KR20190140509A

KR20190140509A - 재고 추적 방법 및 장치

Info

Publication number: KR20190140509A
Application number: KR1020180059746A
Authority: KR
Inventors: 로만 프락체크; 야쿠브 타카주크
Original assignee: 삼성전자주식회사
Priority date: 2018-05-25
Filing date: 2018-05-25
Publication date: 2019-12-20
Also published as: WO2019225875A1

Abstract

다양한 실시예에 따른 전자 장치는, 시각 센서 및 중량 센서를 포함하는 복수의 센서들; 메모리; 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 복수의 센서들 중 적어도 하나를 이용하여 상기 전자 장치에 적어도 하나의 객체가 인입되는지 여부를 판단하고, 상기 적어도 하나의 객체의 인입에 기반하여, 상기 시각 센서를 이용하여 상기 적어도 하나의 객체의 이미지를 획득하고, 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여 상기 이미지에 대응하는 상기 적어도 하나의 객체의 종류를 식별하고, 상기 학습 모델 및 상기 중량 센서를 이용하여 상기 적어도 하나의 객체의 잔여량 정보를 획득하고, 상기 객체의 종류 및 상기 객체의 잔여량 정보를 상기 메모리에 저장하도록 설정될 수 있다. 이 밖에 다른 실시예들이 가능하다.

Description

재고 추적 방법 및 장치 {ELECTRONIC DEVICE AND METHOD FOR TRACKING INVENTORY}

본 발명의 다양한 실시예는 전자 장치에 인입 또는 인출되는 객체에 관한 재고 추적 방법 및 장치에 관한 것이다.

최근 인공 지능 시스템을 활용한 전자 장치가 이용되고 있다.

인공 지능 시스템은 기존의 룰(rule) 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다. 인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성될 수 있다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성될 수 있다.

인공 지능 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 포함할 수 있다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함할 수 있다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함할 수 있다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함할 수 있다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함할 수 있다.

다양한 실시예에 따른 전자 장치는 내부(또는 상부)에 객체를 수납할 수 있는 구조를 포함할 수 있다. 사용자는 전자 장치의 내부(또는 상부)에 인입 또는 인출되는 객체를 자동으로 관리하고자 할 수 있다.

본 발명의 다양한 실시예들은 인공 지능 시스템을 이용하여 전자 장치에 인입 또는 인출되는 객체에 관한 재고를 자동으로 추적하고 관리하는 전자 장치를 제공할 수 있다.

본 발명의 다양한 실시예에 따른 전자 장치는, 시각 센서 및 중량 센서를 포함하는 복수의 센서들; 메모리; 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 복수의 센서들 중 적어도 하나를 이용하여 상기 전자 장치에 적어도 하나의 객체가 인입되는지 여부를 판단하고, 상기 적어도 하나의 객체의 인입에 기반하여, 상기 시각 센서를 이용하여 상기 적어도 하나의 객체의 이미지를 획득하고, 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여 상기 이미지에 대응하는 상기 적어도 하나의 객체의 종류를 식별하고, 상기 학습 모델 및 상기 중량 센서를 이용하여 상기 적어도 하나의 객체의 잔여량 정보를 획득하고, 상기 객체의 종류 및 상기 객체의 잔여량 정보를 상기 메모리에 저장하도록 설정될 수 있다.

다양한 실시예에 따른 전자 장치의 재고 관리 방법은, 시각 센서 및 중량 센서를 포함하는 복수의 센서들 중 적어도 하나를 이용하여, 상기 전자 장치에 적어도 하나의 객체가 인입되는지 여부를 판단하는 동작; 상기 시각 센서를 이용하여, 상기 적어도 하나의 객체의 이미지를 획득하는 동작; 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여, 상기 획득한 이미지에 기반하여 상기 적어도 하나의 객체의 종류를 식별하는 동작; 상기 인공 지능 알고리즘을 통해 학습된 학습 모델 및 상기 중량 센서를 이용하여, 상기 적어도 하나의 객체의 잔여량 정보를 획득하는 동작; 및 상기 적어도 하나의 객체의 종류 및 상기 잔여량 정보를 상기 전자 장치의 메모리에 저장하는 동작을 포함할 수 있다.

도 1은, 본 발명의 다양한 실시예에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.
도 2는 본 발명의 다양한 실시예에 따른 전자 장치(200)의 구성 블록도이다.
도 3 은 본 발명의 다양한 실시예에 따른 전자 장치(200)에 대한 객체의 인입 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 다양한 실시예에 따른 전자 장치(200, 300)에서 객체의 종류 및 잔여량 정보를 식별하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 전자 장치(200)의 정보 수신 동작을 설명하기 위한 도면이다.
도 6은 본 발명의 다양한 실시예에 따른 전자 장치에서의 정보 출력 화면을 도시한 도면이다.

이하, 본 개시의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 개시를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 실시예의 다양한 변경 (modification), 균등물 (equivalent), 및/또는 대체물 (alternative)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.

본 문서에서, “가진다,” “가질 수 있다,”“포함한다,” 또는 “포함할 수 있다” 등의 표현은 해당 특징 (예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

본 문서에서, “A 또는 B,”“A 또는/및 B 중 적어도 하나,”또는 “A 또는/및 B 중 하나 또는 그 이상”등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, “A 또는 B,” “ A 및 B 중 적어도 하나,”또는 “ A 또는 B 중 적어도 하나”는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.

