gpu에 docker image가 필요하여 만든 dockerfile 파일 입니다. --------------------------------------------------------------------------------------------- # Ubuntu 22.04 기반 딥러닝/컴퓨터 비전 Docker 이미지# 이 Dockerfile은 YOLO12 및 DeepLab 기반 컴퓨터 비전 작업을 위한 환경을 구성합니다.# 기본 이미지: NVIDIA CUDA 12.2 및 Ubuntu 22.04 기반FROM nvidia/cuda:12.2.0-cudnn8-devel-ubuntu22.04# 메타데이터 설정LABEL maintainer="우대현 (pulisul@hanmir.com)"LABEL descript..

― 차세대 농업 자동화를 위한 비전 인식 로봇 시스템 구축농촌의 노동력은 빠르게 줄고 있고, 기후위기로 인한 잡초의 생장도 예측할 수 없을 만큼 다양해졌습니다. 이러한 문제를 해결하기 위한 대안 중 하나가 바로 AI 기반 로봇 시스템입니다. 이 글에서는 H100 GPU + 16코어 CPU + 128GB RAM이라는 강력한 하드웨어를 활용해, ROS2와 Gazebo를 기반으로 4족 보행 로봇의 시뮬레이션을 진행하고, YOLO와 DeepLab을 이용한 잡초 인식 및 자율 주행을 구현하는 전체 기획안을 소개합니다.🎯 프로젝트 목표이 시스템의 궁극적인 목표는 다음과 같습니다:✅ 잡초를 실시간으로 인식하고 제거 위치를 파악✅ 로봇이 자율적으로 잡초가 많은 곳으로 이동✅ 로봇 팔이 해당 위치의 잡초를 정확히 제거..

1. 계획 및 설계 목표 정의: 잡초 탐지 및 제거 기능 구현. 경사진 밭과 같은 불규칙한 지형에서 이동 가능. 긴 배터리 수명과 효율적 전력 관리. 설계 구상: 로봇 프레임 설계: 가볍고 튼튼한 구조(알루미늄 또는 탄소섬유 사용). 다리 및 관절 설계: 균형과 이동성을 고려한 구조. 잡초 제거 도구: 로터리 커터 또는 집게 장착.  2. 하드웨어 조립 필수 부품: 프레임: CNC 가공 알루미늄 또는 3D 프린팅 구조. 모터 및 구동 장치: 고토크 서보 모터(예: Dynamixel AX-12A). 센서: IMU (예: MPU-9250): 자세 및 균형 유지. LiDAR (예: RPLIDAR A2): 장애물 감지. GPS (예: Ublox NEO-M8): 위치 추적. 카메라 (예: Intel RealSen..

안녕하세요, AI에 관심 있는 블로그 방문자 여러분. #2024년 AI 기술의 발전을 돌아보며 2024년은 AI 기술이 우리의 일상을 획기적으로 변화시킨 해였습니다: GPT의 진화와 새로운 기능 추가 이미지 생성 AI의 혁신적 발전 AI 기반 자율주행 기술의 확대 의료, 교육 분야의 AI 도입 가속화 #2024년 우리가 경험한 변화들 ▪️기술적 측면 자연어 처리 능력의 비약적 향상 다중 모달 AI의 보편화 AI 윤리 가이드라인 확립 개인화 서비스의 고도화 ▪️사회적 측면 AI 활용 일자리의 증가 교육 방식의 혁신 새로운 직업군의 등장 AI 리터러시의 중요성 부각 #2025년 전망과 준비 새해에는 더욱 흥미로운 변화가 예상됩니다: 기술 트렌드 감정 인식 AI의 발전 메타버스와 AI의 결합 개인 맞춤형 AI..

유효성 검사기 작업 지금까지 Pydantic의 BaseModel을 사용하여 사전 정의된 유형으로 모델 필드를 검증했으며 검증을 추가로 사용자 정의하기 위해 Field를 통합했습니다. BaseModel과 Field 단독으로 꽤 멀리 갈 수 있지만 사용자 정의 논리가 필요한 보다 복잡한 검증 시나리오의 경우 Pydantic 검증기를 사용해야 합니다.유효성 검사기를 사용하면 함수로 표현할 수 있는 거의 모든 유효성 검사 논리를 실행할 수 있습니다. 다음에서 이 작업을 수행하는 방법을 살펴보겠습니다. 모델 및 필드 검증 계속해서 직원을 예를 들어, 회사에 18세 이상의 직원만 고용한다는 정책이 있다고 가정해 보겠습니다. 새 Employee 개체를 만들 때마다 직원이 18세 이상인지 확인해야 합니다. 이를 처리하..

모델 사용 데이터 스키마를 정의하는 Pydantic의 기본 방법은 모델을 이용하는 것입니다. Pydantic 모델은 주석이 달린 필드가 있는 엔터티에 대한 데이터를 정의하고 저장하는 Python 데이터 클래스 와 유사한 객체입니다. 데이터 클래스와 달리 Pydantic의 초점은 자동 데이터 구문 분석, 검증 및 직렬화에 중점을 둡니다.이를 이해하는 가장 좋은 방법은 자신만의 모델을 만드는 것입니다. 이것이 바로 다음에 수행할 작업입니다. Pydantic BaseModel 작업 인사부에서 직원 정보를 관리하는 데 사용하는 애플리케이션을 구축 중이고 신입 직원 정보가 올바른 형식인지 확인하는 방법이 필요하다고 가정해 보겠습니다. 예를 들어, 각 직원에게는 ID, 이름, 이메일, 생년월일, 급여, 부서 및 혜..