InnovateFPGA 디자인 콘테스트 수상자

드론 택배 안전

Foale Aerospace Inc.

문제:

택배는 스마트 시티 인프라의 핵심 구성 요소입니다. 그러나 그 대가로 교통 혼잡과 지구 온난화의 주요 원인인 이산화탄소 배출이 따릅니다. 2050년까지 라스트 마일(last mile) 택배는 연간 2백만 톤 이상의 CO2를 생성할 수 있습니다.

솔루션:

이 프로젝트에서는 오늘날 CO2를 배출하는 서비스에 의존하는 도시에서 재생 전력을 사용하며 마지막 순간 지점 간 택배를 대체할 수 있는 항공 드론 택배 시스템을 개발하고자 합니다. 이 프로젝트는 강력하거나 갑작스러운 공기 움직임의 변화를 감지하고 전달할 수 있을 뿐만 아니라 개발을 위해 "디지털 트윈"을 생성할 수 있습니다. 이를 통해 드론은 물론 주변 사람과 재산의 안전을 강화합니다.

프로젝트 세부 정보:

FPGA의 재프로그래밍 가능한 DSP 개발 기능을 통해 드론은 회전과 가속도를 측정하는 8개의 동시 아날로그 채널에 반응할 수 있습니다. HPS는 위험 이벤트 원격 분석을 Microsoft Azure IoT 허브에 제공합니다. 또한, Analog Devices DC2025A-A DAC를 사용하여 알고리즘 개발을 위해 실제 이벤트를 재현할 수 있는 '디지털 트윈' 기능을 추가했습니다.

태양광 컨버터에 대한 클라우드 기반 관리

Daniel Chavez(페루 국립 공과 대학교)

문제::

태양광, 풍력과 같이 더 많은 재생 발전 기능이 더 널리 보급됨에 따라 전력 그리드 전체에 전력 부하를 분산하는 것이 더 복잡해졌습니다. 전력 수요와 관리가 필요한 발전량이 일치하지 않는 경우가 빈번하게 발생합니다.

솔루션::

이 시스템은 발전을 제어하는 데 활용할 수 있는 많은 소스에서 사용 현장의 에너지 데이터를 더 효율적으로 수집하도록 설계되었습니다. 이 데이터는 클라우드 기반 시스템에 보고된 다음 그리드 정책과 결합하여 전력 수요와 발전을 더 최적화할 수 있습니다.

프로젝트 세부 정보::

FPGA는 1단 양방향 DABRS 컨버터의 변조를 직접 측정 및 제어하고, 클라우드 기반 Azure 서버 MariaDB 데이터베이스에 데이터를 무선으로 전달합니다. 데이터는 FPGA에서 로컬로 처리되기 때문에 클라우드 기반 중앙 제어 센터와 다시 통신하는 데 필요한 원격 분석을 최소화합니다.

과일 폐기물 저감 시스템

Nixon Fernando Ortiz De La Cruz(페루 국립 공과 대학교 및 산마르코스 국립 대학교 )

문제::

소규모 농업 기업에는 종종 농산물의 유통과 운송 과정에서 폐기물을 최소화할 리소스가 부족합니다. 고품질 저장 및 운송 시스템의 부족으로 인해 농산물의 많은 부분이 소비자에게 최종적으로 전달되기 전에 부패합니다. 페루 망고 생산량의 80%는 가족 소유의 소규모 농장에서 나옵니다.

솔루션::

이 스마트 시스템은 부패하는 양을 줄이기 위해 보관 및 운송 조건을 모니터링하고, 보고하고, 관리합니다.

프로젝트 세부 정보::

FPGA는 다양한 센서로부터 데이터를 집계합니다. 또한, 과일의 조기 숙성을 줄이기 위해 공기 상태(예: CO2)와 온도를 변경하는 액추에이터를 제어합니다. 카메라의 비디오 이미지는 FPGA에서 사전 처리된 다음 클라우드로 전송되어 과일 성숙도와 연관 짓기 위해 색상 데이터를 분석합니다. 이 다양한 데이터 세트는 스마트 과일 저장소/운송 컨테이너의 저장, 처리, 예측, 제어를 위해 Microsoft Azure IoT Hub로 전송됩니다. FPGA에서 대부분을 처리하기 때문에 클라우드로 전송되는 데이터를 최소화하여 대용량 데이터 송신 비용을 절감합니다.

