계하고 구현한 연구이다. MAX9814 사운드 센서와 Raspberry Pi Pico W를 활용하여 교실 내 소음을 실시간으로 모니터링하고, 설정된 소음 임곗값을 초과할 경우 자동으로 경고를 발생시키 며 알림을 전송하도록 설계하였다. 시스템은 3초마다 소음 데이터를 업데이트하고 웹 사이트를 통해 실시간으로 시각화한다. 데이터 분석을 통해 교실 내 일반 소음 수준을 37.52dB로, 학생들의 대화 소음 수준을 72.56dB로 파 악하였으며, 소음 임곗값을 55dB로 설정하였다. 이 값은 교실 내 일반 소음과 학생들의 대화 소음을 적절히 반영 하였다. 개발된 시스템은 소음 문제를 실시간으로 관리하여 학생들의 학습 효율성을 높이고 쾌적한 학습 환경을 유지하는 데 기여할 것으로 기대된다.

This paper presents the design and implementation of an embedded platform-based IoT noise monitoring system to improve the learning environment during self-study and nighttime autonomous learning hours. The system employs the MAX9814 sound sensor and Raspberry Pi Pico W to monitor classroom noise levels in real time, issuing warnings and sending notifications when the noise exceeds the set threshold. Noise data is updated every three seconds and visualized through a web interface. Analysis revealed that typical classroom noise levels are 37.52 dB, while student conversation noise levels reach 72.56 dB, leading to the noise threshold being set at 55 dB. The developed system effectively addresses noise issues in real time, enhancing learning efficiency and maintaining a conducive environment.

본 논문은 이기종 임베디드 플랫폼을 이용해서 스마트 임업을 위한 IoT 구현을 위한 연구를 수행하였다. IoT 구성을 위해서 WIFI 통신이 가능한 3가지의 이기종 임베디드 플랫폼을 선정하였다. 본 연구에서는 하나의 PC 서버에 라즈베리파이피코 W보드, NodeMCU 보드 및 EPS32 보드를 하나의 IoT 망으로 연결하는 실험을 수 행하였다. 라즈베리파이피코 W 보드는 온도 데이터를 전송하고, NodeMCU 보드는 6축의 움직임 데이터를 전송 하며, ESP32 보드는 실시간 동영상 스트리밍을 전송하도록 구성하였다. 본 논문에서 정의한 스마트 임업용 IoT에 대해서 온도 데이터, 움직임 데이터 및 이미지 데이터를 정상적으로 획득함을 확인하였다. 향후 실제 임야에 IoT 를 설치함으로써, 신뢰성을 검증할 예정이다.

In this paper, a study was conducted to implement IoT for smart forestry using heterogeneous embedded platforms. Three heterogeneous embedded platforms with WIFI communication were selected for IoT configuration. In this study, Raspberry Pi Pico W board, NodeMCU board, and EPS32 board were connected to one PC server as an IoT network. The Raspberry Pi Pico W board is configured to transmit temperature data, the NodeMCU board is configured to transmit 6-axis motion data, and the ESP32 board is configured to transmit real-time video streaming. We confirmed that temperature data, motion data, and image data can be acquired normally for the smart forestry IoT defined in this paper. In the future, we will verify the reliability by installing IoT in actual forests.

최근에는 전자제품 및 웨어러블 기기를 포함한 IoT 제품들이 증가 추세에 있다. 하지만, IoT 기기가 증가할수록 보안 문제가 대두되면서 유선 및 무선 보안에 대한 관심이 증가하고 있다. 현재 많이 사용하고 있는 알 고리즘으로는 AES가 있으며, 임베디드 기반에서도 사용이 가능한 경량의 암복호화 알고리즘 들이 있다. 본 논문 은 임베디드 경량 블록 암호 알고리즘인의 응용에 관심이 있으며, 평문 데이터 대신에 실시간으로 측정한 심박 데 이터에 경량의 암복호화 알고리즘을 적용하는 실험을 수행하였다. 데이터를 분석한 결과, 본 데이터와 복호화 데 이터가 100% 일치하였다. LEA 알고리즘의 경우에 1개의 심박 데이터에 대한 샘플링 갯수는 초당 100개임을 확 인하였다. 향후, 샘플링 레이트를 높일 수 있도록 고성능의 임베디드 기기에서 실험을 수행할 예정이다.

