KR102430959B1 - METHOD, APPARATUS AND SYSTEM FOR providing PLANT INFORMATION CURATION SERVICE based on ARTIFICIAL INTELLIGENCE - Google Patents
METHOD, APPARATUS AND SYSTEM FOR providing PLANT INFORMATION CURATION SERVICE based on ARTIFICIAL INTELLIGENCE Download PDFInfo
- Publication number
- KR102430959B1 KR102430959B1 KR1020210134371A KR20210134371A KR102430959B1 KR 102430959 B1 KR102430959 B1 KR 102430959B1 KR 1020210134371 A KR1020210134371 A KR 1020210134371A KR 20210134371 A KR20210134371 A KR 20210134371A KR 102430959 B1 KR102430959 B1 KR 102430959B1
- Authority
- KR
- South Korea
- Prior art keywords
- plant
- information
- server
- point
- recommendation information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 25
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 78
- 238000002360 preparation method Methods 0.000 claims abstract description 47
- 230000004044 response Effects 0.000 claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 23
- 230000000384 rearing effect Effects 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 4
- 238000012549 training Methods 0.000 description 40
- 238000013528 artificial neural network Methods 0.000 description 25
- 230000015654 memory Effects 0.000 description 21
- 238000010801 machine learning Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000019771 cognition Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G06Q50/28—
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Information Transfer Between Computers (AREA)
Abstract
Description
아래 실시예들은 설문지를 이용하여 개인 성향을 파악하고, 이에 기초하여 식물 정보를 제공하는 식물 정보 큐레이션 서비스 제공 방법, 장치 및 시스템에 관한 것이다.The following embodiments relate to a method, apparatus, and system for providing a plant information curation service for identifying individual tendencies using a questionnaire and providing plant information based thereon.
실시예들과 관련된 배경기술로, 대한민국 공개특허공보 KR 10-2017-0105444 A는 컨텐츠 큐레이션을 포함하는 디스플레이 장치들의 구성 및 동작을 개시한다. 구체적으로, 선행문헌은 각각의 제 1 컨텐츠가 디스플레이된 하나 이상의 디스플레이 장치의 이미지를 수신하는 단계; 적어도 하나의 디스플레이 장치에 대해, 디스플레이 장치 식별자(ID)를 검색하는 단계; 및 상기 적어도 하나의 디스플레이 장치의 디스플레이 장치 식별자(ID)에 기초하여, 상기 이미지와 상호작용시, 상기 적어도 하나의 디스플레이 장치에 디스플레이된 상기 제 1 컨텐츠가 변경되도록 하는 단계;를 포함하는, 컨텐츠 관리 방법을 개시한다.As a background related to embodiments, Korean Patent Application Laid-Open No. KR 10-2017-0105444 A discloses a configuration and operation of display devices including content curation. Specifically, the prior art includes the steps of: receiving an image of one or more display devices on which each first content is displayed; retrieving a display device identifier (ID) for at least one display device; and allowing the first content displayed on the at least one display device to be changed when interacting with the image based on a display device identifier (ID) of the at least one display device. method is disclosed.
이를 통해, 선행문헌은 컨텐츠 큐레이션을 포함하는 디스플레이 장치들을 구성하고 제어할 수 있다.Through this, the prior literature can configure and control display devices including content curation.
또한, 대한민국 공개특허공보 KR 10-2017-0047441 A는 큐레이션을 통한 맞춤형 코칭이 가능한 전자태그를 이용한 도서의 대여 서비스 시스템, 전자태그를 이용한 맞춤형 교육 컨텐츠 시스템, 그를 이용한 통계 솔루션 시스템, 그를 이용한 교육 컨텐츠 제공 방법을 개시한다. 구체적으로, 선행문헌은 영유아 사용자에게 휴대형 캐릭터, 가구 및 도서, 학습 컨텐츠를 제공하고, 와이파이 방식으로 영유아 사용자에게 제공된 컨텐츠를 외부로 전송하는 전자태그 단말기(100); 상기 영유아 사용자에게 도서, 학습 컨텐츠가 제공되면 상기 전자태그 단말기(100)로부터 해당 데이터를 수신하여 블루투스 방식으로 외부로 전송하는 스마트 기기(300); 상기 스마트 기기(300)로부터 영유아 사용자에게 제공된 도서, 학습 컨텐츠데이터를 수집하고 상기 스마트 기기(300)로 펌웨어 업그레이드를 제공하며, 수집된 정보를 컨텐츠 메트릭스 서버(800)로 제공하는 컨텐츠 서버(400); 및 상기 컨텐츠 서버(400)에서 수집된 정보에 따라 다양한 변수를 설정하고 분석하여 상기 컨텐츠 서버(400)로 전송하는 컨텐츠 메트릭스 서버(800);를 포함하여 구성됨을 특징으로 하는 전자태그를 이용한 맞춤형 교육 컨텐츠 시스템을 개시한다.In addition, Korean Patent Publication No. KR 10-2017-0047441 A discloses a book rental service system using an electronic tag that can be customized through curation, a customized education content system using an electronic tag, a statistical solution system using the same, and education using the same. Disclosed is a method for providing content. Specifically, the prior literature includes an
이를 통해, 선행문헌은 아이들이 스스로 찾고, 만들고 놀면서 교육할 수 있는 엔터테인먼트 성격의 컨텐츠를 제공함으로써 아이들이 자발적으로 교육에 참여하도록 유도할 수 있다.Through this, the prior literature can induce children to voluntarily participate in education by providing entertainment content that children can find, create, play and educate themselves.
그러나 선행문헌들은 식물을 양육할 공간에 대한 정보, 선호하는 식물에 대한 정보, 식물을 양육할 사람에 대한 정보, 선호 색상에 대한 정보, 식물 양육 예산 정보 중 적어도 하나의 항목을 포함하는 설문에 대한 응답을 이용하여 사용자에게 적합한 식물을 추천하는 방법을 개시하지 않는다.However, prior literatures do not respond to a questionnaire containing at least one of information on space to grow plants, information on preferred plants, information on people to raise plants, information on preferred colors, and information on plant rearing budgets. It does not disclose a method of recommending a suitable plant for a user by using it.
실시예들은 설문 요청에 대한 응답 정보를 이용하여 사용자에게 적합한 식물 추천 정보를 제공하고자 한다.Embodiments intend to provide suitable plant recommendation information to a user by using response information to a survey request.
실시예들은 추천 식물의 양육에 도움이 되는 정보를 제공하고자 한다.Examples are intended to provide information helpful in the cultivation of recommended plants.
실시예들은 식물 양육 결과를 기반으로 새로운 식물을 추천하는 방법을 제공하고자 한다.Examples are intended to provide a method of recommending a new plant based on the results of plant rearing.
본 발명의 실시예에 따른 인공지능 기반 식물 정보 큐레이션 서비스 제공 방법은, 사용자 단말로 설문 요청- 상기 설문 요청은, 식물을 양육할 공간에 대한 정보, 선호하는 식물에 대한 정보, 식물을 양육할 사람에 대한 정보, 선호 색상에 대한 정보, 식물 양육 예산 정보 중 적어도 하나의 항목을 포함함 -을 전송하는 단계; 상기 사용자 단말로부터 상기 설문 요청에 따른 응답 정보를 수신하는 단계; 미리 저장된 제1 매핑 테이블- 상기 제1 매핑 테이블은, 상기 식물을 양육할 공간에 대한 정보, 상기 선호하는 식물에 대한 정보, 상기 식물을 양육할 사람에 대한 정보, 상기 선호 색상에 대한 정보, 상기 식물 양육 예산 정보에 따른 식물 추천 정보를 포함함 - 및 상기 응답 정보를 이용하여 사용자에게 적합한 식물 정보를 제1 식물 추천 정보로 형성하는 단계; 상기 제1 식물 추천 정보를 관리자 단말로 전송하는 단계; 상기 관리자 단말로부터 상기 제1 식물 추천 정보에 대한 제1 피드백 정보를 수신하는 단계; 상기 제1 피드백 정보를 반영하여 상기 제1 식물 추천 정보를 수정한 제2 식물 추천 정보로 형성하는 단계; 상기 제2 식물 추천 정보를 상기 사용자 단말로 전송하는 단계; 상기 사용자 단말로부터 상기 제2 식물 추천 정보에 대한 제2 피드백 정보를 수신하는 단계; 상기 제2 피드백 정보를 반영하여 상기 제2 식물 추천 정보를 수정한 제3 식물 추천 정보로 형성하는 단계; 상기 사용자 단말로부터 상기 제3 식물 추천 정보에 대한 승인을 획득하는 단계; 상기 제3 식물 추천 정보를 식물 준비 서버로 전송하여 상기 제3 식물 추천 정보에 따른 식물을 준비하도록 제어하는 단계; 상기 식물 준비 서버로부터 식물 준비 완료 신호를 수신하는 단계; 상기 식물 준비 완료 신호를 상기 사용자 단말로 전송하여 사용자의 주소 정보를 획득하는 단계; 및 배송 서버로 상기 사용자의 주소 정보를 송신하여 준비가 완료된 식물을 상기 사용자의 주소로 배송하도록 요청하는 단계를 포함할 수 있다.Artificial intelligence-based plant information curation service providing method according to an embodiment of the present invention, a questionnaire request to a user terminal - The questionnaire request is information about a space to nurture plants, information about preferred plants, and a person to nurture plants Transmitting information about, including at least one item of information about a preferred color, plant rearing budget information; receiving response information according to the survey request from the user terminal; Pre-stored first mapping table- The first mapping table includes information about a space to nurture the plant, information about the preferred plant, information about a person to nurture the plant, information about the preferred color, and nurturing the plant. including plant recommendation information according to budget information - and forming plant information suitable for a user as first plant recommendation information using the response information; transmitting the first plant recommendation information to a manager terminal; Receiving first feedback information for the first plant recommendation information from the manager terminal; forming the first plant recommendation information into modified second plant recommendation information by reflecting the first feedback information; transmitting the second plant recommendation information to the user terminal; receiving second feedback information for the second plant recommendation information from the user terminal; forming the second plant recommendation information into modified third plant recommendation information by reflecting the second feedback information; obtaining approval for the third plant recommendation information from the user terminal; transmitting the third plant recommendation information to a plant preparation server and controlling to prepare a plant according to the third plant recommendation information; receiving a plant preparation completion signal from the plant preparation server; transmitting the plant preparation completion signal to the user terminal to obtain address information of the user; and sending the user's address information to the delivery server to request that the ready plant be delivered to the user's address.
일 실시예로서, 식물별 양육 시 고려해야 할 정보- 식물, 환경, 사람, 기간, 계절 중 적어도 하나의 정보를 포함함 -들을 제2 매핑 테이블로 저장하는 단계; 상기 제2 매핑 테이블을 이용하여 상기 제3 식물 추천 정보에 따른 식물을 양육 시 고려해야할 양육 정보를 추출하는 단계; 및 상기 양육 정보를 상기 사용자 단말로 전송하는 단계를 더 포함할 수 있다.In one embodiment, information to be considered when rearing each plant - including information on at least one of plants, environments, people, periods, and seasons - is stored as a second mapping table; extracting rearing information to be considered when rearing a plant according to the third plant recommendation information by using the second mapping table; and transmitting the parenting information to the user terminal.