지능형 농업 최적화 도구

Jyotsna Bavisetti(Rajiv Gandhi 지식 기술 대학교, Nuzvid)

문제::

전통적인 농사 방법을 사용할 때 농부의 작물 선택은 종종 충분한 정보가 없고 부적절할 수 있습니다. 이는 물과 토양 개량에 대한 이해 부족을 초래하며 작물 수확량과 품질을 저하합니다. 개발도상국에서의 식량 공급은 특히 취약합니다.

솔루션::

농부에 대한 이 종합적인 원조는 해당 지역의 토양 상태, 기후, 물 가용성에 따라 적합한 작물을 추천할 수 있습니다. 관개를 제어 및 최적화하고, 식물 질병을 감지하고, 잡초를 감지하며, 농부에게 지침을 제공할 수 있습니다.

프로젝트 세부 정보::

FPGA는 카메라와 폭넓은 Analog Devices 센서로부터 데이터를 집계합니다. 질소, 인, 칼륨, pH, 수위, 토양 수분, 온도를 측정할 수 있습니다. 이 다양한 데이터 세트는 저장, 분석, 디스플레이, 농부 지침을 위해 Microsoft Azure IoT Hub로 전송됩니다. 머신 러닝 알고리즘은 조건에 가장 적합한 작물을 예측하고 관개를 제어합니다. 객체 감지 모델은 잡초를 식별할 수 있으며, AI 기반 알고리즘은 식물 질병을 식별하여 조치를 권장하도록 훈련되었습니다.

소비자 미니 온실 시스템

Pahan Mendis(University of Moratuwa, Sri Lanka)

문제::

특정 대규모 농업과 농산물 운송이 환경에 부정적인 영향을 미칠 수 있다는 소비자의 인식이 확산되고 있습니다. 환경 문제뿐만 아니라 품질과 식품 안전성 향상을 위해 스스로 식재료를 재배하려는 소비자의 욕구가 커지고 있습니다. 그러나 이러한 야심찬 농부 중 다수가 이를 효율적으로 수행할 지식이나 능력이 부족합니다.

솔루션::

이 스마트 자동 미니 온실 관리 시스템은 최소한의 농업 전문 지식을 갖추었을 수도 있는 도시 공동체 소비자를 위한 식량 생산을 목표로 합니다. 관개, 비료 주기, 환기, 조명에 대한 지침을 제공할 수 있습니다.

시스템에 포함된 AI 기능은 수확량을 예측하고 비정상적인 성장 행동을 파악할 수 있습니다.

프로젝트 세부 정보::이 시스템은 카메라와 다양한 Analog Devices 센서(공기 습도 및 온도, 토양 pH/습도/온도, CO2 수준, 조도 측정)로부터 데이터를 수집합니다. FPGA는 센서 데이터와 병행하여 CNN AI 기반 이미지 처리 속도를 촉진합니다. 이 다양한 데이터 세트는 저장, 처리, 시간 경과에 따른 결과 예측을 위해 Microsoft Azure IoT Hub로 전송됩니다.

정신 건강 어드바이저

Sudhamshu B N(Dayananda Sagar 공과대학)

문제::

정신 및 행동 사례는 전 세계 건강 문제에서 점점 더 높은 비율을 차지합니다. 그러나 그러한 사례는 (사망 대 기능 장애와 같은 기타 요소에 초점을 맞춘) 기존의 공중 보건 통계에서 거의 두각을 나타내고 있지 않습니다.

솔루션::

스마트 장갑은 머신 러닝 모델을 위한 다양한 인체 및 환경 매개변수를 수집하여 다양한 대상 정신 건강 상태의 증상을 분석하고 분류합니다. 사용자의 건강과 정신 상태를 기반으로 적시에 긍정적인 제안을 "권장 사항"으로 소비자에게 다시 전달합니다. 정신 건강은 신체 건강과 똑같이 중요합니다.

