Grablo 플랫폼과 컨트롤러의 버전별 업데이트 내역입니다.
쌓아 둔 카메라 기록에서 사람을 찾는 일만 하는 제품을 새로 내놓았습니다. 규칙을 짜거나 장치를 연결하지 않아도 되고, 카메라를 등록하면 그때부터 기록이 쌓이며 아래의 네 가지 방법으로 찾을 수 있습니다.
기록에 남은 사람과 얼굴을 같은 사람끼리 자동으로 묶어 줍니다. 지금까지는 누군가를 찾으려면 먼저 그 사람을 찾아야 했지만, 이제 사람 탭을 열면 그 기간에 다녀간 사람들이 이미 묶여 있습니다. 얼굴과 겉모습 중에서 무엇으로 묶을지 고를 수 있어, 얼굴이 보이지 않는 각도로 찍힌 장면도 옷차림과 체형으로 함께 묶입니다. 인물 카드에 이름을 붙여 두면 다음부터는 이름으로 찾을 수 있습니다.
확실하지 않은 묶음은 임의로 합치지 않고, 사진 여러 장을 나란히 놓고 같은 사람인지 물어봅니다. 맞다고 답한 것만 합쳐지고, 아니라고 답한 짝은 다시 묻지 않습니다. 한 번 합친 묶음은 되돌릴 수 없으니 사진을 확인한 뒤에 결정하세요.
찾고 싶은 장면을 문장으로 적어서 찾을 수 있습니다. 예를 들어 ‘빨간 옷 입은 사람’이라고 적으면 그에 가까운 기록을 모아 보여 줍니다. 이름을 등록해 두지 않은 사람도 찾을 수 있습니다.
상의 색과 하의 색, 나이대, 안경, 상의 무늬, 치마와 부츠, 가방 같은 소지품, 향하는 방향을 조건으로 골라 찾을 수 있습니다. 색은 비슷한 색까지 함께 찾도록 켜 둘 수 있어, 조명에 따라 달라 보이는 경우에도 놓치지 않습니다.
기록을 보다가 화면에서 사람을 누르면 그 사람이 찍힌 다른 기록을 찾아 줍니다. 얼굴로 찾기는 이름을 등록해 두지 않아도 되고, 겉모습으로 찾기는 옷차림과 체형, 소지품까지 보기 때문에 얼굴이 보이지 않는 각도에서도 찾을 수 있습니다.
영상 길이를 ‘정해진 시간’ 대신 ‘감지되는 동안’으로 고르면, 조건이 성립하는 동안 계속 녹화하고 상황이 끝나면 멈춥니다. 얼마나 이어질지 모르는 상황을 통째로 남길 때 사용합니다. 카메라 한 대에 하나씩 지정할 수 있습니다.
30일치 기록에서 찾는 데 걸리던 시간이 약 4초에서 0.5초 안팎으로 줄었습니다. 기록이 아주 많이 쌓인 경우에도 30초 넘게 걸리던 것이 3초 안팎으로 끝납니다. 등록한 얼굴 목록도 기다림 없이 바로 열립니다.
화면에 움직임이 없으면 분석을 쉬게 해 기기 부담을 줄였습니다. 초당 분석 횟수도 1회에서 10회 사이에서 직접 정할 수 있어, 기기 성능과 장면에 맞춰 조절할 수 있습니다.
기록을 지우면 그 기록을 찾는 데 쓰이던 자료까지 함께 정리되어 저장 공간이 실제로 회수됩니다. 보관 기간이 지나 자동으로 정리되는 경우에도 동일하게 동작합니다.
여러 문제를 함께 바로잡았습니다. 늦게 연결된 카메라의 분석이 시작되지 않던 문제, 기록이 많이 쌓이는 동안 화면이 잠시 멈춘 것처럼 보이던 문제, 사람 묶기가 도중에 멈추던 문제를 수정했습니다.
카메라 화면을 항상 짧게 보관하고 있다가, 조건이 성립하면 그 시점의 앞뒤 구간을 하나의 영상으로 저장합니다. 사진 한 장으로는 알 수 없던 앞뒤 정황을 사건 직전 장면부터 확인할 수 있습니다. 사건 이전 구간과 이후 구간의 길이는 기록마다 따로 정할 수 있습니다.
조건과 관계없이 원할 때 녹화를 시작하고 멈추는 동작을 추가했습니다. 작업 구간 전체를 남겨야 할 때 사용할 수 있고, 녹화 도중 전원이 끊기더라도 그때까지 저장된 부분은 그대로 재생됩니다.
기록 목록의 사진 위에 재생 표시가 붙고, 누르면 그 자리에서 영상이 재생됩니다. 사진과 영상을 한 화면에서 좌우로 넘겨 볼 수 있어 창을 닫고 다시 찾아 들어갈 필요가 없고, 한 번 받아 둔 영상은 다시 열 때 기다리지 않습니다. 재생바에는 사건이 일어난 시점이 표시되어 어느 지점을 봐야 하는지 바로 알 수 있습니다.
기록 동작에서 어떤 카메라와 어떤 값을 남길지 직접 고를 수 있습니다. 예를 들어 1번 카메라에서 사람이 보이면 2번, 3번 카메라의 영상까지 함께 남기는 식으로, 판단에 사용하지 않는 카메라도 기록 대상으로 지정할 수 있습니다. 기록마다 대상과 촬영 길이를 따로 정할 수 있으며, 기존 설정은 그대로 옮겨집니다.
대상이 지정한 영역에 들어왔는지 판단하는 기준을 고를 수 있습니다. 사람이나 차량이 바닥에 닿는 지점, 대상의 중심점, 영역과 겹친 비율 중에서 선택합니다. 지금까지는 중심점만 사용해 카메라를 비스듬히 설치하면 실제로 서 있는 자리와 판정이 어긋났는데, 바닥에 닿는 지점을 기준으로 하면 멀리 있는 대상도 정확하게 판정됩니다. 기존 프로젝트는 이전과 동일하게 동작합니다.
기록에서 학습 샘플로 등록한 장면의 표시를 컨트롤러가 기억합니다. 다른 PC나 다른 브라우저에서 열어도 이미 등록한 것이 그대로 표시되어 같은 장면을 두 번 넣는 일이 없고, 여럿이 나눠서 교정할 때도 진행 상황이 공유됩니다. 반대로 학습 화면에서 샘플을 지우면 그 장면을 다시 등록할 수 있습니다.
사진과 영상이 쌓여 저장 공간이 부족해지면 오래된 파일부터 자동으로 정리합니다. 기록 목록은 남기고 파일만 정리하므로 언제 무슨 일이 있었는지는 계속 확인할 수 있습니다. 별도로 설정할 항목은 없으며, 사용자가 경로를 직접 지정해 저장한 파일은 정리 대상에서 제외됩니다.
화질이나 보관 크기처럼 사용자가 판단하기 어려운 값은 카메라와 기기 성능에 맞춰 자동으로 정합니다. 직접 정할 것은 저장 위치와 앞뒤 구간의 길이뿐입니다. 메모리에 여유가 있는 기기에서는 사건 이전 구간을 최대 5분까지 담을 수 있습니다.
