1 |
1
네트워크를 통해 접속되고, 당도 스펙트럼 데이터에 기반하여 당도측정 모델을 생성 및 제공하는 과일 당도 비파괴 측정 모델 생성 및 공유 플랫폼에 있어서,API 서버를 포함하고, 상기 API 서버는,사용자를 인증하기 위한 사용자 인증부;사용자 단말로부터 당도 스펙트럼 데이터를 수신하는 데이터 수집부;수집된 당도 스펙터럼 데이터에 대해 기계학습을 수행하여 당도 스펙트럼 데이터에 대응하는 당도측정 모델을 생성하는 데이터 처리부; 및상기 데이터 처리부에서 생성된 당도측정 모델을 사용자에게 제공하기 위한 데이터 전송부를 포함한 것을 특징으로 하는과일 당도 비파괴 측정 모델 생성 및 공유 플랫폼
|
2 |
2
제1항에 있어서,상기 API 서버는 HTTP 기반의 API 통신을 지원하는 것을 특징으로 하는과일 당도 비파괴 측정 모델 생성 및 공유 플랫폼
|
3 |
3
제1항에 있어서,상기 API 서버는 학습 모델 선택부를 더 포함하고,상기 학습 모델 선택부는 PLSR(Partial Least Square Regression), VIP-PLSR(Variable Importance in the Projection-Partial Least Square Regression), Full-ANN(Full-Artificial Neural Networks), PCA-ANN(Principle Component analysis-artificial neural network), PLS-ANN(Partial least-squares and artificial neural network), 1d-CNN(Convolution Neural Network)의 6종의 학습 모델로 이루어진 것을 특징으로 하는과일 당도 비파괴 측정 모델 생성 및 공유 플랫폼
|
4 |
4
제2항에 있어서,상기 사용자 인증부는 상기 API 서버를 이용하고자 하는 사용자의 계정을 생성 및 삭제하고, 상기 API 서버의 사용을 위한 토큰을 발급하도록 구성된 것을 특징으로 하는
|
5 |
5
제3항에 있어서,상기 데이터 처리부는 상기 당도 스펙트럼 데이터와 상기 학습 모델 선택부를 통해 선택된 학습 모델을 통해 당도 측정 모델 및 결과 데이터를 생성하도록 구성된 것을 특징으로 하는과일 당도 비파괴 측정 모델 생성 및 공유 플랫폼
|
6 |
6
제5항에 있어서,상기 결과 데이터는 스펙트럼 데이터에 포함된 각각의 데이터 세트에 대한 RMSE(오차) 값 및 R2(결정계수) 값을 포함하는 것을 특징으로 하는과일 당도 비파괴 측정 모델 생성 및 공유 플랫폼
|
7 |
7
제6항에 있어서,상기 API 서버는 데이터베이스를 더 포함하고, 상기 데이터 처리부로부터 생성된 당도측정 모델 및 결과 데이터는 상기 데이터베이스에 저장되는 것을 특징으로 하는과일 당도 비파괴 측정 모델 생성 및 공유 플랫폼
|
8 |
8
제5항에 있어서,상기 API 서버는 평가부를 더 포함하고, 상기 평가부는 데이터 처리부로부터 생성된 당도측정 모델에 대해 테스트 당도 스펙트럼 데이터를 이용하여 각각의 스펙트럼 데이터에 대한 당도값을 예측하도록 구성된 것을 특징으로 하는과일 당도 비파괴 측정 모델 생성 및 공유 플랫폼
|
9 |
9
제5항에 있어서,상기 API 서버는 업데이트부를 더 포함하고,상기 업데이트부는 상기 6종의 학습 모델 중 어느 하나를 이용하여 학습된 당도 스펙트럼 데이터를 다른 학습 모델을 이용하여 재학습하고, 재학습된 당도측정 모델 및 결과 데이터를 데이터베이스에 저장하도록 구성된 것을 특징으로 하는과일 당도 비파괴 측정 모델 생성 및 공유 플랫폼
|
10 |
10
제2항에 있어서,상기 API 서버는 POST, GET, PUT, DEL 명령을 수행하도록 구성된 과일 당도 비파괴 측정 모델 생성 및 공유 플랫폼
|