다양한 실시 예에서 사용된 “제 1,”“제 2,”“첫째,”또는“둘째,”등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 해당 구성요소들을 한정하지 않는다. 상기 표현들은 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 수 있다. 예를 들면, 제 1 사용자 기기와 제 2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 개시의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 바꾸어 명명될 수 있다.

어떤 구성요소 (예: 제 1 구성요소)가 다른 구성요소 (예: 제 2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어 ((operatively or communicatively) coupled with/to)" 있다거나 "접속되어 (connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소 (예: 제 3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소 (예: 제 1 구성요소)가 다른 구성요소 (예: 제 2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소 (예: 제 3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.

본 문서에서 사용된 표현 “~하도록 구성된 (또는 설정된)(configured to)”은 상황에 따라, 예를 들면, “~에 적합한 (suitable for),” “~하는 능력을 가지는 (having the capacity to),” “~하도록 설계된 (designed to),” “~하도록 변경된 (adapted to),” “~하도록 만들어진 (made to),”또는 “~를 할 수 있는 (capable of)”과 바꾸어 사용될 수 있다. 용어 “~하도록 구성 (또는 설정)된”은 하드웨어적으로 “특별히 설계된 (specifically designed to)”것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, “~하도록 구성된 장치”라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 “~할 수 있는” 것을 의미할 수 있다. 예를 들면, 문구 “A, B, 및 C를 수행하도록 구성 (또는 설정)된 프로세서”는 해당 동작을 수행하기 위한 전용 프로세서 (예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서 (generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.

본 문서에서 사용된 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 일반적으로 사용되는 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미를 가지는 것으로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 개시의 실시예들을 배제하도록 해석될 수 없다.

본 발명의 다양한 실시예에 따른 전자 장치는, 통신 기능 이 포함된 장치일 수 있다. 예를 들면, 전자 장치는 스마트 폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 화상전화기, 전자북 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device)(예: 전자 안경과 같은 head-mounted-device(HMD), 전자 의복, 전자 팔찌, 전자 목걸이, 전자 앱세서리(appcessory), 전자 문신, 또는 스마트 와치(smart watch))중 적어도 하나를 포함할 수 있다.

어떤 실시예들에 따르면, 전자 장치는 통신 기능을 갖춘 스마트 가전 제품(smart home appliance)일 수 있다. 스마트 가전 제품은, 예를 들자면, 전자 장치는 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스(set-top box), TV 박스(예를 들면, 삼성 HomeSync , 애플TV, 또는 구글 TV), 게임 콘솔(game consoles), 전자 사전, 전자 키, 캠코더(camcorder), 또는 전자 액자 중 적어도 하나를 포함할 수 있다.

어떤 실시예들에 따르면, 전자 장치는 각종 의료기기(예: MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 초음파기 등), 네비게이션(navigation) 장치, GPS 수신기(global positioning system receiver), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트(infotainment) 장치, 선박용 전자 장비(예: 선박용 항법 장치 및 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛, 산업용 또는 가정용 로봇, 금융 기관의 ATM(automatic tellers machine) 또는 상점의 POS(point of sales) 중 적어도 하나를 포함할 수 있다.

어떤 실시예들에 따르면, 전자 장치는 통신 기능을 포함한 가구(furniture) 또는 건물/구조물의 일부, 전자 보드(electronic board), 전자 사인 입력장치(electronic signature receiving device), 프로젝터(projector), 또는 각종 계측기기(예: 수도, 전기, 가스, 또는 전파 계측 기기 등) 중 적어도 하나를 포함할 수 있다. 본 발명의 다양한 실시예에 따른 전자 장치는 전술한 다양한 장치들 중 하나 또는 그 이상의 조합일 수 있다. 또한, 본 발명의 다양한 실시예에 따른 전자 장치는 플렉서블 장치일 수 있다. 또한, 본 발명의 다양한 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않음은 당업자에게 자명하다.

도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블럭도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)은 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.

메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.

입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)은, 예를 들면, 마이크, 마우스, 또는 키보드를 포함할 수 있다.

음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(177)는 전자 장치(101)이 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(388)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 하나 이상의 안테나들을 포함할 수 있고, 이로부터, 제 1 네트워크 198 또는 제 2 네트워크 199와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, or 108) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.

도 2는 본 발명의 다양한 실시예에 따른 전자 장치(200)의 구성 블록도이다.

다양한 실시예에 따른 전자 장치(200)는, 복수의 센서들(212, 214), 메모리(220), 통신 모듈(230), 및 적어도 하나의 프로세서(240)를 포함할 수 있다.

적어도 하나의 프로세서(240)는 상기 복수의 센서들(212, 214), 메모리(220), 통신 모듈(230)을 전반적으로 제어할 수 있다.

다양한 실시예에 따르면, 전자 장치(200)의 적어도 하나의 프로세서(240)는, 복수의 센서들(212, 214)을 이용하여 전자 장치(200)에 특정 객체가 인입되는지 여부를 판단할 수 있다. 예를 들어, 적어도 하나의 프로세서(240)는, 전자 장치(200)의 상부 또는 전자 장치(200)의 내부에 객체가 놓여지는 경우, 상기 객체가 전자 장치(200)에 인입된 것으로 판단할 수 있다.

