인공신경망을 활용한 다회용기 보증금 반환 시스템 = Reusable Container Return System using Artificial Neural Network

다국어 초록 (Multilingual Abstract)

A Reusable Container Return System (RCRS) operates by refunding deposits when customers scan the QR code and return their used containers to a Reverse Vending Machine (RVM). In these systems, accurate recognition of the returned containers and the verification as to whether it matches the QR code information are essential to refund the deposits according to the container types and prevent the abuse of systems (e.g., putting damaged or non-register items). This paper proposes a new method that fully automates this returning process, including recognition and verification of the containers. First, the proposed method classifies empty/non-empty in the RVM from the input video streams using a binary classification model. This classification is based on a lightweight MLP model and works in real time. Among the "non-empty"-classified frames, a frame suitable for classification (e.g., frames without motions) is selected. The selected image is sent to Amazon Web Service (AWS) and classified as one of the predefined classes using the CNN model. The experimental results using mock-up platforms showed that the proposed system works at 98% accuracy and demonstrates the possibility of a fully-automated RCRS.

국문 초록 (Abstract)

다회용기 보증금 반환 시스템은 소비자가 RVM(Reverse Vending Machine)에 다회용기의 QR코드를 스캔하고, 다회용기를 반납하면 보증금을 지급하는 절차로 동작한다. 이 시스템이 올바르게 동작하기 위해서는 반납된 용기에맞는 보증금을 지급하고, 소비자가 등록되지 않은 용기 또는 이물질 등을 넣어 비정상적인 보증금을 받는 사례를 방지해야 한다. 이를 위해 반납된 용기를 정확하게 인식하고, QR코드 정보와 일치하는지 판단하는 검증 과정이 필요하다. 본논문에서는 용기 인식 및 검증을 포함한 다회용기 보증금 반환 시스템의 동작을 자동화하는 방법을 제안한다. 제안하는방법은 비디오 모니터링 환경에서 이진 분류 모델을 사용하여 RVM 내 물체 유무를 판별한다. 이 과정을 실시간으로동작시키기 위해 가벼운 MLP 모델을 활용한다. “물체 있음”으로 판별된 프레임 중 용기 분류에 적합한 이미지를 선정하고, AWS(Amazon Web Server)로 전송한다. AWS로 전송된 이미지는 CNN(Convolution Neural Network) 모델을활용하여 사전에 정의한 클래스 중에서 하나로 분류한다. 목업 장치를 활용한 실험 결과를 통해 제안하는 전체 시스템이98% 이상의 정확도를 보이고, 다회용기 보증금 반환 시스템이 자동화될 수 있음을 보였다.

참고문헌 (Reference)

• 1 이종서 ; 김만규 ; 김학일, "카메라와 라이다의 객체 검출 성능 향상을 위한 Sensor Fusion" 한국방송∙미디어공학회 24 (24): 580-591, 2019
• 2 강신영 ; 양명석 ; 박세원, "배달 외식업 다회용기 활용을 위한 사용자 인식 분석 : 서울시 소비자와 음식점을 중심으로" 한국폐기물자원순환학회 39 (39): 225-238, 2022
• 3 H. G. Seog, "Recycling System for Multi Using Food Transfer Vessel, KR Patent, No.1020210123168"
• 4 "Lambda Server"
• 5 Alex Krizhevsky, "ImageNet classification with deep convolutional neural networks" Association for Computing Machinery (ACM) 60 (60): 84-90, 2017
• 6 Zhou Wang, "Image quality assessment : from error visibility to structural similarity" 13 (13): 600-612, 2004
• 7 N. Dalal, "Histograms of oriented gradients for human detection" IEEE 1 : 886-893, 2005
• 8 Said Yacine Boulahia, "Early, intermediate and late fusion strategies for robust deep learning-based multimodal action recognition" Springer Science and Business Media LLC 32 (32): 1-18, 2021
• 9 S. Y. Kang, "Derivation of the Mam Factors for establishing Multi-use Container Infrastructure of Delivery Food Service in Korea" (1) : 549-549, 2022
• 10 "AWS (Amazon Web Services)"