일 실시예로서, 상기 사용자의 주소로의 식물 배송 후 일정시간 경과 후 상기 사용자 단말로 양육 평가 설문을 전송하는 단계; 상기 사용자 단말로부터 상기 양육 평가 설문에 대한 설문 응답을 수신하는 단계; 상기 설문 응답에 따라서 제4 식물 추천 정보를 형성하는 단계; 상기 제4 식물 추천 정보를 상기 사용자 단말로 전송하는 단계; 상기 사용자 단말로부터 상기 제4 식물 추천 정보에 대한 승인을 획득하는 단계; 상기 제4 식물 추천 정보를 식물 준비 서버로 전송하여 상기 제4 식물 추천 정보에 따른 식물을 준비하도록 제어하는 단계; 상기 식물 준비 서버로부터 식물 준비 완료 신호를 수신하는 단계; 상기 식물 준비 완료 신호를 상기 사용자 단말로 전송하여 사용자의 주소 정보를 획득하는 단계; 및 배송 서버로 상기 사용자의 주소 정보를 송신하여 준비가 완료된 식물을 상기 사용자의 주소로 배송하도록 요청하는 단계를 더 포함할 수 있다.As an embodiment, transmitting a parenting evaluation questionnaire to the user terminal after a certain period of time has elapsed after delivery of the plant to the user's address; receiving a questionnaire response to the parenting evaluation questionnaire from the user terminal; forming fourth plant recommendation information according to the survey response; transmitting the fourth plant recommendation information to the user terminal; obtaining approval for the fourth plant recommendation information from the user terminal; transmitting the fourth plant recommendation information to a plant preparation server and controlling to prepare a plant according to the fourth plant recommendation information; receiving a plant preparation completion signal from the plant preparation server; transmitting the plant preparation completion signal to the user terminal to obtain address information of the user; and sending the user's address information to the delivery server to request that the ready plant be delivered to the user's address.
일 실시예로서, 트레이닝 피드백 이미지들을 획득하는 단계; 상기 트레이닝 피드백 이미지들로부터 트레이닝 식물 객체들을 추출하는 단계; 상기 양육 평가 설문에 대한 설문 응답에 따른 상기 트레이닝 식물 객체들의 상태를 나타내는 레이블들을 획득하는 단계; 상기 트레이닝 식물 객체들을 미리 학습된 뉴럴 네트워크로 적용하여, 상기 트레이닝 식물 객체들에 대응하는 트레이닝 출력들을 생성하는 단계; 및 상기 트레이닝 출력들 및 상기 레이블들에 기초하여, 상기 뉴럴 네트워크를 학습시키는 단계를 더 포함할 수 있다.In one embodiment, there is provided a method comprising: obtaining training feedback images; extracting training plant objects from the training feedback images; obtaining labels indicating the status of the training plant objects according to a questionnaire response to the rearing evaluation questionnaire; applying the training plant objects to a pre-learned neural network to generate training outputs corresponding to the training plant objects; and training the neural network based on the training outputs and the labels.
일 실시예로서, 상기 배송 서버로부터 상기 식물을 제1 지점에서 제2 지점까지 배달하는 배달 주문 요청이 수신되면, 상기 배달 주문 요청을 복수의 배달기사 단말로 전송하는 단계; 제1 배달기사 단말로부터 상기 식물에 대한 배달 수락 요청이 수신되면, 상기 식물을 배달하는 업무의 담당자로 제1 배달기사를 설정하는 단계; 상기 식물을 배달하는 업무의 담당자로 상기 제1 배달기사가 설정되면, 상기 제1 배달기사가 사용하는 모빌리티로 등록되어 있는 제1 모빌리티를 확인하고, 상기 제1 모빌리티에 장착된 제1 센서로부터 상기 제1 모빌리티의 이동으로 측정되는 상기 제1 모빌리티의 운행 정보를 수신하는 단계; 상기 식물을 배달하는 업무의 담당자로 상기 제1 배달기사가 설정되면, 상기 제1 모빌리티의 위치 정보를 획득하여, 상기 제1 모빌리티의 현재 위치인 제3 지점을 확인하는 단계; 상기 제1 모빌리티의 위치를 추적한 결과, 상기 제1 모빌리티가 상기 제3 지점에서 상기 제1 지점까지 이동한 것으로 확인되면, 상기 제3 지점에서 상기 제1 지점까지 이동하는 동안에 측정된 제1 운행 정보를 상기 제1 센서로부터 수신하는 단계; 상기 제1 모빌리티의 위치를 추적한 결과, 상기 제1 모빌리티가 상기 제1 지점에서 상기 제2 지점까지 이동한 것으로 확인되면, 상기 제1 지점에서 상기 제2 지점까지 이동하는 동안에 측정된 제2 운행 정보를 상기 제1 센서로부터 수신하는 단계; 상기 제1 배달기사 단말로부터 상기 식물에 대한 배달 완료 요청이 수신되면, 상기 식물을 배달하는 업무의 담당자에서 상기 제1 배달기사를 해제하는 단계; 상기 제1 모빌리티의 운행 정보가 미리 설정된 기준 기간 동안 수집되면, 상기 수집된 운행 정보를 기초로, 상기 제1 배달기사의 운전 성향을 분석하는 단계; 상기 제1 운행 정보를 기초로, 상기 제3 지점에서 상기 제1 지점까지 이동하는 동안에, 급가속, 급감속, 급회전 및 과속으로 인한 위험 상황이 있는지 여부를 분석하는 단계; 상기 제3 지점에서 상기 제1 지점까지 이동하는 동안에 상기 위험 상황이 있는 것으로 분석되면, 상기 제3 지점에서 상기 제1 지점까지 이동하는 동안에 상기 위험 상황이 발생한 횟수인 제1 위험 횟수를 확인하는 단계; 상기 제1 위험 횟수에 미리 설정된 제1 가중치를 적용하여, 제1 위험 점수를 산출하는 단계; 상기 제2 운행 정보를 기초로, 상기 제1 지점에서 상기 제2 지점까지 이동하는 동안에, 상기 위험 상황이 있는지 여부를 분석하는 단계; 상기 제1 지점에서 상기 제2 지점까지 이동하는 동안에 상기 위험 상황이 있는 것으로 분석되면, 상기 제1 지점에서 상기 제2 지점까지 이동하는 동안에 상기 위험 상황이 발생한 횟수인 제2 위험 횟수를 확인하는 단계; 상기 제2 위험 횟수에 상기 제1 가중치 보다 큰 값이 설정된 제2 가중치를 적용하여, 제2 위험 점수를 산출하는 단계; 및 상기 제1 위험 점수 및 상기 제2 위험 점수를 합산한 값을 기반으로, 상기 제1 배달기사의 운전 성향을 분석하는 단계를 더 포함할 수 있다.As an embodiment, when a delivery order request for delivering the plant from the first point to the second point is received from the delivery server, transmitting the delivery order request to a plurality of delivery driver terminals; When a delivery acceptance request for the plant is received from the first delivery driver terminal, setting a first delivery driver as a person in charge of the task of delivering the plant; When the first delivery driver is set as the person in charge of the task of delivering the plant, the first mobility registered as the mobility used by the first delivery driver is checked, and from the first sensor mounted on the first mobility receiving operation information of the first mobility measured as movement of the first mobility; When the first delivery driver is set as the person in charge of the task of delivering the plant, acquiring location information of the first mobility and checking a third point that is the current location of the first mobility; As a result of tracking the location of the first mobility, if it is confirmed that the first mobility has moved from the third point to the first point, the first travel measured while moving from the third point to the first point receiving information from the first sensor; As a result of tracking the location of the first mobility, if it is confirmed that the first mobility has moved from the first point to the second point, the second operation measured while moving from the first point to the second point receiving information from the first sensor; When a delivery completion request for the plant is received from the first delivery driver terminal, releasing the first delivery driver from the person in charge of the task of delivering the plant; analyzing the driving tendency of the first delivery driver when the driving information of the first mobility is collected for a preset reference period, based on the collected driving information; analyzing whether there is a dangerous situation due to sudden acceleration, rapid deceleration, sudden rotation and overspeed while moving from the third point to the first point based on the first driving information; If it is analyzed that the dangerous situation exists while moving from the third point to the first point, confirming a first number of dangerous situations, which is the number of times the dangerous situation occurs while moving from the third point to the first point ; calculating a first risk score by applying a preset first weight to the first number of risks; analyzing whether there is a dangerous situation while moving from the first point to the second point based on the second driving information; If it is analyzed that the dangerous situation exists while moving from the first point to the second point, checking a second number of dangerous situations, which is the number of times the dangerous situation occurs while moving from the first point to the second point ; calculating a second risk score by applying a second weight to which a value greater than the first weight is set to the second number of risks; and analyzing the driving tendency of the first delivery driver based on the sum of the first risk score and the second risk score.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.The apparatus according to an embodiment may be controlled by a computer program stored in the medium to execute the method of any one of the above-described methods in combination with hardware.
실시예들은 사용자별로 적합한 식물 추천 정보를 제공하고, 그에 따라 준비된 식물을 사용자에게 배송하여 사용자의 식물 양육의 편의성을 향상시킬 수 있다. 또한, 사용자에게 추천된 식물의 양육에 도움이 되는 정보를 추가로 제공하여 사용자가 식물 양육에 보다 흥미를 가질 수 있도록 할 수 있다. 아울러, 식물 양육 결과를 기반으로 새로운 식물을 추천하여 사용자의 취미 확장에 도움을 줄 수 있다.Embodiments may provide suitable plant recommendation information for each user, and deliver the plant prepared accordingly to the user, thereby improving the convenience of plant nurturing for the user. In addition, it is possible to provide the user with information helpful for nurturing the recommended plant so that the user can be more interested in nurturing the plant. In addition, it is possible to help users expand their hobbies by recommending new plants based on the results of plant rearing.
도 1은 일실시예에 따른 인공지능 기반 식물 정보 큐레이션 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 실시예에 따른 설문 요청 항목의 예시도이다.
도 3은 일실시예에 따른 서버를 설명하기 위한 도면이다.
도 4는 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 인공지능 기반 식물 정보 큐레이션 서비스 제공 방법의 흐름도이다.
도 6은 일실시예에 따른 장치의 구성의 예시도이다.1 is a diagram for explaining an artificial intelligence-based plant information curation service providing system according to an embodiment.
2 is an exemplary diagram of a questionnaire request item according to an embodiment of the present invention.
3 is a diagram for explaining a server according to an embodiment.
4 is a diagram for explaining learning of a neural network according to an embodiment.
5 is a flowchart of a method for providing an AI-based plant information curation service according to an embodiment.
6 is an exemplary diagram of a configuration of an apparatus according to an embodiment.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. However, since various changes may be made to the embodiments, the scope of the patent application is not limited or limited by these embodiments. It should be understood that all modifications, equivalents and substitutes for the embodiments are included in the scope of the rights.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Specific structural or functional descriptions of the embodiments are disclosed for purposes of illustration only, and may be changed and implemented in various forms. Accordingly, the embodiments are not limited to a specific disclosure form, and the scope of the present specification includes changes, equivalents, or substitutes included in the technical spirit.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Although terms such as first or second may be used to describe various elements, these terms should be interpreted only for the purpose of distinguishing one element from another. For example, a first component may be termed a second component, and similarly, a second component may also be termed a first component.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.When a component is referred to as being “connected” to another component, it may be directly connected or connected to the other component, but it should be understood that another component may exist in between.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the examples are used for the purpose of description only, and should not be construed as limiting. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present specification, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It is to be understood that this does not preclude the possibility of the presence or addition of numbers, steps, operations, components, parts, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the embodiment belongs. Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present application. does not
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, in the description with reference to the accompanying drawings, the same components are assigned the same reference numerals regardless of the reference numerals, and the overlapping description thereof will be omitted. In the description of the embodiment, if it is determined that a detailed description of a related known technology may unnecessarily obscure the gist of the embodiment, the detailed description thereof will be omitted.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. The embodiments may be implemented in various types of products, such as personal computers, laptop computers, tablet computers, smart phones, televisions, smart home appliances, intelligent cars, kiosks, wearable devices, and the like.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.An artificial intelligence (AI) system is a computer system that implements human-level intelligence, and unlike the existing rule-based smart system, the machine learns and makes decisions on its own. The more the AI system is used, the better the recognition rate and the more accurate understanding of user preferences, and the existing rule-based smart systems are gradually being replaced by deep learning-based AI systems.