복수의 센서들은 시각 센서(212) 및 중량 센서(214)를 포함할 수 있다. 예를 들어 전자 장치(200)의 적어도 하나의 프로세서(240)는, 시각 센서(212)를 이용하여 획득한 이미지 변화를 통해 전자 장치(200)에 객체가 인입되는지 여부를 식별하거나, 중량 센서(214)에 의해 감지된 중량 변화에 기반하여 객체의 인입 여부를 식별할 수 있다.

다양한 실시예에 따르면, 전자 장치(200)는 시각 센서(212) 및 중량 센서(214) 이외에도 근접 센서, 온도 센서, 압력 센서 등 다양한 종류의 센서를 통해 객체의 인입 여부를 식별할 수 있다.

시각 센서(212)는, 예를 들면, 전자 장치(200)의 내부 및/또는 외부의 환경을 촬영할 수 있는 카메라 모듈(예: 카메라 모듈(180))을 포함할 수 있다. 예를 들면 전자 장치(200)는 상기 시각 센서(212)를 이용하여 전자 장치(200)에 인입되는 적어도 하나의 객체에 대한 이미지를 획득할 수 있다. 상기 시각 센서(212)는 전자 장치(200)의 내부 및/또는 외부 이미지를 획득하기 위하여 다양한 위치에 복수 개 배치될 수 있다.

중량 센서(214)는, 예를 들면, 전자 장치(200)에 인입되는 적어도 하나의 객체의 중량을 측정할 수 있다. 예를 들어 전자 장치(200)는 중량 센서(214)를 이용하여 객체의 인입 여부를 식별하거나, 인입된 객체의 중량 정보를 획득할 수 있다.

전자 장치(200)는 통신 모듈(230)을 통해, 전자 장치(200)와 외부 장치(260) 또는 상기 전자 장치(200)와 외부 서버 간에 정보를 송수신할 수 있다.

예를 들면, 외부 서버는 인공 지능 알고리즘을 통해 학습된 학습 모델(250)을 포함할 수 있다. 예를 들어 전자 장치(200)는 통신 모듈(230)을 통해, 상기 인공 지능 알고리즘을 통해 학습된 학습 모델(250)을 이용하거나, 상기 학습 모델(250)을 학습시킬 수 있다. 다양한 실시예에 따르면 상기 인공 지능 알고리즘은, 기계학습, 신경망, 유전자, 딥러닝, 분류 알고리즘 중 적어도 하나를 포함할 수 있다.

다양한 실시예에 따른 전자 장치(200)는, 인공 지능 알고리즘을 통해 학습된 학습 모델(250)을 이용하여, 전자 장치(200)에 인입된 특정 객체의 종류를 식별할 수 있다. 예를 들어 전자 장치(200)는 복수의 센서들 중 적어도 하나를 이용하여 객체의 인입 여부를 판단할 수 있으며, 인입된 객체를 상기 복수의 센서들 중 시각 센서(212)를 이용하여 촬영함으로써 이미지를 획득할 수 있다. 전자 장치(200)는 학습 모델(250)을 이용하여, 상기 획득한 이미지에 대응하는 객체의 종류를 식별할 수 있다.

다양한 실시예에 따른 전자 장치(200)는 상기 학습 모델(250)을 이용하여, 전자 장치(200)에 인입된 객체의 잔여량 정보를 획득할 수 있다. 예를 들어 전자 장치(200)는, 인입된 객체의 중량 정보를 중량 센서(214)를 통해 획득할 수 있으며, 상기 이미지에 대응하는 객체의 전체 용량 정보(및, 상기 객체의 용기(jar)의 중량 정보)를, 상기 학습 모델(250)을 이용하여 획득할 수 있다. 전자 장치(200)는 상기 중량 정보 및 상기 객체의 전체 용량 정보에 기반하여, 객체의 잔여량 정보를 판단할 수 있다.

메모리(220)는, 복수의 센서들로부터 획득한 정보들(예: 이미지, 중량 정보 등), 또는 인공 지능 알고리즘을 통해 학습된 학습 모델(250)을 이용하여 획득한 객체의 종류 정보나 객체의 잔여량 정보, 중 적어도 하나를 저장할 수 있다.

도시되지 않았으나, 전자 장치(200)는 복수의 센서들 또는 외부로부터 수신한 정보를 출력할 수 있는 출력 모듈(예: 음향 출력 장치(155)) 또는 표시 장치(예: 표시 장치(160), 디스플레이)) 및, 사용자 입력을 수신할 수 있는 입력 모듈(예: 마이크, 터치 스크린 등)을 더 포함할 수 있다.

전자 장치(200)는 통신 모듈(230)을 이용하여 외부 장치(260)와 통신할 수 있다. 예를 들어 외부 장치(260)는, 상기 전자 장치(200)와의 통신을 위한 통신 모듈(262), 입력 모듈(264), 및 출력 모듈(266)을 포함하는 휴대용 통신 단말을 포함할 수 있다.

