Page 482 - 2020학년도 MDP과제발표회 자료집 (통신과) (3)

Ⅲ . 결론

1 결과

1. 실무결과
3030 프로파일과 포맥스를 이용하여 전체적인 외형을 잡았고 문 쪽의 스위치와 서보모터 마그네틱 센서, ,
를 달아 두었다 사이드 미러는 서보모터와 미러필름을 이용해서 제작하였고 하드 보드지를 이용해서 겉은 . ,
시트지로 감싸 사이드미러의 느낌을 살리고자 하였다 핸들에는 . LED 와 스위치를 달아 음성인식을 할 수 있
도록 하였고, 3 대의 카메라는 각각 후방 전면 얼굴 인식에 사용하도록 하였다 에어컨은 팬 모터를 이용하, , .
였고 스피커는 음성인식을 통한 결과물을 출력하기 위해 사용하였다, .

구글 어시스턴트로 음성인식을 구현하고 하드웨어가 동작하는 프로그램을 짜면서 Python 을 더 잘 다룰 수
있게 되었다.

얼굴인식(Tensorflow) 를 이용해서 직접 CNN 모델의 구를 알고 구성해 보았으며 사진 전처리를 통한 트,
레이닝 데이터 셋을 구성할 수 있었다. Learning Rate 와 Epoch 을 비롯한 여러 변수들의 최적의 값을 찾
아 낼 수 있었다 실제 데이터를 이용해 테스트를 했을 때. , 90% 이상의 결과 값을 얻어내었다.

사물인식(Yolov2 를 사용한 Darknet) 을 통해서 Yolo 의 구조와 운영 방법을 익힐 수 있었다 공식 모델인 .
Yolo2.weight 를 이용해 사물 인식을 구현해 내었고 이미 위에 해당 인식 결과를 붙여서 출력할 수 있었다, .

안드로이드를 하면서 라즈베리파이와 FTP 서버를 연결하여 통신하였다 이를 이용해 다른 . FTP 서버와도
연결을 할 수 있었다 또한 . TCP/IP 소켓을 이용해 Python 서버, Node.js 서버와 연결하여 데이터를 주고받
았다. ConstraintRayout 을 유연하게 사용하여 화면을 구성하였다.

서버를 짜면서 소켓 통신과 TCP 등에 대해서 더 잘 이해하게 되었다 서버에서 얼굴인식 클라우드 서버와 .
사물인식 클라우드 서버가 있었는데 가지의 각각의 결과는 다음과 같다2 .
1) 얼굴인식 클라우드 서버
CNN 모델과 트레이닝 데이터 셋을 모두 함수화 시켜 Import 하였으며, Import 한 함수들을 threading 과
socket 라이브러리를 이용해 멀티스레드 소켓 서버를 구현하였다 멀티스레드 서버 환경이라 강제 종료를 .
하지 않는 이상 클라이언트에 의해 서버가 종료되지 않도록 하였다.
2) 사물인식 클라우드 서버
Yolo 활용 코드와 결과 값을 도출하는 코드 모두를 함수화 시켜 Import 하였으며, Import 한 함수들을
threading 과 socket 라이브러리를 이용해 멀티스레드 소켓 서버를 구현하였다 공식 모델을 이용하여서 자.
동차뿐만 아니라 80 개의 사물들에 대하여 찾아 낼 수 있다.

다양한 펌웨어 소스를 짜면서 스텝모터 서보모터 팬모터 등의 다양한 종류의 모터를 구동하고 , , PWM 을
계산하고 이를 이용해 제어할 수 있게 되었다. C 언어, JAVA 위주로 배웠던 수업과 달리 파이썬을 이용하면
서 인터프리터언어에 대해서 알아 볼 수 있었고 파이썬 언어의 특징 및 사용방법 그리고 라즈베리파이와 ,
이를 사용하고 제어할 수 있게 되었다.

모터 구동이나 전체적인 회로를 구동시키기 위해서 LM2576 을 이용한 12V, 5V, GND 로 이루어진 전원회
로 구성 및 제작 솔레노이드 즉 문쪽을 제어하기 위한 릴레이 회로 구성 등을 하면서 전원회로와 정전압 , ,
안정화 회로의 종류 및 사용 예 그리고 그러한 회로를 구성하기 위한 부품 및 특징에 대해서 알게 되었다, .

502 인천전자마이스터고등학교 - 502 -
정보통신기기과