인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.Artificial intelligence technology consists of machine learning and element technologies using machine learning. Machine learning is an algorithm technology that categorizes/learns characteristics of input data by itself, and element technology uses machine learning algorithms such as deep learning to simulate functions such as cognition and judgment of the human brain. It consists of technical fields such as understanding, reasoning/prediction, knowledge expression, and motion control.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.The various fields where artificial intelligence technology is applied are as follows. Linguistic understanding is a technology for recognizing and applying/processing human language/text, and includes natural language processing, machine translation, dialogue system, question and answer, and speech recognition/synthesis. Visual understanding is a technology for recognizing and processing objects like human vision, and includes object recognition, object tracking, image search, human recognition, scene understanding, spatial understanding, image improvement, and the like. Inferential prediction is a technology for logically reasoning and predicting by judging information, and includes knowledge/probability-based reasoning, optimization prediction, preference-based planning, and recommendation. Knowledge expression is a technology that automatically processes human experience information into knowledge data, and includes knowledge construction (data generation/classification) and knowledge management (data utilization). Motion control is a technology for controlling autonomous driving of a vehicle and movement of a robot, and includes motion control (navigation, collision, driving), manipulation control (action control), and the like.
일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.In general, in order to apply the machine learning algorithm to real life, learning is performed in the Trial and Error method due to the characteristics of the basic methodology of machine learning. In particular, deep learning requires hundreds of thousands of iterations. It is impossible to execute this in the actual physical external environment, so instead, the actual physical external environment is implemented on a computer and learning is performed through simulation.
도 1은 일실시예에 따른 인공지능 기반 식물 정보 큐레이션 서비스 제공 시스템을 설명하기 위한 도면이다.1 is a diagram for explaining an artificial intelligence-based plant information curation service providing system according to an embodiment.
도 1에 도시한 바와 같이, 인공지능 기반 식물 정보 큐레이션 서비스 제공 시스템(100)은, 사용자 단말(110-1), 관리자 단말(110-2), 서버(120), 데이터베이스(130), 식물 준비 서버(140), 배송 서버(150) 및 네트워크(N)를 포함할 수 있다. 일 실시예에 따르면, 데이터베이스(130)는 서버(120)와 별도로 구성된 것으로 도시되었지만 이에 한정되지 않고, 데이터베이스(130)가 서버(120)내에 구비될 수도 있다. 예를 들어, 서버(120)는, 기계 학습 알고리즘의 수행을 위한 다수의 인공지능을 포함할 수 있다.As shown in FIG. 1 , the artificial intelligence-based plant information curation
서버(120)는, 다수의 사용자 단말 중 어느 하나의 사용자 단말(110-1)로 설문 요청을 전송할 수 있다. 일 실시예에 따르면, 설문 요청은, 식물을 양육할 공간에 대한 정보, 선호하는 식물에 대한 정보, 식물을 양육할 사람에 대한 정보, 선호 색상에 대한 정보, 식물 양육 예산 정보 중 적어도 하나의 항목을 포함할 수 있지만, 설문 요청 항목이 이에 한정되지 않는다.The
도 2는 본 발명의 실시예에 따른 설문 요청 항목의 예시도이다.2 is an exemplary diagram of a questionnaire request item according to an embodiment of the present invention.
도 2에 도시한 바와 같이, 설문 요청 항목은, 식물을 양육할 공간에 대한 항목, 선호하는 식물에 대한 항목, 식물을 양육할 사람에 대한 항목, 선호 색상에 대한 항목, 식물 양육 예산 항목 중 적어도 하나의 항목을 포함할 수 있고, 식물을 양육할 공간에 대한 항목, 선호하는 식물에 대한 항목, 식물을 양육할 사람에 대한 항목, 선호 색상에 대한 항목, 식물 양육 예산 항목 각각은 적어도 하나의 서브 항목들을 포함할 수 있다.As shown in FIG. 2 , the questionnaire request item is at least one of an item for a space to nurture a plant, an item for a preferred plant, an item for a person to raise a plant, an item for a preferred color, and a plant rearing budget item and an item for a space to grow plants, an item for a preferred plant, an item for a person to keep a plant, an item for a preferred color, and an item for a plant rearing budget, each of which may include at least one sub-item. can
설문 요청을 수신한 사용자 단말(110-1)은, 사용자로부터 설문 요청에 따른 입력을 수신하여 응답 정보를 형성할 수 있다. 일 실시예에 따르면, 응답 정보는, 사용자가 식물을 양육할 공간에 대한 정보, 사용자가 선호하는 식물에 대한 정보, 식물을 양육할 사람에 대한 정보, 사용자의 선호 색상에 대한 정보, 사용자의 식물 양육 예산에 대한 정보 중 적어도 하나의 항목을 포함할 수 있지만, 응답 정보의 항목이 이에 한정되지 않는다. The user terminal 110 - 1 receiving the survey request may receive an input according to the survey request from the user to form response information. According to an embodiment, the response information may include information on a space for the user to grow plants, information on plants preferred by the user, information on people to nurture plants, information on a user's preferred color, and a user's plant nurturing budget. It may include at least one item of information on , but the item of response information is not limited thereto.
서버(120)는, 미리 저장된 제1 매핑 테이블 및 사용자 단말(110-1)로부터 수신된 응답 정보를 이용하여 사용자에게 적합한 식물 정보를 제1 식물 추천 정보로 형성할 수 있다. 일 실시예에 따르면, 제1 매핑 테이블은, 식물을 양육할 공간에 대한 정보, 선호하는 식물에 대한 정보, 식물을 양육할 사람에 대한 정보, 선호 색상에 대한 정보, 식물 양육 예산 정보에 따른 식물 추천 정보를 포함할 수 있다. 예를 들어, 제1 매핑 테이블은 데이터베이스(130)에 저장될 수 있다.The
서버(120)는 형성된 제1 식물 추천 정보를 관리자 단말로 전송할 수 있다. 일 실시예에 따르면, 서버(120)는, 형성된 제1 식물 추천 정보를 네트워크(N)를 통하여 관리자 단말(110-2)로 전송할 수 있다.The
제1 식물 추천 정보를 수신한 관리자 단말(110-2)은 관리자로부터 응답 정보에 따른 제1 식물 추천 정보가 올바르게 형성되었는지에 대한 입력을 수신하여 제1 피드백 정보를 형성할 수 있다. 일 실시예에 따르면, 관리자 단말(110-2)은 관리자로부터 응답 정보 및 제1 식물 추천 정보를 확인하여 응답 정보에 따라서 제1 식물 추천 정보가 올바르게 형성되었는지 여부에 대한 입력 요청을 수신하여 제1 식물 추천 정보에 대한 제1 피드백 정보를 형성할 수 있다. 다른 실시예에 따르면, 관리자는 데이터베이스(130)에 저장된 제1 매핑 테이블을 활용하여 제1 식물 추천 정보가 올바르게 형성되었는지를 관리자 단말(110-2)로 입력하여 관리자 단말(110-2)이 이에 기초하여 제1 피드백 정보를 형성하도록 할 수 있다. 관리자 단말(110-2)은 제1 피드백 정보가 부정적일 경우 제1 식물 추천 정보에 따른 식물을 다른 식물로 변경하기 위한 변경 식물 추천 정보를 포함하도록 제1 피드백 정보를 형성할 수 있다. 본 발명에 따르면, 제1 식물 추천 정보를 전문가인 관리자에 의해 검증받고 필요한 경우 제1 식물 추천 정보에 따른 식물을 변경할 수 있도록 하여 사용자에게 보다 적합한 식물을 추천하도록 할 수 있다.The manager terminal 110 - 2 that has received the first plant recommendation information may form the first feedback information by receiving an input from the manager as to whether the first plant recommendation information is correctly formed according to the response information. According to an embodiment, the manager terminal 110 - 2 checks the response information and the first plant recommendation information from the manager, receives an input request for whether the first plant recommendation information is correctly formed according to the response information, and receives the first The first feedback information for the plant recommendation information may be formed. According to another embodiment, the manager uses the first mapping table stored in the
서버(120)는, 관리자 단말(110-2)로부터 제1 식물 추천 정보에 대한 제1 피드백 정보를 수신할 수 있다. 일 실시예에 따르면, 서버(120)는 네트워크(N)를 통하여 관리자 단말(110-2)에서 형성된 제1 피드백 정보를 수신할 수 있다.The
서버(120)는, 관리자 단말(110-2)로부터 수신된 제1 피드백 정보를 반영하여 제1 식물 추천 정보를 수정하고, 이를 제2 식물 추천 정보로 형성할 수 있다. 일 실시예에 따르면, 제1 피드백 정보가 긍정적일 경우 서버(120)는 제1 식물 추천 정보를 수정하지 않고 제2 식물 추천 정보가 제1 식물 추천 정보와 동일하도록 형성할 수 있다. 다른 실시예에 따르면, 제1 피드백 정보가 부정적일 경우 서버(120)는 제1 피드백 정보에 포함된 변경 식물 추천 정보를 이용하여 제1 식물 추천 정보를 제2 식물 추천 정보로 형성할 수 있다.The
서버(120)는, 형성된 제2 식물 추천 정보를 네트워크(N)를 통하여 사용자 단말(110-1)로 전송하고, 사용자 단말(110-1)로부터 네트워크(N)를 통하여 제2 식물 추천 정보에 대한 제2 피드백 정보를 수신할 수 있다.The
서버(120)는, 사용자 단말(110-1)로부터 수신된 제2 피드백 정보를 반영하여 제2 식물 추천 정보를 수정하고, 이를 제3 식물 추천 정보로 형성할 수 있다. The
서버(120)는, 사용자 단말로부터 제3 식물 추천 정보에 대한 승인을 획득할 수 있다. 일 실시예에 따르면, 서버(120)는, 제3 식물 추천 정보를 네트워크(N)를 통하여 사용자 단말(110-1)로 전송하고, 사용자 단말(110-1)로부터 네트워크(N)를 통하여 제3 식물 추천 정보에 대한 승인을 획득할 수 있다.The
서버(120)는, 승인된 제3 식물 추천 정보를 식물 준비 서버(140)로 전송하여 제3 식물 추천 정보에 따른 식물을 준비하도록 제어할 수 있고, 제3 식물 추천 정보에 따른 식물의 준비가 완료되면 식물 준비 서버(140)로부터 준비 완료 신호를 수신할 수 있다.The
서버(120)는, 식물 준비 서버(140)로부터 수신된 준비 완료 신호를 사용자 단말(110-1)로 전송하여 사용자의 주소 정보를 문의하고, 사용자 단말(110-1)로부터 사용자의 주소 정보를 획득할 수 있다.The
서버(120)는, 배송 서버(150)로 사용자의 주소 정보를 송신하여 준비가 완료된 식물을 사용자의 주소로 배송하도록 요청할 수 있다.The
또한, 서버(120)는, 식물별 양육 시 고려해야 할 정보들을 제2 매핑 테이블로 저장할 수 있다. 일 실시예에 따르면, 제2 매핑 테이블은, 식물, 환경, 사람, 기간, 계절 중 적어도 하나의 정보를 포함하고, 데이터베이스(130)에 저장될 수 있다.Also, the
서버(120)는, 제2 매핑 테이블을 이용하여 제3 식물 추천 정보에 따른 식물을 양육 시 고려해야할 양육 정보를 추출하고, 양육 정보를 사용자 단말로 전송하도록 할 수 있다. 일 실시예에 따르면, 서버(120)는 데이터베이스(130)에 저장된 제2 매핑 테이블을 이용하여 제3 식물 추천 정보에 따른 식물을 양육 시 고려해야할 양육 정보를 추출하고, 추출된 양육 정보를 네트워크(N)를 통하여 사용자 단말(110-1)로 전송할 수 있다.The
아울러, 서버(120)는, 사용자의 주소로의 식물 배송 후 일정시간 경과 후 사용자 단말(110-1)로 양육 평가 설문을 전송할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자의 주소로 제3 식물 추천 정보에 따른 식물을 배송한 후 일정시간(예를 들어, 1개월, 3개월, 6개월, 1년 등) 경과 후 데이터베이스(130)에 미리 저장되어 있던 양육 평가 설문을 네트워크(N)를 통하여 사용자 단말(110-1)로 전송할 수 있다.In addition, the
