복강경 이미지에서 연기를 감지하는 방법에 있어서,복수의 복강경 이미지들에서 연기가 포함되었는지 여부를 판단하도록 학습된 연기 감지 모델에 상기 복강경 이미지를 인가하는 단계;상기 연기 감지 모델로부터 상기 복강경 이미지에서의 연기 포함 여부를 획득하는 단계; 및상기 복강경 이미지에서 연기가 포함되었다는 판단 결과에 응답하여, 연기 제거 장치에 연기 제거 신호를 전송하는 단계를 포함하되,상기 연기 감지 모델은 상기 복수의 복강경 이미지들 각각에 대한 백색도 정보에 기초하여 획득한 정답 데이터를 포함하는 학습 데이터를 이용하여 학습된 방법.

제1항에 있어서,상기 백색도 정보는 상기 복강경 이미지에 포함된 각 배치(batch)들에서의 색상값과 상기 복강경 이미지의 색상값 평균과 비교한 정보를 포함하는 방법.

제1항에 있어서,상기 백색도 정보는 상기 복강경 이미지에 포함된 배치에서의 빛의 강도를 지시하는 밝기(Brightness) 정보 및 상기 복강경 이미지에 포함된 배치들에서 색상이 일관되게 나타내는 정도를 지시하는 색 균등도(Color Uniformity) 정보에 기초하여 결정되는 방법.

제1항에 있어서,상기 백색도 정보와 관련된 학습 데이터에 기초하여 상기 연기 감지 모델을 학습시키는 단계를 더 포함하는 방법.

제4항에 있어서,상기 연기 감지 모델을 학습시키는 단계는:제1 시점에서의 제1 이미지에 기초하여 제1 백색도 정보를 산출하는 단계;상기 제1 시점 이후인, 제2 시점에서의 제2 이미지에 기초하여 제2 백색도 정보를 산출하는 단계;상기 제1 백색도 정보 및 상기 제2 백색도 정보에 기초하여 상기 복강경 이미지의 백색도 변화량 정보를 산출하는 단계; 및백색도 변화량 정보에 기초하여 각 배치마다 연기 발생 여부를 판단하는 단계를 포함하는 방법.

제5항에 있어서,상기 각 배치마다 연기 발생 여부를 판단하는 단계는:백색도 변화량이 일정 기준 이상인 경우, 배치에 연기가 발생했다고 판단하는 단계; 및상기 각 배치별 백색도 변화량이 일정 기준 미만인 경우, 배치에 연기가 발생하지 않았다고 판단하는 단계를 포함하는 방법.

제5항에 있어서,상기 연기 감지 모델을 학습시키는 단계는:상기 판단 결과에 기초하여 상기 제2 이미지에 대응하는 정답 데이터를 생성하는 단계; 및상기 제2 이미지 및 상기 제2 이미지에 대응하는 정답 데이터를 상기 학습 데이터로 하여 상기 연기 감지 모델을 학습시키는 단계를 더 포함하는 방법.

제1항에 있어서,상기 복강경 이미지에 기초하여 상기 백색도 정보를 획득하는 단계 이전에, 상기 복강경 이미지의 사이즈를 사전 결정된 사이즈로 변경하는 단계를 더 포함하는 방법.

복강경 이미지에서 연기를 감지하고 제거하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체에 있어서,상기 프로그램은,복수의 복강경 이미지들에서 연기가 포함되었는지 여부를 판단하도록 학습된 연기 감지 모델에 상기 복강경 이미지를 인가하도록 하고,상기 연기 감지 모델로부터 상기 복강경 이미지에서의 연기 포함 여부를 획득하도록 하고,상기 복강경 이미지에서 연기가 포함되었다는 판단 결과에 응답하여, 연기 제거 장치에 연기 제거 신호를 전송하도록 하되,상기 연기 감지 모델은 상기 복수의 복강경 이미지들 각각에 대한 백색도 정보에 기초하여 획득한 정답 데이터를 포함하는 학습 데이터를 이용하여 학습된 컴퓨터 판독 가능한 기록매체.

전자 장치는 메모리; 및하나 이상의 프로세서를 포함하고,상기 프로세서는,복수의 복강경 이미지들에서 연기가 포함되었는지 여부를 판단하도록 학습된 연기 감지 모델에 복강경 이미지를 인가하고,상기 연기 감지 모델로부터 상기 복강경 이미지에서의 연기 포함 여부를 획득하고,상기 복강경 이미지에서 연기가 포함되었다는 판단 결과에 응답하여, 연기 제거 장치에 연기 제거 신호를 전송하되,상기 연기 감지 모델은 상기 복수의 복강경 이미지들 각각에 대한 백색도 정보에 기초하여 획득한 정답 데이터를 포함하는 학습 데이터를 이용하여 학습된 전자 장치.