TinyML 기반의 저전력 스마트 계량 시스템 개발

Q: 이 논문에서 정의한 TinyML 기반 스마트 계량 시스템이란 무엇인가?

TinyML 기반 스마트 계량 시스템은 기존 기계식 계량기에 카메라가 장착된 TinyML 기반 에지 디바이스를 부착하여 계량기 숫자를 에지 디바이스에서 직접 인식하고, 인식된 숫자만 기존 디지털식 과금 시스템으로 전송하는 방식이다. 이는 수동 검침, 배터리 방전, 통신 비용 증대 등의 기존 계량 방식의 단점을 최소화한다.

Q: TinyML 기반 스마트 계량 시스템은 unknown 상태의 숫자를 어떻게 인식하는가?

연구 결과, 본 시스템은 기존 방식과 달리 10개의 표준 숫자 클래스만을 사용하며, 데이터 증식 기법을 적용하여 unknown 상태를 효과적으로 인식한다. 특히, unknown 판단 알고리즘을 통해 ROI 박스 추가 설정, OTSU 이진화, Blob 필터링 후 y축 투영 분석으로 숫자 경계를 찾아 shift 및 전이 학습을 통해 인식 정확도를 높인다.

이승헌; 구민서; 최경택

추천

검색

질문

자료유형: 학술대회자료

저자정보: 이승헌 (대구가톨릭대학교) 구민서 (대구가톨릭대학교) 최경택 (대구가톨릭대학교)

저널정보: 대한전자공학회 대한전자공학회 학술대회 2025년도 대한전자공학회 추계학술대회 논문집

발행연도: 2025.11

수록면: 568 - 571 (4page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Water-meters can generally be classified into three types: mechanical, digital, and cloud server-based. Each type has its own advantages and disadvantages. Mechanical meters require manual reading by a person, digital meters may fail to charge properly if the battery is discharged, and cloud server-based meters increase communication costs due to video data transmission and require replacement of the existing billing system. To address these issues, this paper proposes a system that attaches a TinyML-based edge device equipped with a camera to a mechanical meter. The edge device automatically recognizes the meter digits and performs billing autonomously. In previous studies, to recognize the unknown state, which refers to the transitional state between digits, 10 additional classes were added for each state, resulting in a total of 20 classes. In contrast, since the proposed method operates on a low-capacity edge device where DNN efficiency is critical, only 10 standard digit classes were used. By applying data augmentation techniques, the proposed method effectively recognized the unknown states while simplifying the network structure.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)