브라우저를 오래 켜 두거나 다른 탭에 있다가 돌아왔을 때 카메라 화면이 연결중 상태에서 더 진행되지 않고, 새로고침해야만 보이던 문제를 수정했습니다. 첫 화면이 늦게 나오는 카메라가 끝내 표시되지 않던 문제와, 멀쩡히 재생 중이던 화면이 연결중으로 되돌아가던 문제도 함께 바로잡았습니다.
그래픽 가속 장치가 없는 PC나 가상 환경(Windows)에서 네트워크 카메라가 화면을 한 장도 받지 못한 채 접속을 무한히 반복하던 문제를 수정했습니다. 이제 실제로 사용할 수 있는 가속 방식인지 먼저 확인하고, 사용할 수 없으면 다른 방식으로 자동 전환합니다.
연속 녹화로 저장한 영상이 전체 구간 검은 화면으로 재생되던 문제를 수정했습니다. USB 웹캠처럼 화면을 다시 변환해서 저장하는 카메라에서 발생했습니다.
짧은 간격으로 사건이 연달아 일어나면 영상이 사건마다 따로 저장되지 않고 서로 잘리거나, 가장 최근에 저장한 영상이 다음 사건이 일어날 때까지 재생되지 않던 문제를 수정했습니다. 이제 사건마다 앞뒤 구간을 온전히 담은 영상이 하나씩 저장됩니다.
기록을 삭제해도 영상 파일은 저장 공간에 그대로 남던 문제를 수정했습니다. 한 기록에 조건이 여러 개일 때 일부 사진만 지워지던 문제도 함께 수정했습니다.
영역을 아주 많은 꼭짓점으로 그렸을 때 분석이 멈춰 버리던 문제를 수정했습니다.
영상을 재생하면 자동으로 전체화면으로 전환되어 사건 시점 표시가 보이지 않던 문제를 수정했습니다.
비스듬한 다각형 영역에서 이름표가 영역과 한참 떨어진 빈 공간에 떠 있던 문제를 수정했습니다. 이제 이름표가 영역의 가장 위쪽 꼭짓점에 붙어 어느 영역의 이름인지 바로 알 수 있습니다. 사각형 영역의 표시 위치는 이전과 동일합니다.
다각형으로 그린 영역에 이름표가 아예 그려지지 않던 문제를 수정했습니다. 영역을 여러 개 사용할 때 화면만 보고는 어느 것이 어느 영역인지 구분할 수 없던 불편이 해소됩니다.
영역이 화면 위쪽이나 오른쪽 끝에 붙어 있으면 이름표가 화면 밖으로 나가 잘리거나 통째로 보이지 않던 문제를 수정했습니다. 이제 이름표가 항상 화면 안쪽에 표시됩니다.
영역을 그린 모양에 따라 색이 다르게 표시되어 검출 결과 표시와 혼동되던 부분을 정리했습니다. 이제 모양과 관계없이 하나의 색으로 표시되어, 검출된 대상과 설정한 영역을 한눈에 구분할 수 있습니다.
지금까지 사각형으로만 지정할 수 있던 분석 영역을 이제 원하는 모양의 다각형으로 그릴 수 있습니다. 비스듬한 컨베이어나 통로처럼 사각형으로는 불필요한 부분까지 들어오던 곳에서, 실제로 보고 싶은 범위만 정확히 잡을 수 있습니다. 모든 AI 분석에서 동일하게 사용할 수 있습니다.
기록에 남은 장면을 보다가 AI가 잘못 판단한 것을 발견하면, 그 자리에서 바로 학습 샘플로 등록할 수 있습니다. 놓친 것과 잘못 잡은 것을 모아 다시 학습시키면 정확도를 점점 높여 갈 수 있습니다. 이미지 분류, 이상 감지, 얼굴 등록에서 모두 사용할 수 있습니다.
학습 화면에서 새로 추가되어 아직 학습에 반영되지 않은 샘플을 따로 표시합니다. 무엇이 새로 들어왔는지, 다시 학습이 필요한지 한눈에 알 수 있습니다.
이상 감지를 학습하고 등록하는 화면에서 현재 점수와 판정 기준선을 함께 볼 수 있습니다. 지금 이 장면이 정상 범위에서 얼마나 벗어나 있는지 바로 확인하면서 민감도를 맞출 수 있습니다.
데이터 기록 동작에서 이번에 기록할 변수를 직접 고를 수 있습니다. 기록 항목마다 저장소를 따로 만들 필요 없이 하나로 모아 관리할 수 있어 설정이 훨씬 간단해집니다. 기존 설정은 그대로 동작합니다.
이상 감지가 여러 개의 처리 코어를 함께 사용하도록 개선했습니다. 한 장을 판단하는 데 걸리는 시간이 크게 줄어, 분석 중에도 영상이 부드럽게 유지됩니다.
이상으로 판단된 부위를 표시할 때 주변을 함께 살펴 잡티처럼 튀는 지점을 걸러 냅니다. 실제 결함 부분만 모아서 표시되어 화면이 한결 보기 쉬워졌습니다.
글자 인식 결과가 프레임마다 미세하게 흔들리며 깜빡이던 현상을 줄였습니다. 여러 장을 함께 보고 가장 확실한 결과만 내보내므로, 손떨림이나 조명 변화가 있어도 값이 안정적으로 유지됩니다.
신호를 받아 한 번만 분석할 때, 그 순간의 결과가 변수에 제대로 기록되지 않거나 이전 값이 남던 문제를 바로잡았습니다. 같은 분석을 여러 동작에서 함께 사용할 때도 각각의 결과가 정확히 기록됩니다. 연속 분석과 함께 사용하는 경우도 서로 영향을 주지 않도록 개선했습니다.
얼굴 인식에서 지정한 분석 영역이 무시되고 화면 전체를 인식하던 문제를 수정했습니다. 이제 지정한 영역 안에서만 얼굴을 찾습니다.
실행을 멈춘 상태의 미리보기가 분석기에 설정한 값과 다르게 동작하던 문제를 수정했습니다. 이제 미리보기도 실제 분석과 같은 설정으로 동작해, 미리보기에서 확인한 결과가 실행 중에도 그대로 이어집니다.
기록과 관련된 여러 문제를 함께 바로잡았습니다. 방금 남긴 기록이 조용히 사라지던 문제, 실행을 멈춘 상태에서 지난 기록을 볼 수 없던 문제, 기록이 많이 쌓이면 연결이 되지 않던 문제를 수정했습니다. 아울러 이상 감지 미리보기가 멈추던 문제와, 이상 부위 표시가 판정 기준과 다르게 그려지던 문제도 함께 수정했습니다.
카메라로 예시 이미지를 등록하면 기기 안에서 직접 학습해 나만의 이미지 분류 AI를 만들 수 있습니다. 별도의 서버나 인터넷 학습 과정 없이 기기에서 바로 학습하고, 원하는 대상을 스스로 구분해 냅니다.
정상 상태의 이미지를 학습시켜 두면 평소와 다른 이상이나 결함을 자동으로 찾아냅니다. 제품 외관 검사처럼 ‘정상과 다른 것’을 가려내는 용도로 활용할 수 있습니다.