서버(120)는, 사용자 단말(110-1)로부터 양육 평가 설문에 대한 설문 응답을 수신할 수 있다. 일 실시예에 따르면, 서버(120)는, 네트워크(N)를 통하여 사용자 단말(110-1)로부터 양육 평가 설문에 대한 설문 응답을 수신할 수 있다.The
서버(120)는, 설문 응답에 따라서 제4 식물 추천 정보를 형성할 수 있다. 일 실시예에 따르면, 서버(120)는, 데이터베이스(130)에 저장된 제1 매핑 테이블을 이용하여 설문 응답에 따라서 제4 식물 추천 정보를 형성할 수 있다.The
서버(120)는, 형성된 제4 식물 추천 정보를 사용자 단말로 전송할 수 있다. 일 실시예에 따르면, 서버(120)는, 네트워크(N)를 통하여 사용자 단말(110-1)로 제4 식물 추천 정보를 전송할 수 있다.The
서버(120)는, 사용자 단말로부터 제4 식물 추천 정보에 대한 승인을 획득할 수 있다. 일 실시예에 따르면, 서버(120)는, 제4 식물 추천 정보를 네트워크(N)를 통하여 사용자 단말(110-1)로 전송하고, 사용자 단말(110-1)로부터 네트워크(N)를 통하여 제4 식물 추천 정보에 대한 승인을 획득할 수 있다.The
서버(120)는, 승인된 제4 식물 추천 정보를 식물 준비 서버(140)로 전송하여 제4 식물 추천 정보에 따른 식물을 준비하도록 제어할 수 있고, 제4 식물 추천 정보에 따른 식물의 준비가 완료되면 식물 준비 서버(140)로부터 준비 완료 신호를 수신할 수 있다.The
서버(120)는, 식물 준비 서버(140)로부터 수신된 준비 완료 신호를 사용자 단말(110-1)로 전송하여 사용자의 주소 정보를 문의하고, 사용자 단말(110-1)로부터 사용자의 주소 정보를 획득할 수 있다.The
서버(120)는, 배송 서버(150)로 사용자의 주소 정보를 송신하여 준비가 완료된 식물을 사용자의 주소로 배송하도록 요청할 수 있다.The
또한, 서버(120)는, 트레이닝 피드백 이미지들을 획득하고, 트레이닝 피드백 이미지들로부터 트레이닝 식물 객체들을 추출하며, 양육 평가 설문에 대한 설문 응답에 따른 트레이닝 식물 객체들의 상태를 나타내는 레이블들을 획득하고, 트레이닝 식물 객체들을 미리 학습된 뉴럴 네트워크로 적용하여, 트레이닝 식물 객체들에 대응하는 트레이닝 출력들을 생성하며, 트레이닝 출력들 및 레이블들에 기초하여, 뉴럴 네트워크를 학습시킬 수 있다.In addition, the
아울러, 서버(120)는, 배송 서버(150)로부터 식물을 제1 지점에서 제2 지점까지 배달하는 배달 주문 요청이 수신되면, 배달 주문 요청을 복수의 배달기사 단말로 전송하고, 제1 배달기사 단말로부터 식물에 대한 배달 수락 요청이 수신되면, 식물을 배달하는 업무의 담당자로 제1 배달기사를 설정하며, 식물을 배달하는 업무의 담당자로 제1 배달기사가 설정되면, 제1 배달기사가 사용하는 모빌리티로 등록되어 있는 제1 모빌리티를 확인하고, 제1 모빌리티에 장착된 제1 센서로부터 제1 모빌리티의 이동으로 측정되는 제1 모빌리티의 운행 정보를 수신하며, 식물을 배달하는 업무의 담당자로 제1 배달기사가 설정되면, 상기 제1 모빌리티의 위치 정보를 획득하여, 상기 제1 모빌리티의 현재 위치인 제3 지점을 확인하고, 제1 모빌리티의 위치를 추적한 결과, 제1 모빌리티가 제3 지점에서 제1 지점까지 이동한 것으로 확인되면, 제3 지점에서 제1 지점까지 이동하는 동안에 측정된 제1 운행 정보를 제1 센서로부터 수신하며, 제1 모빌리티의 위치를 추적한 결과, 제1 모빌리티가 제1 지점에서 제2 지점까지 이동한 것으로 확인되면, 제1 지점에서 제2 지점까지 이동하는 동안에 측정된 제2 운행 정보를 제1 센서로부터 수신하며, 제1 배달기사 단말로부터 식물에 대한 배달 완료 요청이 수신되면, 식물을 배달하는 업무의 담당자에서 제1 배달기사를 해제하고, 제1 모빌리티의 운행 정보가 미리 설정된 기준 기간 동안 수집되면, 수집된 운행 정보를 기초로, 제1 배달기사의 운전 성향을 분석하고, 제1 운행 정보를 기초로, 제3 지점에서 제1 지점까지 이동하는 동안에, 급가속, 급감속, 급회전 및 과속으로 인한 위험 상황이 있는지 여부를 분석하며, 제3 지점에서 제1 지점까지 이동하는 동안에 위험 상황이 있는 것으로 분석되면, 제3 지점에서 제1 지점까지 이동하는 동안에 위험 상황이 발생한 횟수인 제1 위험 횟수를 확인하고, 제1 위험 횟수에 미리 설정된 제1 가중치를 적용하여, 제1 위험 점수를 산출하며, 제2 운행 정보를 기초로, 제1 지점에서 제2 지점까지 이동하는 동안에, 위험 상황이 있는지 여부를 분석하고, 제1 지점에서 제2 지점까지 이동하는 동안에 위험 상황이 있는 것으로 분석되면, 제1 지점에서 제2 지점까지 이동하는 동안에 위험 상황이 발생한 횟수인 제2 위험 횟수를 확인하며, 제2 위험 횟수에 상기 제1 가중치 보다 큰 값이 설정된 제2 가중치를 적용하여, 제2 위험 점수를 산출하고, 제1 위험 점수 및 제2 위험 점수를 합산한 값을 기반으로, 제1 배달기사의 운전 성향을 분석할 수 있다.In addition, the
네트워크(N)는, 사용자 단말(110-1), 관리자 단말(110-2), 서버(120), 데이터베이스(130), 식물 준비 서버(140), 배송 서버(150) 등 간의 무선 또는 유선 통신을 수행하도록 할 수 있다. 예를 들어, 네트워크는 LTE(long-term evolution), LTE-A(LTE Advanced), CDMA(code division multiple access), WCDMA(wideband CDMA), WiBro(Wireless BroadBand), WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication), GPS(Global Positioning System) 또는 GNSS(global navigation satellite system) 등의 방식에 따른 무선 통신을 수행하도록 할 수 있다. 예를 들어, 네트워크(N)는 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard 232) 또는 POTS(plain old telephone service) 등의 방식에 따른 유선 통신을 수행하도록 할 수도 있다.The network (N) is wireless or wired communication between the user terminal 110-1, the manager terminal 110-2, the
데이터베이스(130)는, 다양한 데이터를 저장할 수 있다. 데이터베이스(130)에 저장되는 데이터는, 사용자 단말(110-1), 관리자 단말(110-2), 서버(120), 데이터베이스(130), 식물 준비 서버(140), 배송 서버(150)의 적어도 하나의 구성요소에 의해 획득되거나, 처리되거나, 사용되는 데이터로서, 소프트웨어(예를 들어: 프로그램)를 포함할 수 있다. 데이터베이스(130)는, 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 일 실시예로서, 데이터베이스(130)는, 설문 요청, 제1 및 제2 매핑 테이블, 양육 평가 설문, 관리자 단말(110-2)에서 형성된 제1 피드백 정보, 사용자 단말(110-1)에서 형성된 제2 피드백 정보, 서버(120)에서 형성된 제1 내지 제4 식물 추천 정보, 사용자의 주소 정보 등을 저장할 수 있다.The
본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.In the present invention, artificial intelligence (AI) refers to a technology that imitates human learning ability, reasoning ability, perceptual ability, etc., and implements it with a computer, and the concepts of machine learning, symbolic logic, etc. may include. Machine Learning (ML) is an algorithm technology that classifies or learns characteristics of input data by itself. Artificial intelligence technology is an algorithm of machine learning that can analyze input data, learn the results of the analysis, and make judgments or predictions based on the results of the learning. In addition, technologies that use machine learning algorithms to simulate functions such as cognition and judgment of the human brain can also be understood as a category of artificial intelligence. For example, technical fields such as verbal comprehension, visual comprehension, reasoning/prediction, knowledge expression, and motion control may be included.
기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.Machine learning may refer to the processing of training a neural network model using experience of processing data. With machine learning, computer software could mean improving its own data processing capabilities. The neural network model is constructed by modeling the correlation between data, and the correlation may be expressed by a plurality of parameters. A neural network model extracts and analyzes features from given data to derive correlations between data, and repeating this process to optimize parameters of a neural network model can be called machine learning. For example, a neural network model may learn a mapping (correlation) between an input and an output with respect to data given as an input/output pair. Alternatively, the neural network model may learn the relationship by deriving regularity between the given data even when only input data is given.
인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.The artificial intelligence learning model or neural network model may be designed to implement a human brain structure on a computer, and may include a plurality of network nodes that simulate neurons of a human neural network and have weights. A plurality of network nodes may have a connection relationship with each other by simulating a synaptic activity of a neuron through which a neuron sends and receives a signal through a synapse. In the AI learning model, a plurality of network nodes can exchange data according to a convolutional connection relationship while being located in layers of different depths. The artificial intelligence learning model may be, for example, an artificial neural network model, a convolutional neural network model, or the like. As an embodiment, the AI learning model may be machine-learned according to a method such as supervised learning, unsupervised learning, reinforcement learning, or the like. Machine learning algorithms for performing machine learning include Decision Tree, Bayesian Network, Support Vector Machine, Artificial Neural Network, Ada-boost. , Perceptron, Genetic Programming, Clustering, etc. may be used.
이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.Among them, CNNs are a type of multilayer perceptrons designed to use minimal preprocessing. CNN consists of one or several convolutional layers and general artificial neural network layers on top of it, and additionally utilizes weights and pooling layers. Thanks to this structure, CNN can fully utilize the input data of the two-dimensional structure. Compared with other deep learning structures, CNN shows good performance in both video and audio fields. CNNs can also be trained through standard back-passing. CNNs are easier to train than other feed-forward neural network techniques and have the advantage of using fewer parameters.
컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.Convolutional networks are neural networks comprising sets of nodes with bound parameters. The increased size of available training data and the availability of computational power, combined with advances in algorithms such as piecewise linear units and dropout training, have greatly improved many computer vision tasks. For huge data sets, such as those available for many tasks today, overfitting is not important, and increasing the size of the network improves test accuracy. Optimal use of computing resources becomes a limiting factor. To this end, a distributed, scalable implementation of deep neural networks may be used.
도 3은 일실시예에 따른 서버를 설명하기 위한 도면이다.3 is a diagram for explaining a server according to an embodiment.