다양한 실시예에 따른 전자 장치(200)는, 인공 지능 알고리즘을 통해 학습된 학습 모델(250)을 이용하여 인입된 객체와 관련된 이미지에 대응하는 객체의 종류를 식별할 수 있다. 예를 들어 전자 장치(200)가 상기 학습 모델(250)을 이용한 객체의 종류 식별에 실패하는 경우, 전자 장치(200)는, 전자 장치(200)의 출력 모듈(미도시) 또는 외부 장치(260)의 출력 모듈(262) 중 적어도 하나를 통해, 상기 이미지에 대응하는 객체의 종류에 관한 정보 입력을 요청할 수 있다. 이하 도 5를 참조하여 상기 객체의 종류에 관한 정보 입력을 외부로부터 수신하는 동작을 설명하기로 한다.

도 5는 본 발명의 일 실시예에 따른 전자 장치(200)의 정보 수신 동작을 설명하기 위한 도면이다.

전자 장치(200)는 객체의 인입을 인식하고, 상기 객체에 관한 이미지를 시각 센서(212)를 이용하여 획득할 수 있으며, 인공 지능 알고리즘을 통해 학습된 학습 모델(250)을 이용하여 상기 이미지에 대응하는 객체의 종류를 식별할 수 있다. 그러나, 도 5에 도시된 바와 같이, 상기 학습 모델(250)을 이용하여 이미지에 대응하는 객체의 종류에 대한 식별에 실패하는 경우, 전자 장치(200)는, 동작 510에서, 출력 모듈을 통해 외부에 상기 객체의 종류에 관한 정보를 입력할 것을 요청할 수 있다.

예를 들어 전자 장치(200)는 학습 모델(250)을 이용하여 객체의 종류를 식별할 때, 학습 모델(250)로부터 상기 식별 결과의 신뢰도를 함께 수신할 수 있다. 전자 장치(200)는 상기 식별 결과의 신뢰도가 지정된 임계값 이하인 경우, 객체의 종류 식별에 실패한 것으로 판단할 수 있다.

일 실시예에 따르면, 전자 장치(200)는 학습 모델(250)을 이용하여 상기 인입된 객체가 '토마토 소스' 또는 '건조 토마토' 중 어느 하나인 것으로 판단할 수 있으나, 식별 결과의 신뢰도가 지정된 임계값 이하에 해당하는 경우, 외부에 상기 이미지에 표시된 객체의 종류가 '토마토 소스'인지 아니면 '건조 토마토'인지에 관한 정보를 입력할 것을 요청하는 메시지를 출력할 수 있다.

상기 정보 입력 요청은, 예를 들면, 전자 장치(200)의 출력 모듈(미도시) 중 적어도 하나인 디스플레이 및/또는 음향 출력 장치를 통해 출력될 수 있다. 다른 예를 들면 상기 정보 입력 요청은, 전자 장치(200)에 미리 설정된 외부 장치(예: 휴대용 통신 단말)로 전송되어, 외부 장치의 출력 모듈을 통해 출력될 수도 있다.

동작 520에서, 전자 장치(200)는 상기 정보 입력 요청에 따른 사용자 입력정보를 수신할 수 있다. 예를 들어 사용자는 인입된 객체와 관련된 이미지가 '건조 토마토'에 대응하는 것임을, 전자 장치(200)의 입력 모듈(미도시) 또는 외부 장치(260)의 입력 모듈(262)을 통해 입력할 수 있다.

전자 장치(200)는, 상기 전자 장치(200)의 입력 모듈 또는 외부 장치(262)로부터 수신한 사용자 입력 정보를 통해, 상기 인입된 객체에 대한 이미지에 대응하는 객체의 종류를 확정할 수 있다.

전자 장치(200)는 동작 530에서, 상기 사용자 입력 정보를 통해 판단한 인입된 객체의 종류 정보를 전자 장치(200)의 메모리(220)에 저장할 수 있다. 예를 들어 전자 장치(200)는, 도 5에서, 인입된 객체가 '건조 토마토'인 것으로 메모리(220)에 저장할 수 있다.

또한 전자 장치(200)는 동작 540에서, 상기 사용자 입력 정보를 통해 판단한 인입된 객체의 종류 정보를 학습 모델(250)에 학습시킬 수 있다. 예를 들어 전자 장치(200)는 상기 이미지에 대응하는 객체의 종류를 입력 모듈을 통해 수신한 사용자 입력 정보에 기반하여 식별하고, 상기 이미지에 대응하는 객체의 종류를 학습 모델(250)에 학습시킬 수 있다. 예를 들어, 전자 장치(200) 또는 상기 학습 모델(250)을 이용하는 다른 전자 장치(미도시)는, 상기 학습 이후, 상기 객체와 관련된 이미지를 통해 상기 객체의 종류를 식별할 수 있다.

도 5에 도시되지 않았지만, 다양한 실시예에 따른 전자 장치(200)는, 상기 도 5에서의 객체의 종류 정보에 대한 학습과 마찬가지의 방식으로, 사용자 입력 정보에 기반하여, 이미지에 대응하는 객체의 전체 용량 정보 또는 객체의 용기(jar)의 중량 정보를 획득하고 상기 학습 모델(250)을 학습시킬 수 있다.

