Earticle

본 연구는 라즈베리파이 기반 자율주행 자동차를 활용하여 학생들이 객체 이미지 데이터를 어노테이션(Annotation)하고 컴퓨터 비 전 기반의 인공지능을 개발하는 인공지능 교육을 위한 캠프 프로그램을 제안하여 인공지능에 대한 올바른 인식과 함께 인공지능에 대 한 흥미와 이해도를 향상시키고자 한다. 본 교육 프로그램은 학생들이 직접 이미지 데이터를 생성하고 객체인식 모델을 활용해 자율자 동차에 적용해볼 수 있는 프로젝트 형태로 구성하였으며, 학생들의 수준을 고려하여 기계 학습 및 이미지 추론이 가능한 블록 코딩을 활용한다. 자율주행 자동차의 센서와 작동 원리를 개괄적으로 이해하고, 자율주행 자동차 제어에 필요한 기초적인 문법과 이미지 추론 방법을 익혀 자율주행 자동차를 주행하고자 한다.

This study proposes a camp program for artificial intelligence education, utilizing a Raspberry Pi-based autonomous driving car, to enhance students' interest and understanding of artificial intelligence along with a correct perception of AI. The program aims to involve students in annotating object image data and developing artificial intelligence based on computer vision. The educational camp program is designed in a project format, allowing students to directly generate image data and create object recognition models to be applied to autonomous vehicles. Block coding, capable of machine learning and image inference, is employed, taking into consideration the students' proficiency levels. The program covers a broad understanding of the sensors and operating principles of autonomous vehicles, and it aims to familiarize students with basic syntax and image inference methods necessary for controlling autonomous driving cars.

학교와 회사 건물의 복도 천장에는 보통 공용으로 사용할 수 있는 와이파이 엑세스 포인트(WiFi Access Point)가 설치되어 있다. 철문과 같이 신호 감쇠가 큰 재료로 구성된 출입문을 통해 와이파이 신호가 들어오는 건물 구조일 경우 문을 닫으면 인터넷 연결이 자주 끊기거나 실패하게 된다. 본 연구는 이를 해결하기 위해 라즈베리파이 (Raspberry Pi)와 보조 배터리를 이용하여 경제적이고 이동 가능한 와이파이 확장기를 구현한다. 시중에 판매되는 와이파이 확장기는 전원 플러그가 위치한 곳에만 설치해야 하는 장소의 제약이 있고 스마트폰 핫스팟 기능에 기반 한 와이파이 확장은 일부 고급형 기종에서만 가능하다는 단점이 있다. 그러나 제안 시스템은 출입문 안쪽에서 와이 파이 수신 신호가 가장 좋은 위치에서 설치 가능하므로 원신호의 손상 가능성을 최소화하면서 와이파이 범위를 확 장할 수 있다. 그 결과 출입문이 닫힌 환경에서 사무실내 전파 음영을 해소하고, 웹브라우징과 720p 해상도의 동영 상 스트리밍 시청이 가능함을 실험을 통해 확인한다.

In schools and corporate buildings, public WiFi Access Points are installed on the ceilings of hallways. In the case of an architectural structure in which a WiFi signal enters through a steel door made of a material with high signal attenuation, Internet connection is frequently cut off or fails when the door is closed. To solve this problem, our research implements an economical and portable WiFi extender using a Raspberry Pi and an auxiliary battery. Commercially available WiFi extenders have limitations in the location where the power plug is located, and WiFi extension using the WiFi hotspot function of an Android smartphone is possible only in some high-end models. However, because the proposed device can be installed at the position where the Wi-Fi reception signal is the best inside the door, the WiFi range can be extended while minimizing the possibility of damage to the original signal. Experimental results show that it is possible to eliminate the shadows of radio waves and to provide Internet services in the office when the door is closed, to the extent that web browsing and real-time video streaming for 720p are possible.

