TinyML-based Low Power Smart Metering System

계량기는 크게 3가지로 기계식, 디지털식, 클라우드 서버 식으로 구분된다. 각 계량기들은 장단점이 존재하는데 기계식은 사람이 숫자를 직접 확인해야 하고, 디지털식은 배터리 방전 시 과금이 불가할 수 있으며, 클라우드 서버 식은 영상 데이터를 전송하기에 통신비용이 증대되고 기존의 과금 시스템을 교체해야 하는 문제가 있다. 따라서 본 논문에서는 기본 방식들의 문제점을 해결하기 위해 기계식 계량기에 카메라가 장착된 TinyML용 에지 디바이스를 부착하여 계량기의 숫자를 에지 디바이스에서 자동 인식하고 인식된 숫자만 기존의 과금 시스템을 통해서 전송하는 방식을 제안한다. 제안한 방식에서 사용된 DNN은 99.07% 정확도로 계량기 숫자를 인식한다. 또한, 제안한 방식은 저용량 에지 디바이스에서 동작되는 만큼 DNN의 효율화가 중요하다. 따라서 복잡한 DNN보다는 2개의 Convolutional layer와 2개의 FC layer로 구성된 굉장히 가벼운 네트워크을 사용하였으며, 사후 양자화를 적용시켜 에지 디바이스에 포팅하였다. 또한, 계량기의 숫자가 변환하는 상태(예: 0 ~ 1로 변환)를 인식하기 위해 기존의 연구들은 변환하는 상태별로 새로운 클래스로 지정한 반면, 제안한 방법은 전통적인 영상처리 기법을 활용하여 인식하였고, 이로 인해 네트워크을 간소화할 수 있었다. 숫자가 변환하는 상태를 인식하는 알고리즘의 정확도는 100%를 보였다. 제안한 알고리즘은 nRF52840 마이크로컨트롤러에 포팅하였으며, 6시간마다 계량기 숫자를 인식할 경우 1년 동안 소비하는 전류는 약 121mAh로 예측된다.