온-디바이스 AI와 엣지 컴퓨팅 기술은 최근 산업 현장에서 실시간 데이터 처리와 신속한 의사결정이 요구됨에 따라 주목받고 있습니다. 본 연구실은 경량화된 딥러닝 모델을 활용하여 임베디드 보드 및 엣지 디바이스에서 기계 결함을 실시간으로 진단하는 시스템을 개발하고 있습니다. 이러한 시스템은 클라우드 서버에 의존하지 않고, 현장에서 직접 데이터를 분석함으로써 네트워크 지연과 보안 문제를 최소화할 수 있습니다. 특히, 본 연구실은 연속학습(continual learning) 알고리즘과 경량 CNN, Vision Transformer 등 다양한 딥러닝 모델을 실제 산업 환경에 적용하고 있습니다. 예를 들어, 라즈베리파이와 같은 저전력 엣지 디바이스에서 3ms 이내에 결함 진단이 가능한 시스템을 구현하였으며, 다양한 공개 진동 데이터셋을 활용해 알고리즘의 성능을 검증하였습니다. 또한, 실시간 모니터링과 데이터 시각화 기능을 통합하여 산업 현장에서의 활용성을 극대화하고 있습니다. 이러한 연구는 스마트 팩토리, 산업 자동화, 스마트 시티 등 다양한 분야에 적용될 수 있으며, 저비용·고효율의 지능형 유지보수 시스템 구현에 기여하고 있습니다. 앞으로도 본 연구실은 엣지 AI의 효율성과 신뢰성을 높이기 위한 모델 최적화, 하드웨어-소프트웨어 통합, 다양한 산업 도메인에 특화된 진단 솔루션 개발을 지속적으로 추진할 계획입니다.

본 연구실은 IoT(사물인터넷) 환경에서 분산된 센서, 액추에이터, 모바일 디바이스를 효과적으로 연결하고 제어할 수 있는 지능형 시스템 아키텍처를 연구합니다. 다양한 통신 프로토콜(Wi-Fi, Bluetooth, Ethernet 등)을 활용하여 대규모 디바이스 네트워크를 구성하고, 환경 제어, 모니터링, 로보틱스, 스마트 시티, 스마트 농업 등 다양한 응용 분야에 적용 가능한 IoT 플랫폼을 개발하고 있습니다. 특히, 오픈소스 기반의 산업 자동화 플랫폼(FiWare 등)과 통합된 모바일 애플리케이션을 통해 산업 현장의 모니터링과 제어를 간소화하고, 데이터 수집 및 분석의 효율성을 높이고 있습니다. 또한, 타임드 오토마타 기반의 자동 코드 생성, 표준화된 모션 제어 시스템(PLCopen, EtherCAT 등) 개발을 통해 산업 자동화 소프트웨어의 신뢰성과 확장성을 확보하고 있습니다. 이와 더불어, 스마트 센서와 엔코더, 멀티코어 기반 모션 제어기, 실시간 임베디드 제어기 등 하드웨어와 소프트웨어를 통합한 솔루션을 연구하여, 실제 산업 현장에서 요구되는 고정밀, 고신뢰성, 실시간 제어 성능을 구현하고 있습니다. 이러한 연구는 미래형 스마트 제조, 로봇, 에너지 관리, 농업 자동화 등 다양한 산업 분야의 혁신을 선도하고 있습니다.

GPU(그래픽 처리 장치)는 기존 멀티코어 기반 아키텍처의 성능 한계를 극복하기 위한 고성능 병렬 컴퓨팅 솔루션으로 각광받고 있습니다. 본 연구실은 GPU를 활용한 딥러닝, 이미지 처리, 엣지 컴퓨팅 등 다양한 응용 분야에서의 최적화 기법을 연구하고 있습니다. 특히, 병렬 프로그램의 리소스 사용과 스레드 수를 애플리케이션 특성에 맞게 조정하여, GPU의 최대 성능을 이끌어내는 방법론을 개발하고 있습니다. 실제 연구에서는 CUDA 기반의 병렬화 프레임워크를 활용해 지진파 분석, 위성 영상 처리, 산업 자동화 등 다양한 분야의 대규모 데이터 처리와 실시간 분석을 구현하였습니다. 또한, GPU 및 EdgeTPU 등 다양한 하드웨어 플랫폼에서의 딥러닝 모델 최적화 및 성능 평가를 통해, 각 플랫폼에 특화된 효율적인 연산 구조를 설계하고 있습니다. 이러한 연구는 고성능 임베디드 시스템의 실시간성, 에너지 효율성, 확장성을 동시에 확보하는 데 중점을 두고 있으며, 향후 자율주행, 스마트 팩토리, 환경 모니터링 등 다양한 첨단 산업 분야에서의 활용 가능성을 높이고 있습니다.