프로젝트 한 줄 소개

금오공과대학교 IoT 기초프로그래밍 과제로, AI Hub 생활폐기물 데이터셋과 YOLOv8 딥러닝 모델을 결합하고 라즈베리파이·센서·서보 모터로 실물 쓰레기를 자동 분류·배출하는 스마트 분리수거 IoT 시스템

기본 정보

프로젝트 배경 (Why)

• 분리수거 정확도가 낮으면 재활용 품질 저하·처리 비용 증가로 이어지며, 공공 폐기물 처리 현장에서도 오분류가 반복되는 문제가 있다.
• 단순 규칙 기반 분류는 조명·각도·오염에 취약해, 대규모 라벨링 데이터 + 딥러닝 기반 분류가 필요하다.
• 교육용 프로토타입이지만, 센서 감지 → 이동 → 촬영 → 추론 → 물리 분류까지 이어지는 end-to-end 흐름을 구현해 IoT·AI 연동 역량을 검증해야 했다.
• AiHub 생활폐기물 이미지는 JSON BOX 라벨 형식이라, YOLO 학습에 맞는 데이터 정제·변환 파이프라인이 선행되어야 했다.

시스템 구성 (What)

[초음파 센서 1] → 물체 입구 감지 → [DC 모터] 이동
        ↓
[초음파 센서 2] → 카메라 위치 도달 → [카메라 촬영]
        ↓
[분류 엔진]  ── 프로토타입: OpenCV 히스토그램 비교 (Edge)
              └── 고도화: YOLOv8 GPU 추론 (6종 분류)
        ↓
[서보 모터] 종류별 배출 + [RGB LCD] 결과 표시

• Edge(라즈베리파이): 초음파·DC모터·서보·LED·Grove RGB LCD 제어, 실시간 분류 루프
• AI 서버/PC: AiHub 데이터 수집·전처리·YOLOv8 학습·검증·예측 파이프라인
• 6개 분류 클래스: 비닐(vinyl), 유리병(glass), 종이류(paper), 캔류(can), 페트병(PET), 플라스틱류(plastic)
• 이중 분류 전략: 초기 Edge는 경량 히스토그램 방식, 고도화는 YOLOv8 객체 탐지로 전환

주요 기능 (서비스 관점)