SlideShare a Scribd company logo
1 of 10
Download to read offline
11조조원 : 문경민, 주효진
- 통신회로설계 Term Project 중간 발표 -
목차
필요 부품 & 전체 기능 및 알고리즘
주제
발상의 원인
단계별 제작 과정
기
능
잔여량을 알 수 있는
화장품 정리함
주
제
주
제
기
능
✓ 화장품 잔여량을 LCD와 LED에 표현해준다











✓ 사용량 통계를 내어 관련 정보를 제공한다

예) 한 번당 감소하는 화장품양 측정 ▶ 한 통을 다 쓰는 날짜 예상

데이터를 서버에 올릴 경우, 다른 사람들의 한 번 사용당 화장품 양 측정

▶ 평균 내어 사용자의 사용량에 대한 정보 제공



✓ 휴대폰과 통신하여 로션양이 떨어졌을 경우, 알림이 가게 한다.
잔여량 : 88%
-[■■■■□]
단계별 제작 과정
g 단위 측정 무게 센서
잔여량 : 88%
-[■■■■□]
측정값 아두이노 전달 → LCD, LED표시
필요한
부품
화장품 정리함,
g 단위 측정 무게 센서
잔여량 : 88%
-[■■■■□]
LCD, LED
라즈베리파이
와이파이 실드
전체 기능 및 알고리즘
Q & A
Thanks조원 : 문경민, 주효진
- 통신회로설계 Term Project 중간 발표 -

More Related Content

What's hot

[124]자율주행과 기계학습
[124]자율주행과 기계학습[124]자율주행과 기계학습
[124]자율주행과 기계학습NAVER D2
 
Rainbow의 혈관 속 탐험 (The Rainbow's adventure in the vessel) (RL Korea)
Rainbow의 혈관 속 탐험 (The Rainbow's adventure in the vessel) (RL Korea)Rainbow의 혈관 속 탐험 (The Rainbow's adventure in the vessel) (RL Korea)
Rainbow의 혈관 속 탐험 (The Rainbow's adventure in the vessel) (RL Korea)Kyunghwan Kim
 
강화학습 기초_2(Deep sarsa, Deep Q-learning, DQN)
강화학습 기초_2(Deep sarsa, Deep Q-learning, DQN)강화학습 기초_2(Deep sarsa, Deep Q-learning, DQN)
강화학습 기초_2(Deep sarsa, Deep Q-learning, DQN)Euijin Jeong
 
Single Shot Multibox Detector
Single Shot Multibox DetectorSingle Shot Multibox Detector
Single Shot Multibox DetectorNamHyuk Ahn
 
Object detection - RCNNs vs Retinanet
Object detection - RCNNs vs RetinanetObject detection - RCNNs vs Retinanet
Object detection - RCNNs vs RetinanetRishabh Indoria
 
Text extraction from natural scene image, a survey
Text extraction from natural scene image, a surveyText extraction from natural scene image, a survey
Text extraction from natural scene image, a surveySOYEON KIM
 
論文要約:AUGMIX: A SIMPLE DATA PROCESSING METHOD TO IMPROVE ROBUSTNESS AND UNCERT...
論文要約:AUGMIX: A SIMPLE DATA PROCESSING METHOD TO IMPROVE ROBUSTNESS AND UNCERT...論文要約:AUGMIX: A SIMPLE DATA PROCESSING METHOD TO IMPROVE ROBUSTNESS AND UNCERT...
論文要約:AUGMIX: A SIMPLE DATA PROCESSING METHOD TO IMPROVE ROBUSTNESS AND UNCERT...ssuser5861ac
 
IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線Fuyuki Ishikawa
 
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例Takayoshi Yamashita
 
A systematic study of the class imbalance problem in convolutional neural net...
A systematic study of the class imbalance problem in convolutional neural net...A systematic study of the class imbalance problem in convolutional neural net...
A systematic study of the class imbalance problem in convolutional neural net...Yuya Soneoka
 
機械学習向けCGデータの量産手法の検討
機械学習向けCGデータの量産手法の検討機械学習向けCGデータの量産手法の検討
機械学習向けCGデータの量産手法の検討Silicon Studio Corporation
 
Humpback whale identification challenge反省会
Humpback whale identification challenge反省会Humpback whale identification challenge反省会
Humpback whale identification challenge反省会Yusuke Uchida
 