도 3에 도시한 바와 같이, 서버(120)는 하나 이상의 프로세서(122), 하나 이상의 메모리(124) 및/또는 송수신기(126)를 포함할 수 있다. 일 실시예로서, 서버(120)의 이 구성요소들 중 적어도 하나가 생략되거나, 다른 구성요소가 서버(120)에 추가될 수 있다. 추가적으로(additionally) 또는 대체적으로(alternatively), 일부의 구성요소들이 통합되어 구현되거나, 단수 또는 복수의 개체로 구현될 수 있다. 서버(120) 내, 외부의 구성요소들 중 적어도 일부의 구성요소들은 버스, GPIO(general purpose input/output), SPI(serial peripheral interface) 또는 MIPI(mobile industry processor interface) 등을 통해 서로 연결되어, 데이터 및/또는 시그널을 주고받을 수 있다.As shown in FIG. 3 ,
하나 이상의 프로세서(122)는 소프트웨어(예: 명령, 프로그램 등)를 구동하여 프로세서(122)에 연결된 서버(120)의 적어도 하나의 구성요소를 제어할 수 있다. 또한, 프로세서(122)는 본 발명과 관련된 다양한 연산, 처리, 데이터 생성, 가공 등의 동작을 수행할 수 있다. 또한, 프로세서(122)는 데이터 등을 하나 이상의 메모리(124)로부터 로드하거나, 하나 이상의 메모리(124)에 저장할 수 있다.The one or
전술한 바와 같이, 하나 이상의 프로세서(122)는, 네트워크(N)를 통하여 다수의 사용자 단말 중 어느 하나의 사용자 단말(110-1)로 설문 요청을 전송할 수 있다. 일 실시예에 따르면, 설문 요청은 디지털 패킷의 형태로 메모리(124)에 저장되고, 프로세서(122)에 의해서 메모리(124)로부터 인출되어 사용자 단말(110-1)로 전송될 수 있다.As described above, the one or
하나 이상의 프로세서(122)는, 송수신기(126)를 통하여 사용자 단말(110-1)로부터 응답 정보를 디지털 패킷의 형태로 실시간 또는 비실시간으로 수신할 수 있다. 일 실시예에 따르면, 응답 정보는 사용자 단말(110-1)로 전송된 설문 요청에 대한 응답으로 형성될 수 있다.The one or
하나 이상의 프로세서(122)는, 송수신기(126)를 통해서 사용자 단말(110-1)로부터 수신된 응답 정보를 이용하여 사용자에게 적합한 식물을 디지털 패킷 형태의 제1 식물 추천 정보로 형성할 수 있다. 일 실시예에 따르면, 하나 이상의 프로세서(122)는, 메모리(124)에 저장된 제1 매핑 테이블 및 사용자 단말(110-1)로부터 수신된 응답 정보를 이용하여 사용자에게 적합한 식물 정보를 제1 식물 추천 정보로 형성할 수 있다.The one or
하나 이상의 프로세서(122)는, 디지털 패킷 형태의 제1 식물 추천 정보를 송수신기(126)를 통하여 관리자 단말(110-2)로 전송하고, 관리자 단말(110-2)로부터 네트워크(N)를 통하여 제1 식물 추천 정보에 대한 디지털 패킷 형태의 제1 피드백 정보를 수신할 수 있다. 일 실시예에 따르면, 제1 피드백 정보는, 제1 식물 추천 정보에 따라 추천된 식물을 다른 식물로 변경하기 위한 변경 식물 추천 정보를 포함할 수 있다.One or
하나 이상의 프로세서(122)는, 송수신기(126)를 통하여 관리자 단말(110-2)로부터 수신된 디지털 패킷 형태의 제1 피드백 정보를 반영하여 제1 식물 추천 정보를 수정하고, 이를 디지털 패킷 형태의 제2 식물 추천 정보로 형성할 수 있다.One or
하나 이상의 프로세서(122)는, 송수신기(126)를 통하여 디지털 패킷 형태의 제2 식물 추천 정보를 사용자 단말(110-1)로 전송하고, 디지털 패킷 형태의 제2 식물 추천 정보에 대한 제2 피드백 정보를 수신할 수 있다.The one or
하나 이상의 프로세서(122)는, 디지털 패킷 형태의 제2 식물 추천 정보를 송수신기(126)를 통하여 사용자 단말(110-1)로 전송하고, 사용자 단말(110-1)로부터 네트워크(N)를 통하여 제2 식물 추천 정보에 대한 디지털 패킷 형태의 제2 피드백 정보를 수신할 수 있다. One or
하나 이상의 프로세서(122)는, 송수신기(126)를 통하여 사용자 단말(110-1)로부터 수신된 디지털 패킷 형태의 제2 피드백 정보를 반영하여 제2 식물 추천 정보를 수정하고, 이를 디지털 패킷 형태의 제3 식물 추천 정보로 형성할 수 있다.One or
하나 이상의 프로세서(122)는, 사용자 단말(110-1)로부터 수신된 디지털 패킷 형태의 제3 식물 추천 정보에 대한 승인을 획득하여 제3 식물 추천 정보를 식물 준비 서버(140)로 전송하고, 제3 식물 추천 정보에 따른 식물을 준비하도록 제어할 수 있고, 식물의 준비가 완료되면 식물 준비 서버(140)로부터 송수신기(126)를 통하여 디지털 패킷 형태의 준비 완료 신호를 수신할 수 있다.One or
하나 이상의 프로세서(122)는, 송수신기(126)를 통하여 식물 준비 서버(140)로부터 수신된 디지털 패킷 형태의 준비 완료 신호를 송수신기(126)를 통하여 사용자 단말(110-1)로 전송하여 사용자의 주소 정보를 문의하고, 사용자 단말(110-1)로부터 송수신기(126)를 통하여 디지털 패킷 형태의 사용자의 주소 정보를 획득할 수 있다.The one or
하나 이상의 프로세서(122)는, 송수신기(126)를 통하여 배송 서버(150)로 디지털 패킷 형태의 사용자의 주소 정보를 송신하여 준비가 식물을 사용자의 주소로 배송하도록 요청할 수 있다.The one or
하나 이상의 프로세서(122)는, 배송 서버(150)로부터 식물을 제1 지점에서 제2 지점까지 배달하는 배달 주문 요청이 수신되면, 배달 주문 요청을 복수의 배달기사 단말로 전송할 수 있다.One or
하나 이상의 프로세서(122)는, 제1 배달기사 단말로부터 식물에 대한 배달 수락 요청이 수신되면, 식물을 배달하는 업무의 담당자로 제1 배달기사를 설정할 수 있다.One or
하나 이상의 프로세서(122)는, 식물을 배달하는 업무의 담당자로 제1 배달기사가 설정되면, 제1 배달기사가 사용하는 모빌리티로 등록되어 있는 제1 모빌리티를 확인하고, 제1 모빌리티에 장착된 제1 센서로부터 제1 모빌리티의 이동으로 측정되는 제1 모빌리티의 운행 정보를 수신할 수 있다.One or
하나 이상의 프로세서(122)는, 식물을 배달하는 업무의 담당자로 제1 배달기사가 설정되면, 제1 모빌리티의 위치 정보를 획득하여, 제1 모빌리티의 현재 위치인 제3 지점을 확인할 수 있다.One or
하나 이상의 프로세서(122)는, 제1 모빌리티의 위치를 추적한 결과, 제1 모빌리티가 제3 지점에서 제1 지점까지 이동한 것으로 확인되면, 제3 지점에서 제1 지점까지 이동하는 동안에 측정된 제1 운행 정보를 제1 센서로부터 수신할 수 있다.The one or
하나 이상의 프로세서(122)는, 제1 모빌리티의 위치를 추적한 결과, 제1 모빌리티가 제1 지점에서 제2 지점까지 이동한 것으로 확인되면, 제1 지점에서 제2 지점까지 이동하는 동안에 측정된 제2 운행 정보를 제1 센서로부터 수신할 수 있다.The one or
하나 이상의 프로세서(122)는, 제1 배달기사 단말로부터 식물에 대한 배달 완료 요청이 수신되면, 식물을 배달하는 업무의 담당자에서 제1 배달기사를 해제할 수 있다.One or
하나 이상의 프로세서(122)는, 제1 모빌리티의 운행 정보가 미리 설정된 기준 기간 동안 수집되면, 수집된 운행 정보를 기초로, 제1 배달기사의 운전 성향을 분석할 수 있다.One or
하나 이상의 프로세서(122)는, 제1 운행 정보를 기초로, 제3 지점에서 제1 지점까지 이동하는 동안에, 급가속, 급감속, 급회전 및 과속으로 인한 위험 상황이 있는지 여부를 분석할 수 있다.The one or
하나 이상의 프로세서(122)는, 제3 지점에서 제1 지점까지 이동하는 동안에 위험 상황이 있는 것으로 분석되면, 제3 지점에서 제1 지점까지 이동하는 동안에 위험 상황이 발생한 횟수인 제1 위험 횟수를 확인할 수 있다.If it is analyzed that there is a dangerous situation while moving from the third point to the first point, the one or
하나 이상의 프로세서(122)는, 제1 위험 횟수에 미리 설정된 제1 가중치를 적용하여, 제1 위험 점수를 산출할 수 있다.The one or
하나 이상의 프로세서(122)는, 제1 지점에서 제2 지점까지 이동하는 동안에, 위험 상황이 있는지 여부를 분석할 수 있다.The one or
하나 이상의 프로세서(122)는, 제1 지점에서 제2 지점까지 이동하는 동안에 위험 상황이 있는 것으로 분석되면, 제1 지점에서 제2 지점까지 이동하는 동안에 위험 상황이 발생한 횟수인 제2 위험 횟수를 확인할 수 있다.When it is analyzed that there is a dangerous situation while moving from the first point to the second point, the one or
하나 이상의 프로세서(122)는, 제2 위험 횟수에 제1 가중치 보다 큰 값이 설정된 제2 가중치를 적용하여, 제2 위험 점수를 산출할 수 있다.The one or
하나 이상의 프로세서(122)는, 제1 위험 점수 및 제2 위험 점수를 합산한 값을 기반으로, 제1 배달기사의 운전 성향을 분석할 수 있다.One or
하나 이상의 메모리(124)는 다양한 데이터를 저장할 수 있다. 메모리(124)에 저장되는 데이터는, 서버(120)의 적어도 하나의 구성요소에 의해 획득되거나, 처리되거나, 사용되는 데이터로서, 소프트웨어(예: 명령, 프로그램 등)를 포함할 수 있다. 메모리(124)는 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 본 발명에서, 명령 내지 프로그램은 메모리(124)에 저장되는 소프트웨어로서, 서버(120)의 리소스를 제어하기 위한 운영체제, 어플리케이션 및/또는 어플리케이션이 서버(120)의 리소스들을 활용할 수 있도록 다양한 기능을 어플리케이션에 제공하는 미들 웨어 등을 포함할 수 있다. The one or
하나 이상의 메모리(124)는 상술한 설문 요청, 제1 및 제2 매핑 테이블, 양육 평가 설문, 제1 내지 제4 식물 추천 정보, 네트워크(N)를 통하여 관리자 단말(110-2)로부터 수신된 제1 피드백 정보, 사용자 단말(110-1)로부터 수신된 제2 피드백 정보, 사용자의 주소 정보 등을 저장할 수 있다. 또한, 하나 이상의 메모리(124)는, 하나 이상의 프로세서(122)에 의한 실행 시, 하나 이상의 프로세서(122)가 연산을 수행하도록 하는 명령들을 저장할 수 있다.The one or
일 실시예로서, 서버(120)는 송수신기(126)를 더 포함할 수 있다. 송수신기(126)는, 사용자 단말(110-1), 관리자 단말(110-2), 서버(120), 데이터베이스(130), 식물 준비 서버(140), 배송 서버(150) 및/또는 기타 다른 장치 간의 무선 또는 유선 통신을 수행할 수 있다. 예를 들어, 송수신기(126)는 eMBB(enhanced Mobile Broadband), URLLC(Ultra Reliable Low-Latency Communications), MMTC(Massive Machine Type Communications), LTE(long-term evolution), LTE-A(LTE Advance), UMTS(Universal Mobile Telecommunications System), GSM(Global System for Mobile communications), CDMA(code division multiple access), WCDMA(wideband CDMA), WiBro(Wireless Broadband), WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication), GPS(Global Positioning System) 또는 GNSS(global navigation satellite system) 등의 방식에 따른 무선 통신을 수행할 수 있다. 예를 들어, 송수신기(126)는 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232) 또는 POTS(plain old telephone service) 등의 방식에 따른 유선 통신을 수행할 수 있다.In one embodiment, the
일 실시예로서, 하나 이상의 프로세서(122)는 송수신기(126)를 제어하여 사용자 단말(110-1), 관리자 단말(110-2), 서버(120), 데이터베이스(130), 식물 준비 서버(140), 배송 서버(150)로부터 정보를 획득할 수 있다. 사용자 단말(110-1), 관리자 단말(110-2), 서버(120), 데이터베이스(130), 식물 준비 서버(140), 배송 서버(150)로부터 획득된 정보는 하나 이상의 메모리(124)에 저장될 수 있다.In one embodiment, one or
일 실시예로서, 서버(120)는 다양한 형태의 장치가 될 수 있다. 예를 들어, 서버(120)는 휴대용 통신 장치, 컴퓨터 장치, 또는 상술한 장치들 중 하나 또는 그 이상의 조합에 따른 장치일 수 있다. 본 발명의 서버(120)는 전술한 장치들에 한정되지 않는다.As an embodiment, the
본 발명에 따른 서버(120)의 다양한 실시예들은 서로 조합될 수 있다. 각 실시예들은 경우의 수에 따라 조합될 수 있으며, 조합되어 만들어진 서버(120)의 실시예 역시 본 발명의 범위에 속한다. 또한 전술한 본 발명에 따른 서버(120)의 내/외부 구성 요소들은 실시예에 따라 추가, 변경, 대체 또는 삭제될 수 있다. 또한 전술한 서버(120)의 내/외부 구성 요소들은 하드웨어 컴포넌트로 구현될 수 있다.Various embodiments of the
도 4는 본 발명의 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.4 is a diagram for explaining learning of a neural network according to an embodiment of the present invention.
