본 교재는 “라즈베리파이4로 구현하는 사물인터넷(IoT)과 인공지능(AI)”의 후속 교재 성격으로, 이전 교재와 마찬가지로 센서 실습을 할 때 복잡한 부품들의 배선을 쉽게 하도록 브레드보드와 점프 와이어를 사용하지 않고 라즈베리파이 센서 HAT 보드를 사용하여 연결만 하면 바로 실습할 수 있게 하였기 때문에 전자공학 비전문가들도 간단하게 따라 하기가 가능합니다.

 

라즈베리파이4 사용자를 위해서 라즈베리파이5에서 달라진 전원공급(5A@5V) 방법과 운영체제 설치 방법 등을 설명하였고, 이전 교재와 다르게 리눅스 명령어와 파이썬 기초 문법은 과감하게 생략하여 라즈베리파이5에서 사물인터넷 구현을 위한 기초 센서 사용법과 블루투스 통신, IoT 서비스 구현을 위한 데이터베이스와 웹서비스를 구현하는 데에 집중하였습니다.

 

만약 리눅스 명령어와 파이썬 문법을 먼저 공부해야 한다면 “라즈베리파이4로 구현하는 사물인터넷(IoT)과 인공지능(AI)” 교재로 먼저 시작해 보는 것을 추천해 드립니다.

 

교재의 후반부에서는 합성곱(CNN) 신경망을 이용하여 자율주행 자동차를 구현하였는데, 전 세계적으로 많은 사용자를 확보한 “donkey car(https://docs.donkeycar.com)” 오픈소스 모델을 많이 참조하였습니다.

 

라즈베리파이5 환경에서 인공지능 개발 환경으로 Tensorflow 2.x 버전을 많이 사용하고 있는데 파이썬과 Numpy 버전에 따라서 설치하는 방법이 조금 복잡합니다. 파이썬 가상환경 설정 방법과 텐서플로우 설치 방법, 특히 합성곱(CNN) 신경망의 동작 원리에 아주 친절하고 상세하게 설명하였고, OpenCV를 이용해서 합성곱(CNN) 신경망 학습에 필요한 데이터 수집과 수집한 데이터를 라즈베리파이5에서 학습시키는 방법과 라즈베리파이5에 저장된 학습용 데이터를 PC로 옮겨와서 효율적으로 학습시키는 방법도 알 수 있습니다.

 

마지막 장에는 YOLO v11 Object detect 모델을 설치하고 자율주행 자동차에 적용하기 위해서 YOLO v11용 커스텀 데이터를 학습시켜서 학습한 모델을 사용하는 방법까지 학습이 완료된다면 본 교재를 통해서 배운 지식을 바탕으로 자율주행 자동차의 기초를 알 수 있을 뿐만 아니라, 합성곱(CNN) 신경망과 Object detect 모델을 활용한 다른 산업 분야에도 응용하고 적용할 수 있으리라고 생각합니다.

 

 

- 저자일동-

[목 차]

1. 라즈베리파이5 소개 및 시작하기

 

　1.1 라즈베리파이5 소개

 

　1.2 라즈비안 OS 설치

　　(1) 마이크로 SD 메모리 포맷

　　(2) 라즈비안 OS 설치

 

　1.3 라즈베리파이 환경 설정

　　(1) 라즈베리파이 IP 찾기

 

　1.4 네트워크로 접속하기

　　(1) SSH 사용

　　(2) VNC 사용

　　(3) FTP 서버 구축하기

 

　1.5 라즈베리파이 설정 마무리

　　(1) Locale, Timezone, Keyboard 설정

　　(2) 라즈베리파이 WiFi 설정

　　(3) 라즈베리파이 업데이트

　　(4) 한글 폰트, 입력기(IBUS) 설치

 

 

2. 라즈베리파이 파이썬

 

　2.1 파이썬 개요

 

　2.2 파이썬 시작하기

　　(1) 파이썬 개발 환경(IDE) 실행하기

　　(2) 파이썬 코드 작성

　　(3) IDE 환경에서 파이썬 코드 실행

　　(4) Shell 프롬프트에서 파이썬 코드 실행

 

　2.3 인공지능을 위한 파이썬 버전 선택

　　(1) pyenv 설치

　　(2) pyenv로 새로운 파이썬 버전 설치

 