스마트폰의 보급과 이를 활용한 SNS의 사용자가 증가하면서, 기존의 데이터 타입인 텍스트와 같은 정형 데이터뿐만 아니라 이미지, 동영상과 같은 비정형 데이터가 실시간으로 엄청난 양으로 발생하고 있다. 이런 비정형 데이터를 활용한 서비스가 늘어나면서 다양한 솔루션들이 출시되고 있다. 기존의 정형 데이터는 텍스트 분석이나 간단한 질의를 통해 분석 및 원하는 결과를 쉽게 얻을 수 있지만, 동 영상과 같은 비정형 데이터는 더욱 복잡한 과정을 통해서 분석되어야만 한다. 본 연구에서는 라즈베리파이에 연결된 인체감지 센서와 카메라 센서를 통해 수집한 영상 데이터를 전송받아 특정한 객체를 검출하는 방안을 제시하고자 한다. 이를 위해 관련 연구로서 라즈베 리파이의 하드웨어적인 특성과 컨볼루션 신경망 이론에 대해서 조사하였고, 이를 바탕으로 라즈베리파이 보드에 인체감지 센서와 카 메라 센서로 구성된 카메라 모듈을 구성하여 주변을 촬영한 영상을 관리 서버에 전송한 다음에 이를 YOLO 알고리즘을 사용해서 특정 한 객체를 검출하는 방안을 기술한다. 이를 통해 보다 쉬운 방식으로 객체를 검출함으로써 보다 다양한 분야에 응용할 수 있다.

With the spread of smartphones and the increasing number of users of SNS using them, not only structured data such as text, which is an existing data type, but also unstructured data such as images and videos are generated in huge amounts in real time. As services using such unstructured data increase, various solutions are being released. Existing structured data can be easily analyzed and desired results obtained through text analysis or simple queries, but unstructured data such as video must be analyzed through a more complicated process. In this study, we propose a method of detecting a specific object by receiving image data collected through a human body sensor and camera sensor connected to Raspberry Pi. To this end, as a related study, the hardware characteristics of Raspberry Pi and the theory of convolutional neural networks were investigated. On that basis, a method of detecting a specific object using the YOLO algorithm is described. Through this, it can be applied to more diverse fields by detecting objects in an easier way.

최근 국내 에너지 정책의 패러다임이 공급보다 수요관리를 중점으로 변화하는 추세이다. 기존 공급으로는 점점 증가하는 에너지 소비량을 따라가기 어렵기 때문이다. 이로 인해 소비자가 필요한 만큼만 에너지를 사용하게 하고 불필요하게 낭비되는 에너지를 없애는 등, 수요 관리를 효율적으로 하기 위한 방법들이 연구되고 있다. 이로 인해 FEMS, BEMS와 같은 에너지 관리 인프라들이 구축되면서 실제로 에너지 절약 및 비용을 절감할 수 있는 최적 제어를 가능하게 했다. 하지만 FEMS와 BEMS 인프라는 대규모 공장 설비를 사용하는 시설이나 적정 크기의 빌딩에 적합하기 때문에 소규모 시설에서는 운영하기 어렵다는 문제가 있다. 이러한 문제를 해결하기 위해 본 논문에서 는 라즈베리파이에 온도 센서와 IR 송/수신기를 사용해 소규모 에너지 관리 시스템(SEMS)을 구현한다.

빅 데이터 처리는 데이터의 크기나 복잡도가 커서 기존의 전통적인 데이터 처리 기법으로는 다루기 힘든 데이터의 처리를 의미한다. 싱글보드 컴퓨터를 포함하는 스마트 기기의 보급은 데이터를 처리하는 방법에 많은 영향을 미치고 있으며 이 들을 활용하여 데이터를 처리하는 기법에 대한 연구가 진행되고 있다. 본 연구에서는 빅 데이터 처리에 필요한 분산처리 시스템을 데스크톱 기기 환경이 아니라 라즈베리파이를 활용하여 하둡 분산처리 환경을 구축하는 방안을 제시한다. 또한 제안하는 시스템의 다양한 테스트를 통한 성능 분석과 스케일링의 용이성을 통해 구축한 학습 환경 구성의 효율성을 보인다.

Big data processing is a broad term for processing data sets so large or complex that traditional data processing applications are inadequate. Widespread use of smart devices results in a huge impact on the way we process data. Many organizations are contemplating how to incorporate or integrate those devices into their enterprise data systems. We have proposed a way to process big data by way of integrating Raspberry Pi into a Hadoop cluster as a computational grid. We have then shown the efficiency through several experiments and the ease of scaling of the proposed system.

