| 1 |
1
감시 대상 위치의 수위를 계측하는 계측기기의 계측 값 및 상기 위치를 촬영한 열화상을 매핑하여 딥러닝모델을 생성하는 딥러닝모델 생성부;상기 딥러닝모델을 상기 감시 대상 위치의 에지 디바이스로 제공하는 통신부; 및상기 에지 디바이스로부터 제공되는 전처리된 입력 데이터를 수신하여 상기 입력 데이터에 대응하는 상기 감시 대상 위치의 현재 수위를 미리 지정된 복수 개의 레벨 중 제1 레벨로 결정하는 분석예측부를 포함하는 수위 분류 장치
|
| 2 |
2
제1항에 있어서,상기 열화상에 시간 동기화되어 수집된 현재의 제1 계측 값을 수신하는 계측자료 수집부; 및상기 제1 계측값을 상기 제1 레벨과 함께 상기 감시 대상 위치에 대한 현재 촬영 영상 위에 오버레이 한 결과영상을 렌더링하는 지능형영상 생성부를 더 포함하는 장치
|
| 3 |
3
제2항에 있어서,상기 지능형영상 생성부는, 상기 제1 계측값과 상기 제1 레벨의 차이인 오차의 크기에 대응하여 복수 개의 정확도 수준에 대응하는 복수 개의 칼라 중 상기 오차 크기에 대응하는 제1 칼라로 상기 측정 위치를 식별하는 식별자를 상기 결과영상 위에 더 렌더링하는 장치
|
| 4 |
4
제2항에 있어서,상기 장치는 상기 통신부를 통해 외부로부터 수신되는 상기 측정 위치의 기상데이터, 상기 측정 위치에 연관되는 하천수위데이터, 및 상기 측정 위치에 인접한 미리 지정된 타 수리시설의 계측데이터 중 적어도 하나를 상기 지능형영상 생성부에 제공하는 공공데이터 자료수집부를 더 포함하고,상기 지능형영상 생성부는, 상기 공공데이터 자료수집부로부터 제공되는 정보를 상기 결과영상 위에 더 렌더링하는 장치
|
| 5 |
5
제1항에 있어서,상기 통신부는 미리 지정된 조건이 만족되는 경우에 상기 딥러닝모델을 상기 감시 대상 위치의 상기 에지 디바이스로 제공하는 장치
|
| 6 |
6
제5항에 있어서,상기 미리 지정된 조건은 상기 에지 디바이스에 기 배포된 상기 딥러닝모델에 대해 임계치 이상의 업데이트 이벤트가 발생하는 것인 장치
|
| 7 |
7
제1항에 있어서,상기 감시 대상 위치의 수위를 계측하는 상기 계측기기의 상기 계측 값 및 상기 위치를 촬영한 상기 열화상은 거리별로 분류되어 매핑하여 저장하는 저장부를 더 포함하고,상기 딥러닝모델 생성부는 상기 분류된 상기 거리를 상기 딥러닝모델의 생성에 활용하는 장치
|
| 8 |
8
수위 분류 장치가 감시 대상 위치의 수위를 분류하는 방법에 있어서, 상기 방법은:상기 장치가, 상기 감시 대상 위치의 수위를 계측하는 계측기기의 계측 값 및 상기 위치를 촬영한 열화상을 매핑하여 딥러닝모델을 생성하는 딥러닝모델 생성 단계;상기 장치가, 상기 딥러닝모델을 상기 감시 대상 위치의 에지 디바이스로 제공하는 모델 배포 단계; 및상기 장치가, 상기 에지 디바이스로부터 제공되는 전처리된 입력 데이터를 수신하여 상기 입력 데이터에 대응하는 상기 감시 대상 위치의 현재 수위를 미리 지정된 복수 개의 레벨 중 제1 레벨로 결정하는 수위 분류 단계를 포함하는 방법
|
| 9 |
9
제8항에 있어서,상기 열화상에 시간 동기화되어 수집된 현재의 제1 계측 값이 수신되는 경우, 상기 장치가 상기 제1 계측값을 상기 제1 레벨과 함께 상기 감시 대상 위치에 대한 현재 촬영 영상 위에 오버레이 한 결과영상을 렌더링하는 출력 단계를 더 포함하는 방법
|
| 10 |
10
제9항에 있어서,상기 출력 단계에서 상기 장치가, 상기 제1 계측값과 상기 제1 레벨의 차이인 오차의 크기에 대응하여 복수 개의 정확도 수준에 대응하는 복수 개의 칼라 중 상기 오차 크기에 대응하는 제1 칼라로 상기 측정 위치를 식별하는 식별자를 상기 결과영상 위에 더 렌더링하는 방법
|