　2.4 파이썬 가상환경 설정하기

　　(1) 파이썬 가상환경 만들기

　　(2) 파이썬 가상환경 활성화

　　(3) 파이썬 가상환경 종료

　　(4) 파이썬 가상환경 삭제

 

　2.5 Thonny 파이썬 가상환경 설정

　　(1) Switch to regular mode

　　(2) 파이썬 인터프리터 선택

 

　2.6 파이썬 버전에 맞는 텐서플로우 설치

　　(1) 파이썬 3.11.2 + Tensorflow 2.19 설치

　　(2) 다른 버전의 Tensorflow 설치 예제

 

 

3. 라즈베리파이 GPIO

 

　3.1 GPIO의 기본 개념과 구조

　　(1) GPIO의 정의와 특성

　　(2) 라즈베리파이5의 GPIO 핀 배치

 

　3.2 GPIO LED 제어

　　(1) LED 제어의 이해

　　(2) GPIO 프로그래밍 실습

 

　3.3 GPIO 버튼 입력과 LED 출력 실습

 

　3.4 GPIO 응용 사례 및 실생활 적용

 

　3.5 초음파 센서(HC-SR04)

　　(1) 초음파 센서(HC-SR04) 원리

　　(2) 초음파 센서 실습

 

　3.6 PWM(Pulse Width Modulation)

　　(1) PWM 이론과 LED 제어 실습

 

　3.7 PWM 버저 실습

　　(1) Buzzer

　　(2) TonalBuzzer와 음계

 

　3.8 PWM 서보모터 제어

　　(1) 서보모터의 제어 원리

 

　3.9 UART(Universal Asynchronous Receiver-Transmitter) 통신

　　(1) 시리얼 통신 개요

　　(2) UART 통신 구조

　　(3) 라즈베리파이5 시리얼 장치

　　(4) 라즈베리파이5 UART 통신 실습

 

　3.10 UART 통신 LED 제어

 

 

4. 블루투스 통신 (Bluetoot Communication)

 

　4.1 블루투스 통신

　　(1) 블루투스 통신 개요

　　(2) 블루투스 모듈 연결

 

　4.2 블루투스 통신 실습

　　(1) 블루투스 실습

 

 

5. SPI 통신 (Serial Peripheral Interface)

 

　5.1 SPI 통신 개요

 

　5.2 동기식과 비동기식 통신 방식 비교

 

　5.3 SPI 통신의 신호선과 동작 원리

 

　5.4 MCP3008 ADC Chip

　　(1) 아날로그와 디지털 신호

　　(2) ADC(Analog to Digital Converter) 변환 원리

　　(3) MCP3008 회로 연결

 

　5.5 SPI 가변저항 입력 실습

　　(1) 가변저항 입력

　　(2) 배선도

　　(3) gpiozero 라이브러리에서 SPI 장치의 핀 지정 방법

　　(4) 실습 코드 예시 및 설명

 

　5.6 LM35 온도센서

　　(1) SPI 통신 활성화

　　(2) spidev 라이브러리 설치

 

 

6. 카메라 활용

 

　6.1 라즈베리파이5 카메라

　　(1) 카메라 인터페이스 활성화

　　(2) 카메라 동작 테스트

 

　6.2 picamera2 사용

 

 

7. OpenCV 활용

 

　7.1 OpenCV 설치

　　(1) 라즈베리파이 OpenCV 4.x 설치

 

　7.2 OpenCV 기본 활용

　　(1) 이미지 표시하기

　　(2) 그레이 스케일 변경

 

　7.3 OpenCV 카메라 활용

　　(1) OpenCV 카메라 미리보기

　　(2) OpenCV 카메라 사진 저장하기

 

　7.4 인공지능 안면, 눈 인식

 

　7.5 OpenCV 모션 인식 침입 탐지 기능

 

 

8. Flask 웹 서버를 이용한 IoT 서비스

 

　8.1 웹 서버 역할

 

　8.2 플라스크 웹 서버

　　(1) 플라스크 웹 서버 설치

　　(2) 플라스크 테스트

　　(3) 웹 페이지 추가하는 방법

　　(4) HTML 페이지 작성하기

 

　8.3 GET, POST 요청

　　(1) GET 방식 파라미터

　　(2) POST 방식 파라미터

 

　8.4 웹 GPIO 제어

 

 

9. MariaDB 데이터베이스

 