허용할 차량 번호판을 기기에 직접 등록해 두고 관리할 수 있습니다. 별칭과 함께 등록·삭제·목록 확인이 가능하고, 인식된 번호판이 등록된 것인지 바로 확인할 수 있어 주차·출입 관리에 활용하기 좋습니다.
실행을 멈추지 않고 카메라 화면을 보면서 그 자리에서 얼굴을 등록할 수 있습니다. 등록용 사진을 관리하고, 등록 전에 인식 결과를 미리 확인할 수도 있습니다.
IP 카메라나 네트워크 스트림의 소리를 오디오 분석·음성 인식·AI 소리 분석의 입력으로 사용할 수 있습니다. 스트림 주소와, 필요한 경우 사용자·비밀번호(인증 정보)를 함께 설정할 수 있습니다.
원하는 순간에 신호를 주면 AI 분석을 딱 한 번만 실행하고 결과를 기록합니다. 분석을 계속 켜 두지 않아도 필요한 때에만 한 번씩 분석할 수 있어 더 효율적입니다.
AI가 대상을 인식할 때의 신뢰도(%)를 실시간 화면에서 함께 확인할 수 있습니다.
Home Assistant로 내보내는 항목에 원하는 표시 이름을 직접 지정할 수 있습니다.
네트워크 오디오 연결이 끊겨도 자동으로 다시 연결해 소리 입력이 끊김 없이 유지됩니다.
통신·미디어 장치에서 일시적인 오류가 생겨도 스스로 회복하도록 개선했습니다. 아울러 네트워크 오디오와 단발 분석 관련 여러 안정성 문제도 함께 바로잡았습니다.
AI 대화, 이메일 보내기, 텔레그램 알림 동작에서 이제 여러 개의 파일을 한 번에 첨부할 수 있습니다. 이전에는 한 번에 하나의 파일만 보낼 수 있었지만, 이제 사진과 문서 등 여러 파일을 함께 전송할 수 있습니다. 고정된 파일뿐 아니라 상황에 따라 바뀌는 경로나 변수로 지정한 파일도 첨부할 수 있습니다.
여러 대의 네트워크 카메라(ONVIF)를 연결할 때 한 대씩 순서대로 기다리지 않고 동시에 연결하도록 개선하여, 카메라가 여러 대여도 빠르게 준비됩니다. 또한 카메라 주소를 기억해 두었다가 다음부터는 곧바로 연결하므로 재시작 후 첫 연결도 빨라졌습니다. 응답이 없는 카메라는 더 빠르게 건너뛰어 전체 연결이 지연되지 않습니다.
Windows에서 카메라를 검색할 때 간혹 멈추던 문제와, 여러 카메라를 동시에 연결할 때 드물게 “카메라를 찾지 못함”으로 표시되던 문제를 수정했습니다. 전반적인 연결 안정성도 함께 강화했습니다.
IP 카메라(ONVIF)를 검색하고 연결하는 방식을 표준에 맞게 다시 정비했습니다. 이전에는 검색은 되지만 연결되지 않던 일부 카메라(예: 다후아 등)도 이제 안정적으로 연결됩니다. 또한 카메라 검색 시 카메라가 아닌 장비(NAS 등)는 목록에 표시되지 않도록 걸러냅니다.
데이터베이스에 값을 저장하는 동작에서 같은 내용이 두 번 저장되던 문제를 수정했습니다. 또한 빈 값이나 여러 줄로 된 결과를 처리할 때의 안정성도 함께 개선했습니다.
지연 타이머(PEND)에 ‘유지형’ 옵션이 새로 추가되었습니다. 설정한 조건이 유지되는 동안 출력을 계속 켜 둘 수 있어 상황에 맞는 타이머 동작을 더 세밀하게 구성할 수 있으며, 기존 타이머는 본래의 동작으로 정확히 작동하도록 정리했습니다.
기록된 로그를 한 번에 여러 개 선택해 삭제할 수 있고, 함께 저장된 캡처 사진·파일도 같이 정리됩니다. 보관 개수 제한이 수동으로 기록한 항목에도 적용되며, 삭제한 만큼 저장 공간이 자동으로 회수됩니다.
얼굴 인식 등록 목록에서 사람마다 등록된 샘플 수를 함께 확인할 수 있습니다. 또한 이름에 사용할 수 없는 문자가 들어가 목록이 깨지던 문제를 방지했습니다.
실시간 카메라 영상이 특정 상황에서 연결 도중 멈춰 있던 문제를 수정했습니다. 이제 이런 상태를 자동으로 감지해 스스로 복구합니다.
저장 공간이 가득 찼을 때 캡처 저장이 조용히 실패하던 문제를 감지하도록 개선했고, 하위 폴더에 저장되는 캡처와 파일 크기 계산을 바로잡았습니다.
영상 인식 처리 중 드물게 발생하던 오류를 수정해 더 안정적으로 동작합니다.
영상 인식 시 화면에 표시되는 상자가 검출과 검출 사이에 끌리며 잔상이 남던 현상을 수정했습니다. 이제 상자가 더 정확한 위치에 깔끔하게 표시됩니다.
프로젝트를 실행할 때 실제로 사용하는 기능에 필요한 파일만 내려받도록 개선했습니다. 사용하지 않는 기능의 파일은 받지 않아 실행이 더 빠르고 가벼워졌습니다.
음성 안내와 음성 인식 기능에서 음성 모델을 불러오지 못해 동작하지 않던 문제를 수정했습니다.
MQTT 메시지 수신, 일부 Zigbee·Modbus 장치 설정 등에서 연결되지 않거나 실행되지 않던 문제를 수정했습니다.
카메라 화면에서 특정 영역만 선택해 확대한 뒤 인식하도록 하는 기능을 추가했습니다. 멀리 있거나 작은 물체도 해당 영역을 확대해 보기 때문에 더 정확하게 검출됩니다. 사물, 얼굴, 자세, 손, 색상, QR코드, 문자, 차량 번호판, 화재 감지 등 모든 영상 인식에 적용됩니다. 영역을 지정하지 않으면 기존처럼 전체 화면을 인식합니다.
사물 검출 엔진을 새 엔진으로 교체해 인식 정확도를 높였습니다. 사용 환경에 맞춰 빠름, 균형, 정밀 세 단계 중에서 선택할 수 있습니다.
하나의 명령으로 여러 종류의 사물(예: 사람과 자동차)을 한꺼번에 검출하고 골라낼 수 있도록 했습니다. 검출 관련 명령도 더 간단하게 정리했습니다.
분석 항목마다 검출 주기를 설정할 수 있게 해 불필요한 연산을 줄이고 기기 부하를 낮췄습니다. 또한 검출과 검출 사이에도 인식 상자가 깜빡이거나 잔상이 남지 않고 자연스럽게 유지되도록 개선했습니다.
푸시 알림에 첨부되는 이미지를 휴대폰 알림 배너에 맞는 크기로 자동 최적화합니다. 알림이 더 빠르고 안정적으로 전달됩니다.
