엣지 AI 솔루션: 엣지에서 구현하는 정밀 조리

엣지 AI 기반 정밀 조리 기기 사례를 통해 센서 퓨전과 엣지 프로세서 선택이 조리 결과를 어떻게 바꾸는지 소개한다. 행사 안내와 자격증 과정 소개도 함께 다룬다.

⏱ 00:31진행자는 방송 시작 인사를 하고 최근 대만 행사와 항공편 차질에 대해 짧게 이야기한다. 이어서 YouTube, LinkedIn, Facebook 등 여러 플랫폼에서 질문을 남길 수 있다고 안내한다.

또한 Edge AI 자격증 과정을 소개한다. 기초 과정인 Edge AI Fundamentals는 무료이며, 그 밖에 다섯 개 모듈과 새로 출시된 Physical AI 과정이 있다고 설명한다. Electronica 전시회의 Avnet 부스와 Edge Lab Live 워크숍 일정도 알린다.

⏱ 02:29진행자는 센서와 AI를 결합해 실제 결과를 개선하는 방법을 오늘의 주제로 소개한다. 요리는 집에서든 식당에서든 누구나 경험하는 일이므로 청중이 공감하기 쉬운 예시라고 말한다.

게스트로 Chef AI의 Dean과 Renesas의 Ram이 합류한다. Dean은 자동 조리 기기를 만드는 회사의 공동창업자이고, Ram은 Renesas에서 RZG와 RZA 제품 라인을 담당하는 제품 마케팅 디렉터다.

⏱ 05:00Dean은 퇴근 후 연어를 에어프라이어에 넣고 깜빡 잊어버려 전부 타버린 경험을 이야기한다. 조리 상태를 학습하거나 이해하지 못한 채 시간만 맞추는 방식이 문제라고 느꼈다고 한다.

이 경험을 계기로 친구와 함께 소프트웨어와 전기 공학 지식을 합쳐 센서 퓨전과 AI 모델을 조리 용기에 결합하는 방향을 세웠다.

⏱ 07:00Dean은 기존 에어프라이어가 음식 종류별로 고정된 시간을 설정해 두는 프리셋 방식이라고 설명한다. 예를 들어 감자튀김은 9분에서 12분 사이로 정해져 있지만, 양이 적거나 많은 경우를 반영하지 못한다.

스테이크도 두께에 따라 필요한 시간이 크게 달라진다. 1인치와 3인치 스테이크는 같은 시간으로 조리할 수 없으며, 음식의 상태에 대한 정보가 부족한 것이 일관성을 떨어뜨리는 핵심 원인이라고 말한다.

⏱ 09:20Chef AI는 요리하는 사람이 음식을 보고 판단하는 과정을 첫 원리부터 따라가려고 했다고 설명한다. 스테이크의 두께, 크기, 냉동 여부를 살펴 조리 시간을 정하는 과정을 기기가 흉내 내도록 설계했다.

이를 위해 카메라, 열화상 센서, 무게 센서를 함께 사용한다. 카메라는 음식의 종류와 면적을, 열화상 센서는 시작 온도를, 무게 센서는 두께를 파악하며, 사용자는 버튼 하나만 누르면 된다.

⏱ 11:20Dean은 카메라 한 대만으로는 음식의 종류조차 제대로 구분하기 어렵기 때문에 여러 센서의 정보를 조합하는 것이 핵심이라고 강조한다. 센서 퓨전의 결과를 바탕으로 무엇을 얼마나 넣고 어떻게 조리할지 판단한다.

이 계산은 기기 안의 엣지 AI 모델과 클라우드 모델이 나눠 맡으며, 둘 다 CNN 구조를 사용한다. 이 구조를 안정적으로 돌리려면 강력한 AI 엣지 프로세서가 필요해 Renesas와 협업하게 되었다고 설명한다.

⏱ 13:29Ram은 이 설계의 핵심이 Renesas RZ/G2L 프로세서라고 소개한다. 듀얼 Cortex-A55 코어를 갖춰 당시 시장에 있던 Cortex-A53 기반 장치보다 성능 면에서 유리하며, 약 9K CoreMark 수준의 엣지 성능을 제공한다고 밝힌다.

또한 Cortex-M33 코어가 온도 제어와 사용자 인터페이스처럼 실시간 동작이 필요한 기능을 맡아 조리 기기의 안정적인 제어를 돕는다고 설명한다.