사물인터넷(IoT)은 4차 산업혁명의 핵심적인 기술이다. 사물인터넷은 다양한 센서로부터 획득된 정보를 사용 자에게 의미 있는 정보로 재가공 및 정보 전달하는 것을 의미한다. 이러한 정보는 WIFI, 블루투스, 서버를 이용하여 센서의 정보를 획득한다. 근거리 네트워크로 구성된 사물인터넷 시스템은 외부의 사용자가 접근하기에는 어려움이 존재한다. 이러한 이유로 사물인터넷 시스템의 정보를 외부에 있는 사용자에게 알림을 전달하는 데 어려움이 있다. 본 논문에서는 라즈베리파이 기반의 사용자 알림 서비스를 구현하였다. 구글의 FCM을 이용하여 라즈베리파이에서 제어되는 온·습도 센서의 정보를 안드로이드 디바이스로 알림을 통해 전달한다.

The Internet of Things(IoT) is one of the key technologies in the Fourth Industrial Revolution. The IoT is a system that acquires information from various sensors and provides meaningful information to users. The method of obtaining information from sensor is using WIFI, Bluetooth and Server. is not accessible to external users because of different type of networks or local area communication. For this reason, there is a problem that external user cannot receive notification in regard to sensor information. In this paper, we want to establish a cloud message environment using Google's FCM(Firebase Cloud Messaging) and find out through experiments how users can receive notifications even if they are outside.

이 연구는 초등학생을 대상으로 한 창의적 문제 해결 중심 발명교육 프로그램과 라즈베리파이 기반 교구를 개발하고 그 효과를 분석하였다. 발명교육 프로그램은 아이디어 창출 기법, 퍼즐 활동, 피지컬 컴퓨팅 활동으로 구성하였으며, 라즈베리파이와 터치스크린을 결합한 휴대용 교구를 개발하여 학교 방 문형 발명교육의 환경적 제약을 극복하고자 하였다. 연구 결과, 학생들은 프로그램에 높은 만족도(평균 4.32/5점)를 보였으며, 특히 문제를 다양하게 생각하는 능력과 융합적 지식 적용 측면에서 긍정적인 반 응을 나타냈다. 학습 경험 분석을 통해 인지적, 정의적, 실천적 측면에서의 다양한 교육적 효과가 확인 되었다. 아이디어 창출 기법을 통해 문제 인식의 관점이 확장되고, 퍼즐 활동을 통해 성취감과 협력의 가치를 경험하며, 피지컬 컴퓨팅 활동을 통해 추상적 개념을 구체적 산출물로 구현하는 경험을 제공하 였다. 라즈베리파이 기반 교구는 학생들의 독립적인 작업 환경을 제공함으로써 학교 현장의 컴퓨터 환 경 제약을 극복하는 데 기여하였으며, 직관적인 인터페이스를 통해 프로그래밍에 대한 접근성을 높였다. 개발된 워크북과 교구는 발명교육이 단순 조작 활동에 그치지 않고 체계적인 과정을 통해 창의적 문제 해결력을 향상시킬 수 있는 가능성을 보여주었다. 본 연구의 한계점으로는 짧은 프로그램 운영 기간, 소규모 연구 대상, 표준화된 검사 도구 미활용, 교구의 기술적 개선 필요성 등이 있으며, 향후 연 구에서는 이러한 한계점을 보완하여 더욱 체계적이고 효과적인 발명교육 프로그램 개발이 필요하다.

This study developed and evaluated the effectiveness of a creative problem-solving-centered invention education program and Raspberry Pi-based teaching aids for elementary school students. The invention education program comprised idea generation techniques, puzzle activities, and physical computing activities. Additionally, a portable teaching aid combining Raspberry Pi and touchscreen was developed to overcome the environmental constraints of school-visit invention education. The results indicated that students showed high satisfaction with the program (averaging 4.32/5 points), particularly reporting positive responses regarding their ability to approach problems from various perspectives and apply interdisciplinary knowledge. Analysis of learning experiences confirmed diverse educational effects in cognitive, affective, and practical aspects. Notably , students expanded their perspectives on problem recognition through the idea generation techniques, they experienced a sense of achievement and the value of collaboration through the puzzle activities, and they implemented abstract concepts into concrete outputs through the physical computing activities. Furthermore, the Raspberry Pi-based teaching aid contributed to overcoming computer environment constraints in schools by providing students with an independent working environment and enhancing programming accessibility via an intuitive interface. The developed teaching materials and equipment demonstrated the potential for invention education to enhance creative problem-solving abilities through a systematic process rather than simple manipulation activities. This study’s limitations include the short program operation period, small research sample, non-utilization of standardized testing tools, and need for technical improvements to the teaching aids. Therefore, future research should develop more systematic and effective invention education programs.