　9.1 MariaDB

　　(1) MariaDB 설치

　　(2) root 계정 설정

　　(3) DB 사용자 권한 설정

 

　9.2 HeidiSQL 접속

　　(1) 외부 접속 허용 설정

　　(2) heidiSQL 설치

 

　9.3 테이블 생성

　　(1) temperature 테이블 생성

　　(2) user_info 테이블 생성

 

　9.4 데이터베이스 쿼리(Query)

　　(1) INSERT 문

　　(2) SELECT 문

　　(3) UPDATE 문

　　(4) DELETE 문

 

　9.5 웹 온도 서비스

　　(1) mysql-connector 설치

　　(2) mysql-connector 테스트

　　(3) 온도센서 데이터 DB 저장

　　(4) 온도센서 데이터 웹 서비스

　　(5) 온도센서 데이터 웹 서비스 - 날짜 검색 추가

 

　9.6 플라스크 그래프(Chart.js) 그리기

　　(1) Chart.js 사용

　　(2) Chart.js 그래프 예제

　　(3) 온도 변화 라인 그래프 그리기

 

 

10. 파이썬으로 자동차 제어하기

 

　10.1 자율주행 자동차 조립하기

　　(1) 라즈베리파이5 AI 인공지능 자율주행 자동차 PiCar-R5 구성품

　　(2) PiCar-R5 조립

 

　10.2 자율주행 자동차 전원 켜기

 

　10.3 자율주행 자동차 제어 보드 LED 컨트롤

 

　10.4 키보드를 이용한 LED 제어

 

　10.5 DC 모터 제어

　　(1) DC 모터의 구조

　　(2) DC 모터 방향 제어

　　(3) DC 모터 속도 제어

 

　10.6 자동차 전진, 후진, 회전시키기

 

　10.7 I2C 통신

　　(1) I2C 통신 구조

　　(2) I2C 통신 방식

　　(3) I2C 통신 읽기, 쓰기

 

　10.8 PCA9685 서보모터 제어

　　(1) PCA9685

　　(2) 라즈베리파이 I2C 활성화

　　(3) PCA9685 라이브러리 설치

　　(4) SG90 서보모터 제어

 

　10.9 WS2812 RGB LED 제어

　　(1) WS2812 RGB LED제어 라이브러리 설치

 

 

11. 웹 인터페이스로 자동차 제어하기

 

　11.1 웹 원격 제어 CCTV

 

　11.2 OpenCV 모션 인식 스트리밍

 

 

12. 자율주행 자동차 구현

 

　12.1 자율주행 모델 학습을 위한 데이터 저장

　　(1) car_control.py 실행 구조

　　(2) 무선 공유기가 없는 환경에서 자동차 원격 제어

　　(3) car_control.html 버튼 기능

 

　12.2 자율주행 모델 학습용 데이터 불러오기

 

　12.3 자율주행 모델 학습 데이터 분류하기

 

　12.4 합성곱(CNN) 신경망

　　(1) 합성곱(CNN) 신경망 구조

　　(2) 합성곱 신경망: 패딩(Padding)

　　(3) 합성곱 신경망: 스트라이드(Stride)

　　(4) 할성화 함수: Relu

　　(5) 합성곱 신경망: MaxPooling Layer

　　(6) 합성곱 신경망: Dropout Layer

　　(7) 합성곱 신경망: Flatten Layer

 

　12.5 머신러닝 CNN 모델 학습시키기

　　(1) 합성곱 신경망 코드 분석

 

　12.6 머신러닝 CNN 모델 PC에서 학습하는 방법

　　(1) 학습할 데이터 이동

　　(2) PC에 파이썬, Tensorflow 설치

 

　12.7 모델 데이터 검증하기

 

　12.8 인공지능 자율주행 실습

 

 

13. YOLO v11 Object detect

 

　13.1 YOLO v11 설치

 

　13.2 YOLO v11 테스트

　　(1) 사전 학습된 YOLO 모델 정보 확인

　　(2) YOLO 사물 인식 테스트

 

　13.3 NCNN(Neural Network Computing Framework) 모델

 

　13.4 YOLO v11 커스텀 데이터 학습

　　(1) YOLO 교통 관련 커스텀 데이터 얻기

　　(2) YOLO 학습 데이터 구조

　　(3) YOLO 커스텀 데이터 학습하기

 

　13.5 자율주행 자동차에 YOLO 커스텀 학습 모델 적용

 

 

부 록