얼굴인식, 화재 감지, 사물·얼굴 검출 결과가 화면에서 잠깐씩 깜빡이거나 경계 상황에서 켜졌다 꺼졌다 하던 현상을 크게 줄였습니다. 한 장면만 보고 판단하지 않고 여러 장면을 종합해 더 안정적으로 인식하도록 개선했습니다.
얼굴인식은 화면에 “사람 없음 / 모르는 사람 / 등록된 이름” 세 가지 상태로 더 명확하게 표시되며, 등록된 얼굴 목록을 확인할 수 있는 기능도 추가했습니다.
얼굴인식 스냅샷처럼 저장한 결과 파일을 안전하게 보관할 수 있는 전용 데이터 폴더 기능을 추가했습니다. 윈도우·맥·리눅스 등 어떤 환경에서도 동일하게 사용할 수 있으며, 프로그램을 업데이트하거나 다시 설치해도 보관한 파일이 그대로 유지됩니다.
데이터 기록 표에 이미지가 저장되어 있는 경우, 표에서 바로 작은 미리보기(썸네일)와 전체화면 이미지를 확인할 수 있습니다.
이미지를 전체화면으로 볼 때 화면 해상도에 맞춰 더 선명하게 표시하도록 개선했습니다. 4K 같은 고해상도 디스플레이에서도 또렷하게 보입니다.
예약 실행과 관련된 여러 버그를 수정했습니다. 반복 횟수를 지정한 예약이 한 번 적게 실행되던 문제, 월·연 단위 반복 예약이 실행되지 않던 문제, 그리고 시작 시간과 종료 시간이 같을 때 이를 하루 종일(24시간)로 처리하도록 개선했습니다.
꺼 둔(비활성) 동작이나 제어를 다른 동작에서 불러올 때, 오류로 멈추지 않고 자연스럽게 건너뛰도록 수정했습니다. 일부 항목을 꺼 두어도 전체 흐름이 중간에 멈추지 않습니다.
프로젝트를 실행할 때 실제로 사용하는 설정만 준비하도록 개선했습니다. 사용하지 않는 카메라나 분석기 등은 실행 시 건너뛰므로, 설정이 많고 무거운 프로젝트일수록 실행이 더 빨리 시작되고 메모리와 자원 사용이 줄어듭니다.
이제 Grablo를 Home Assistant 애드온이나 도커(Docker)로 설치할 수 있습니다. Home Assistant 애드온으로 설치하면 서버 주소나 인증 정보를 입력하지 않아도 자동으로 연결됩니다.
카메라 연결이 끊겼을 때의 복구 안정성을 높이고, Windows에서 한글이 포함된 폴더 경로 처리 문제 등 여러 버그를 수정했습니다.
푸시 알림에 첨부할 파일의 경로를 고정된 값뿐 아니라 변수나 수식으로도 지정할 수 있도록 개선했습니다. 예를 들어 임시 폴더 경로와 파일 이름을 조합해, 실행할 때마다 새로 만들어지는 파일을 자동으로 첨부할 수 있습니다.
윈도우에서 폴더나 파일 이름에 한글이 들어간 경로(예: C:\사진\고양이.jpg)의 파일을 제대로 찾지 못하던 문제를 근본적으로 해결했습니다. 이제 한글이 포함된 경로의 파일도 정상적으로 읽고 저장합니다. (윈도우 10 이상에서 지원)
동작의 AI 분석에서 사물·얼굴·색상·이상 감지를 사용할 때, 이제 별도의 명령 없이 기본 명령에서 바로 감지 영역을 지정할 수 있습니다. 감지 영역을 그리면 그 영역만, 지정하지 않으면 전체 화면을 분석합니다. 기존에 만들어 둔 동작은 그대로 작동합니다.
파일 동작에서 시스템 임시 폴더의 경로를 가져오는 명령을 추가했습니다. 윈도우·맥·리눅스에서 각 운영체제에 맞는 임시 폴더를 자동으로 사용하므로, 잠시 쓰고 지울 파일을 저장할 때 편리합니다.
AI 이상 감지 결과 표시가 화면 한쪽 구석에 어긋나 그려지던 문제를 바로잡아, 실제 감지 위치에 정확히 표시되도록 수정했습니다.
비정상적인 입력이나 외부 데이터로 인해 프로그램이 예기치 않게 종료될 수 있던 여러 상황을 예방하고, 변수 저장 실패가 조용히 무시되던 문제와 파일 업로드 처리의 안전성을 보강했습니다. 정상적인 사용에는 영향이 없습니다.
AI 카메라 화면에서 분석하거나 캡처할 영역을 직접 지정할 수 있게 되었습니다. 카메라 설정에서 관심영역을 만들어 이름을 붙이고, AI 분석기와 이미지 캡처 동작에서 그 영역을 골라 사용하면 원하는 부분만 정확하게 처리할 수 있습니다.
이미지 캡처 시 화면에 표시되던 정보(프레임 속도 등)와 분석 표시를 제외하고, 카메라 원본 그대로의 깨끗한 이미지를 저장하도록 개선했습니다.
특정 조건에서 AI 영상 분석이 중단될 수 있던 문제를 수정하고, 화면을 회전했을 때 분석 영역과 표시 위치가 어긋나던 현상을 바로잡았습니다.
AI 카메라의 자세 분석에서 목이 좌우로 기운 각도를 측정할 수 있게 되었습니다. 기존 ‘척추 기울기’와 함께 사용하면 자세를 더 정밀하게 확인할 수 있습니다.
AI 카메라 분석에서 일부 명령이 실행되지 않던 문제를 수정했습니다.
Grablo를 Modbus 슬레이브로 사용할 때, 통신 처리를 전용 백그라운드 작업으로 분리해 안정성과 응답성을 높였습니다. 예기치 않은 통신 오류가 발생해도 전체 동작에 영향을 주지 않고 안전하게 정리되며, 대기 중 불필요한 CPU 사용도 줄였습니다.
일부 Windows 환경에서 Modbus 장치에 연결할 때 연결이 실패하던 문제를 수정했습니다. 이제 Windows에서도 Modbus 통신이 정상적으로 연결됩니다.
지난 업데이트에서 추가된 입력 형식 자동 정리가 일부 항목(홈 어시스턴트 주소, 카메라 주소, 파일 경로 등)에서 적용되지 않던 문제를 보완했습니다. 이제 더 많은 설정 항목에서 입력 형식의 사소한 차이를 자동으로 정리합니다.
주소(URL), 파일·폴더 경로, 이메일, 기기 포트 등 여러 입력란이 사소한 형식 차이를 자동으로 정리하도록 개선됐습니다. 값을 복사해 붙여넣을 때 따라 들어오는 앞뒤 공백이나 따옴표를 자동으로 없애고, 주소에서 http:// 같은 앞부분을 빠뜨려도 알아서 채워 줍니다. 이메일 수신자는 쉼표뿐 아니라 세미콜론·줄바꿈으로 구분해도 인식하며, 기기 MAC 주소도 구분 기호 없이 입력할 수 있습니다. 입력 실수로 인한 연결·실행 실패가 크게 줄었습니다.