대학에서 개설되는 강좌는 교과목별로 담당교수, 강의실, 강의시간 등의 정보가 매학기 정리되어 데이터베이스에 저장되며, 대학생들 은 정해진 기간 내에 수강신청을 통해 학기 시작과 더불어 강의에 참석하게 된다. 최근의 ICT기술을 활용하여 대학 캠퍼스 전체에 대해 보안 설정 또는 해지를 원격으로 할 수도 있지만, 이런 경우는 정전 또는 화재와 같은 특별한 상황에 이루어지며, 대부분이 보안키를 가 진 관리자가 직접 보안을 해제하는 방식을 따른다. 본 연구에서는 강의시간에 맞춰 해당 강의실의 보안이 자동으로 설정 및 해제되는 스마트 강의실 출입시스템과 더불어 강의시간표가 저장되어있는 데이터베이스에 접속하여 강의 시간표를 조회하면서 해당 강의실의 보안을 라즈베리파이의 제어를 통해 수동으로 설정 및 해제할 수 있도록 도와주는 앱을 구현한다. 이를 이용하면 관리자가 해당 강의 실의 보안을 해제하지 않았거나, 지각 또는 출장 등의 업무로 인해 강의시간에 맞춰 보안을 해제못하는 상황에 대해서도 보안해제가 가 능하므로 해당 강의실의 수업이 강의시간표에 따라 강의가 진행됨으로써 학사일정에도 차질이 생기는 것을 방지할 수 있다는 장점을 가진다.

The courses offered at universities are organized by subject, professor, classroom, lecture time, etc., and stored in a database each semester, and university students register for classes within a set period and attend lectures at the beginning of the semester. Although recent ICT technology can be used to remotely set or cancel security for the entire university campus, this is done in special situations such as power outages or fires. In most cases, an administrator with a security key directly disables the security. In this study, we implement a smart classroom access system that automatically sets and releases security for a classroom according to lecture time, as well as an app that helps users manually set and release security for a classroom by accessing a database where lecture schedules are stored and checking the lecture schedule. Using this, even if the administrator does not disable the security of a lecture room or cannot disable the security in time for the lecture due to work such as being late or on a business trip, the advantage is that the lectures in the lecture room can proceed according to the lecture schedule, preventing disruption to the academic schedule.

개인형 이동장치(Personal Mobility)는 노면 상태에 따라 사용자의 안전에 큰 위협이 된다. 최근 사용이 급증하면서 사고 건수도 함께 증가하고 있어, 이를 예방하기 위한 시스템이 필요하다. 본 연구는 노면 장애물을 감지하여 운전자의 안전 을 향상시키기 위한 경고 시스템을 설계하고 개발한다. 이를 위해 노면 장애물의 이미지를 기반으로 데이터셋을 구성하고 YOLOv5 모델을 학습시킨다. 이후 라즈베리파이 4B를 기반으로 하여 카메라로 촬영된 영상을 실시간 프레임 단위로 처리하 고 노면 장애물이 감지되면 LED 경고를 발생시킨다. Flask 프레임워크를 활용하여 실시간으로 장애물 감지 상태를 모니터링 한다. 또한, GPS 센서를 활용하여 사용자의 위치 및 속도 정보를 수집하고, 설정 속도를 초과할 경우 버저를 통해 청각 경고 를 발생시키는 시스템을 개발한다. 향후 사용자의 운행 과정에서 발견된 노면 장애물과 GPS 정보를 서버에 전송하여 실시간 으로 노면 안전 상태를 제공하는 시스템으로 확장할 수 있으며, 본 연구 결과는 이러한 시스템 개발의 요소기술로 활용될 가 능성이 높다.

