- 본 이전기술은 드론과 엣지컴퓨팅 모듈을 활용한 태양광 분산전원 발전설비 상태진단 AI 추론엔진의 최적화 및 경량화 기술임
- 태양광 패널 등 시설의 결함을 파악하기 위해 드론을 활용해 실제 태양광 패널의 불량을 촬영한 이미지 등을 서버에서 “Darknet” 프레임워크를 통해 학습시켰으나 기술이전 기업의 요구에 따라 다른 학습 프레임워크를 사용할 수도 있음
- 학습된 모델을 드론 등에 탑재가능한 타겟보드(ex> Nvidia Javier NX 등)에 탑재될 수 있도록 서버를 통해 딥러닝 컴파일러를 경량화하여 생성할 수 있는 기술임
- 생성된 컴파일러를 활용해 타겟보드에서 인공지능 추론 엔진 런타임을 실행할 수 있으며, 이때 성능에 대해 다시 서버에서 최적화 기능을 제공하여 타겟 보드에서 최적의 성능을 낼수 있도록 조정하는 기술을 포함함
- 2034년까지 신재생에너지(풍력, 태양광 등) 설비용량은 106GW, 발전 비중은 31%로 상승 전망, 재생에너지 3020 목표범위 내에서 그린뉴딜(~2025년)을 통한 보급 속도 가속화로 2025년 풍력?태양광 중간목표를 상향조정
- 신규 발전 설비의 65% 이상이 대규모 태양광/풍력 프로젝트에 의한 대형 발전단지로 조성될 예정임
- 산업 전반의 대규모 시설물(발전시설, 건설, 공장, 교량 등)이 확대되고 있지만, 점검을 위하여 점검자의 현장점검 계획수립, 고소작업차 등에 의한 현장점검, 영상획득 및 계측/도면상 위치 표시/점검결과 정리, 유지보수 결정 등의 업무에서 수작업과 현장인력 작업에 의한 고비용/고위험 발생
- 드론 등을 활용한 시설물 안전 및 점검의 요구가 늘고 있으며 높은 정확성과 기술우위를 선점하기 위해 인공지능을 활용하는 사례가 늘고 있으나, 드론에 탑재할 수 있는 프로세서의 한계로 인공지능의 최적화, 경량화 기술이 요구되고 있음
- 다양한 타겟보드 종류(ex>Nvida Jetson Nano, Xavier NX, FGPA 등) 및 다양한 학습 프레임워크에서 생성된 인공지능 모델을 경량화할 수 있는 컴파일러 생성 기술을 제공함
- 타겟보드의 메모리처리에 맞춰 최적화하는 기술 제공
- 다양한 학습 프레임워크를 통해 학습한 모델 경량화 기술
- 다양한 타겟보드(ex>Nvida Jetson NANO, Xavier NX, FPGA)를 대상으로한 경량화 기술
- 타겟보드의 데이터처리 프레임 등에 맞춘 최적화 기술
- 다양한 학습 프레임워크를 통해 학습한 모델 경량화 기술에 대한 TDP, TM등의 문서 및 소스코드
- 다양한 타겟보드(ex>Nvida Jetson NANO, Xavier NX, FPGA)를 대상으로한 경량화 기술에 대한 TDP, TM등의 문서 및 소스코드
- 타겟보드의 데이터처리 프레임 등에 맞춘 최적화 기술에 대한 TDP, TM등의 문서 및 소스코드
- 대규모 발전시설의 무인 불량검출 솔루션 제공
- 무인이동체 활용 다양한 시설물관련 인공지능 적용 서비스 솔루션 제공
- 다양한 인공지능 학습프레임워크에서 학습한 모델의 경량화 서비스 제공
- 저전력, 고효율 모듈 탑재 드론의 기술 고도화에 기여
- 무거운 장거리 케이블 대체 및 네트워크 인프라 구축비용 절감 및 재난/재해 상황 긴급 통신망 복구서비스로 국민 삶의 질 향상
- 별도의 네트워크가 필요 없는 Stand-alone 방식으로 검사 판독 및 결함 후보군 특정이 가능하고 데이터를 수집, 해석, 관리하는 방식을 변화시키는 비즈니스로 다양한 분야에 활용이 가능