안녕하세요.
메이크 잇 나우입니다 🙂
20라운드 중 이제 2라운드 남았습니다. 지금까지 꾸준히 글을 읽어오셨다면 충분히 IoT를 다룰 수 있을 것입니다.
오늘부터 최근 가장 핫한 키워드로 떠오르고 있는 AIoT에 대해 알아보도록 하겠습니다.
처음에 배웠던 스마트시티의 방범건물을 기억하시는지 모르겠습니다. 모르시면 5~6장을 확인하시기 바랍니다.
(Arduino/ESP32) 스마트 시티: 창문 열림 감지 방법_자기 센서
안녕하세요. 지금 만들어요 🙂 오늘은 자기센서를 이용한 방범창문 시스템을 만들어 볼게요 🙂 ■ STEP 1 : 창문이 열려 있는지 어떻게 알 수 있나요?? 대부분의 보안 시스템
www.makeitnow.kr
방범동의 시스템을 버튼(2장 버튼 참조)으로 on/off 하려고 했는데, 보안이 매우 취약하시겠죠?
그래서 권한이 있는 사람만 얼굴 인식을 통해 보안 시스템에 접근할 수 있도록 AI 학습 모델을 적용해 보자.
■ 1단계: AI란?
AI가 인공지능이라는 것은 누구나 알고 있습니다. 인간의 학습 능력뿐만 아니라 추론 및 지각 능력
인공적으로 구현할 수 있는 지능을 갖춘 컴퓨터를 흔히 AI라고 합니다.
대표적으로 흔히 알려진 AlphaGo, TESLA, ChatGPT, 그리고 최근 가장 핫하게 떠오르는 AI 인터뷰는 모두 딥러닝과 관련이 있습니다.
기계 학습을 통해 학습한 데이터를 기반으로 결과를 도출합니다. 이번에도 우리 모델을 훈련하고
모델을 기반으로 결과 도출해보자.
■ STEP 2: AI를 통한 보안 방법은?
AI를 사용하여 보안 시스템을 구축하는 것은 매우 일반적입니다. 그렇다면 AI는 보안에 어떻게 사용될 수 있을까요?
우리가 그것을 사용하는지 봅시다.
1. 지능형 및 움직임 감지: AI 기반 감시 카메라를 통해 영상을 분석하고, 지정된 영역 외부의 침입자의 움직임과 행동을 분석합니다.
실시간 탐지 및 경고.
2. 얼굴 인식 시스템: AI를 활용하여 개인의 얼굴을 식별하고 이를 기반으로 식별하는 기능입니다.
3. 사이버 악성코드 탐지: AI가 대량의 데이터를 분석해 알려진 악성코드의 이상 행위와 패턴을 파악해 사이버 위협을 탐지한다.
감지하고 차단합니다.
4. 출입통제 : AI가 사용자의 신원을 인증하고 동작, 음성 등의 패턴을 통해 시스템을 제어한다.
5. 예측 및 위협 평가: 빅데이터 및 예측 분석을 통해 이상 행위를 탐지하고 보안 위협에 대한 실시간 경고 및 대응을 제공합니다.
그 외에도 다양한 방법으로 접목이 가능하지만 이번에는 얼굴인식을 통한 출입통제 처리하자
■ STEP 3 : Teachable Machine 사용
Teachable Machine은 사용자가 간단한 인터페이스를 통해 이미지, 음성 또는 동작과 같은 다양한 입력 데이터를 활용할 수 있도록 합니다.
나만의 학습 모델을 만들기 위한 도구로 딥러닝이나 머신러닝에 대한 이해가 없어도 쉽게 사용할 수 있습니다.
학습 도구입니다.
학습 가능한 기계는 다양한 방법으로 훈련될 수 있습니다. 여기에서는 이미지를 학습하고 데이터를 축적합니다.
Teachable Machine을 사용하는 과정은 다음과 같습니다.
1. 클래스별로 학습할 이미지를 촬영합니다. (데이터가 많을수록 좋습니다.)
2. 수강한 모든 수업을 배우십시오.
3. 학습 후 분석 및 테스트를 통해 모델을 재학습하거나 사용할 수 있습니다.
1. 반별 이미지 촬영
메이크잇나우의 귀여운 캐릭터 망이와 카카오프렌즈의 콘을 촬영하여 CLASS를 만들었습니다.
2. 모델 학습
CLASS 데이터를 기반으로 모델을 교육합니다.
3. 분석 및 테스트
망치를 인식하면 망치로 잘 인식하는 것을 볼 수 있습니다. 인식률 테스트를 통해 검증 후, 학습된
데이터를 사용해야 합니까?
■ 4단계: 학습 가능한 기계의 인식률을 높이려면 어떻게 해야 합니까?
AI가 데이터를 학습하고 이를 기반으로 결과를 도출할 때 가장 중요한 것은 어떤 데이터를 학습하느냐다.
모델 A와 B가 완전히 다르다면 적은 양의 데이터만으로 판단할 수 있지만, 쌍둥이라면?
당연히 두 사람을 완벽하게 구분하기 위해서는 두 사람의 데이터가 많이 모아져야 한다.
컴퓨터는 숫자와 픽셀의 패턴을 통해 이미지를 인식합니다. 따라서 학습 가능한 기계의 경우,
이미지와 전혀 다른 이미지를 보여주면 인식률은 확실히 떨어집니다. 인식률을 높이려면
학습할 물체의 각도, 크기, 색상, 밝기 등 변수가 많은 데이터 학습 하는 것이 좋습니다
그럼 다음에 학습된 모델을 사용하는 방법우리는 그것에 대해 말할 것입니다. 모델 학습으로 끝납니다.
이를 통해 시스템을 제어할 수 있어야 하지 않을까요?? 마지막 시간에 우리는 AIoT를 구현할 것입니다.
이미 특허가 등록된 모든 메이크 잇 나우 키트가 궁금하시다면 아래 링크를 클릭해주세요.
대량구매, 견적문의, 수업문의는 카카오톡 플러스친구를 이용해주세요 🙂
▼▼▼ S2B스쿨마켓, G마켓, 네이버 등 모음 ▼▼▼
https://www.makeitnow.kr/page/store
지금 확인하세요
다양한 오픈마켓에서 MAKE IT NOW 매장을 만나보세요. 가고자 하는 사이트를 클릭합니다. 스쿨마켓에서 “Make It Now” 검색
www.makeitnow.kr
▼▼▼ 지금 바로 카카오톡 플러스 친구 만들기 ▼▼▼
지금 확인하세요
디지털 교육, IoT, AI, 메이커 교육, 3D 프린팅, 레이저 커팅 교육을 위한 스타트업 S/W 교육
pf.kakao.com