일부 상황에서 입력한 Home Assistant 주소가 실시간 기기·서비스 목록 조회에 제대로 반영되지 않던 문제를 수정했습니다. 이제 설정 저장과 실시간 조회가 동일한 방식으로 주소를 처리합니다.
음성 텍스트 변환(STT)과 텍스트 음성 변환(TTS)에서 선택할 수 있는 언어별 모델을 크게 늘렸습니다. 음성 인식은 영어, 한국어, 중국어, 일본어, 독일어, 스페인어, 포르투갈어, 러시아어를 지원하며, 한국어·중국어·일본어·영어·광둥어를 하나로 인식하는 다국어 모델도 새로 추가됐습니다. 음성 합성은 영어, 중국어, 독일어, 프랑스어, 포르투갈어, 힌디어 음성을 새로 제공합니다. 목록에 없는 모델을 직접 지정해 사용할 수도 있습니다.
음성 텍스트 변환(STT)에서 인식할 소리의 입력 소스를 고를 수 있습니다. 마이크로 들어오는 소리뿐 아니라 기기에서 재생되는 소리(스피커 출력)도 인식 대상으로 선택할 수 있어, 재생 중인 오디오를 그대로 받아 적는 등 활용 폭이 넓어졌습니다.
새 동작 타입 LLM AI 질의가 추가됐습니다. OpenAI, Anthropic, Google Gemini, Ollama, OpenAI 호환 등 LLM 제공자에 질의 텍스트(프롬프트)를 보내고 응답을 변수에 저장할 수 있습니다. 이미지(JPEG/PNG/WebP)는 모든 제공자에서 지원하며, PDF는 OpenAI/Anthropic에서 지원합니다. 첨부 이미지는 자동으로 다운스케일되어 전송 속도와 비용을 줄입니다. [설정] > [LLM AI] 에서 제공자별 API 키와 모델을 먼저 등록한 뒤 사용합니다.
푸시 알림 동작에 파일 첨부가 추가됐습니다. 캡처 이미지나 문서 파일을 푸시 알림과 함께 모바일로 보낼 수 있습니다.
Windows 에서 텍스트 모드로 파일을 읽을 때 CRLF→LF 변환으로 실제 읽힌 바이트 수가 요청 크기보다 작아지면 정상 EOF 임에도 “File read error: No error” 라는 잘못된 메시지가 출력되던 문제를 수정했습니다. 이제 EOF 는 에러로 분류되지 않고, 실제 I/O 실패가 발생한 경우에만 에러를 보고합니다. 파일 읽기/쓰기 동작 자체는 변경되지 않습니다.
번호판 인식(LPR)에 FAST/ACCURATE 품질 프리셋이 추가됐습니다. FAST 는 라즈베리파이 4, ACCURATE 는 미니 PC·amd64 환경에 적합합니다. 한국 번호판 모델은 새로 학습한 v2 로 교체되어 실측 99.3%의 인식률을 보입니다.
데이터 로깅 채널의 자동 주기 기록을 켜고 끌 수 있고, 채널을 한 번 기록하는 동작(act_type = 데이터 로깅)이 추가됐습니다. 이벤트 발생 시점에만 스냅샷을 남기는 등 트리거 기반 기록이 가능합니다.
HA 재시작 시 끊긴 상태가 그대로 굳어 STOP→RUN 으로만 회복되던 문제를 수정했습니다. 30초 주기 PING/PONG 하트비트로 끊김을 감지하여 약 30초 안에 자동 재연결됩니다.
옛 갤러리 예제 프로젝트(v0.x~v1.2.x)가 절대 경로로 참조하는 시스템 자산 파일들을 Linux 패키지에 직접 번들 포함했습니다. 옛 예제를 갤러리에서 가져와도 추가 다운로드 없이 즉시 동작합니다. 포함된 자산: SoundFont(TimGM6mb.sf2), 샘플 미디어(sample.mid/mp3/wav/jpg), OPC-UA 인증서(cert.der/key.der).
번호판 인식(LPR)의 “신뢰도 (%)” 출력 변수가 실제로는 0~1 범위로 출력되어 라벨의 % 표기와 일치하지 않던 문제를 수정했습니다. 이제 0~100 범위로 정정되어 “최소 신뢰도 (%)” 입력값과 동일한 척도를 사용합니다. “전체 스캔” 의 JSON 출력 내 confidence 필드도 동일하게 0~100 으로 통일됩니다.
AI 카메라에 자동차 번호판 자동 인식 기능이 추가됐습니다. 라틴 문자(유럽·미국 등)와 한국 번호판 두 가지 모델을 제공합니다. 라틴 모델은 66개국 데이터셋 검증 기준 약 97.4% 정확도, 한국 모델은 약 96.5% 정확도로 인식합니다. 여러 프레임에 걸친 다수결 보정으로 단일 프레임 오인식을 자동으로 정정하여 안정적인 결과를 제공합니다. 모델은 첫 사용 시 자동으로 다운로드되며 이후에는 오프라인에서도 동작합니다.
Home Assistant 초기화가 더 이상 다른 모듈의 시작을 막지 않습니다. 카메라·AI 다중 초기화 같은 부하 구간에서 발생하던 “Timeout” 오류가 사라졌으며, 백그라운드에서 자동 연결이 진행되는 동안 액션은 “서버에 연결중…” 상태로 표시되고 연결이 완료되면 자연스럽게 이어집니다. 재연결 간격도 60초에서 30초로 단축됐습니다.
모델 다운로드나 압축 해제 중 갑작스럽게 전원이 끊겨도 다음 시작 시 시스템이 손상된 모델 파일을 자동으로 감지하고 다시 설치합니다. 사용자가 직접 폴더를 정리할 필요가 없으며, 라인 크로싱·얼굴 인식·음성 인식 등 모든 AI 기능이 다음 RUN 진입 시 정상 동작합니다.
모델 다운로드와 압축 해제가 끝난 직후 디스크에 즉시 영속화되도록 보강했습니다. 라즈베리파이 등 SD 카드 환경에서 갑작스러운 전원 차단으로 인한 파일 손상 위험이 크게 줄었습니다.
AI 카메라 분석 시 CPU 사용량이 기존 대비 약 절반으로 줄었습니다. 화면에 잠시 남던 인식 박스 잔상도 함께 사라져 결과가 더 깔끔하게 보입니다.
음성을 글자로 변환하는 기능과 오디오 분류 기능이 운영체제와 하드웨어에 맞는 가속 방식을 자동으로 사용합니다. 같은 입력이라도 응답이 더 빨라집니다.
라즈베리파이 5나 Apple Silicon Mac 등 최신 칩을 쓰는 기기에서 AI 영상 분석이 자동으로 더 빠른 처리 방식을 사용합니다. 동일 하드웨어로 더 많은 프레임을 분석할 수 있습니다.
최신 시스템 라이브러리 환경에서 카메라 영상 저장·송출이 실패하던 문제를 수정했습니다.
사진이나 화면에 띄운 얼굴 영상으로 얼굴 인식을 통과하려는 시도를 막아줍니다. 실제 사람인지 사진인지 자동으로 구분하여 더 안전하게 사용할 수 있습니다. 필요에 따라 이 기능을 켜거나 끌 수 있어 사용 환경에 맞게 조절할 수 있습니다.
