KR102040505B1 - 인공지능 기반의 공기 청정장치 및 그를 포함하는 공기청정 시스템 - Google Patents

인공지능 기반의 공기 청정장치 및 그를 포함하는 공기청정 시스템 Download PDF

Info

Publication number
KR102040505B1
KR102040505B1 KR1020180114148A KR20180114148A KR102040505B1 KR 102040505 B1 KR102040505 B1 KR 102040505B1 KR 1020180114148 A KR1020180114148 A KR 1020180114148A KR 20180114148 A KR20180114148 A KR 20180114148A KR 102040505 B1 KR102040505 B1 KR 102040505B1
Authority
KR
South Korea
Prior art keywords
air
air quality
sensing data
information
cleaner
Prior art date
Application number
KR1020180114148A
Other languages
English (en)
Inventor
김호석
박치완
이규동
강광희
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020180114148A priority Critical patent/KR102040505B1/ko
Application granted granted Critical
Publication of KR102040505B1 publication Critical patent/KR102040505B1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/52—Indication arrangements, e.g. displays
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F24F11/58—Remote control using Internet communication
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F3/1603—
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • F24F2120/10—Occupancy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Air Conditioning Control Device (AREA)
  • Ventilation (AREA)

Abstract

본 발명의 실시 예에 따른 인공지능 기반의 공기 청정장치는, 공기를 흡입 및 토출하기 위한 팬모터, 상기 흡입된 공기를 정화하는 적어도 하나의 필터를 포함하는 필터 모듈, 공기 질 센싱 장치로부터 공기 질 센싱 데이터를 수신하는 통신부, 수신된 공기 질 센싱 데이터에 기초하여 공기 질을 인식하는 공기 질 인식기, 및 상기 공기 질 인식기의 인식 결과에 기초하여 상기 팬모터와 상기 필터 모듈 중 적어도 하나를 제어하는 제어부를 포함한다.

Description

인공지능 기반의 공기 청정장치 및 그를 포함하는 공기청정 시스템{AIR CLEANING APPARATUS BASED ON ARTIFICIAL INTELLIGENCE AND AIR CLEANING SYSTEM INCLUDING THE SAME}
본 발명은 공기 청정장치에 관한 것으로서, 특히 공기 청정장치와 통신가능한 공기 질 센싱 장치로부터 수신되는 센싱 데이터에 기초하여 인공지능 기반의 공기청정 동작을 수행하는 공기 청정장치 및 그를 포함하는 공기청정 시스템에 관한 것이다.
공기 청정장치는 흡입된 공기를 정화하여, 정화된 공기를 배출하는 장치로서, 오염된 공기를 팬으로 흡입하여 필터에 의해 먼지나 세균 등을 집진하고, 체취 등 각종 악취를 탈취할 수 있다.
이러한 공기 청정장치는 장치 내에 주변 공기의 질이나 상태를 감지하기 위한 센서들을 포함할 수 있다. 그러나, 상기 센서들은 공기 청정장치 주변 영역의 공기 질만을 감지할 수 있으므로, 공기 청정장치와 이격된 위치에 대한 공기 질을 정확히 감지하지 못하는 문제가 있다.
이와 관련하여, 특허문헌 1(공개특허공보 제10-2015-0002891호)에는 복수의 실내 영역에 각각 설치되어 실내 영역의 공기 질을 센싱하는 복수의 센싱부와, 복수의 센싱부를 제어하는 제어부를 포함하는 공기 질 센싱 장치가 개시되어 있다. 그러나 상기 특허문헌의 경우 센싱부와 제어부가 별도로 구현되어 실제 환경에 적용하기 용이하지 않을 수 있다. 또한, 상기 특허문헌은 상기 공기 질 센싱 장치로부터 획득된 센싱 결과에 기초하여 외부 기기(공기청정기 등)가 단순히 구동될 뿐, 외부 기기가 센싱 결과에 따라 최적의 구동 제어를 수행하지 못하므로, 외부 기기의 비효율적인 구동에 따른 전력 낭비 등이 발생할 수 있다.
한편, 최근에는 인공지능(artificial intelligence) 기술에 대한 관심이 증가하고 있다. 상기 인공지능 기술의 여러 분야 중 인간의 학습 능력을 컴퓨터 상에서 실현하기 위한 기술로서 머신 러닝이 존재한다.