Yolo v2 ai_tech_20190421
Yolo v2 ai_tech_20190421Yolo v2 ai_tech_20190421
Yolo v2 ai_tech_20190421穗碧 陳
 
걸음걸이와 귀를 통한 신분인증 AI
걸음걸이와 귀를 통한 신분인증 AI걸음걸이와 귀를 통한 신분인증 AI
걸음걸이와 귀를 통한 신분인증 AIHYEJINLIM10
 
Attention-Guided GANについて
Attention-Guided GANについてAttention-Guided GANについて
Attention-Guided GANについてyohei okawa
 
動作認識におけるディープラーニングの最新動向1 3D-CNN
動作認識におけるディープラーニングの最新動向1 3D-CNN動作認識におけるディープラーニングの最新動向1 3D-CNN
動作認識におけるディープラーニングの最新動向1 3D-CNNWEBFARMER. ltd.
 
Homotopic Frechet Distance Between Curves
Homotopic Frechet Distance Between CurvesHomotopic Frechet Distance Between Curves
Homotopic Frechet Distance Between Curvesshripadthite
 

What's hot (20)

[124]자율주행과 기계학습
[124]자율주행과 기계학습[124]자율주행과 기계학습
[124]자율주행과 기계학습
 
Rainbow의 혈관 속 탐험 (The Rainbow's adventure in the vessel) (RL Korea)
Rainbow의 혈관 속 탐험 (The Rainbow's adventure in the vessel) (RL Korea)Rainbow의 혈관 속 탐험 (The Rainbow's adventure in the vessel) (RL Korea)
Rainbow의 혈관 속 탐험 (The Rainbow's adventure in the vessel) (RL Korea)
 
강화학습 기초_2(Deep sarsa, Deep Q-learning, DQN)
강화학습 기초_2(Deep sarsa, Deep Q-learning, DQN)강화학습 기초_2(Deep sarsa, Deep Q-learning, DQN)
강화학습 기초_2(Deep sarsa, Deep Q-learning, DQN)
 
Single Shot Multibox Detector
Single Shot Multibox DetectorSingle Shot Multibox Detector
Single Shot Multibox Detector
 
Object detection - RCNNs vs Retinanet
Object detection - RCNNs vs RetinanetObject detection - RCNNs vs Retinanet
Object detection - RCNNs vs Retinanet
 
MIRU2018 tutorial
MIRU2018 tutorialMIRU2018 tutorial
MIRU2018 tutorial
 
Text extraction from natural scene image, a survey
Text extraction from natural scene image, a surveyText extraction from natural scene image, a survey
Text extraction from natural scene image, a survey
 
論文要約:AUGMIX: A SIMPLE DATA PROCESSING METHOD TO IMPROVE ROBUSTNESS AND UNCERT...
論文要約:AUGMIX: A SIMPLE DATA PROCESSING METHOD TO IMPROVE ROBUSTNESS AND UNCERT...論文要約:AUGMIX: A SIMPLE DATA PROCESSING METHOD TO IMPROVE ROBUSTNESS AND UNCERT...
論文要約:AUGMIX: A SIMPLE DATA PROCESSING METHOD TO IMPROVE ROBUSTNESS AND UNCERT...
 
Mobilenet
MobilenetMobilenet
Mobilenet
 
IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線
 
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
 
A systematic study of the class imbalance problem in convolutional neural net...
A systematic study of the class imbalance problem in convolutional neural net...A systematic study of the class imbalance problem in convolutional neural net...
A systematic study of the class imbalance problem in convolutional neural net...
 
機械学習向けCGデータの量産手法の検討
機械学習向けCGデータの量産手法の検討機械学習向けCGデータの量産手法の検討
機械学習向けCGデータの量産手法の検討
 
YOLO.pptx
YOLO.pptxYOLO.pptx
YOLO.pptx
 
Humpback whale identification challenge反省会
Humpback whale identification challenge反省会Humpback whale identification challenge反省会
Humpback whale identification challenge反省会
 
Yolo v2 ai_tech_20190421
Yolo v2 ai_tech_20190421Yolo v2 ai_tech_20190421
Yolo v2 ai_tech_20190421
 
걸음걸이와 귀를 통한 신분인증 AI
걸음걸이와 귀를 통한 신분인증 AI걸음걸이와 귀를 통한 신분인증 AI
걸음걸이와 귀를 통한 신분인증 AI
 
Attention-Guided GANについて
Attention-Guided GANについてAttention-Guided GANについて
Attention-Guided GANについて
 
動作認識におけるディープラーニングの最新動向1 3D-CNN
動作認識におけるディープラーニングの最新動向1 3D-CNN動作認識におけるディープラーニングの最新動向1 3D-CNN
動作認識におけるディープラーニングの最新動向1 3D-CNN
 
Homotopic Frechet Distance Between Curves
Homotopic Frechet Distance Between CurvesHomotopic Frechet Distance Between Curves
Homotopic Frechet Distance Between Curves
 

More from Joo HyoJin

[2018] Catch-Python: (6) 여름학교 5일차
[2018] Catch-Python: (6) 여름학교 5일차[2018] Catch-Python: (6) 여름학교 5일차
[2018] Catch-Python: (6) 여름학교 5일차Joo HyoJin
 
[2018] Catch-Python: (5) 여름학교 4일차
[2018] Catch-Python: (5) 여름학교 4일차[2018] Catch-Python: (5) 여름학교 4일차
[2018] Catch-Python: (5) 여름학교 4일차Joo HyoJin
 
[2018] Catch-Python: (4) 여름학교 3일차
[2018] Catch-Python: (4) 여름학교 3일차[2018] Catch-Python: (4) 여름학교 3일차
[2018] Catch-Python: (4) 여름학교 3일차Joo HyoJin
 
[2018] Catch-Python: (3) 여름학교 2일차
[2018] Catch-Python: (3) 여름학교 2일차[2018] Catch-Python: (3) 여름학교 2일차
[2018] Catch-Python: (3) 여름학교 2일차Joo HyoJin
 
[2018] Catch-Python: (2) 여름학교 1일차
[2018] Catch-Python: (2) 여름학교 1일차[2018] Catch-Python: (2) 여름학교 1일차
[2018] Catch-Python: (2) 여름학교 1일차Joo HyoJin
 
[2018] Catch-Python: (1) 파이썬 터틀 그래픽 맛보기
[2018] Catch-Python: (1) 파이썬 터틀 그래픽 맛보기[2018] Catch-Python: (1) 파이썬 터틀 그래픽 맛보기
[2018] Catch-Python: (1) 파이썬 터틀 그래픽 맛보기Joo HyoJin
 
[2017] JAVA term-project: 최종 발표
[2017] JAVA term-project: 최종 발표[2017] JAVA term-project: 최종 발표
[2017] JAVA term-project: 최종 발표Joo HyoJin
 
[2017] arduino term-project: 최종 발표
[2017] arduino term-project: 최종 발표[2017] arduino term-project: 최종 발표
[2017] arduino term-project: 최종 발표Joo HyoJin
 
[2017] 코딩멘토링: 자료구조- (4)배열과 구조체
[2017] 코딩멘토링: 자료구조- (4)배열과 구조체[2017] 코딩멘토링: 자료구조- (4)배열과 구조체
[2017] 코딩멘토링: 자료구조- (4)배열과 구조체Joo HyoJin
 
[2017] 코딩멘토링: 자료구조- (3)구조체
[2017] 코딩멘토링: 자료구조- (3)구조체[2017] 코딩멘토링: 자료구조- (3)구조체
[2017] 코딩멘토링: 자료구조- (3)구조체Joo HyoJin
 
[2017] 코딩멘토링: 자료구조- (2)배열
[2017] 코딩멘토링: 자료구조- (2)배열[2017] 코딩멘토링: 자료구조- (2)배열
[2017] 코딩멘토링: 자료구조- (2)배열Joo HyoJin
 
[2017] 코딩멘토링: 자료구조- (1)시간 복잡도
[2017] 코딩멘토링: 자료구조- (1)시간 복잡도[2017] 코딩멘토링: 자료구조- (1)시간 복잡도
[2017] 코딩멘토링: 자료구조- (1)시간 복잡도Joo HyoJin
 

More from Joo HyoJin (12)

[2018] Catch-Python: (6) 여름학교 5일차
[2018] Catch-Python: (6) 여름학교 5일차[2018] Catch-Python: (6) 여름학교 5일차
[2018] Catch-Python: (6) 여름학교 5일차
 
[2018] Catch-Python: (5) 여름학교 4일차
[2018] Catch-Python: (5) 여름학교 4일차[2018] Catch-Python: (5) 여름학교 4일차
[2018] Catch-Python: (5) 여름학교 4일차
 
[2018] Catch-Python: (4) 여름학교 3일차
[2018] Catch-Python: (4) 여름학교 3일차[2018] Catch-Python: (4) 여름학교 3일차
[2018] Catch-Python: (4) 여름학교 3일차
 
[2018] Catch-Python: (3) 여름학교 2일차
[2018] Catch-Python: (3) 여름학교 2일차[2018] Catch-Python: (3) 여름학교 2일차
[2018] Catch-Python: (3) 여름학교 2일차
 
[2018] Catch-Python: (2) 여름학교 1일차
[2018] Catch-Python: (2) 여름학교 1일차[2018] Catch-Python: (2) 여름학교 1일차
[2018] Catch-Python: (2) 여름학교 1일차
 
[2018] Catch-Python: (1) 파이썬 터틀 그래픽 맛보기
[2018] Catch-Python: (1) 파이썬 터틀 그래픽 맛보기[2018] Catch-Python: (1) 파이썬 터틀 그래픽 맛보기
[2018] Catch-Python: (1) 파이썬 터틀 그래픽 맛보기
 
[2017] JAVA term-project: 최종 발표
[2017] JAVA term-project: 최종 발표[2017] JAVA term-project: 최종 발표
[2017] JAVA term-project: 최종 발표
 
[2017] arduino term-project: 최종 발표
[2017] arduino term-project: 최종 발표[2017] arduino term-project: 최종 발표
[2017] arduino term-project: 최종 발표
 
[2017] 코딩멘토링: 자료구조- (4)배열과 구조체
[2017] 코딩멘토링: 자료구조- (4)배열과 구조체[2017] 코딩멘토링: 자료구조- (4)배열과 구조체
[2017] 코딩멘토링: 자료구조- (4)배열과 구조체
 
[2017] 코딩멘토링: 자료구조- (3)구조체
[2017] 코딩멘토링: 자료구조- (3)구조체[2017] 코딩멘토링: 자료구조- (3)구조체
[2017] 코딩멘토링: 자료구조- (3)구조체
 
[2017] 코딩멘토링: 자료구조- (2)배열
[2017] 코딩멘토링: 자료구조- (2)배열[2017] 코딩멘토링: 자료구조- (2)배열
[2017] 코딩멘토링: 자료구조- (2)배열
 
[2017] 코딩멘토링: 자료구조- (1)시간 복잡도
[2017] 코딩멘토링: 자료구조- (1)시간 복잡도[2017] 코딩멘토링: 자료구조- (1)시간 복잡도
[2017] 코딩멘토링: 자료구조- (1)시간 복잡도
 

[2017] arduino term-project: 중간 발표

  • 1. 11조조원 : 문경민, 주효진 - 통신회로설계 Term Project 중간 발표 -
  • 2. 목차 필요 부품 & 전체 기능 및 알고리즘 주제 발상의 원인 단계별 제작 과정
  • 3. 기 능 잔여량을 알 수 있는 화장품 정리함 주 제
  • 4. 주 제 기 능 ✓ 화장품 잔여량을 LCD와 LED에 표현해준다
 
 
 
 
 
 ✓ 사용량 통계를 내어 관련 정보를 제공한다
 예) 한 번당 감소하는 화장품양 측정 ▶ 한 통을 다 쓰는 날짜 예상
 데이터를 서버에 올릴 경우, 다른 사람들의 한 번 사용당 화장품 양 측정
 ▶ 평균 내어 사용자의 사용량에 대한 정보 제공
 
 ✓ 휴대폰과 통신하여 로션양이 떨어졌을 경우, 알림이 가게 한다. 잔여량 : 88% -[■■■■□]
  • 5. 단계별 제작 과정 g 단위 측정 무게 센서 잔여량 : 88% -[■■■■□] 측정값 아두이노 전달 → LCD, LED표시
  • 6.
  • 7. 필요한 부품 화장품 정리함, g 단위 측정 무게 센서 잔여량 : 88% -[■■■■□] LCD, LED 라즈베리파이 와이파이 실드
  • 8. 전체 기능 및 알고리즘
  • 10. Thanks조원 : 문경민, 주효진 - 통신회로설계 Term Project 중간 발표 -