Personal Mobility devices pose a significant safety risk to users depending on road conditions. With the recent surge in usage, the number of accidents has also increased, highlighting the need for a preventative system. This study aims to design and develop a warning system to enhance the safety of drivers by detecting road obstacles. To achieve this, a dataset is constructed using images of road obstacles, and the YOLOv5 model is trained. The system is based on the Raspberry Pi 4B, which processes video frames captured by a camera in real-time and triggers an LED warning when an obstacle is detected. The Flask framework is used to monitor the obstacle detection status in real time. Additionally, a GPS sensor is utilized to collect the user's location and speed data, and an auditory warning is triggered via a buzzer if the set speed is exceeded. In the future, this system could be expanded to transmit detected road obstacles and GPS information to a server, providing users with real-time road safety information. The results of this study can serve as essential technology for developing such a system.

스마트팜 기술은 정보통신과 인공지능 기술을 기반으로 동작하는 원격 자동화 농업 기술을 의미하며 이를 학 교 현장에서 교육 주제로 삼는 경우 농업과 정보 기술을 함께 배울 수 있는 흥미 있는 융복합 교육과정이다. 본 논문은 현재의 스마트팜 관련 교육이 실과 및 기술 영역에 주로 다루어지는 상황에 머물지 않고 코딩 융합 교육 에도 함께 활용할 수 있도록 필요한 스마트팜 실험 세트의 구성과 이를 작동시키는 소프트웨어 라이브러리를 설 계하고자 하였다. 구체적으로 제안하는 실험용 스마트팜 세트는 라즈베리파이 보드와 아두이노 보드를 서로 연 결하는 듀얼 플랫폼 형식으로 설계하였고 식물 생육과 관련하여 필요한 몇 가지 센서와 작동 장치들을 포함하였 다. 실험용 스마트팜 세트에서 다양한 생육 실험을 진행하면서 파악하게 된 작동 기능들을 파이썬 코딩에 필요 한 라이브러리 형태로 설계하고 규격화하였다. 본 논문에서는 제안하는 라이브러리를 활용하여 코딩하므로써 효 과적으로 프로그램을 완성하고 스마트팜 농업 기술의 이해도 함께 얻을 수 있도록 구성하고 설계하였다.

Smart farm technology refers to remote automated agricultural technology that operates based on information and communication and artificial intelligence technology, and when it is used as an educational topic at school, it is an interesting convergence curriculum where agriculture and information technology can be learned together. This paper attempted to design the necessary smart farm experiment set and the software library that operates it so that the current smart farm-related education mainly deals with practical and technical areas, but can also be used for coding convergence education. Specifically, the proposed experimental smart farm set was designed in a dual platform format that connects a Raspberry Pi board and an Arduino board, and included several sensors and operating devices necessary for plant growth. The operating functions identified while conducting various growth experiments on the experimental smart farm set were designed and standardized in the form of a library required for Python coding. In this paper, we structured and designed it to effectively complete the program and gain an understanding of smart farm agricultural technology by coding using the proposed library.

2000년 초반에 유휴 서버를 활용하는 방식으로 시작된 클라우드 서비스는 4차 산업혁명의 도래로 더욱 활성화되고, 데이터를 수집하고 분석하여 비즈니스에 활용할 수 있는 최적의 플랫폼으로 많은 분야에서 사용되고 있다. 한편 사물인터넷은 주변의 모든 사물들이 언제, 어디서나 자유롭게 인터넷이라는 네트워크에 접속하여 센 싱한 데이터를 전송할 수 있는 환경으로서, 실시간으로 데이터의 전송이 이루어지므로 BaaS 즉, 데이터만을 위한 클라우드 서비스가 추가되었다. 본 연구에서는 사물인터넷을 위한 BaaS 서비스 중에서 Parse Server를 기반으 로 데이터를 관리하는 백앤드 서비스 방안을 설명하고, 이를 활용하여 환자들의 재활을 도와주는 서비스를 제시 한다. 이를 위한 하드웨어 환경으로는 라즈베리파이를 사용하고, 인터넷에 연결되어 실시간으로 환자들의 움직임 정보를 수집하고, 이를 Parse Server를 통해 관리한다.