전자 장치(200)는 통신 모듈(230)을 통해 상기 학습 모델(250)을 이용하거나 상기 학습 모델(250)을 학습시킬 수 있다.

다양한 실시예에 따르면 복수의 전자 장치들은, 적어도 하나의 전자 장치를 통해 입력된 사용자 정보에 기반하여, 인공 지능 알고리즘을 통해 학습된 학습 모델을 학습시킬 수 있으며, 상기 학습된 학습 모델을 이용하여, 각각의 전자 장치들에 인입되거나 인출되는 객체에 관한 정보를 획득하여, 사용자에게 각 전자 장치의 재고 정보를 제공할 수 있다.

전자 장치(200)는, 전자 장치(200)의 출력 모듈(미도시)(예: 음향 출력 장치(155)) 또는 표시 장치(예: 표시 장치(160), 디스플레이))을 통해, 인입된 객체의 종류, 상기 객체와 관련된 이미지, 또는 상기 객체의 잔여량 정보 중 적어도 하나를 출력할 수 있다. 다른 실시예에 따르면, 전자 장치(200)는 통신 모듈(230)을 이용하여 상기 정보 중 적어도 하나를 외부 장치(260)로 전송하고, 상기 외부 장치(260)의 출력 모듈(266)을 통해 출력하도록 명령을 전송할 수 있다.

도 3 은 본 발명의 다양한 실시예에 따른 전자 장치(200)에 대한 객체의 인입 정보를 획득하는 방법을 설명하기 위한 도면이다.

도 3을 참조하면, 다양한 실시예에 따른 전자 장치(200)는, 전자 장치의 내부 또는 전자 장치의 상부에 객체가 놓여지는 객체의 인입 여부를 식별할 수 있다. 예를 들어 전자 장치(200)는 내부 또는 상부에 적어도 하나의 선반을 포함할 수 있으며, 상기 적어도 하나의 선반은 각각 적어도 하나의 중량 센서(310) 및 시각 센서(320)를 포함할 수 있다.

예를 들어, 전자 장치(200)는, 적어도 하나의 객체가 인입 또는 인출되는 순서 및 시간에 기반하여, 적어도 하나의 중량 센서(310) 및 시각 센서(320)를 이용하여 적어도 하나의 객체(300a, 300b)의 인입 또는 인출에 관한 정보를 획득할 수 있다.

도면 번호 301은 전자 장치(200)에서 제1객체(300a)가 인입되는 경우를 도시한 도면이다. 도면 번호 302는 전자 장치(200)에 제2객체(300b)가 추가 인입되는 경우를 도시한 도면이고, 도면 번호 303은 상기 제1객체(300a) 및 제2객체(300b)가 인입된 전자 장치(200)에서 제1객체(300a)가 인출되는 경우를 도시한 도면이며, 도면 번호 304은 상기 인출된 제1객체(300a)가 다시 전자 장치(200)에 인입된 경우를 도시한 도면이다.

예를 들어, 도면 번호 301에서, 전자 장치(200)는 복수의 센서 중 적어도 하나를 이용하여 제1객체(300a)의 인입을 식별할 수 있다. 예를 들면 전자 장치(200)는 중량 센서(310)를 이용하여 제1객체(300a)가 놓여지는 선반의 중량 변화를 식별하고, 이를 통해 제1객체(300a)의 인입을 인식할 수 있다. 전자 장치(200)는 상기 선반의 중량 변화에 기반하여 제1객체(300a)의 중량 정보를 획득할 수 있다. 또한, 전자 장치(200)는 시각 센서(320)를 이용하여 제1객체(300a)의 이미지를 획득할 수 있다.

도면 번호 302에서 전자 장치(200)에 제2객체(300b)가 인입되면, 전자 장치(200)는 선반의 중량 변화에 기반하여, 상기 중량 변화가 제2객체(300b)에 의한 것으로 인식하고 상기 제2객체(300b)의 중량 정보를 획득할 수 있다. 또한, 전자 장치(200)는 시각 센서(320)를 이용하여 제2객체(300b)의 이미지를 획득할 수 있다.

도면 번호 303에서, 전자 장치(200)는 인입된 복수의 객체들 중 어느 하나의 객체가 인출된 경우, 시각 센서(320)를 통해 어느 객체가 인출되었는지 판단하거나, 복수의 중량 센서(310)들을 통해 어느 객체가 인출되었는지 판단할 수 있다.

도 3에 도시된 바와 같이 전자 장치(200)는 전자 장치(200)의 각각의 선반에 복수의 중량 센서(310)들을 포함할 수 있다. 예를 들어 전자 장치(200)는 복수의 중량 센서(310)들을 통해 선반 상에 놓여진 위치에 대응하는 객체를 식별할 수 있다.

도면 번호 304에서, 전자 장치(200)는 상기 제1객체(300a)가 다시 인입된 경우, 상기 제1객체(300a)의 인입에 따른 중량 변화가 제1객체(300a)에 의한 중량 변화임을 인식하기 위하여, 전자 장치(200)의 인입 또는 인출 시간 정보를 이용하거나, 시각 센서(320)를 이용하거나, 복수의 중량 센서(310)들을 이용할 수 있다. 예를 들어 다시 인입된 제1객체(300a)의 중량 정보가 도면 번호 301에서 획득한 제1객체(300a)의 중량 정보와 상이한 경우, 전자 장치(200)는 변경된 중량 정보를 메모리에 저장할 수 있다.