종래의 머신 러닝은 통계학 기반의 분류, 회귀, 군집 모델이 중심이었다. 특히, 분류, 회귀 모델의 지도 학습에서는 학습 데이터의 특성과 이러한 특성을 기반으로 새로운 데이터를 구별하는 학습 모델이 사전에 정의되었다. 이와 달리, 최근 빅데이터 개념의 등장과 함께 관심도가 증가하는 딥러닝은, 방대한 양의 데이터를 이용하여 컴퓨터가 스스로 특성을 찾아내고 판별하는 것이다.
최근 이러한 딥러닝과 관련되어 오픈소스로 제공되는 딥러닝 프레임워크들이 등장하였고, 이에 따라 효과적인 학습 및 인식을 위해, 딥러닝 알고리즘 외에 학습 과정, 학습 방법, 학습에 사용되는 데이터의 추출 및 선정과 관련된 기술이 더욱 중요해지고 있다. 또한, 머신 러닝을 다양한 제품이나 서비스에 이용하기 위한 연구가 증가하고 있다.
1. 공개특허공보 제10-2016-0085639호 (2016.07.18. 자 공개)
본 발명이 해결하고자 하는 과제는, 공기 청정장치와 통신가능한 공기 질 센싱 장치로부터 수신되는 공기 질 센싱 데이터에 기초하여 최적의 공기청정 동작을 수행할 수 있는 인공지능 기반의 공기 청정장치를 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는, 복수의 공기 질 센싱 장치들과 연동하여, 실내 공간의 구역들에 대한 공기 질 정보를 사용자에게 효과적으로 제공하고, 상기 구역들 각각에 대한 최적의 공기청정 동작을 수행할 수 있는 공기 청정장치를 제공하는 것이다.
본 발명의 실시 예에 따른 공기 청정장치는, 공기 질 센싱 장치로부터 수신된 공기 질 센싱 데이터에 기초하여 인식된 공기 질에 기초하여 공기 청정부를 제어할 수 있다. 상기 공기 청정장치는 수신된 공기 질 센싱 데이터로부터 상기 공기 질을 인식하기 위한 기학습된 인식 모델을 갖는 공기 질 인식기를 포함하여, 공기 질 센싱 장치가 배치된 구역에 대한 공기 질을 정확히 인식하고, 인식된 공기 질에 따라 최적의 공기청정 동작을 수행할 수 있다.
상기 공기 질 인식기는, 상기 공기 질 센싱 데이터 및 상기 인식 결과를 이용하여 상기 인식 모델을 업데이트하는 학습 동작을 수행하여, 상기 공기 질의 인식 정확도를 점진적으로 향상시킬 수 있다.
실시 예에 따라, 상기 제어부는 복수의 공기 질 센싱 장치들 각각으로부터 공기 질 센싱 데이터를 수신하고, 상기 공기 질 인식기를 통해, 상기 복수의 공기 질 센싱 데이터로부터 상기 복수의 공기 질 센싱 장치들에 대응하는 복수의 구역들 각각의 공기 질을 인식할 수 있다.
상기 제어부는, 인식 결과에 기초하여, 상기 복수의 공기 질 센싱 장치들에 대응하는 복수의 구역들 각각의 공기 질 정보를, 상기 공기 청정장치에 포함된 출력부를 통해 출력하여, 사용자에게 실내 공간의 공기 질 정보를 구역별로 상세하게 제공할 수 있다.
실시 예에 따라, 상기 공기 청정장치는 상기 복수의 구역들 각각에 대한 공기 질의 인식 결과에 기초하여, 상기 복수의 구역들 중 적어도 하나의 구역에 대한 공기 청정 제어 정보를 생성하는 공기 청정 제어 정보 생성부를 더 포함할 수 있다.
실시 예에 따라, 상기 공기 청정장치는 주행부를 더 포함하고, 상기 복수의 구역들 각각에 대한 공기 질의 인식 결과, 및 상기 공기 청정장치의 위치 정보에 기초하여, 상기 복수의 구역들 중 상기 적어도 하나의 구역을 포함하는 주행경로를 설정하는 주행경로 분석기를 더 포함할 수 있다.
상기 제어부는, 상기 주행경로를 따라 상기 공기 청정장치가 이동하도록 상기 주행부를 제어하고, 상기 공기 청정장치가 위치한 구역에 대한 공기 청정 제어 정보에 기초하여 상기 팬모터 및 상기 필터 모듈 중 적어도 하나를 제어함으로써, 복수의 구역들 각각에 대해 최적의 공기청정 동작을 수행할 수 있다.