도 4에 도시한 바와 같이, 학습 장치는 피드백 이미지들이 포함하는 식물 객체들의 상태 추출을 위하여 뉴럴 네트워크(123)를 학습시킬 수 있다. 일 실시예에 따르면, 학습 장치는 서버(120)와 다른 별개의 주체일 수 있지만, 이에 제한되는 것은 아니다.As shown in FIG. 4 , the learning apparatus may train the
뉴럴 네트워크(123)는 트레이닝 샘플들이 입력되는 입력 레이어(121)와 트레이닝 출력들을 출력하는 출력 레이어(125)를 포함하고, 트레이닝 출력들과 레이블들 사이의 차이에 기초하여 학습될 수 있다. 여기서, 레이블들은 양육 평가 설문에 대한 설문 응답에 따른 트레이닝 식물 객체들의 상태들에 기초하여 정의될 수 있다. 뉴럴 네트워크(123)는 복수의 노드들의 그룹으로 연결되어 있고, 연결된 노드들 사이의 가중치들과 노드들을 활성화시키는 활성화 함수에 의해 정의된다. The
학습 장치는 GD(Gradient Decent) 기법 또는 SGD(Stochastic Gradient Descent) 기법을 이용하여 뉴럴 네트워크(123)를 학습시킬 수 있다. 학습 장치는 뉴럴 네트워크의 출력들 및 레이블들 의해 설계된 손실 함수(Loss Function)를 이용할 수 있다.The learning apparatus may train the
학습 장치는 미리 정의된 손실 함수를 이용하여 트레이닝 에러를 계산할 수 있다. 손실 함수는 레이블, 출력 및 파라미터를 입력 변수로 미리 정의될 수 있고, 여기서 파라미터는 뉴럴 네트워크(123) 내 가중치들에 의해 설정될 수 있다. 예를 들어, 손실 함수는 MSE(Mean Square Error) 형태, 엔트로피(entropy) 형태 등으로 설계될 수 있는데, 손실 함수가 설계되는 실시예에는 다양한 기법 또는 방식이 채용될 수 있다.The learning apparatus may calculate the training error using a predefined loss function. The loss function may be predefined with labels, outputs and parameters as input variables, where the parameters may be set by weights in the
학습 장치는 역전파(Backpropagation) 기법을 이용하여 트레이닝 에러에 영향을 주는 가중치들을 찾아낼 수 있다. 여기서, 가중치들은 뉴럴 네트워크(123) 내 노드들 사이의 관계들이다. 학습 장치는 역전파 기법을 통해 찾아낸 가중치들을 최적화시키기 위해 레이블들 및 출력들을 이용한 SGD 기법을 이용할 수 있다. 예를 들어, 학습 장치는 레이블들, 출력들 및 가중치들에 기초하여 정의된 손실 함수의 가중치들을 SGD 기법을 이용하여 갱신할 수 있다.The learning apparatus may find weights affecting the training error by using a backpropagation technique. Here, the weights are relationships between nodes in the
일 실시예에 따르면, 학습 장치는 트레이닝 피드백 이미지들을 획득하고, 트레이닝 피드백 이미지들로부터 트레이닝 식물 객체들을 추출할 수 있다. 학습 장치는 트레이닝 식물 객체들에 대해서 각각 미리 레이블링 된 정보(제1 레이블들)를 획득할 수 있는데, 트레이닝 식물 객체들에 대응하는 양육 평가 설문에 대한 설문 응답에 따른 트레이닝 식물 객체들의 상태인 제1 레이블들을 획득할 수 있다.According to an embodiment, the learning apparatus may obtain training feedback images and extract training plant objects from the training feedback images. The learning apparatus may obtain each pre-labeled information (first labels) for the training plant objects, the first which is the state of the training plant objects according to the questionnaire response to the nurture evaluation questionnaire corresponding to the training plant objects. Labels can be obtained.
일 실시예에 따르면, 학습 장치는 트레이닝 식물 객체들의 크기 특징들, 길이 특징들 및 색상 특징들에 기초하여 트레이닝 특징 벡터들을 생성할 수 있다. 특징을 추출하는 데는 다양한 방식이 채용될 수 있다.According to an embodiment, the learning apparatus may generate training feature vectors based on size features, length features, and color features of the training plant objects. Various methods may be employed for extracting the feature.
일 실시예에 따르면, 학습 장치는 트레이닝 특징 벡터들을 뉴럴 네트워크(123)에 적용하여 트레이닝 출력들을 획득할 수 있다. 학습 장치는 트레이닝 출력들과 제1 레이블들에 기초하여 뉴럴 네트워크(123)의 식물 추천 알고리즘을 학습시킬 수 있다. 학습 장치는 트레이닝 출력들에 대응하는 트레이닝 에러들을 계산하고, 그 트레이닝 에러들을 최소화하기 위해 뉴럴 네트워크(123) 내 노드들의 연결 관계를 최적화하여 뉴럴 네트워크(123)의 식물 추천 알고리즘을 학습시킬 수 있다. 서버(120)는 학습이 완료된 뉴럴 네트워크(123)를 이용하여 피드백 이미지들로부터 식물 객체들의 상태들을 추출할 수 있다.According to an embodiment, the learning apparatus may obtain training outputs by applying the training feature vectors to the
도 5는 일실시예에 따른 인공지능 기반 식물 정보 큐레이션 서비스 제공 방법의 흐름도이다.5 is a flowchart of a method for providing an AI-based plant information curation service according to an embodiment.
도 5의 흐름도에서 프로세스 단계들, 방법 단계들, 알고리즘들 등이 순차적인 순서로 설명되었지만, 그러한 프로세스들, 방법들 및 알고리즘들은 임의의 적합한 순서로 작동하도록 구성될 수 있다. 다시 말하면, 본 발명의 다양한 실시예들에서 설명되는 프로세스들, 방법들 및 알고리즘들의 단계들이 본 발명에서 기술된 순서로 수행될 필요는 없다. 또한, 일부 단계들이 비동시적으로 수행되는 것으로서 설명되더라도, 다른 실시예에서는 이러한 일부 단계들이 동시에 수행될 수 있다. 또한, 도면에서의 묘사에 의한 프로세스의 예시는 예시된 프로세스가 그에 대한 다른 변화들 및 수정들을 제외하는 것을 의미하지 않으며, 예시된 프로세스 또는 그의 단계들 중 임의의 것이 본 발명의 다양한 실시예들 중 하나 이상에 필수적임을 의미하지 않으며, 예시된 프로세스가 바람직하다는 것을 의미하지 않는다.Although process steps, method steps, algorithms, etc. are described in a sequential order in the flowchart of FIG. 5 , such processes, methods, and algorithms may be configured to operate in any suitable order. In other words, the steps of the processes, methods, and algorithms described in various embodiments of the invention need not be performed in the order described herein. Also, although some steps are described as being performed asynchronously, in other embodiments some of these steps may be performed concurrently. Further, the exemplification of a process by description in the drawings does not imply that the exemplified process excludes other changes and modifications thereto, and that the exemplified process or any of its steps may be used in any of the various embodiments of the present invention. It is not meant to be essential to one or more, nor does it imply that the illustrated process is preferred.