In recent years, the number of IoT products, including electronics and wearable devices, has been on the rise. However, with the increase in IoT devices comes security concerns, which has led to an increased focus on wired and wireless security. Currently, AES is a popular algorithm, and there are lightweight encryption algorithms that can be used on an embedded basis. This paper is interested in the application of embedded lightweight block cipher algorithms, and experiments were conducted to apply lightweight decryption algorithms to real-time measured heart rate data instead of plain text data. After analyzing the data, we found that the original data and the decrypted data matched 100%. For the LEA algorithm, we found that the number of samples for one heart rate data is 100 per second. In the future, we will conduct experiments on high-performance embedded devices to increase the sampling rate.

LNG 저장 작업 중 기계결함, 부주의 등으로 인해 사고가 꾸준히 발생하고 있다. 이전 연구에서는 위험을 미리 감지하는 압력, 온도, 가스 농도, 플로우 측정이 가능한 환경 센서 모듈을 개발하고 누출된 가스량에 따른 응답속도를 측정하였었다. 본 논문에서는 환경 센서 모듈이 측정한 데이터를 SPI, UART, LTE의 유무선 네트워크와 연결된 임베디드 기기들에 안전하게 전송해주는 유무선 통신 모듈의 개발을 제안한다. 먼저 환경 센서와 연동 가능한 데이터 통신 모듈을 설계한다. Local Control Part의 각 장치간 프로토콜과 Local Control Part와 Remote Control Part의 유무선 프로토콜을 설계한다. 이더넷, WiFi, LTE 통신 모듈을 설계하고 임베디드 제어기와 연동 가능한 UART, SPI 채널을 설계하였다. 그 결과, 각 임베디드 기기가 유선, 무선 동시 통신하면서 환경 센서 모듈이 측정한 데이터를 전송함을 UI(User Interface)를 통해 확인할 수 있었다.

Accidents are steadily occurring due to machine defects and carelessness during LNG storage operations. In previous studies, an environmental sensor module capable of measuring pressure, temperature, gas concentration, and flow to detect danger in advance was developed and the response speed according to the amount of leaked gas was measured. This paper proposes the development of a wired and wireless communication module that transmits data measured by the environmental sensor module to embedded devices connected to wired and wireless networks of SPI, UART, and LTE. First, a data communication module capable of interworking with an environmental sensor is designed. Design a protocol between devices in the Local Control Part and wired and wireless protocols in the Local Control Part and Remote Control Part. Ethernet, WiFi, and LTE communication modules were designed, and UART and SPI channels that can be linked with embedded controllers were designed. As a result, it was confirmed through a UI (User Interface) that each embedded device transmits data measured by the environmental sensor module while simultaneously communicating on a wired and wireless basis.

This study examined the potential of serious videogames as new venues for public health prevention programs. Researchers developed a videogame for anti-smoking prevention: Smokey Dude, a Flash based Super Mario kind of action-adventure game. Two versions of this videogame were created to examine the effects of graphic images, commonly adopted in anti-smoking prevention in traditional media, in the current context of a videogame. A two-group comparison experiment was conducted with Singaporean university students. The results revealed that a videogame embedding graphic images of the consequences of smoking was more effective in increasing participants’ risk perceptions regarding smoking than a videogame without embedded graphic images. In addition, mediation analyses demonstrated that players’ emotional response to games (i.e., disgust) influenced their risk perception, which in turn influenced knowledge improvement and attitudes toward smoking. Implications for researchers and practitioners are also discussed.

