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