도 5에 도시한 바와 같이, 단계(S510)에서, 사용자 단말로 설문 요청이 전송된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, 다수의 사용자 단말 중 어느 하나의 사용자 단말(110-1)로 설문 요청을 전송할 수 있다. 일 실시예에 따르면, 설문 요청은, 식물을 양육할 공간에 대한 정보, 선호하는 식물에 대한 정보, 식물을 양육할 사람에 대한 정보, 선호 색상에 대한 정보, 식물 양육 예산 정보 중 적어도 하나의 항목을 포함할 수 있다.As shown in FIG. 5 , in step S510 , a survey request is transmitted to the user terminal. For example, referring to FIGS. 1 to 4 , the
단계(S520)에서, 응답 정보가 수신된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, 사용자 단말(110-1)에서 형성된 응답 정보를 수신할 수 있다. In step S520, response information is received. For example, referring to FIGS. 1 to 4 , the
단계(S530)에서, 제1 식물 추천 정보가 형성된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, S520 단계에서 수신된 응답 정보 및 제1 매핑 테이블을 이용하여 사용자에게 적합한 식물 정보를 제1 식물 추천 정보로 형성할 수 있다.In step S530, the first plant recommendation information is formed. For example, referring to FIGS. 1 to 4 , the
단계(S540)에서, 제1 식물 추천 정보가 전송된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, S530 단계에서 형성된 제1 식물 추천 정보를 네트워크(N)를 통하여 관리자 단말(110-2)로 전송할 수 있다.In step S540, the first plant recommendation information is transmitted. For example, referring to FIGS. 1 to 4 , the
단계(S550)에서, 제1 피드백 정보가 수신된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, 제1 식물 추천 정보에 대한 응답으로 관리자 단말(110-2)로부터 네트워크(N)를 통하여 제1 식물 추천 정보에 대한 제1 피드백 정보를 수신할 수 있다.In step S550, first feedback information is received. For example, referring to FIGS. 1 to 4 , the
단계(S560)에서, 제2 식물 추천 정보가 형성된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, 관리자 단말(110-2)로부터 네트워크(N)를 통하여 수신된 제1 피드백 정보를 반영하여 제1 식물 추천 정보를 수정하고, 이를 제2 식물 추천 정보로 형성할 수 있다.In step S560, second plant recommendation information is formed. For example, referring to FIGS. 1 to 4 , the
단계(S570)에서, 제2 식물 추천 정보가 전송된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, S560 단계에서 형성된 제2 식물 추천 정보를 네트워크(N)를 통하여 사용자 단말(110-1)로 전송할 수 있다.In step S570, second plant recommendation information is transmitted. For example, referring to FIGS. 1 to 4 , the
단계(S580)에서, 제2 피드백 정보가 수신된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, 제2 식물 추천 정보에 대한 응답으로 사용자 단말(110-1)로부터 네트워크(N)를 통하여 제2 식물 추천 정보에 대한 제2 피드백 정보를 수신할 수 있다.In step S580, second feedback information is received. For example, referring to FIGS. 1 to 4 , the
단계(S590)에서, 제3 식물 추천 정보가 형성된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, 사용자 단말(110-1)로부터 네트워크(N)를 통하여 수신된 제2 피드백 정보를 반영하여 제2 식물 추천 정보를 수정하고, 이를 제3 식물 추천 정보로 형성할 수 있다.In step S590, third plant recommendation information is formed. For example, referring to FIGS. 1 to 4 , the
단계(S600)에서, 제3 식물 추천 정보에 대한 승인이 획득된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, S590 단계에서 형성된 제3 식물 추천 정보에 대한 응답으로 사용자 단말(110-1)로부터 제3 식물 추천 정보에 대한 승인을 획득할 수 있다.In step S600, approval for the third plant recommendation information is obtained. For example, referring to FIGS. 1 to 4 , the
단계(S610)에서, 식물이 준비된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, 승인이 획득된 제3 식물 추천 정보를 네트워크(N)를 통하여 식물 준비 서버(140)로 전송하여 제3 식물 추천 정보에 따른 식물을 준비하도록 제어할 수 있다.In step S610, the plant is prepared. For example, referring to FIGS. 1 to 4 , the
단계(S620)에서, 준비 완료 신호가 수신된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, 제3 식물 추천 정보에 따른 식물의 준비가 완료되면 식물 준비 서버(140)로부터 준비 완료 신호를 수신할 수 있다.In step S620, a ready signal is received. For example, referring to FIGS. 1 to 4 , the
단계(S630)에서, 사용자의 주소 정보가 획득된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, 식물 준비 서버(140)로부터 수신된 준비 완료 신호를 네트워크(N)를 통하여 사용자 단말(110-1)로 전송하여 사용자의 주소 정보를 문의하고, 사용자 단말(110-1)로부터 네트워크(N)를 통하여 사용자의 주소 정보를 획득할 수 있다.In step S630, address information of the user is obtained. For example, referring to FIGS. 1 to 4 , the
단계(S640)에서, 주소 정보로 배송이 요청된다. 예를 들어, 도 1 내지 도 4를 참조하면, 서버(120)는, 네트워크(N)를 통하여 배송 서버(150)로 사용자의 주소 정보를 송신하여 준비가 완료된 식물을 사용자의 주소로 배송하도록 요청할 수 있다.In step S640, delivery is requested with address information. For example, referring to FIGS. 1 to 4 , the
도 6은 일실시예에 따른 장치의 구성의 예시도이다.6 is an exemplary diagram of a configuration of an apparatus according to an embodiment.
일실시예에 따른 장치(401)는 프로세서(402) 및 메모리(403)를 포함한다. 일실시예에 따른 장치(401)는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 3을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 5를 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(403)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(403)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. The
프로세서(402)는 프로그램을 실행하고, 장치(401)를 제어할 수 있다. 프로세서(402)에 의하여 실행되는 프로그램의 코드는 메모리(403)에 저장될 수 있다. 장치(401)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.The
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented by a hardware component, a software component, and/or a combination of a hardware component and a software component. For example, the apparatus, methods and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate (FPGA). array), a programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. The processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For convenience of understanding, although one processing device is sometimes described as being used, one of ordinary skill in the art will recognize that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that may include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may comprise a computer program, code, instructions, or a combination of one or more of these, which configures a processing device to operate as desired or is independently or collectively processed You can command the device. The software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or device, to be interpreted by or to provide instructions or data to the processing device. , or may be permanently or temporarily embody in a transmitted signal wave. The software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with reference to the limited drawings, those skilled in the art may apply various technical modifications and variations based on the above. For example, the described techniques are performed in an order different from the described method, and/or the described components of the system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.
Claims (3)
상기 서버에 의해서, 상기 사용자 단말로부터 상기 설문 요청에 따른 응답 정보를 수신하는 단계;
상기 서버에 의해서, 미리 저장된 제1 매핑 테이블- 상기 제1 매핑 테이블은, 상기 식물을 양육할 공간에 대한 정보, 상기 선호하는 식물에 대한 정보, 상기 식물을 양육할 사람에 대한 정보, 상기 선호 색상에 대한 정보, 상기 식물 양육 예산 정보에 따른 식물 추천 정보를 포함함 - 및 상기 응답 정보를 이용하여 사용자에게 적합한 식물 정보를 제1 식물 추천 정보로 형성하는 단계;
상기 서버에 의해서, 상기 제1 식물 추천 정보를 관리자 단말로 전송하는 단계;
상기 서버에 의해서, 상기 관리자 단말로부터 상기 제1 식물 추천 정보에 대한 제1 피드백 정보를 수신하는 단계;
상기 서버에 의해서, 상기 제1 피드백 정보를 반영하여 상기 제1 식물 추천 정보를 수정한 제2 식물 추천 정보로 형성하는 단계;
상기 서버에 의해서, 상기 제2 식물 추천 정보를 상기 사용자 단말로 전송하는 단계;
상기 서버에 의해서, 상기 사용자 단말로부터 상기 제2 식물 추천 정보에 대한 제2 피드백 정보를 수신하는 단계;
상기 서버에 의해서, 상기 제2 피드백 정보를 반영하여 상기 제2 식물 추천 정보를 수정한 제3 식물 추천 정보로 형성하는 단계;
상기 서버에 의해서, 상기 사용자 단말로부터 상기 제3 식물 추천 정보에 대한 승인을 획득하는 단계;
상기 서버에 의해서, 상기 제3 식물 추천 정보를 식물 준비 서버로 전송하여 상기 제3 식물 추천 정보에 따른 식물을 준비하도록 제어하는 단계;
상기 서버에 의해서, 상기 식물 준비 서버로부터 식물 준비 완료 신호를 수신하는 단계;
상기 서버에 의해서, 상기 식물 준비 완료 신호를 상기 사용자 단말로 전송하여 사용자의 주소 정보를 획득하는 단계; 및
상기 서버에 의해서, 배송 서버로 상기 사용자의 주소 정보를 송신하여 준비가 완료된 식물을 상기 사용자의 주소로 배송하도록 요청하는 단계를 포함하되,
상기 서버에 의해서, 상기 배송 서버로부터 상기 식물을 제1 지점에서 제2 지점까지 배달하는 배달 주문 요청이 수신되면, 상기 배달 주문 요청을 복수의 배달기사 단말로 전송하는 단계;
상기 서버에 의해서, 제1 배달기사 단말로부터 상기 식물에 대한 배달 수락 요청이 수신되면, 상기 식물을 배달하는 업무의 담당자로 제1 배달기사를 설정하는 단계;
상기 서버에 의해서, 상기 식물을 배달하는 업무의 담당자로 상기 제1 배달기사가 설정되면, 상기 제1 배달기사가 사용하는 모빌리티로 등록되어 있는 제1 모빌리티를 확인하고, 상기 제1 모빌리티에 장착된 제1 센서로부터 상기 제1 모빌리티의 이동으로 측정되는 상기 제1 모빌리티의 운행 정보를 수신하는 단계;
상기 서버에 의해서, 상기 식물을 배달하는 업무의 담당자로 상기 제1 배달기사가 설정되면, 상기 제1 모빌리티의 위치 정보를 획득하여, 상기 제1 모빌리티의 현재 위치인 제3 지점을 확인하는 단계;
상기 서버에 의해서, 상기 제1 모빌리티의 위치를 추적한 결과, 상기 제1 모빌리티가 상기 제3 지점에서 상기 제1 지점까지 이동한 것으로 확인되면, 상기 제3 지점에서 상기 제1 지점까지 이동하는 동안에 측정된 제1 운행 정보를 상기 제1 센서로부터 수신하는 단계;
상기 서버에 의해서, 상기 제1 모빌리티의 위치를 추적한 결과, 상기 제1 모빌리티가 상기 제1 지점에서 상기 제2 지점까지 이동한 것으로 확인되면, 상기 제1 지점에서 상기 제2 지점까지 이동하는 동안에 측정된 제2 운행 정보를 상기 제1 센서로부터 수신하는 단계;
상기 서버에 의해서, 상기 제1 배달기사 단말로부터 상기 식물에 대한 배달 완료 요청이 수신되면, 상기 식물을 배달하는 업무의 담당자에서 상기 제1 배달기사를 해제하는 단계;
상기 서버에 의해서, 상기 제1 모빌리티의 운행 정보가 미리 설정된 기준 기간 동안 수집되면, 상기 수집된 운행 정보를 기초로, 상기 제1 배달기사의 운전 성향을 분석하는 단계;
상기 서버에 의해서, 상기 제1 운행 정보를 기초로, 상기 제3 지점에서 상기 제1 지점까지 이동하는 동안에, 급가속, 급감속, 급회전 및 과속으로 인한 위험 상황이 있는지 여부를 분석하는 단계;
상기 서버에 의해서, 상기 제3 지점에서 상기 제1 지점까지 이동하는 동안에 상기 위험 상황이 있는 것으로 분석되면, 상기 제3 지점에서 상기 제1 지점까지 이동하는 동안에 상기 위험 상황이 발생한 횟수인 제1 위험 횟수를 확인하는 단계;
상기 서버에 의해서, 상기 제1 위험 횟수에 미리 설정된 제1 가중치를 적용하여, 제1 위험 점수를 산출하는 단계;
상기 서버에 의해서, 상기 제2 운행 정보를 기초로, 상기 제1 지점에서 상기 제2 지점까지 이동하는 동안에, 상기 위험 상황이 있는지 여부를 분석하는 단계;
상기 서버에 의해서, 상기 제1 지점에서 상기 제2 지점까지 이동하는 동안에 상기 위험 상황이 있는 것으로 분석되면, 상기 제1 지점에서 상기 제2 지점까지 이동하는 동안에 상기 위험 상황이 발생한 횟수인 제2 위험 횟수를 확인하는 단계;
상기 서버에 의해서, 상기 제2 위험 횟수에 상기 제1 가중치 보다 큰 값이 설정된 제2 가중치를 적용하여, 제2 위험 점수를 산출하는 단계; 및
상기 서버에 의해서, 상기 제1 위험 점수 및 상기 제2 위험 점수를 합산한 값을 기반으로, 상기 제1 배달기사의 운전 성향을 분석하는 단계를 더 포함하는,
인공지능 기반 식물 정보 큐레이션 서비스 제공 방법.By the server, a survey request to the user terminal- The survey request is at least one of information about a space to grow plants, information about preferred plants, information about people to raise plants, information about preferred colors, and plant rearing budget information. sending - containing one item;
receiving, by the server, response information according to the survey request from the user terminal;
A first mapping table stored in advance by the server- The first mapping table includes information about a space to nurture the plant, information about the preferred plant, information about a person who will nurture the plant, and the preferred color. information, including plant recommendation information according to the plant rearing budget information - and using the response information to form plant information suitable for a user as first plant recommendation information;
transmitting, by the server, the first plant recommendation information to a manager terminal;
Receiving, by the server, first feedback information for the first plant recommendation information from the manager terminal;
forming, by the server, the first plant recommendation information into modified second plant recommendation information by reflecting the first feedback information;
transmitting, by the server, the second plant recommendation information to the user terminal;
receiving, by the server, second feedback information for the second plant recommendation information from the user terminal;
forming, by the server, the second plant recommendation information into modified third plant recommendation information by reflecting the second feedback information;
obtaining, by the server, approval for the third plant recommendation information from the user terminal;
controlling, by the server, to prepare a plant according to the third plant recommendation information by transmitting the third plant recommendation information to a plant preparation server;
receiving, by the server, a plant preparation completion signal from the plant preparation server;
transmitting, by the server, the plant preparation completion signal to the user terminal to obtain address information of the user; and
Comprising, by the server, sending the address information of the user to the delivery server and requesting that the ready plant be delivered to the address of the user,
When, by the server, a delivery order request for delivering the plant from the first point to the second point is received from the delivery server, transmitting the delivery order request to a plurality of delivery driver terminals;
When, by the server, a delivery acceptance request for the plant is received from the first delivery driver terminal, setting a first delivery driver as a person in charge of the task of delivering the plant;
When the first delivery driver is set as the person in charge of the task of delivering the plants by the server, the first mobility registered as the mobility used by the first delivery driver is checked, and the first mobility is installed in the first mobility. receiving, from a first sensor, driving information of the first mobility measured as a movement of the first mobility;
When the first delivery driver is set by the server as a person in charge of the task of delivering the plant, acquiring location information of the first mobility and checking a third point that is the current location of the first mobility;
As a result of tracking the location of the first mobility by the server, if it is confirmed that the first mobility has moved from the third point to the first point, while moving from the third point to the first point receiving the measured first driving information from the first sensor;
As a result of tracking the location of the first mobility by the server, if it is confirmed that the first mobility has moved from the first point to the second point, while moving from the first point to the second point receiving the measured second driving information from the first sensor;
When, by the server, the delivery completion request for the plant is received from the first delivery driver terminal, releasing the first delivery driver from the person in charge of the task of delivering the plant;
When, by the server, the driving information of the first mobility is collected for a preset reference period, analyzing the driving tendency of the first delivery driver based on the collected driving information;
analyzing, by the server, whether there is a dangerous situation due to rapid acceleration, rapid deceleration, sudden rotation and overspeed while moving from the third point to the first point based on the first driving information;
If it is analyzed by the server that the dangerous situation exists while moving from the third point to the first point, the first risk is the number of times the dangerous situation occurs while moving from the third point to the first point checking the number of times;
calculating, by the server, a first risk score by applying a preset first weight to the first number of risks;
analyzing, by the server, whether the dangerous situation exists while moving from the first point to the second point based on the second driving information;
If it is analyzed by the server that the dangerous situation exists while moving from the first point to the second point, the second risk is the number of times the dangerous situation occurs while moving from the first point to the second point checking the number of times;
calculating, by the server, a second risk score by applying a second weight to which a value greater than the first weight is set to the second number of risks; and
By the server, based on the sum of the first risk score and the second risk score, further comprising the step of analyzing the driving tendency of the first delivery driver,
A method of providing artificial intelligence-based plant information curation service.