The camera embedded wall climbing robot in this paper combines the suction and aerodynamic attraction to achieve good balance between strong adhesion force and high mobility and adopts embedded image processing technique to detect targets on the warehouse inspection. Experimental results showed that the robot can move upward on the wall at the speed of 2.9m/min and carry 5kg payload in addition to 2.5kg self-weight, which record the highest payload capacity among climbing robots of similar size. With two 11.1V lithium-polymer battery, the robot can operate continuously for half hours. A wireless camera system, zigbee protocol module and several sensors was adopted for detecting target objects and dangerous situation on the warehouse wall and for sending alarm signals to remote sensor node or manager.

2000년이 넘도록 유교적 전통과 가치는 조직문화와 조직운영 방식을 포함한 동아시아인들의 일상생활 전반에 영향을 주고 있다. 본 연구의 목적은 한국 조직의 맥락에서 어떤 유교적 가치가, 그리고 어떠한 방식으로 HRD 실무에 영향을 주는지를 탐색하고 이해하려 함이다. 따라서 본 연구를 위한 연구문제는 한국 조직에서 어떤 유교적 가치가 HRD 실무에 나타나는지, 그리고 이러한 유교적 가치가 어떻게 HRD 실무에 영향을 주는가이다. 본 연구의 데이터 수집을 위해서 HRD 분야와 성인교육에 종사하는 13명의 관련자를 반구조화된 방식으로 인터뷰하였다. 다음의 여섯 가지의 유교적 가치가 본 질적 연구에서 논의된다: (a) 화합; (b) 위계질서 중시; (c) 예의바름; (d) 체면; (e) 정; 그리고 (f) 남녀유별의식. 주요 연구결과는 다음과 같다. 첫째, 6가지의 유교적 가치는 참여자의 조직에서 깊숙이 내재된 상태로 존재하며, 이러한 가치들은 참여자의 태도와 행동에 나타난다. 둘째, 유교의 위계적인 인간관계는 조직문화에 내재되어 있으며, HRD 실무에 반영된다. 셋째, 참여자들의 내재화된 화합 의식은 그들의 업무에 반영된다.

Confucian values have influenced and shaped every aspect of the lives of East Asian populations, including organizational culture and the way business has been practiced for over 2000 years. The purpose of this study is to examine and understand what and how Confucian values influence HRD practices within Korean organizational contexts. The central questions for the researcher are, what Confucian values are reflected in HRD practices in Korean organizational contexts? And, how do those Confucian values influence HRD practices? Data were collected primarily through semi-structured interviews with thirteen HRD practitioners and adult educators. Six items emerged from the qualitative data: (a) group harmony; (b) respect of hierarchy; (c) propriety; (d) face; (e) bond of affection; and (f) distinctive gender roles. This study concludes by discussing some important points. They are: (a) Confucian values that the participants discussed in this study exist in an embedded manner in organizations, and the values are manifested in their attitudes and behavior; (b) the tradition of hierarchical Confucian human relationships is embedded in organizational culture and reflected in HRD practices; (c) it was evident that participants’ internalized sense of group harmony is reflected in their work.

We propose a novel programmable miniature vision module based on a custom designed analog VLSI (aVLSI) chip. The vision module consists of the optical flow vision sensor embedded with commercial off-the-shelves digital hardware; in our case is the Intel XScale PXA270 processor enforced with a programmable gate array device. The aVLSI sensor provides gray-scale imager data as well as smooth optical flow estimates, thus each pixel gives a triplet of information that can be continuously read out as three independent images. The particular computational architecture of the custom designed sensor, which is fully parallel and also analog, allows for efficient real-time estimations of the smooth optical flow. The Intel XScale PXA270 controls the sensor read-out and furthermore allows, together with the programmable gate array, for additional higher level processing of the intensity image and optical flow data. It also provides the necessary standard interface such that the module can be easily programmed and integrated into different vision systems, or even form a complete stand-alone vision system itself. The low power consumption, small size and flexible interface of the proposed vision module suggests that it could be particularly well suited as a vision system in an autonomous robotics platform and especially well suited for educational projects in the robotic sciences.