본 발명의 실시 예에 따르면, 공기 청정장치는 공기 질 센싱 장치로부터 수신되는 센싱 데이터에 포함된 다양한 정보로부터, 머신 러닝 등 인공지능 기반의 기학습된 데이터를 이용하여 상기 센싱 데이터에 대응하는 공기 질을 정확히 인식하고, 인식 결과에 따라 공기 청정부를 제어함으로써, 실내 공간의 공기 환경을 효율적으로 조절할 수 있다.
또한, 공기 청정장치는 복수의 구역들에 배치된 복수의 공기 질 센싱 장치들로부터 수신되는 센싱 데이터를 이용하여, 실내 공간의 구역들 각각에 대한 공기 질 정보를 디스플레이 등의 출력부를 통해 출력할 수 있다. 사용자는 출력된 공기 질 정보를 통해 실내 공간의 구역들에 대한 공기 질을 편리하게 확인할 수 있어, 사용자의 만족도가 향상될 수 있다.
뿐만 아니라, 공기 청정장치는 인공지능 기반의 공기 질 인식기 및 주행경로 분석기를 이용하여, 구역들 중 적어도 일부에 대해 최적의 순서로 공기청정 동작을 수행함으로써, 실내 공간에 대한 공기청정 효과를 극대화할 수 있다.
도 1은 본 발명의 실시 예에 따른 공기청정 시스템을 보여주는 도면이다.
도 2는 본 발명의 실시 예에 따른 공기청정 시스템에 포함된 공기 질 센싱 장치의 개략적인 블록도이다.
도 3은 본 발명의 실시 예에 따른 공기 청정장치의 개략적인 블록도이다.
도 4는 도 3에 도시된 공기 청정 제어 모듈을 보다 구체적으로 나타내는 도면이다.
도 5와 도 6은 도 4의 공기 질 인식기에 적용되는 인공지능의 일례로서 딥러닝(deep learning)을 설명하기 위한 도면들이다.
도 7은 도 4에 도시된 공기 질 인식기의 인식 동작 및 학습 동작을 설명하기 위한 도면이다.
도 8은 본 발명의 실시 예에 따른 공기청정 시스템에 포함된 어플라이언스 제어 서버의 개략적인 블록도이다.
도 9는 공기 청정장치가 공기 질 센싱 장치로부터 수신되는 센싱 데이터를 이용하여 인공지능 기반의 공기청정 동작을 수행하는 실시 예를 설명하기 위한 플로우차트이다.
도 10은 공기 청정 제어 모듈이 공기 질 센싱 장치로부터 수신된 센싱 데이터를 인공 신경망에 입력하여 공기 청정 제어 정보를 생성하는 동작을 설명하기 위한 예시도이다.
도 11은 본 발명의 다른 실시 예에 따른 공기 청정장치의 공기청정 동작과 관련하여, 상기 공기 청정장치 및 복수의 공기 질 센싱 장치들이 실내 공간에 배치된 모습을 나타낸 예시도이다.
도 12는 도 11의 실시 예와 관련된 공기 청정 제어 모듈을 보다 구체적으로 나타내는 도면이다.
도 13은 도 11의 실시 예에 따른 공기 청정장치가 실내 공간별 공기 질 정보를 제공하는 동작을 설명하기 위한 플로우차트이다.
도 14 내지 도 15는 도 13의 실시 예와 관련된 예시도들이다.
도 16은 도 11의 실시 예에 따른 공기 청정장치가 복수의 공기 질 센싱 장치들로부터 수신되는 센싱 데이터를 이용하여 인공지능 기반의 공기청정 동작을 수행하는 실시 예를 설명하기 위한 플로우차트이다.
도 17 내지 도 18은 도 16의 실시 예와 관련된 예시도들이다.
도 19는 도 11의 실시 예에 따른 공기 청정장치가 실내 공간에 대한 공기청정 동작을 수행하는 다른 실시 예를 설명하기 위한 플로우차트이다.
도 20 내지 도 24는 공기 질 센싱 장치를 활용한 다양한 실시 예들을 설명하기 위한 도면들이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명한다. 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 실시 예에 따른 공기청정 시스템을 보여주는 도면이다.