상기 서버에 의해서, 식물별 양육 시 고려해야 할 정보- 식물, 환경, 사람, 기간, 계절 중 적어도 하나의 정보를 포함함 -들을 제2 매핑 테이블로 저장하는 단계;
상기 서버에 의해서, 상기 제2 매핑 테이블을 이용하여 상기 제3 식물 추천 정보에 따른 식물을 양육 시 고려해야할 양육 정보를 추출하는 단계; 및
상기 서버에 의해서, 상기 양육 정보를 상기 사용자 단말로 전송하는 단계
를 더 포함하는,
인공지능 기반 식물 정보 큐레이션 서비스 제공 방법.According to claim 1,
Storing, by the server, information to be considered when rearing each plant—including information on at least one of plants, environments, people, periods, and seasons—as a second mapping table;
extracting, by the server, rearing information to be considered when raising a plant according to the third plant recommendation information using the second mapping table; and
By the server, transmitting the parenting information to the user terminal
further comprising,
A method of providing artificial intelligence-based plant information curation service.
상기 서버에 의해서, 상기 사용자의 주소로의 식물 배송 후 일정시간 경과 후 상기 사용자 단말로 양육 평가 설문을 전송하는 단계;
상기 서버에 의해서, 상기 사용자 단말로부터 상기 양육 평가 설문에 대한 설문 응답을 수신하는 단계;
상기 서버에 의해서, 상기 설문 응답에 따라서 제4 식물 추천 정보를 형성하는 단계;
상기 서버에 의해서, 상기 제4 식물 추천 정보를 상기 사용자 단말로 전송하는 단계;
상기 서버에 의해서, 상기 사용자 단말로부터 상기 제4 식물 추천 정보에 대한 승인을 획득하는 단계;
상기 서버에 의해서, 상기 제4 식물 추천 정보를 식물 준비 서버로 전송하여 상기 제4 식물 추천 정보에 따른 식물을 준비하도록 제어하는 단계;
상기 서버에 의해서, 상기 식물 준비 서버로부터 식물 준비 완료 신호를 수신하는 단계;
상기 서버에 의해서, 상기 식물 준비 완료 신호를 상기 사용자 단말로 전송하여 사용자의 주소 정보를 획득하는 단계; 및
상기 서버에 의해서, 배송 서버로 상기 사용자의 주소 정보를 송신하여 준비가 완료된 식물을 상기 사용자의 주소로 배송하도록 요청하는 단계
를 더 포함하는,
인공지능 기반 식물 정보 큐레이션 서비스 제공 방법.According to claim 1,
transmitting, by the server, a parenting evaluation questionnaire to the user terminal after a predetermined time has elapsed after the plant is delivered to the user's address;
receiving, by the server, a questionnaire response to the parenting evaluation questionnaire from the user terminal;
forming, by the server, fourth plant recommendation information according to the survey response;
transmitting, by the server, the fourth plant recommendation information to the user terminal;
obtaining, by the server, approval for the fourth plant recommendation information from the user terminal;
controlling, by the server, to prepare a plant according to the fourth plant recommendation information by transmitting the fourth plant recommendation information to a plant preparation server;
receiving, by the server, a plant preparation completion signal from the plant preparation server;
transmitting, by the server, the plant preparation completion signal to the user terminal to obtain address information of the user; and
Sending, by the server, the address information of the user to the delivery server, requesting that the ready plant be delivered to the address of the user
further comprising,
A method of providing artificial intelligence-based plant information curation service.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210134371A KR102430959B1 (en) | 2021-10-08 | 2021-10-08 | METHOD, APPARATUS AND SYSTEM FOR providing PLANT INFORMATION CURATION SERVICE based on ARTIFICIAL INTELLIGENCE |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210134371A KR102430959B1 (en) | 2021-10-08 | 2021-10-08 | METHOD, APPARATUS AND SYSTEM FOR providing PLANT INFORMATION CURATION SERVICE based on ARTIFICIAL INTELLIGENCE |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102430959B1 true KR102430959B1 (en) | 2022-08-11 |
Family
ID=82803356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210134371A KR102430959B1 (en) | 2021-10-08 | 2021-10-08 | METHOD, APPARATUS AND SYSTEM FOR providing PLANT INFORMATION CURATION SERVICE based on ARTIFICIAL INTELLIGENCE |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102430959B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024044442A1 (en) * | 2022-08-25 | 2024-02-29 | DoorDash, Inc. | System and method for processing using weight data |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170047441A (en) | 2015-10-22 | 2017-05-08 | (주)크래들코리아 | Book with electronic tags that personalized coaching through the curation rental systems, customized training content system using electronic tags, using the same statistical system solutions, educational content delivery method using the same |
| KR20170105444A (en) | 2016-03-09 | 2017-09-19 | 삼성전자주식회사 | Configuration and operation of display devices including content curation |
| KR20200115717A (en) * | 2019-03-12 | 2020-10-08 | 농업회사법인 만나씨이에이 주식회사 | Methods and Systems for Recommending Crops |
| KR20210061600A (en) * | 2019-11-20 | 2021-05-28 | 김성훈 | Personalized plants recommendation system |
| KR20210086373A (en) * | 2019-12-31 | 2021-07-08 | 주식회사 이콘비즈 | Device, method and program for predict and analyze plant growth according to soil conditions |
-
2021
- 2021-10-08 KR KR1020210134371A patent/KR102430959B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170047441A (en) | 2015-10-22 | 2017-05-08 | (주)크래들코리아 | Book with electronic tags that personalized coaching through the curation rental systems, customized training content system using electronic tags, using the same statistical system solutions, educational content delivery method using the same |
| KR20170105444A (en) | 2016-03-09 | 2017-09-19 | 삼성전자주식회사 | Configuration and operation of display devices including content curation |
| KR20200115717A (en) * | 2019-03-12 | 2020-10-08 | 농업회사법인 만나씨이에이 주식회사 | Methods and Systems for Recommending Crops |
| KR20210061600A (en) * | 2019-11-20 | 2021-05-28 | 김성훈 | Personalized plants recommendation system |
| KR20210086373A (en) * | 2019-12-31 | 2021-07-08 | 주식회사 이콘비즈 | Device, method and program for predict and analyze plant growth according to soil conditions |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024044442A1 (en) * | 2022-08-25 | 2024-02-29 | DoorDash, Inc. | System and method for processing using weight data |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102289256B1 (en) | Method, apparatus and system for providing health functional food recommendation service based on self-diagnosis | |
| KR102423285B1 (en) | Method, apparatus and system for planning and production of advertisement contents | |
| KR102330858B1 (en) | Method, apparatus, and system for providing information on analysis of pet stool status using stool sheet stool images | |
| KR102506472B1 (en) | Method, device and system for providing hyper-personalized customized food purchase recommendation service based on artificial intelligence | |
| KR102430959B1 (en) | METHOD, APPARATUS AND SYSTEM FOR providing PLANT INFORMATION CURATION SERVICE based on ARTIFICIAL INTELLIGENCE | |
| US20220114836A1 (en) | Method for processing image, and apparatus therefor | |
| KR102601446B1 (en) | Method, device and system for providing sales product matching platform service based on influencer using artificial intelligence model | |
| KR102615445B1 (en) | Method, apparatus and system for providing nutritional information based on fecal image analysis | |
| KR102321408B1 (en) | Method, apparatus and system for providing personalized memo pad service | |
| KR102410460B1 (en) | Method, apparatus and system for providing beauty shop reservation platform service based on artificial intelligence | |
| KR102420626B1 (en) | Method, apparatus and system for providing company matching service based on artificial intelligence | |
| KR102422255B1 (en) | Method, apparatus and system for providing dating counseling service based on artificial intelligence | |
| KR102330859B1 (en) | Method, apparatus and system for providing pet fecal image analysis information | |
| KR102639379B1 (en) | Method, apparatus and system for providing of user-customized golf professionals matching platform service based on artificial intelligence model | |
| KR102561832B1 (en) | Method, device and system for providing online education content based on artificial intelligence | |
| KR20210115250A (en) | System and method for hybrid deep learning | |
| KR102520383B1 (en) | Apparatus, method and system for managing and processing artificial intelligence-based hospital care and prescription information | |
| KR102619388B1 (en) | Method, device and system for providing interface that implement visual effect depending on access related to metaverse memorial hall service based on constellation | |
| KR102603914B1 (en) | Method, apparatus and system for providing of yoga exercise guide and curriculum using user-costomized anatomy based on image analysis | |
| KR102578734B1 (en) | System for providing of parts informatiom, order processing and inventory management based on usage and design information of industrial automation equipment | |
| KR102641137B1 (en) | Method, device, and system for providing inquiry and response to output data of artificial intelligence model-based space technology | |
| KR102600258B1 (en) | Method, apparatus and system for providing electronic board platform service that enables user participation and software upload | |
| KR102619389B1 (en) | Method, device and system for providing interface of metaverse memorial hall service based on constellation | |
| KR102662214B1 (en) | Method for recommend jewerly products containing pearls based on the user's personal preferences | |
| KR102593868B1 (en) | Methods and systems for providing nail and toenail care information and operating expert matching platform services |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |