earticle

영어

In this study, a codeB platform module that enables the development and education of AIoT that combines artificial intelligence and IoT, which are key technologies of the 4th industrial revolution, was presented. Based on Python block programming, the codeB platform reduces the syntactic difficulties that users feel when coding, and is specialized in data analysis and machine learning. A physical computing module for Raspberry pi was designed on this platform as follows. A node server was used for data transmission between the codeB platform and the target board, and through this, the result coded by the codeB was uploaded to the target board, executed, and the result was sent back to the codeB to output the result on the web. In addition, RPi for GPIO control of the target board, Raspberry pi. Functions used in the GPIO library were selected and implemented as blocks for use in codeB. In the future, various sensor libraries will be made into blocks so that they can be used by codeB so that more sensors can be used by users. Using the module presented in this study, data can be obtained from sensors on the target board and used for learning artificial intelligence models, and it is verified that the learned model controls the actuator.

한국어

본 연구에서는 4차 산업혁명의 핵심 기술인 인공지능과 IoT를 결합한 AIoT의 개발 및 교육을 가능하게 하는 코드비 플랫폼 모듈을 제시하였다. 코드비 플랫폼은 파이썬 블록 프로그래밍을 기반으로 코딩 시 사용자가 느끼는 구문적인 어려움을 감소시키며, 데이터 분석과 머신러닝에 특화되어있는 플랫폼이다. 이 플랫폼에 라즈베리 파이를 대상으로 한 피지컬 컴퓨팅 모듈을 다음과 같이 설계하 였다. 코드비 플랫폼과 타겟 보드 사이에 데이터 전송을 위해 node 서버를 사용하였고, 이를 통해 코드비에서 코딩한 결과를 타겟 보드에 업로드하여 실행하고 결과를 다시 코드비로 보내 웹에서 결과가 출력되도록 구현하였다. 또한, 타겟 보드인 라즈베리 파이 의 GPIO 제어를 위해 RPi.GPIO 라이브러리에서 사용되는 함수들을 추려내고, 이를 코드비에서 사용할 수 있도록 블록으로 구현하 였다. 향후 다양한 센서 라이브러리들을 코드비에서 사용할 수 있게 블록으로 제작하여 사용자가 다양한 센서들을 이용할 수 있도 록 할 계획이다. 본 연구에서 제시하는 모듈을 이용하면 타겟 보드의 센서로 데이터를 얻어 인공지능 모델 학습에 활용할 수 있으 며, 학습된 모델을 통해 액추에이터를 제어하는 것을 검증한다.