Cloud services, which started in the early 2000s as a method of using idle servers, are more active with the advent of the 4th industrial revolution, and are being used in many fields as an optimal platform that can be used for business by collecting and analyzing data. On the other hand, the Internet of Things is an environment in which all surrounding objects can freely connect to the Internet network anytime and anywhere to transmit sensed data. In the Internet of Things, data is transmitted in real time, so BaaS, that is, a cloud service for data only has been added. In this paper, among BaaS services for the Internet of Things, a back-end service method that manages data based on Parse Server is explained, and a service that helps patients in rehabilitation is presented using this. For this, a Raspberry Pi is used as a hardware environment, and it is connected to the Internet, collects patient movement information in real time, and manages it through the Parse Server.

Continuous monitoring is required for maintenance of building structures, and displacement measurement of structures is very important for evaluation of usability and safety among Structural Health Monitoring (SHM) items but there are many limitations to measurement of displacement of structures. Vision-based Displacement System (VDMS) was developed to solve the problem of general structure displacement measuring device. However, the existing VDMS has limitations in that it cannot perform real-time measurement or use the hardware developed by the research team to quickly replace parts when an error occurs during use. As an alternative to solve this problem, the hardware of real-time VDMS can be used as a Single Board Computer (SBC). In this study, Raspberry Pi 4B and Raspberry Pi HQ cameras were used as general-purpose SBC and camera, and an image analysis procedure for real-time VDMS was developed. Displacement measurement results of real-time VDMS using the developed SBC did not have large errors with existing displacement measurement equipment, so the validity could be verified. Based on the experimental results, real-time VDMS using SBC is expected to be able to replace VDMS requiring post-processing.

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.

이 연구에서는 홀로그램과 음성인식을 이용한 실감형 학습시스템의 가능성을 검증하는 것을 목 표로 한다. 이를 위해 '구글 클라우드 플랫폼 STT', 다이얼로그 플로우, 팬홀로그램을 이용하여 학습자 가 질문하는 음성을 인식하여 적합한 결과의 입체 영상을 홀로그램으로 보여주며 설명해주는 초등교육 용 세계지도 학습시스템을 개발하였다. 실험 및 인터뷰 결과 학생들의 흥미와 몰입을 유발하여 학습효 과 향상에 도움이 될 것으로 판단되며, 협업학습과 장애 학생을 위한 교육에 효과적으로 활용될 수 있 을 것으로 예상된다.

In this study, we developed a world map learning system for elementary education that uses Google Cloud platform STT, Dialog Flow, and fan holograms to recognize the voices of learners and to show and explain three-dimensional images of suitable results as holograms. As a result of the experiments and interviews, it is expected to be helpful for improving the learning effect by inducing students' interest and immersion and is expected to be effectively used for collaborative learning and education for students with disabilities.

융복합 응용의 일반화로 라즈베리파이나 아두이노 임베디드형 제어 보드의 활용이 늘고 있다. 이러한 제어장 치 설치는 상시 전력이 부재한 상황에서도 운영되어야 하는 경우가 많다. 이러한 경우에 흔히 태양광을 이용하 기 때문에 충분한 전력 확보가 쉽지 않다. 본 논문에서는 이러한 저전력 환경 하에서도 작동할 수 있는 효과적 인 제어 체계를 제안하고자 한다. 본 논문에서 구성한 실험 기기는 일정한 주기별로 DSLR 카메라 촬영하는 장 치이다. 장치의 제어 모듈은 라즈베리파이와 아두이노 보드를 결합한 복합물이며, 아두이노 보드가 정해진 주기 별로 라즈베리파이 보드를 동작시키도록 구성하였다. 본 논문에서는 이러한 전력 제어를 위한 프로그램을 개발 하였고 이 펌웨어에 의하여 라즈베리파이의 전력 소모를 일자별, 시간별로 측정하여 전체 시스템의 효율성을 검 증하였다. 아두이노 보드는 정한 간격마다 라즈베리파이에 전력을 공급하여 카메라에 슈팅 신호를 전송하도록 하였다. 실험결과, 10일간의 실험 기간 동안 일정하고 안정적인 전력 소모가 측정되었다. 결국 아두이노를 결합 하여 절전하는 경우 라즈베리의 소비전력량을 약 81% 절감한 것으로 조사되었다.