도 1을 참조하면, 본 발명의 실시 예에 따른 공기청정 시스템은 공기 질 센싱 장치(10)와 공기 청정장치(20)를 포함할 수 있다.
공기 질 센싱 장치(10)는 공기 청정장치(20)가 설치된 실내 공간의 임의의 위치에 배치되어, 주변의 공기 질과 관련된 각종 정보를 감지하여 공기 질 센싱 데이터(이하, '센싱 데이터' 라 함)를 생성할 수 있다. 예컨대, 공기 질 센싱 장치(10)는 상기 실내 공간의 임의의 위치에 안착되거나, 벽면 등에 부착될 수 있으나, 이에 한정되는 것은 아니다.
공기 질 센싱 장치(10)는 네트워크를 통해 공기 청정장치(20)와 연결 가능하고, 생성된 센싱 데이터를 공기 청정장치(20)로 전송할 수 있다.
실시 예에 따라, 공기청정 시스템은 상기 실내 공간의 복수의 위치에 배치되는 복수의 공기 질 센싱 장치들을 포함할 수도 있다.
공기 청정장치(20)는, 실내 공간에 배치되어 공기를 흡입하고, 흡입된 공기 중의 이물이나 먼지를 포집하거나, 악취를 제거하거나, 흡입된 공기에 포함된 미생물을 살균하여, 정화된 공기를 토출함으로써 실내 공간의 공기청정 동작을 수행할 수 있다.
특히, 본 발명의 실시 예에 따른 공기 청정장치(20)는 공기 질 센싱 장치(10)로부터 생성된 센싱 데이터에 기초하여 공기청정 동작을 스스로 제어할 수 있다.
한편, 공기청정 시스템은 어플라이언스 제어 서버(30)를 포함할 수 있다. 어플라이언스 제어 서버(30)는 상기 실내 공간에 존재하는 다양한 어플라이언스들(예컨대, 공기 청정장치(20), 조명, 기타 가전 기기 등)과 통신 연결되어, 상기 어플라이언스들 각각과 관련된 정보를 송수신할 수 있다.
또한, 어플라이언스 제어 서버(30)는 상기 어플라이언스들 각각의 동작을 제어하는 제어 신호를 생성 및 송신할 수도 있다. 예컨대, 어플라이언스 제어 서버(30)는 공기 질 센싱 장치(10)로부터 센싱 데이터를 수신하고, 수신된 센싱 데이터에 기초하여 공기 청정장치(20)의 공기청정 동작을 제어하는 제어 정보를 생성하여 공기 청정장치(20)로 전송할 수 있다.
실시 예에 따라, 어플라이언스 제어 서버(30)는 상기 실내 공간에 존재하는 상기 어플라이언스들을 종합 관리하는 관리 서버로서 기능할 수도 있다.
어플라이언스 제어 서버(30)에 대해서는 추후 도 8을 참조하여 보다 상세히 설명하기로 한다.
실시 예에 따라, 공기청정 시스템은 공기 질 센싱 장치(10) 및 공기 청정장치(20)의 사용자의 단말기(40)를 더 포함할 수 있다. 상기 단말기(40)는 스마트폰이나 태블릿 PC 등의 이동 단말기를 의미할 수 있으나, 실시 예에 따라서는 PC 등의 고정형 단말기를 포함할 수 있다.
단말기(40)는 공기 질 센싱 장치(10) 및/또는 공기 청정장치(20)의 동작 정보나 상태 정보 등을 수신하여 사용자에게 제공할 수 있다. 또한, 단말기(40)는 사용자로부터 입력되는 제어 명령에 기초하여 공기 질 센싱 장치(10) 및/또는 공기 청정장치(20)로 제어 신호를 전송할 수도 있다.
또한, 단말기(40)는 어플라이언스 제어 서버(30)로부터 상기 실내 공간의 다양한 어플라이언스들 각각에 대한 정보를 수신할 수 있다. 실시 예에 따라, 단말기(40)는 상기 어플라이언스들 중 어느 하나를 제어하는 제어 요청을 어플라이언스 제어 서버(30)로 전송할 수도 있다.
이하 도 2 내지 도 3을 참조하여, 본 발명의 실시 예에 따른 공기청정 시스템에 포함된 공기 질 센싱 장치(10) 및 공기 청정장치(20) 각각의 구성에 대해 설명한다.