도 4는 본 발명의 다양한 실시예에 따른 전자 장치(200, 300)에서 객체의 종류 및 잔여량 정보를 식별하는 방법을 설명하기 위한 도면이다.

다양한 실시예에 따르면 전자 장치(200, 300)는 객체(250)의 인입을 식별하고, 시각 센서를 이용하여 상기 객체(250)의 이미지를 획득하여 객체의 정보를 판단할 수 있다. 예를 들어 전자 장치는 객체(250)가 인입되면 중량 센서를 이용하여 객체의 중량 정보를 획득할 수 있으나, 상기 객체(250)의 종류를 전자 장치(200, 300)의 메모리(220)를 통해 식별하지 못할 수 있다.

다양한 실시예에 따른 전자 장치는, 시각 센서를 이용하여 획득한 이미지를 통해, 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여, 객체의 정보(예: 객체의 종류, 객체의 전체 중량, 객체의 용기 중량 등)를 획득할 수 있다.

예를 들어 전자 장치는 외부 서버에 상기 객체(250)의 이미지를 전송하고 상기 학습 모델(250)을 이용하여 획득한 이미지 식별 결과 정보(객체의 정보)를 획득할 수 있다.

예를 들어 도 4에 도시된 바와 같이, 전자 장치는 이미지의 식별 결과로서, 상기 인입된 객체(250)의 종류가 '연어 맛 우유'이며, 상기 객체(250)의 전체 중량이 1030g이며, 용기 중량이 30g임을, 학습 모델(250)을 이용하여 인식할 수 있다. 전자 장치는 상기 객체의 정보를 전자 장치의 메모리(220)에 저장할 수 있으며, 상기 객체의 정보에 기반하여, 객체의 잔여량을 식별할 수 있다. 예를 들어 객체의 전체 중량 1030g 중 용기 중량에 해당하는 30g을 제외한 중량과, 인입된 객체의 중량 630g 중 용기 중량인 30g을 제외한 중량으로부터, 상기 객체의 잔여량이 60%임을 식별할 수 있다. 이를 통해 전자 장치는 상기 인입된 객체(250)가 잔여량 60%, 600g의 연어맛 우유에 해당함을 인식할 수 있다.

도 6은 본 발명의 다양한 실시예에 따른 전자 장치에서의 정보 출력 방법을 도시한 도면이다.

다양한 실시예에 따르면 전자 장치는 전자 장치에 인입되는 객체 또는 상기 전자 장치로부터 인출되는 객체에 관한 정보를 식별하고, 상기 정보를 출력 모듈을 통해 출력하여 사용자에게 제공할 수 있다.

예를 들어, 전자 장치는 전자 장치의 출력 모듈로서, 음향 출력 장치(예: 음향 출력 장치(155)) 또는 표시 장치(예: 표시 장치(160)) 중 적어도 하나를 통해 상기 인입 또는 인출된 객체에 관한 정보를 출력할 수 있다. 다른 예를 들어, 전자 장치는 외부 장치로 상기 정보를 전송하여, 외부 장치의 출력 모듈을 통해 상기 정보가 출력되도록 할 수 있다.

예를 들면, 도면 번호 610에 도시된 바와 같이, 전자 장치는 디스플레이 화면으로 전자 장치에 인입된 객체에 관한 정보를 표시할 수 있다.

예를 들어 전자 장치는 전자 장치에 인입되어 있는 객체에 관한 이미지(612)를 표시할 수 있다. 또한 상기 이미지에 대응하는 객체 각각의 종류 및 잔여량 정보, 중량 정보를 도면 번호 614와 같이 표시할 수 있다.

다양한 실시예에 따르면, 전자 장치는 도면 번호 616과 같이 전자 장치에 인입된 적어도 하나의 객체에 대한 항목 리스트를 표시할 수 있다. 예를 들면 사용자는 616의 표시 화면을 통해 전자 장치에 인입된 객체 항목을 간단히 파악할 수 있다. 상기 항목 리스트는, 인입된 적어도 하나의 객체에 대한 정보로서, 객체의 종류, 잔여량 정보, 중량 정보 중 적어도 하나를 포함할 수 있다.

다른 실시예에 따르면, 전자 장치는 도면 번호 618과 같이, 인입된 적어도 하나의 객체에 대한 분석 정보를, 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여 획득하고, 도표의 형태로 표시할 수 있다. 예를 들어 전자 장치에 인입된 적어도 하나의 객체가 음식에 관한 것들인 경우, 상기 분석 정보는 인입된 적어도 하나의 객체에 관한 영양 성분 정보일 수 있다.

다양한 실시예에 따른 전자 장치는, 인입된 적어도 하나의 객체에 대한 분석 정보를, 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여, 획득할 수 있으며, 상기 획득한 분석 정보를 미리 설정된 외부 장치에 전송할 수 있다.

예를 들면, 상기 분석 정보는, 전자 장치에 인입된 적어도 하나의 객체에 대한 종류 및 잔여량 정보에 기반하여, 상기 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여 획득한, 추가 인입 제안 목록(예: 쇼핑 제안 목록(630)) 또는 활용 제안 목록(예: 식단 제안 목록(630))을 포함할 수 있다.