As the convergence solutions become more common, the use of Arduino and Raspberry Pi boards has been increasing. These control boards has to be executed under power blackout. In this environment, we take advantage of solar power system to overcome the power out. In this paper, we poposed a effficient power control strategy. Our experimental device is a DSLR shooting device executed based a predesigned interval time. The control module of our experimental device is the compound system of Raspberry Pi and Arduino boards. Arduino board send the force signals to wake up Raspberry Pi. We developed a new control strategy algorithm for the efficient use of solar power energy. In this paper, we mesured the efficiency of solar enery consuming of our system. We programmed a control system to send DSLR shooting signals. In experimentals, we ensured a stable consuming of electricity during 10 days. In the end, it was found that the consumption power of the Raspberry was reduced by about 81% when the Aduino was combined to save power.

스마트폰을 이용하는 사용자는 인증이 필요한 시스템에 접근 권한을 획득하기 위해서 지식기반 인증, 소유기반 인증, 생체기반 인증, 토큰기반 인증 등을 이용하여 인증을 진행한다. 하지만 데스크탑 컴퓨터 사용자는 다양한 인증 방식이 있음에도 불구하고 인증 기기의 제한으로 지식기반 인증 요소인 아이디와 비밀번호를 이용하여 인증하는 방식을 주로 사용하고 있다. 본 논문에서는 사용자가 원하는 방식의 인증 방식을 사용할 수 있는 기능을 제공하는 라즈베리 파이 기반의 다중 방식 인증 시스템을 설계하고 구현하였다. 구현 시스템은 지식기반 인증, 소지기반 인증, 생체기반 인증, 토큰기반 인증 방식을 사용한다. 제안 시스템을 이용하면 경제적인 부담 때문에 별도의 보안 담당자를 두기 어려 운 중소기업에서 활용이 가능한 보안 기능을 제공할 수 있다. 구현된 시스템은 개인용뿐만 아니라 기업에서도 사용 가능 하며, 금융, 게임 등 다양한 분야에 적용할 수 있다.

Users who use smartphone can using knowledge-based authentication, possession-based authentication, biometric-based authentication, and token-based authentication in order to access rights to systems requiring authentication. However, desktop computer users use method only ID and password, which are knowledge-based authentication factors, due to limitations of authentication devices, despite various authentication methods. In this paper, we designed and implemented a raspberry pi based authentication system that provides multiple authentication method of a user's desired type. The implementation system uses knowledge-based authentication, possessive-based authentication, biometric-based authentication, and token-based authentication. The proposed system can provide a security function that can be used by SMEs, which is difficult to hire a security officer due to the economic burden. The implemented system can be used not only for personal use but also for enterprise, and it can be applied to various fields such as finance and game.

드론을 이용하여 네트워크 공격을 시도하는 연구는 이전에도 많이 있었지만, 네트워크를 방어하는 연구는 상대적으로 많지 않았다. 이 논문에서 우리는 드론과 라즈베리 파이를 이용하여 무선 네트워크를 모니터링할 수 있는 디텍트론을 제안한다. 디텍트론은 무선 네트워크 상에서 WaidPS와 Wi-Fi Harvesting Module이라는 툴을 이용하여이블트윈 공격, 브루트포스 공격 같은 비정상적인 네트워크 트래픽과 사설 AP를 감지할 수 있으며, 이 결과를 관리자에게 알려줄 수 있다. 또한 드론은 사람보다 이동성이 좋기 때문에, 점검자가 직접 무선 네트워크를 찾아다니면서점검을 하지 않아도 되며, 이로 인해 시간적·비용적 측면에서 이득을 볼 수 있다. 우리는 디텍트론을 직접 구현하였고, 실험을 통하여 넓은 범위의 네트워크를 드론 하나로 모니터링 할 수 있다는 것을 확인할 수 있었다.

There has been a lot of research that attempted to do network attacks using drones, but there are relatively few studies to defend networks. In this paper, we propose Detectron, which can monitor on wireless network by using a drones with raspberry pi. Detectron can use WaidPS and Wi-Fi Harvesting Module to detect an anomaly network traffic like Evil-Twin attack and Brute Force attack, and Unauthorized AP on wireless network, and then can notify to administrators. Also, because Detectron has better mobility than person, inspector do not need to move to inspect the access point, accordingly we can get a benefit from both in terms of time and cost. We have implemented Detectron and we have been able to verify that a wide area of networks can be monitored with a single drone through experiments.