도 2는 본 발명의 실시 예에 따른 공기청정 시스템에 포함된 공기 질 센싱 장치의 개략적인 블록도이다.
도 2를 참조하면, 공기 질 센싱 장치(10)는 통신부(110), 입력부(120), 센서부(130), 광 출력부(140), 메모리(150), 제어부(160), 및 전원 공급부(170)를 포함할 수 있다. 도 2에 도시된 구성들은 공기 질 센싱 장치(10)를 구현하는 데 있어 필수적인 것은 아닌 바, 공기 질 센싱 장치(10)는 보다 많거나 적은 구성 요소들을 포함할 수 있다.
통신부(110)는, 공기 질 센싱 장치(20)를 네트워크를 통해 공기 청정장치(20), 어플라이언스 제어 서버(30) 및/또는 사용자의 단말기(40) 등과 연결하기 위한 적어도 하나의 통신 모듈을 포함할 수 있다. 예컨대, 통신부(110)는 블루투스, NFC(near field communication)와 같은 근거리 통신 모듈, Wi-Fi 등의 무선 인터넷 모듈이나 이동 통신 모듈을 포함할 수 있다. 제어부(160)는 통신부(110)를 통해 공기 청정장치(20), 어플라이언스 제어 서버(30), 및/또는 단말기(40)로 공기 질 센싱 장치(10)의 상태 정보나 동작 정보, 및 센서부(130)에 의해 획득된 센싱 데이터를 전송할 수 있다. 또한, 제어부(160)는 통신부(110)를 통해 상기 공기 청정장치(20), 어플라이언스 제어 서버(30), 및/또는 단말기(40)로부터 공기 질 센싱 장치(10)의 제어 정보를 수신할 수 있다.
입력부(120)는 사용자의 조작에 의해 소정 신호 또는 데이터를 공기 질 센싱 장치(10)로 입력하는 적어도 하나의 입력 수단을 포함할 수 있다. 예컨대, 상기 적어도 하나의 입력 수단은 버튼, 다이얼, 터치패드, 마이크로폰(microphone) 등을 포함할 수 있다.
센서부(130)는 공기 질 센싱 장치(10)가 배치된 영역 주변의 공기 질을 감지하는 적어도 하나의 센서를 포함할 수 있다.
예컨대, 상기 공기 질은 공기 중의 이산화탄소 농도, 먼지 농도, 온도, 습도, 및 가스 농도(예컨대, 휘발성 유기 화학 물질 등) 등을 포함할 수 있다. 이 경우, 센서부(130)는 이산화탄소 농도를 감지하는 이산화탄소 센서(132), 먼지 농도를 감지하는 먼지 센서(134), 휘발성 유기 화학 물질(또는 가스)의 농도를 감지하는 VOC 센서(Volatile Organic Chemical sensor; 136), 및 온도와 습도를 감지하는 온습도 센서(138)를 포함할 수 있다. 상기 적어도 하나의 센서는 공기 질 센싱 장치(10)의 내부에 서로 간섭을 최소화하도록 배치되어 있을 수 있다.
광 출력부(140)는, 공기 질 센싱 장치(10)의 센서부(130)에 의해 획득된 센싱 데이터에 기초한 공기 질에 대한 정보를 나타내는 적어도 하나의 광원을 포함할 수 있다. 예컨대, 광 출력부(140)는 서로 다른 색상의 광을 출력하는 복수의 LED를 구비하여, 공기 질에 대한 정보를 특정 색상의 광을 출력함으로써 사용자에게 알릴 수 있다. 이와 관련된 구체적 일례로, 광 출력부(140)는 적색 광을 출력하는 적색 LED, 녹색 광을 출력하는 녹색 LED, 및 청색 광을 출력하는 청색 LED를 포함할 수 있다. 제어부(160)는 센서부(130)를 통해 획득된 센싱 데이터에 기초한 공기 질이 '나쁨'에 해당하는 경우, 적색 광을 출력하도록 광 출력부(140)를 제어할 수 있다. 한편, 제어부(160)는 상기 공기 질이 '보통'에 해당하는 경우 녹색 광을 출력하도록 광 출력부(140)를 제어하고, 상기 공기 질이 '좋음'에 해당하는 경우 청색 광을 출력하도록 광 출력부(140)를 제어할 수 있다.