사람의 손, 발, 어깨 등 움직임을 더 부드럽게 표시합니다. 영상에서 발생하던 떨림이 줄어 동작이 한결 자연스럽게 보입니다.
영상 속 사람이나 사물을 따라갈 때, 잠깐 흐릿하게 보여도 같은 대상을 놓치지 않고 계속 추적할 수 있도록 개선되었습니다.
얼굴을 등록하고 알아보는 과정에서 발생하던 몇 가지 오류를 수정했습니다.
한 사람의 얼굴을 여러 각도(정면, 좌/우)나 다양한 표정으로 누적 등록할 수 있습니다. 등록된 모든 샘플 중 가장 잘 매칭되는 것으로 인식되어, 다양한 자세와 표정에서도 안정적으로 인식됩니다.
데비안 트릭시(13) 또는 PipeWire 기반의 라즈베리파이 OS 신버전에서 음성 인식·음성 합성·미디어 재생 등 사운드 관련 기능이 동작하지 않던 문제를 수정했습니다. 이번 버전부터는 설치 시 사용자 세션의 PipeWire 오디오 소켓을 자동으로 감지하여 연결하므로, 별도 설정 없이 사운드 기능을 그대로 사용할 수 있습니다.
음성 인식에 사용되는 모델을 설치 패키지에서 분리하여 첫 사용 시점에 자동으로 받아오도록 변경했습니다. 설치 용량이 줄어들어 더 빠르게 설치하실 수 있습니다.
영상을 더 세밀하게 분석하도록 화재 감지 방식을 개선하여 화면에서 멀리 있거나 크기가 작은 불꽃도 이전보다 더 잘 감지됩니다. 또한 카메라 분석 모드에서 빠름·균형·정확 중에서 정밀도를 선택할 수 있습니다.
네트워크가 잠시 끊겼다가 다시 연결될 때 원격 영상이 검은 화면으로 멈추던 문제를 수정했습니다. 이제 자동으로 영상이 다시 표시됩니다.
Zigbee 디바이스 추가 화면을 닫아도 디바이스 인식 작업이 중단되지 않도록 변경했고, 인식 중인 디바이스도 목록에 함께 표시되어 진행 상황을 확인할 수 있습니다.
차트의 시간 선택 UI를 Grafana 스타일로 새로 만들어 빠른 선택, 달력, 절대 시간 입력을 한 곳에서 사용할 수 있고, ◀ ▶ 버튼으로 이전/다음 구간을 빠르게 이동할 수 있습니다. 차트 종류·시간 범위·Y축 등 보기 설정이 위젯별로 자동 저장되어 다음에 열면 마지막 상태로 복원됩니다. 또한 전력량·생산량처럼 누적되는 값을 시간/일/월 단위 변화량으로 막대그래프에 표시할 수 있습니다.
Grablo가 미리 설치된 라즈베리파이 OS 이미지를 제공합니다. SD카드에 굽고 부팅만 하면 바로 사용할 수 있습니다.
컨트롤러 재시작 후 프론트엔드가 “Connecting…” 상태에서 멈추거나, 강제 업데이트 완료 후 모달을 닫을 때 P2P 연결이 끊어지던 문제를 수정했습니다.
데이터 로깅 컴포넌트의 수집 주기 설정이 무시되고 1초 기본값으로 동작하던 문제를 수정했습니다. 이제 프로젝트에서 지정한 주기 그대로 정확하게 기록됩니다.
카메라 연결이 일시적으로 끊겼다가 복구될 때 더 빠르고 안정적으로 화면이 돌아오도록 개선했습니다. 이전에는 일시적인 통신 문제가 누적되면 하드웨어 가속 디코더가 비활성화되거나 재연결이 반복되는 경우가 드물게 있었는데, 이번 업데이트로 매 재연결마다 깨끗한 상태에서 다시 시도하도록 변경했습니다. ONVIF 를 지원하는 IP 카메라는 키프레임이 즉시 전송되도록 요청하여 약 200ms 안에 화면이 복구됩니다.
실행(RUN) 시 클라우드 파일 다운로드와 Zigbee 런타임 설치가 동일한 진행 상태를 공유하도록 통합했습니다. 여러 탭에서 동시에 작업하거나 다운로드 도중 페이지를 새로 고칠 때 진행 표시가 더 일관되게 동작하며, 진행 단계가 도중에 깜빡이는 현상이 사라졌습니다.
Zigbee 동글을 사용하는 사용자만 런타임을 받도록 변경했습니다. Zigbee 를 사용하지 않는 사용자는 설치 파일이 약 30MB 가벼워졌고, Zigbee 를 처음 사용하는 순간 필요한 파일이 자동으로 다운로드됩니다. 한 번 받은 파일은 다음 실행부터 즉시 동작하며, 기존에 Zigbee 를 사용 중이던 사용자는 별도 다운로드 없이 그대로 사용 가능합니다.
음성인식(STT), 음성합성(TTS), Modbus, OPC UA 등 외부 라이브러리를 사용하는 모듈에서 드물게 발생하던 종료 문제를 차단했습니다. ONVIF 카메라 자동 발견 과정에서 일부 네트워크 환경에서 발생하던 종료도 해결했습니다.
사람이나 사물이 일시적으로 가려졌을 때 추적 ID 가 잘못 바뀌던 현상이 줄었습니다. 보행자 라인 카운팅 등 추적 기반 기능의 정확도가 향상됐습니다.
macOS에서 RTSP·USB 카메라가 안정적으로 표시됩니다. 일부 카메라가 회색·녹색 화면으로 보이거나 색이 깨지던 문제를 해결했습니다.
컨트롤러를 켜자마자 RTSP·ONVIF 카메라 첫 연결이 실패하던 경우 자동으로 한 번 더 시도합니다. 카메라 연결 성공률이 높아졌습니다.
1.8.2 부터 32-bit 라즈베리파이 OS (armhf) 빌드 배포를 중단합니다. Raspberry Pi 3 이상 사용자는 64-bit 라즈베리파이 OS (arm64) 로 전환 후 arm64 빌드를 이용해 주세요. Pi 0·Zero·Pi 2 사용자는 1.8.1 까지 이용 가능합니다.
컨트롤러 재시작·업그레이드·일시 끊김 후 프론트엔드가 더 빠르고 신뢰성 있게 자동 재연결합니다. 기존 “Connecting” 상태에 머무르던 문제를 해결했고, 컨트롤러가 다시 켜지자마자 5-15초 안에 영상이 복구됩니다.
2대 이상의 카메라를 동시에 사용할 때 일부 카메라만 스트리밍되거나 한참 후에야 표시되던 문제를 해결했습니다. 브라우저를 최소화하거나 모바일 앱을 백그라운드에서 복귀했을 때 모든 카메라가 동시에 즉시 재개됩니다.