예를 들면 도면 번호 620에 도시된 바와 같이, 전자 장치는 인입된 객체의 종류, 잔여량, 영양 성분 정보 중 적어도 하나에 기반하여, 잔여량이 미리 설정된 값 이하인 경우 상기 객체를 쇼핑 제안 목록 정보를 생성할 수 있으며, 상기 쇼핑 제안 목록 정보를 외부 장치로 전송하여, 외부 장치의 표시 모듈을 통해 표시되도록 할 수 있다.

다른 예를 들면 도면 번호 630에 도시된 바와 같이 전자 장치는 인입된 객체의 종류, 잔여량, 영양 성분 정보 중 적어도 하나에 기반하여, 식단 제안 목록을 생성할 수 있으며, 상기 정보를 외부 장치에 전송하여, 외부 장치의 표시 모듈을 통해 표시할 수 있다.

본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", “또는 B 중 적어도 하나,”"A, B 또는 C," "A, B 및 C 중 적어도 하나,”및 “B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, “기능적으로” 또는 “통신적으로”라는 용어와 함께 또는 이런 용어 없이, “커플드” 또는 “커넥티드”라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims

전자 장치에 있어서,
시각 센서 및 중량 센서를 포함하는 복수의 센서들;
메모리; 및
적어도 하나의 프로세서를 포함하고,
상기 적어도 하나의 프로세서는,
상기 복수의 센서들 중 적어도 하나를 이용하여 상기 전자 장치에 적어도 하나의 객체가 인입되는지 여부를 판단하고,
상기 적어도 하나의 객체의 인입에 기반하여,
상기 시각 센서를 이용하여 상기 적어도 하나의 객체의 이미지를 획득하고,
인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여 상기 이미지에 대응하는 상기 적어도 하나의 객체의 종류를 식별하고,
상기 학습 모델 및 상기 중량 센서를 이용하여 상기 적어도 하나의 객체의 잔여량 정보를 획득하고,
상기 객체의 종류 및 상기 객체의 잔여량 정보를 상기 메모리에 저장하도록 설정된 전자 장치.
제 1 항에 있어서,
출력 모듈; 및
입력 모듈을 더 포함하고,
상기 적어도 하나의 프로세서는,
상기 학습 모델을 이용한 객체의 종류 식별에 실패하면, 상기 출력 모듈을 통해 상기 객체의 종류에 관한 정보 입력 요청을 출력하고,
상기 입력 모듈을 통해 상기 객체의 종류에 관한 정보를 수신하고,
상기 객체의 이미지 및 상기 수신된 정보를 이용하여 상기 학습 모델을 학습시키도록 설정된 전자 장치.
제 2 항에 있어서,
통신 모듈을 더 포함하고,
상기 적어도 하나의 프로세서는,
상기 통신 모듈을 통해, 상기 인공 지능 알고리즘을 통해 학습된 상기 학습 모델을 이용하거나 상기 학습 모델을 학습시키도록 설정된 전자 장치.
제 1 항에 있어서,
상기 적어도 하나의 프로세서는,
인공 지능 알고리즘으로서, 기계학습, 신경망, 유전자, 딥러닝, 분류 알고리즘 중 적어도 하나를 이용하여 학습된 학습 모델을 이용하여 상기 이미지에 대응하는 상기 객체의 종류를 식별하도록 설정된 전자 장치.
제 1 항에 있어서,
디스플레이를 더 포함하고,
상기 적어도 하나의 프로세서는,
상기 디스플레이를 이용하여, 상기 객체의 종류 정보, 상기 객체의 이미지, 또는 상기 객체의 잔여량 정보 중 적어도 하나를 출력하도록 설정된 전자 장치.
제 1 항에 있어서,
통신 모듈을 더 포함하고,
상기 적어도 하나의 프로세서는,
상기 통신 모듈을 이용하여, 상기 전자 장치에 인입된 객체의 종류 정보, 상기 객체의 이미지, 또는 상기 객체의 잔여량 정보 중 적어도 하나를 외부 장치로 전송하도록 설정된 전자 장치.
제 6 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 학습 모델을 이용한 객체의 종류 식별에 실패하면, 상기 통신 모듈을 이용하여, 상기 외부 장치로부터 상기 객체의 종류에 관한 정보를 수신하고,
상기 객체의 이미지 및 상기 수신된 정보를 이용하여 상기 학습 모델을 학습시키도록 설정된 전자 장치.
제 6 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 학습 모델을 이용하여, 상기 객체의 종류 및 상기 객체의 잔여량 정보에 기반하여, 상기 객체의 추가 인입이 필요한지 여부를 판단하고,
상기 판단 결과에 기반하여 사용자 알림을 상기 외부 장치로 전송하도록 설정된 전자 장치.
제 6 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 학습 모델을 이용하여, 상기 전자 장치에 인입된 적어도 하나의 객체의 영양 정보를 획득하고,
상기 획득한 영양 정보를 상기 외부 장치로 전송하도록 설정된 전자 장치.
