제14 항에 있어서, 상기 적어도 하나의 프로세서는:상기 복수의 이미지들을 상기 카테고리 식별 인공 지능 모델에 입력함으로써, 상기 웨어러블 액세서리의 카테고리를 식별하고,상기 복수의 이미지들 및 상기 식별된 카테고리에 대응하는 상기 외부 분석 인공 지능 모델에 기반하여, 상기 외부 상태 정보를 획득하도록 더 설정된,전자 장치.

전자 장치의 동작 방법으로서,특정 사용자의 웨어러블 액세서리에 대한 복수의 이미지들을 획득하는 동작;상기 웨어러블 액세서리와 통신 연결된 기기에 의해 수집된 상기 웨어러블 액세서리에 대한 동작 정보를 획득하는 동작;상기 복수의 이미지들 및 적어도 하나의 인공 지능 모델에 기반하여, 상기 웨어러블 액세서리의 하우징의 영역들 별 손상 정도를 나타내는 외부 상태 정보를 획득하는 동작;상기 동작 정보에 기반하여, 상기 웨어러블 액세서리 내부의 전자 부품들 별 상태를 나타내는 내부 상태 정보를 획득하는 동작; 및상기 외부 상태 정보 및 상기 내부 상태 정보에 기반하여, 자동 수리를 위해 복수의 수리 장치들을 포함하는 설비를 이용하여 상기 웨어러블 액세서리에 대해서 수행될 수리 방식을 결정하는 동작;을 포함하는,동작 방법.

제1 항에 있어서,상기 복수의 이미지들은, 상기 웨어러블 액세서리에 대한 서로 다른 방향에서 촬영된 이미지들, 및/또는 상기 웨어러블 액세서리에 대한 서로 다른 쌍에 대한 이미지들을 포함하는,동작 방법.

제2 항에 있어서,상기 적어도 하나의 인공 지능 모델은 상기 영역들 별 상기 손상 정도를 출력하도록 구현되는 외부 분석 인공 지능 모델을 포함하고,상기 외부 분석 인공 지능 모델의 트레이닝 데이터는 적어도 하나의 영역이 레이블링된 상기 복수의 이미지들, 및 상기 레이블링된 적어도 하나의 영역에 대응하는 손상 정도를 포함하고, 상기 각각이 적어도 하나의 영역이 레이블링된 상기 복수의 이미지들이 입력 데이터로 설정되고, 상기 레이블링된 적어도 하나의 영역에 대응하는 손상 정도가 출력 데이터로 설정된 상태에서 학습이 수행됨에 따라, 상기 외부 분석 인공 지능 모델이 생성되는,동작 방법.

제3 항에 있어서,상기 웨어러블 액세서리는 복수의 카테고리들 별로 분류되고,상기 적어도 하나의 인공 지능 모델은, 상기 웨어러블 액세서리에 대한 카테고리를 출력하도록 구현된 카테고리 식별 인공 지능 모델을 포함하고,상기 카테고리 식별 인공 지능 모델의 트레이닝 데이터는 상기 복수의 이미지들, 및 상기 웨어러블 액세서리의 카테고리를 포함하고, 상기 복수의 이미지들이 입력 데이터로 설정되고, 상기 웨어러블 액세서리의 카테고리가 출력 데이터로 설정된 상태에서 학습이 수행됨에 따라, 상기 카테고리 식별 인공 지능 모델이 생성되는, 동작 방법.

제4 항에 있어서,상기 복수의 이미지들을 상기 카테고리 식별 인공 지능 모델에 입력함으로써, 상기 웨어러블 액세서리의 카테고리를 식별하는 동작; 및상기 복수의 이미지들 및 상기 식별된 카테고리에 대응하는 상기 외부 분석 인공 지능 모델에 기반하여, 상기 외부 상태 정보를 획득하는 동작;을 더 포함하는,동작 방법.

제1 항에 있어서, 상기 웨어러블 액세서리에 대해서 수행될 수리 방식을 결정하는 동작은:상기 외부 상태 정보 또는 상기 내부 상태 정보 중 적어도 하나를, 공정 파라미터 결정 인공 지능 모델에 입력함으로써 출력되는 공정 파라미터를 획득하는 동작;을 포함하고,상기 공정 파라미터는, 상기 웨어러블 액세서리에 대한 수리 공정 가능 여부에 대한 정보, 또는 상기 웨어러블 액세서리에 대한 상기 설비의 상기 복수의 수리 장치들 별 공정 조건에 대한 정보 중 적어도 하나를 포함하는,동작 방법.

