IoT-For-Beginners/translations/ko/4-manufacturing

제조 및 가공 - IoT를 활용한 식품 가공 개선

식품이 중앙 허브나 가공 공장에 도착하면, 항상 바로 슈퍼마켓으로 배송되는 것은 아닙니다. 많은 경우, 식품은 품질에 따라 분류하는 등의 여러 가공 단계를 거칩니다. 과거에는 이 과정이 수작업으로 이루어졌습니다. 예를 들어, 밭에서 일꾼들이 익은 과일만 따고, 공장에서는 과일이 컨베이어 벨트를 타고 이동하며 직원들이 멍들거나 썩은 과일을 수작업으로 제거했습니다. 저도 학교 다닐 때 여름방학 동안 딸기를 따고 분류하는 아르바이트를 해본 적이 있는데, 이 일이 재미있지는 않다는 것을 잘 압니다.

더 현대적인 시스템은 분류 작업에 IoT를 활용합니다. Weco와 같은 초기 장치들은 광학 센서를 사용해 농산물의 품질을 감지하고, 예를 들어 덜 익은 토마토를 걸러냅니다. 이러한 장치는 농장에서 수확기에 설치하거나 가공 공장에서 사용할 수 있습니다.

인공지능(AI)과 머신러닝(ML)의 발전으로, 이러한 기계는 더욱 정교해질 수 있습니다. 예를 들어, ML 모델을 훈련시켜 과일과 돌, 흙, 곤충 같은 이물질을 구분할 수 있습니다. 또한, 단순히 멍든 과일뿐만 아니라 질병의 초기 징후나 다른 작물 문제를 감지하도록 훈련할 수도 있습니다.

🎓 ML 모델이라는 용어는 머신러닝 소프트웨어를 데이터 세트로 훈련시킨 결과물을 의미합니다. 예를 들어, 익은 토마토와 덜 익은 토마토를 구분하도록 ML 모델을 훈련시킨 후, 새로운 이미지에서 토마토가 익었는지 아닌지를 확인할 수 있습니다.

이 4개의 강의에서는 이미지 기반 AI 모델을 훈련시켜 과일 품질을 감지하는 방법, 이를 IoT 장치에서 사용하는 방법, 그리고 클라우드가 아닌 IoT 장치 자체에서 실행하는 방법(엣지 실행)을 배우게 됩니다.

💁 이 강의에서는 일부 클라우드 자원을 사용합니다. 프로젝트의 모든 강의를 완료하지 않을 경우, 반드시 프로젝트 정리를 진행하세요.

주제

1. 과일 품질 감지기 훈련하기
2. IoT 장치에서 과일 품질 확인하기
3. 엣지에서 과일 감지기 실행하기
4. 센서를 통해 과일 품질 감지 트리거하기

크레딧

모든 강의는 Jen Fox와 Jim Bennett가 ♥️를 담아 작성했습니다.

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서의 원어 버전을 권위 있는 출처로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 책임을 지지 않습니다.