프로젝트 세부 정보::

FPGA는 스마트 장갑의 센서로부터 공기 및 체온, 땀샘 활동, 빛 상태, 공기질과 같은 데이터를 집계합니다. 그런 다음 머신 러닝을 사용하여 데이터를 특성화하고 정신 상태와 연관 짓습니다. 카메라 입력에서 환자의 라이브 비디오는 비디오 감정 인식 모델에 입력되어 데이터를 5가지 특성(분노, 불안, 행복, 중립, 슬픔)으로 연관 짓습니다. 이 다양한 데이터 세트는 저장과 머신 러닝 처리를 위해 Microsoft Azure IoT Hub로 전송됩니다. 권장 사항은 사용자의 휴대폰 앱으로 다시 전송됩니다.

산호초 복구

Jose Filho(King Abdullah 과학 기술 대학)

문제::

모든 해양 생물의 25%는 건강한 산호에 의존하지만, 해수 온도 상승으로 인해 일부 산호가 백화되고 있습니다. 백화 과정은 산호가 조직에 사는 조류를 쫓아내면서 발생합니다. 이 조류는 산호가 살아가는 데 있어 매우 중요합니다.

솔루션::

실험실 연구에 따르면 산호에 유익한 특정 미생물(BMC)이 백화 과정을 멈추며 산호가 회복하도록 할 수 있습니다. 이 시스템은 해양 환경에서 산호 프로바이오틱스를 전달하고 장기적 효능을 모니터링할 수 있습니다.

프로젝트 세부 정보::

FPGA는 유연하고 재구성할 수 있는 실험 플랫폼을 제공합니다. FPGA는 카메라, 온도 센서, Analog Devices 초저전력 광 인식 시스템의 해수 광도 데이터에서 데이터를 수집합니다. FPGA는 AI를 사용하여 백화 단계를 정확하게 파악하고 BMC 배포에 대해 신속한 결정을 내립니다. 이 태양열 발전 실험은 해안 근처에 배치되며 4G 데이터를 Microsoft Azure로 보내 재활 과정을 시각화하고 관리할 수 있습니다.

실내 공기질 관리

Ricardo Núñez Prieto(NVISION s.l. / 바르셀로나 마이크로일렉트로닉스 연구소(CSIC) / UAB)

문제::

증거에 따르면 1,000ppm의 CO2 농도에 만성적으로 노출되면 여러 가지 인류 건강 장애를 일으킬 가능성이 발생합니다. 바이러스는 숨을 내쉬고, 말을 하고, 기침할 때 방출되며 실내 환경에서 전파될 가능성이 더 높다는 연구 결과도 나왔습니다.

솔루션::

호흡으로 배출된 CO2를 측정하는 것은 공기질 위험을 평가하기 위해 가장 저렴한 비용으로 이용하는 방법입니다. 이 프로젝트는 CO2 농도를 도출해내고 경고 및 환기를 관리하기 위해 Microsoft Azure 서버에 실행 가능한 정보를 보낼 수 있습니다.

프로젝트 세부 정보::

이 시스템은 온도 센서뿐만 아니라 400~5,000ppm 범위의 CO2 농도를 측정할 수 있는 Analog Devices NDIR CO2 센서 시스템의 데이터를 사용합니다. FPGA는 여러 센서를 지원할 수 있는 유연성이 있으며 다른 센서 유형, 알고리즘, 통신 프로토콜에도 적용할 수 있으므로 이 애플리케이션에 적합한 선택입니다. 이 프로젝트는 복잡한 데이터의 통신을 최소화하기 위해 FPGA에서 CO2 농도 알고리즘을 로컬로 실행하여 시스템 에너지 풋프린트를 최소화하도록 최적화되어 있습니다.

스마트 농장 제어 시스템

Mohamed Abdelaziz Louhab(University M'hamed Bougara Boumerdes)

문제::

재배 실수를 최소화하는 것은 비용을 최소화하는 것은 물론 최적의 재배 여건이 열악한 지역의 식량 안보를 보장하는 데 중요합니다. 화재, 동물권 침해 또는 절도와 같은 기타 위험은 농장이나 지역 사회에 중대한 결과를 초래할 수 있습니다.