제6 항에 있어서,상기 웨어러블 액세서리에 대한 수리 공정이 불가한 것으로 식별되는 경우, 상기 웨어러블 액세서리를 상기 설비로의 제공을 삼가하는 동작;을 포함하는,동작 방법.

제7 항에 있어서, 상기 웨어러블 액세서리에 대한 수리 공정이 가능한 것으로 식별되는 경우, 상기 공정 조건에 대한 정보에 기반하여 상기 설비의 복수의 수리 장치들 중 일부의 공정 조건을 제어하고, 상기 설비의 이송 장치를 제어하는 동작;을 포함하는,동작 방법.

제1 항에 있어서,상기 웨어러블 액세서리에 대한 수리가 완료된 이후, 수리가 완료된 상기 웨어러블 액세서리에 대한 제1 외부 상태 정보 및 제1 내부 상태 정보를 획득하는 동작;상기 외부 상태 정보와 상기 제1 외부 상태 정보를 비교하고, 상기 내부 상태 정보와 상기 제1 내부 상태 정보를 비교한 것에 기반하여, 상기 웨어러블 액세서리에 대한 보고서를 생성하는 동작;을 포함하는,동작 방법.

제1 항에 있어서, 상기 외부 상태 정보를 내부 상태 분석 인공 지능 모델에 입력한 것에 기반하여, 상기 내부 상태 정보를 획득하는 동작;을 더 포함하는,동작 방법.

전자 장치로서,통신 회로; 및적어도 하나의 프로세서;를 포함하고, 상기 적어도 하나의 프로세서는:상기 통신 회로를 통해, 특정 사용자의 웨어러블 액세서리에 대한 복수의 이미지들을 획득하고,상기 통신 회로를 통해, 상기 웨어러블 액세서리와 통신 연결된 기기에 의해 수집된 상기 웨어러블 액세서리에 대한 동작 정보를 획득하고,상기 복수의 이미지들 및 적어도 하나의 인공 지능 모델에 기반하여, 상기 웨어러블 액세서리의 하우징의 영역들 별 손상 정도를 나타내는 외부 상태 정보를 획득하고,상기 동작 정보에 기반하여, 상기 웨어러블 액세서리 내부의 전자 부품들 별 상태를 나타내는 내부 상태 정보를 획득하고,상기 외부 상태 정보 및 상기 내부 상태 정보에 기반하여, 자동 수리를 위해 복수의 수리 장치들을 포함하는 설비를 이용하여 상기 웨어러블 액세서리에 대해서 수행될 수리 방식을 결정하도록 설정된,전자 장치.

제11 항에 있어서,상기 복수의 이미지들은, 상기 웨어러블 액세서리에 대한 서로 다른 방향에서 촬영된 이미지들, 및/또는 상기 웨어러블 액세서리에 대한 서로 다른 쌍에 대한 이미지들을 포함하는,전자 장치.

제12 항에 있어서,상기 적어도 하나의 인공 지능 모델은 상기 영역들 별 상기 손상 정도를 출력하도록 구현되는 외부 분석 인공 지능 모델을 포함하고,상기 외부 분석 인공 지능 모델의 트레이닝 데이터는 적어도 하나의 영역이 레이블링된 상기 복수의 이미지들, 및 상기 레이블링된 적어도 하나의 영역에 대응하는 손상 정도를 포함하고, 상기 각각이 적어도 하나의 영역이 레이블링된 상기 복수의 이미지들이 입력 데이터로 설정되고, 상기 레이블링된 적어도 하나의 영역에 대응하는 손상 정도가 출력 데이터로 설정된 상태에서 학습이 수행됨에 따라, 상기 외부 분석 인공 지능 모델이 생성되는,전자 장치.

제13 항에 있어서,상기 웨어러블 액세서리는 복수의 카테고리들 별로 분류되고,상기 적어도 하나의 인공 지능 모델은, 상기 웨어러블 액세서리에 대한 카테고리를 출력하도록 구현된 카테고리 식별 인공 지능 모델을 포함하고,상기 카테고리 식별 인공 지능 모델의 트레이닝 데이터는 상기 복수의 이미지들, 및 상기 웨어러블 액세서리의 카테고리를 포함하고, 상기 복수의 이미지들이 입력 데이터로 설정되고, 상기 웨어러블 액세서리의 카테고리가 출력 데이터로 설정된 상태에서 학습이 수행됨에 따라, 상기 카테고리 식별 인공 지능 모델이 생성되는, 전자 장치.