MATLAB 대학생 AI Challenge 2023 수상작

1등

앙상블을 활용한 전기자동차 배터리 충전상태 예측 모델 개발

서울과학기술대학교 - 응용확률팀

본 프로젝트는 배터리의 충전 상태(State of Charge, SoC)를 정확하게 추정하기 위해 전통적인 방법인 쿨롬 계수법(Coulomb counting) 방법을 개선하는 머신러닝 모델을 개발합니다. Coulomb counting 방법은 전류의 이동을 기반으로 계산하여 충방전 흐름은 완벽하게 계산할 수 있지만, 정확한 초기 값의 큰 의존성, 오차의 누적과 같은 단점이 존재합니다. 따라서 순환신경망 구조인 LSTM을 활용하여 SoC 예측 모델을 생성하고 Weighted Error를 기반으로 한 앙상블 모델을 통해 전통적인 방법의 한계점을 개선합니다. 이에 대한 방법으로 배터리 셀의 전압, 전류 및 온도의 시계열 데이터를 사용하여 배터리의 SoC를 추정하기 위한 머신러닝 모델을 구축하였습니다.  

앙상블을 활용한 머신러닝 모델을 통해 배터리의 충전 상태를 정확하게 추정하는 과정에서 생기는 문제를 극복하면서 높은 성능을 낼 수 있는 훌륭한 프로젝트입니다.

2등

이미지를 통한 알약 정보 제공 서비스(Mo.Yak)

인제대학교 - 윤태영

본 프로젝트는 객체 검출, 분류 및 애플리케이션을 활용한 알약과 관련한 정보를 제공하는 프로젝트입니다. 이미지에서 알약을 검출할 수 있는 객체 검출 방법으로는 MATLAB에서 제공하는 YoLo_v4를 사용하며, 검출된 알약의 종류를 분류하는 작업으로는 Convolutional Neural Network (CNN) 기반의 이미지 분류 모델을 사용하고, 최종적으로는 오픈 소스 크로스 플랫폼 GUI 애플리케이션 프레임워크인 Django와 연동하여 애플리케이션을 구현했습니다.

구현된 애플리케이션에 알약의 사진을 업로드하면 기존에 저장된 알약의 성분 정보 및 효능·효과, 용법·용량 등 다양한 정보를 사용자에게 제공하여 누구든 손쉽게 알약의 정보를 알 수 있게 도움을 주는 훌륭한 프로젝트입니다.

3등

딥러닝을 활용한 자동 굴착 경로 생성

고려대학교 - Team MFR

본 프로젝트는 AI를 통해 자동화(무인) 굴착기의 버킷(Bucket) 경로 생성 알고리즘을 구현합니다. 현재 공사 현장에서의 작업자 고령화 및 인원 감소, 사고 발생 등으로 인한 이유로 건설 장비의 자동화 시스템에 관심이 많아지고 있습니다. 이에 도움을 줄 수 있는 자동화 굴착기는 Depth 카메라를 이용해 지면의 Point Cloud Data를 얻고, 이를 바탕으로 버킷의 경로를 생성한 후 경로를 따라 굴착기를 제어하는 과정으로 진행됩니다. 자동 경로 생성을 위하여 딥러닝을 활용한 Point Cloud Data 버킷의 경로를 생성하는 알고리즘을 구현하였습니다.

굴착기 로봇에 달린 Depth 카메라와 실험 공간을 이용해 Point Cloud Data를 생성하였으며, 작업자가 직접 굴착기를 사용하여 생성한 경로를 굴착기의 붐(Boom), 암(Arm), 버킷에 달려있는 Line Encoder 센서 값을 목표 경로로 학습하고 자동으로 굴착기 경로를 생성할 수 있는 훌륭한 프로젝트입니다.