도 2에서는 공기 질 센싱 장치(10)가 출력 수단으로서 광 출력부(140)만을 구비하는 것으로 설명하였으나, 실시 예에 따라 공기 질 센싱 장치(10)는 디스플레이부나 사운드 출력부를 포함할 수도 있다. 이 경우, 공기 질 센싱 장치(10)는 상기 디스플레이부나 사운드 출력부를 이용하여, 공기 질 센싱 장치(10)의 동작 정보나 상태 정보, 공기 질에 대한 정보를 보다 상세히 출력할 수도 있다.
메모리(150)에는, 공기 질 센싱 장치(10)에 포함된 구성 요소들의 동작을 제어하기 위한 제어 데이터, 입력부(120)를 통해 획득된 입력에 대응하는 동작을 수행하기 위한 데이터 등의 각종 데이터가 저장될 수 있다.
또한, 메모리(150)에는 센서부(130)를 통해 감지 또는 측정되는 센싱 데이터가 저장될 수 있고, 센싱 데이터에 기초하여 공기 질을 인식하고, 인식된 공기 질에 대한 정보를 광 출력부(140)를 통해 표시하는 동작과 관련된 데이터 및 알고리즘이 저장되어 있을 수 있다.
제어부(160)는 공기 질 센싱 장치(10)의 전반적인 동작을 제어할 수 있다. 특히, 제어부(160)는 센서부(130)에 포함된 적어도 하나의 센서(132, 134, 136, 138)를 제어하여, 공기 질 센싱 장치(10) 주변의 공기 질을 감지하고, 감지 결과에 기초하여 센싱 데이터를 획득할 수 있다. 제어부(160)는 획득된 센싱 데이터를 통신부(110)를 통해 공기 청정장치(20), 어플라이언스 제어 서버(30), 및/또는 단말기(40)로 전송할 수 있다. 또한, 제어부(160)는 획득된 센싱 데이터로부터, 메모리(150)에 저장된 알고리즘을 이용하여 공기 질을 인식하고, 인식된 공기 질에 대한 정보를 출력하도록 광 출력부(140)를 제어할 수 있다. 제어부(160)는 미리 설정된 알고리즘에 따라 상기 각종 운전을 수행할 수 있다.
전원 공급부(170)는 공기 질 센싱 장치(10)에 포함된 구성 요소들 각각의 동작에 필요한 전원을 공급할 수 있다. 예컨대, 전원 공급부(170)는 배터리를 포함할 수 있다. 상기 배터리는 공기 질 센싱 장치(10) 내에 구비될 수 있고, 공기 질 센싱 장치(10)에 포함된 전원 연결 단자를 통해 외부의 전원과 연결되어 충전될 수 있다.
도 3은 본 발명의 실시 예에 따른 공기 청정장치의 개략적인 블록도이다.
도 3을 참조하면, 공기 청정장치(20)는 통신부(210), 입력부(220), 출력부(230), 공기 청정부(240), 메모리(250), 및 제어부(260)를 포함할 수 있다. 도 3에 도시된 구성들은 공기 청정장치(20)를 구현하는 데 있어 필수적인 것은 아닌 바, 공기 청정장치(20)는 보다 많거나 적은 구성 요소들을 포함할 수 있다.
통신부(210)는, 공기 청정장치(20)를 공기 질 센싱 장치(10), 어플라이언스 제어 서버(30), 및/또는 단말기(40) 등과 연결하기 위한 적어도 하나의 통신 모듈을 포함할 수 있다. 예컨대, 통신부(210)는 블루투스, NFC(near field communication)와 같은 근거리 통신 모듈, Wi-Fi 등의 무선 인터넷 모듈이나 이동 통신 모듈을 포함할 수 있다. 제어부(260)는 통신부(210)를 통해 어플라이언스 제어 서버(30)나 단말기(40)로 공기 청정장치(20)의 상태 정보나 동작 정보를 전송할 수 있다. 또는, 제어부(260)는 통신부(210)를 통해 상기 서버(30)나 단말기(40)로부터 공기 청정장치(20)의 제어 정보를 수신할 수 있다.
또한, 본 발명의 실시 예에 따르면, 제어부(260)는 통신부(210)를 통해 공기 질 센싱 장치(10)로부터 센싱 데이터를 수신하고, 수신된 센싱 데이터에 기초하여 공기 청정부(240)를 제어할 수 있다. 이에 대해서는 추후 도 4 내지 도 19를 통해 상세히 설명하기로 한다.