제 1 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 객체의 인입 시간에 관한 정보를 판단하여 상기 메모리에 저장하고,
상기 학습 모델을 이용하여, 상기 객체의 종류, 상기 객체의 잔여량 정보, 및 상기 객체의 인입 시간에 관한 정보 중 적어도 하나에 기반하여, 상기 객체의 인출 또는 객체의 추가 인입이 필요한지 여부를 판단하고,
상기 판단 결과에 기반하여 사용자 알림을 외부에 출력하도록 설정된 전자 장치.
전자 장치의 재고 추적 방법에 있어서,
시각 센서 및 중량 센서를 포함하는 복수의 센서들 중 적어도 하나를 이용하여, 상기 전자 장치에 적어도 하나의 객체가 인입되는지 여부를 판단하는 동작;
상기 시각 센서를 이용하여, 상기 적어도 하나의 객체의 이미지를 획득하는 동작;
인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여, 상기 획득한 이미지에 기반하여 상기 적어도 하나의 객체의 종류를 식별하는 동작;
상기 인공 지능 알고리즘을 통해 학습된 학습 모델 및 상기 중량 센서를 이용하여, 상기 적어도 하나의 객체의 잔여량 정보를 획득하는 동작; 및
상기 적어도 하나의 객체의 종류 및 상기 잔여량 정보를 상기 전자 장치의 메모리에 저장하는 동작을 포함하는, 전자 장치의 재고 추적 방법.
제 11 항에 있어서,
상기 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용한 상기 적어도 하나의 객체의 종류 식별에 실패하면, 상기 적어도 하나의 객체의 종류에 관한 정보 입력 요청을 출력하는 동작;
상기 객체의 종류에 관한 정보 입력을 수신하는 동작; 및
상기 수신한 정보 및 상기 적어도 하나의 이미지를 이용하여, 상기 학습 모델을 학습시키는 동작을 더 포함하는, 전자 장치의 재고 추적 방법.
제 11 항에 있어서,
상기 인공 지능 알고리즘은, 기계학습, 신경망, 유전자, 딥러닝, 분류 알고리즘 중 적어도 하나를 포함하는, 전자 장치의 재고 추적 방법.
제 11 항에 있어서,
상기 객체의 정보 및 상기 객체의 잔여량 정보 중 적어도 하나를 상기 전자 장치의 디스플레이에 표시하는 동작을 더 포함하는, 전자 장치의 재고 추적 방법.
제 11 항에 있어서,
상기 객체의 이미지, 상기 객체의 정보, 또는 상기 객체의 잔여량 정보 중 적어도 하나를 외부 장치로 전송하는 동작을 더 포함하는, 전자 장치의 재고 추적 방법.
제 11 항에 있어서,
상기 복수의 센서들 중 적어도 하나를 이용하여, 상기 인입된 적어도 하나의 객체 중 적어도 하나의 인출 여부를 판단하는 동작을 더 포함하는, 전자 장치의 재고 추적 방법.
제 11 항에 있어서,
상기 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여, 객체의 추가 인입 또는 상기 적어도 하나의 객체의 인출이 필요한지 여부를 판단하는 동작; 및
상기 판단 결과에 기반하여 사용자 알림을 출력하는 동작을 더 포함하는, 전자 장치의 재고 추적 방법.
제 11 항에 있어서,
상기 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여, 상기 인입된 적어도 하나의 객체의 영양 정보를 획득하는 동작; 및
상기 획득한 영양 정보를 외부 장치로 전송하는 동작을 더 포함하는, 전자 장치의 재고 추적 방법.
제 18 항에 있어서,
상기 적어도 하나의 객체의 인입 시간에 관한 정보를 판단하는 동작;
상기 인입 시간에 관한 정보를 상기 메모리에 저장하는 동작;
상기 인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여, 상기 객체의 종류, 상기 잔여량 정보, 상기 영양 정보, 및 상기 인입 시간에 관한 정보 중 적어도 하나에 기반하여, 상기 객체의 인출 또는 객체의 추가 인입이 필요한지 여부를 판단하는 동작; 및
상기 판단 결과에 기반하여 사용자 알림을 외부에 출력하도록 설정된, 전자 장치의 재고 추적 방법.
전자 장치의 재고 추적 방법에 있어서,
시각 센서 및 중량 센서를 포함하는 복수의 센서들 중 적어도 하나를 이용하여, 상기 전자 장치에 적어도 하나의 객체가 인입되는지 여부를 판단하는 동작;
상기 시각 센서를 이용하여, 상기 적어도 하나의 객체의 이미지를 획득하는 동작;
상기 중량 센서를 이용하여, 상기 적어도 하나의 객체의 중량 정보를 획득하는 동작;
상기 이미지 및 중량 정보 중 적어도 하나를 외부 서버로 전송하는 동작;
인공 지능 알고리즘을 통해 학습된 학습 모델을 이용하여, 상기 이미지 및 중량 정보 중 적어도 하나에 기반하여 식별된, 상기 적어도 하나의 객체의 종류 및 상기 적어도 하나의 객체의 잔여량 정보를 상기 외부 서버로부터 수신하는 동작;
상기 적어도 하나의 객체의 종류 및 상기 잔여량 정보를 상기 전자 장치의 메모리에 저장하는 동작을 포함하는, 전자 장치의 재고 추적 방법.