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..