입력부(220)는 사용자의 조작에 의해 소정 신호 또는 데이터를 공기 청정장치(20)로 입력하는 적어도 하나의 입력 수단을 포함할 수 있다. 예컨대, 상기 적어도 하나의 입력 수단은 버튼, 다이얼, 터치패드, 마이크로폰(microphone) 등을 포함할 수 있다.
한편, 입력부(220)는 원격 제어 장치(미도시)와 연결되는 인터페이스를 포함할 수 있다. 즉, 입력부(220)는 상기 인터페이스를 통해 상기 원격 제어 장치로부터 제어 신호를 수신할 수도 있다.
출력부(230)는, 공기 청정장치(20)의 동작과 관련된 다양한 정보(풍량, 풍향, 운전 모드, 공기 질 정보 등)를 사용자에게 알리기 위한 출력 수단을 구비할 수 있다. 예컨대, 출력부(230)는 그래픽 또는 텍스트 출력 수단으로서 디스플레이나 광 출력부를 포함할 수 있고, 오디오 출력 수단으로서 스피커나 버저(buzzer) 등을 포함할 수 있다.
공기 청정부(240)는, 공기 청정장치(20)가 주변의 공기를 흡입하고, 흡입된 공기를 정화하여 정화된 공기를 토출하는 공기청정 동작과 관련된 구성들을 포함할 수 있다.
예컨대, 공기 청정부(240)는 공기를 흡입 및 토출하기 위한 팬모터(242)와, 흡입된 공기를 정화하는 필터 모듈(244)을 포함할 수 있다. 팬모터(242)는 구동 시 공기 청정장치(20)의 내부에 구비된 팬(미도시)을 회전시켜 공기의 유동을 발생시킬 수 있다. 공기의 유동이 발생함에 따라, 공기 청정장치(20)의 주변 공기가 흡입구를 통해 흡입되고, 필터 모듈(244)에 의해 정화된 공기를 토출구를 통해 외부로 배출할 수 있다. 제어부(260)는 팬모터(242)의 회전 속도를 제어함에 따라 공기 청정장치(20)의 풍량을 조절할 수 있다.
필터 모듈(244)은 흡입된 공기를 정화하기 위한 적어도 하나의 필터를 포함할 수 있다. 예컨대, 필터 모듈(244)은 공기 중의 이물이나 먼지를 포집하기 위한 집진 필터, 공기 중의 휘발성 유기 화학 물질을 분해하여 악취를 제거하는 탈취필터(예컨대, 광촉매 필터, 활성탄 등), 이산화탄소 포집 필터 등을 포함할 수 있다. 실시 예에 따라, 필터 모듈(244)은 공기 중의 박테리아나 세균 등의 미생물을 살균하는 살균 필터(UV 램프, UV LED 등)를 더 포함할 수 있다. 제어부(260)는 공기청정 동작과 관련된 복수의 운전 모드들 중 설정된 운전 모드에 기초하여, 필터 모듈(244)에 포함된 필터들 중 적어도 하나를 활성화시킬 수 있다.
메모리(250)에는, 공기 청정장치(20)에 포함된 구성 요소들의 동작을 제어하기 위한 제어 데이터, 입력부(220)를 통해 입력되는 운전 모드 등의 설정값, 공기 청정장치(20)의 에러 발생 여부를 판단하기 위한 데이터 등의 각종 데이터가 저장될 수 있다.
또한, 메모리(250)에는 통신부(210)를 통해 공기 질 센싱 장치(10)로부터 수신되는 센싱 데이터, 어플라이언스 제어 서버(30) 또는 단말기(40)로부터 수신되는 각종 데이터가 저장될 수 있다.
제어부(260)는 공기 청정장치(20)의 전반적인 동작을 제어할 수 있다. 제어부(260)는 통신부(210)나 입력부(220) 등을 통해 수신되는 공기청정 동작 요청에 기초하여 공기청정 동작을 수행하도록 공기 청정부(240)를 제어할 수 있다.
한편, 본 발명의 실시 예에 따른 제어부(260)는, 통신부(210)를 통해 공기 질 센싱 장치(10)로부터 수신되는 센싱 데이터를, 인공지능 기반의 공기 청정 제어 모듈(262)로 입력할 수 있다. 공기 청정 제어 모듈(262)은 인공지능 기반의 인식 모델을 이용하여, 상기 수신된 센싱 데이터로부터 공기 질 센싱 장치(10)가 설치된 공간에 대한 공기 질을 인식하고, 인식 결과에 기초한 공기 청정 제어 정보를 생성할 수 있다.