솔루션::

이 스마트 온실에는 온도, 습도, O2 및 CO2와 같은 가스 등의 환경 요인을 사용하여 식물 건강을 모니터링할 수 있는 센서가 내장되어 있습니다. 이 시스템은 농부에게 지침을 제공할 뿐만 아니라 관개, 난방, 냉방을 제어할 수 있습니다.

프로젝트 세부 정보::

FPGA는 시스템의 태양열 구동 두뇌로, HPS를 사용하여 태양열 추적 알고리즘을 구현하고 PV 패널의 출력을 최대화합니다. 이 온실은 작물 건강을 모니터링하고 유지하기 위해 6가지의 다양한 Analog Devices 센서를 사용하여 재배 실수를 최소화하고 농산물을 더 맛있게 만들도록 설계되었습니다. 이 시스템은 IR과 PIR을 사용하여 동물의 존재를 감지하여 작물 손실 우려를 줄여주고 화재 감지와 진압도 할 수 있습니다.

자동 쓰레기 분류기

Longfei Yang(Hubei University)

문제::

전 세계 쓰레기 생산량은 매년 증가하여 토양과 수원을 오염시킵니다. 매립지에는 생태계에 유입되어 인간과 환경에 해를 끼치는 위험한 화학 물질이나 기타 유해 물질이 포함될 수 있습니다.

솔루션::

자동 쓰레기 분류기는 환경 오염을 줄이고, 토지 자원을 절약하며, 자원 재활용을 촉진하는 데 도움이 될 수 있습니다. 이 시스템은 재활용 쓰레기의 무분별한 처리를 줄이고 폐기물 분류를 통해 폐기물을 최대한 재사용하고 지역 생태계에 미치는 피해를 줄이기 위해 설계되었습니다.

프로젝트 세부 정보::

이 프로젝트는 이미지 인식을 사용하여 폐기물을 재활용 가능, 생분해 가능, 위험 및 기타의 4가지 범주로 분류합니다. 적외선 센서는 새로운 객체의 폐기를 감지하여 카메라에서 이미지를 FPGA로 보내도록 합니다. FPGA는 이미지 인식을 위해 VGG-16이라 부르는 심층 CNN(Convolutional Neural Network)을 구현합니다. 인식 및 분류는 pipeCNN이라 부르는 OpenCL 기반 FPGA 가속기로 향상됩니다. 쓰레기 분류기는 95%의 정확도로 쓰레기를 적절한 쓰레기통으로 옮기며, 인식 시간은 1.93초입니다.

노면 손상 감지 시스템

Dingwei Chen(Chongqing University)

문제::

도로의 포장 손상은 도로 외관과 주행 편의성에 영향을 미칠 뿐만 아니라 유지 관리가 필요한 사항을 파악하고 해결하지 않으면 도로 표면과 관련 구조물이 손상되어 사고나 심지어는 인명 손실을 초래할 수 있습니다. 콘크리트나 아스팔트를 사용한 도로 건설은 유해한 배기가스와 오염을 발생시킵니다.

솔루션::

이 자동화된 감지, 위치 찾기, 보고 시스템은 3D LiDAR와 카메라를 사용하여 수리 필요 여부를 판단하기 위해 분석할 수 있는 실시간 도로 상태 정보를 수집합니다. 정확한 위치와 결합한 정확한 검사 정보를 통해 유지 보수를 효율적으로 관리하고 큰 비용이 드는 노면 열화를 방지할 수 있습니다.

프로젝트 세부 정보::

지능형 도로 손상 감지 시스템은 LiDAR와 IMU(Inertial Measurement Unit)가 있는 카메라를 사용하여 포인트 클라우드 데이터와 노면의 이미지 정보를 얻습니다. 이 시스템은 포인트 클라우드 모션 왜곡을 보정할 수 있으며 LiDAR 거리 정보를 카메라 픽셀 정보와 동기화할 수 있습니다. 이 데이터는 클라우드 애플리케이션에서 손상 세부 정보(결함 크기 및 모양)를 정확한 지도 데이터와 결합하는 데 사용할 수 있습니다. 그러면 유지 보수 담당자가 알맞은 시점에 수리 일정을 잡는 데 집중할 수 있습니다.