실행 환경의 하드웨어를 자동으로 감지해 최적의 H.264 인코더/디코더를 선택합니다. macOS 의 VideoToolbox, NVIDIA NVENC/NVDEC, Intel Quick Sync, Raspberry Pi BCM2711 V4L2 M2M, Rockchip MPP 등 보드별 HW 가속을 활용하여 CPU 부담을 최소화합니다.
RUN/STOP 빠른 전환 시 발생하던 인코더 race, 빠른 재연결 시 SRTP 복제 검출로 인한 영구 stuck 등 다양한 streaming 안정성 이슈를 해결했습니다.
Home Assistant 와 실시간으로 연동할 수 있습니다. 여러 서버를 동시에 연결할 수 있고, 스마트홈의 센서·스위치·조명 등을 Grablo 에서 직접 제어하거나 Grablo 변수를 Home Assistant 에 노출시킬 수 있습니다.
Zigbee 동글이 분리·재연결되거나 Zigbee 서비스가 예기치 않게 종료되었을 때 자동으로 감지하여 복구합니다. 사용자 개입 없이 다시 정상 동작합니다.
AI 분석기마다 GPU 가속을 켜고 끌 수 있습니다. 하드웨어 상황이나 다른 작업과의 성능 균형을 고려해 분석기별로 CPU/GPU 를 선택할 수 있습니다.
스마트 조명, 온습도 센서, 스위치, 버튼 등 3,400여 종의 Zigbee 장치를 Grablo에 연결할 수 있습니다. 설정 화면에서 검색된 장치를 추가한 뒤, 동작에서 센서 값을 읽거나 장치를 제어하세요.
변수 값의 변화를 시간 순서대로 자동 기록합니다. 최대 용량, 최대 레코드 수, 보관 기간 중 원하는 방식으로 저장 한도를 설정할 수 있어 장기 모니터링 데이터를 안전하게 관리할 수 있습니다.
다섯 가지 AI 분석 모델이 추가되었습니다.
기존에는 감지 영역과 기준점을 X1, Y1, X2, Y2 같은 숫자로 일일이 입력해야 했으나, 이제 영상 화면 위에서 직접 드래그하여 영역을 지정할 수 있습니다. 객체, 얼굴, 자세, 손, 색상, QR/바코드 감지 모두에 적용됩니다.
IP 카메라(ONVIF) 연결 시 더 높은 화질의 영상을 자동으로 선택합니다. H.264/H.265 영상을 우선 사용하여 화질과 전송 효율이 개선되었습니다.
Debian 13 등 최신 리눅스 환경에서 설치가 정상적으로 진행되지 않던 문제가 수정되었습니다.
제품 이름이 Grablo에서 Grablo IoT Core로 변경되었습니다.
Debian 11~13, Ubuntu 22.04/24.04, Raspberry Pi OS 등 다양한 리눅스 환경에서 설치 및 실행 안정성이 개선되었습니다.
불필요한 구성 요소가 정리되어 설치 용량이 줄어들고 설치가 빨라졌습니다.
ONVIF 호환 네트워크 카메라(IP 카메라)를 자동으로 검색하고 연결할 수 있습니다. 카메라의 영상을 실시간으로 스트리밍하며, IP 주소가 변경되어도 카메라를 자동으로 인식합니다.
사용자의 모바일 앱으로 푸시 알림을 전송할 수 있습니다. 제목과 메시지를 자유롭게 설정할 수 있으며, 변수 값을 포함시킬 수도 있습니다. 예를 들어 온도가 일정 값을 초과하면 “현재 온도: 35도” 같은 알림을 받을 수 있습니다.
카메라 영상이 표시되기까지 걸리던 시간이 크게 단축되었습니다. 기존에는 영상이 나타나기까지 5~10초 정도 걸렸으나, 이제 거의 즉시 표시됩니다.
절전 모드 진입 시 간헐적으로 프로그램이 비정상 종료되는 문제를 해결했습니다.
절전 모드에서 깨어난 후 웹 브라우저와의 연결이 자동으로 복원됩니다.
컴퓨터나 장치가 절전 모드(슬립)에 들어갔다가 다시 깨어날 때 프로그램이 비정상 종료되는 문제를 해결했습니다. 이제 절전 복귀 후에도 자동으로 정상 동작을 재개합니다.
반복적으로 출력되던 불필요한 경고 로그를 정리하여 로그 파일의 가독성을 높였습니다.
Grablo가 이제 macOS에서도 사용할 수 있습니다. M1/M2/M3/M4 칩이 탑재된 Mac과 Intel Mac 모두 지원하며, 설치 파일(PKG)을 다운로드하여 간편하게 설치할 수 있습니다.
블루투스 시리얼 통신(SPP) 시 채널 번호를 직접 입력할 필요 없이 자동으로 연결됩니다. Windows, macOS, Linux에서 모두 동일하게 동작합니다.
컨트롤러와 서버 간 통신에 사용되는 인증 정보의 보안이 강화되었습니다.
WebRTC 기반 카메라 영상 스트리밍의 안정성이 개선되었습니다. Non-trickle ICE 적용으로 재협상 안정성을 높이고, 영상 트랙 관리의 race condition과 data race를 수정했습니다.
음성이 감지되었으나 텍스트로 변환되지 않은 경우 에러 대신 빈 텍스트로 정상 완료 처리됩니다. 특히 한국어 모델에서 발생하던 불필요한 에러가 해소되었습니다.
녹음, 타이머, 오디오 분석 등에서 이미 실행 중인 명령을 중복 호출해도 에러가 발생하지 않고 정상 처리됩니다.
이제 Windows PC에서도 Grablo를 사용할 수 있습니다. 인스톨러로 간편하게 설치하고, 시스템 트레이에서 바로 실행할 수 있습니다. 새 버전이 나오면 자동으로 업데이트됩니다.
MQTT, Modbus TCP, HTTP 등에서 호스트 주소를 입력할 때, http:// 같은 접두사나 끝의 슬래시(/)가 포함되어 있어도 자동으로 처리됩니다.
FTDI 디바이스에서 SPI 통신 초기화가 실패하는 문제가 수정되었습니다.
AI 카메라의 분석 결과가 더 안정적으로 출력됩니다. 객체 감지, 얼굴 감지/인식, 포즈 추정, 손 추적, 색상 추적, Teachable Machine, EdgeImpulse 등 모든 AI 비전 기능의 안정성이 향상되었습니다.
음성 감지 모델이 최신 버전으로 업그레이드되었습니다. 말하기 시작과 끝을 더 정확하게 감지하여, 음성 인식의 정확도가 향상되었습니다.
On Device TTS/STT 설정에서 모델 선택 방식이 개선되었습니다. 기존에는 모든 언어의 모델이 하나의 목록에 표시되었으나, 이제 언어를 먼저 선택하면 해당 언어의 모델만 표시됩니다.
음성 합성(TTS)과 음성 인식(STT)의 지원 언어가 대폭 확대되었습니다.
AI, TTS, STT에 필요한 모델이 클라우드에서 자동으로 다운로드됩니다. 컨트롤러에 모델이 번들되지 않아 설치 용량이 크게 줄어들었습니다.
프로필에서 원격 연결 시 데이터 사용량을 확인할 수 있습니다. 월 3GB의 무료 트래픽이 제공됩니다.
파일당 업로드 한도가 250MB로, 총 저장 용량이 1GB로 증가했습니다.
외부 네트워크에서 접속할 때에도 카메라 스트리밍을 사용할 수 있습니다.
스테퍼 위젯과 드롭다운 위젯의 버그가 수정되었습니다.
대시보드에 5가지의 새로운 위젯이 추가되었습니다.
계정별 이미지 저장소가 추가되었습니다. 클라우드에 이미지를 업로드하고 대시보드 위젯에서 활용할 수 있습니다. 갤러리 뷰, 드래그 앤 드롭 업로드, 파일 용량 관리를 지원합니다.
RUN 실행 시 프로젝트에서 사용하는 클라우드 파일이 컨트롤러에 자동으로 다운로드됩니다. 다운로드 진행률을 실시간으로 확인할 수 있으며, SHA-256 검증으로 파일 무결성을 보장합니다.
프로젝트를 공유하고 다른 사용자와 소통할 수 있는 커뮤니티 기능이 추가되었습니다. 프로젝트 게시, 좋아요, 북마크, 댓글, 알림 등을 지원합니다.
카메라로 QR코드와 바코드를 실시간으로 인식할 수 있습니다. EAN-13, Code 128, QR-Code 등 다양한 코드 타입을 지원합니다.
카메라 영상에서 텍스트를 실시간으로 인식할 수 있습니다. 다국어를 지원하며, 안정화 기능으로 인식 결과의 깜빡임을 방지합니다.
라인 추종 로봇을 위한 기능이 추가되었습니다. 어두운 선, 밝은 선, 사용자 정의 색상의 3가지 모드를 지원하며, 선의 위치와 각도 정보를 출력합니다.
손 추적에 제스처 인식 기능이 추가되었습니다. 33가지 제스처를 인식할 수 있습니다.
얼굴 감지에 감정 인식과 나이/성별 추정 기능이 추가되었습니다. 8가지 감정을 분류하고, 나이와 성별을 추정할 수 있습니다.
색상 추적의 정확도와 안정성이 향상되었습니다. 감도 설정이 모든 색상 모드에 적용되고, 추적 결과의 떨림이 줄어들었습니다.
AI 카메라의 전반적인 안정성이 향상되었습니다. 분석 중 멈춤 현상 해결, 음성 인식(STT) 및 음성 합성(TTS)의 안정성이 개선되었습니다.
BeagleBone, Jetson 등 Raspberry Pi가 아닌 보드에서 패키지 설치 시 발생하던 raspi-config 관련 에러가 해결되었습니다.
원격 연결을 위한 P2P 서버의 IP 처리 로직이 단순화되어 연결 안정성이 향상되었습니다.
Jetson Nano에서 패키지 설치 후 Grablo 서비스가 시작되지 않을 수 있는 문제가 해결되었습니다. 이제 첫 부팅 시에도 서비스가 안정적으로 시작됩니다.
장시간 운영 시 발생할 수 있는 안정성 문제가 개선되었습니다. 전반적인 시스템 안정성이 향상되었습니다.
첫 부팅 시 공인 IP 획득이 실패할 수 있는 문제가 해결되었습니다. 네트워크 변경 시에도 자동으로 감지하여 P2P 원격 연결의 안정성이 향상되었습니다.
장시간 운영 시 발생할 수 있는 메모리 누수와 예외 상황에서의 크래시 문제가 해결되었습니다. 전반적인 시스템 안정성이 향상되었습니다.
RUN/STOP 모드 전환 중 컨트롤러가 멈출 수 있는 문제가 해결되었습니다. 또한 모드를 빠르게 전환할 때 발생할 수 있는 중복 요청 처리 문제도 해결되었습니다.
필요한 GStreamer 플러그인 의존성을 추가하여 H.264 비디오 스트리밍 문제가 해결되었습니다. 이제 모든 지원 플랫폼에서 비디오 스트리밍이 안정적으로 작동합니다.
P2P 연결을 위한 공인 IP 주소 감지의 안정성이 향상되었습니다. AWS checkip 서비스, 재시도 로직, 향상된 오류 처리가 추가되어 까다로운 네트워크 환경에서도 안정적인 원격 연결이 가능합니다.
최신 Debian 13 운영체제에서도 안정적으로 작동합니다. P2P 연결과 오디오 분석 기능의 안정성이 향상되었습니다.
LXQT 데스크톱 환경에서 동영상이 재생되지 않던 문제가 해결되었습니다. SDDM, LightDM 등 다양한 디스플레이 매니저를 지원하여 GNOME, KDE, XFCE, LXQT 등 모든 주요 데스크톱 환경에서 미디어 재생이 정상적으로 작동합니다.
네트워크가 불안정한 환경에서도 영상 스트리밍이 더 안정적으로 동작합니다. 표준 WebRTC 메커니즘을 활용하여 패킷 손실 시 영상 복구가 더 빠르고 확실하게 이루어집니다.
디바이스 연결 방식이 전면 개편되었습니다. 더 이상 IP 주소를 직접 입력할 필요가 없습니다.
프로젝트 생성 시 사용할 보드(SBC)를 선택할 수 있습니다. 선택한 보드에 따라 핀맵 시각화, 호환 장치 필터링, I2C 장치 자동 스캔, ADC/DAC/PWM 채널 선택 등을 지원합니다.
지원 보드
Blockly 에디터 내에서 변수를 직접 추가하고 편집할 수 있습니다.
로직 블록과 대시보드 위젯을 복사하여 프로젝트 내 다른 로직이나 대시보드에 자유롭게 붙여넣을 수 있습니다.
사용 중인 변수나 장치는 삭제 버튼이 비활성화되어 실수로 삭제하는 것을 방지합니다.
[설정] → [AI 분석기]에 얼굴 인식용 데이터베이스 이름 입력 필드가 추가되었습니다. 이를 통해 용도에 따라 여러 개의 얼굴 데이터베이스를 생성하고 관리할 수 있습니다.
AI 분석에서 Teachable Machine과 Edge Impulse로 학습한 커스텀 모델을 사용할 수 있습니다. 사용자가 직접 학습시킨 모델로 이미지 분류, 객체 감지, 이상 탐지 등을 수행할 수 있습니다.
Teachable Machine 분류
Edge Impulse 분류
Edge Impulse 객체 감지
Edge Impulse 이상 탐지
오디오 분석의 오디오 소스 선택이 [동작] → [오디오 분석]에서 [설정] → [AI 분석기]로 이동했습니다.
오디오 분석 기능이 독립적인 동작으로 분리되었습니다. 이제 미디어 재생, 오디오 녹음뿐만 아니라 모든 오디오 입출력 장치에서 오디오 분석을 사용할 수 있습니다.
AI 분석 기능이 카메라 동작에서 분리되어 독립적인 동작으로 제공됩니다. 이를 통해 더 유연한 AI 비전 파이프라인 구성이 가능합니다.
동작그룹의 반복 옵션에 “범위만큼 반복”이 추가되었습니다. 프로그래밍의 for문처럼 시작값, 종료값, 증가값을 지정하여 반복 실행할 수 있습니다.