예컨대, 공기 청정 제어 모듈(262)은 머신 러닝(machine learning)으로 기학습된 데이터(예컨대, 인공신경망(artificial neural network; ANN))를 갖는 공기 질 인식기(263; 도 4 참조)를 포함하여, 입력된 센싱 데이터로부터 공기 질 센싱 장치(10)가 배치된 영역에 대한 공기 질을 정확히 인식할 수 있다.
도 3에서는 공기 청정 제어 모듈(262)이 제어부(260)에 포함되는 것으로 도시되어 있으나, 실시 예에 따라 공기 청정 제어 모듈(262)은 제어부(260)와 별도의 구성(예컨대, 별도의 칩이나 모듈)로서 구현될 수도 있다. 이 경우, 공기 청정 제어 모듈(262)은 제어부(260)와 내부 인터페이스를 통해 데이터를 송수신할 수 있다.
한편, 실시 예에 따라 공기 청정장치(20)는 실내 공간을 주행 가능한 이동형 공기 청정장치로 구현될 수도 있다. 이 경우, 공기 청정장치(20)는 주행을 위한 주행부(280)를 포함할 수 있다. 주행부(280)는 바퀴 등의 주행 수단과, 상기 주행 수단으로 동력을 제공하는 주행 모터를 포함할 수 있다.
한편, 공기 청정장치(20)는 상기 실내 공간에서의 위치를 인식하거나, 상기 실내 공간에 대한 실내 구조도를 획득하는 공간 인식부(290)를 더 포함할 수 있다. 예컨대, 공간 인식부(290)는 카메라(292)나 라이다 센서(294) 등의 각종 센서를 포함할 수 있다. 제어부(260)는 공기 청정장치(20)의 주행 중 공간 인식부(290)로부터 획득되는 영상 정보 및 센싱 정보에 기초하여, 상기 실내 구조도를 획득할 수 있다. 실시 예에 따라, 상기 실내 구조도는 어플리케이션 제어 서버(30) 또는 단말기(40)로부터 획득될 수도 있다. 또한, 제어부(260)는 카메라(292)로부터 획득된 영상 정보, 라이다 센서(294)로부터 획득되는 센싱 정보, 및 상기 실내 구조도를 이용하여 공기 청정장치(20)의 위치를 인식할 수 있다.
상기 이동형 공기 청정장치와 관련된 실시 예에 대해서는 추후 도 11 내지 도 19를 참조하여 보다 상세히 설명한다.
이하, 도 4를 참조하여 공기 청정 제어 모듈(262)에 대해 보다 상세히 설명한다.
도 4는 도 3에 도시된 공기 청정 제어 모듈을 보다 구체적으로 나타내는 도면이다.
도 4를 참조하면, 공기 청정 제어 모듈(262)은 공기 질 인식기(263)와 공기 청정 제어 정보 생성부(265)를 포함할 수 있다.
공기 질 인식기(263)는 인공지능(artificial intelligence)의 일 분야인 머신 러닝 기반의 인식 모델을 포함할 수 있다. 이러한 공기 질 인식기(263)는 통신부(210)를 통해 수신되는 센싱 데이터를 상기 인식 모델로 입력하여, 공기 질 센싱 장치(10)가 배치된 영역의 공기 질을 인식할 수 있다.
상술한 바와 같이, 상기 센싱 데이터는 공기 질 센싱 장치(10)가 배치된 영역의 이산화탄소 농도, 먼지 농도, 휘발성 유기 화학 물질(또는 가스)의 농도, 온도 및 습도 중 적어도 하나의 정보를 포함할 수 있다.
예컨대, 상기 인식 모델은 소프트웨어 또는 하드웨어 형태의 인공신경망(ANN)을 포함할 수 있다. 예를 들어, 상기 인공신경망은 딥러닝(deep learning)으로 학습된 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(deep neural network; DNN)을 포함할 수 있다.
공기 질 인식기(263)는 상기 센싱 데이터가 입력되면, 입력된 센싱 데이터에 포함된 적어도 하나의 정보 사이의 연관성, 패턴 등을 발견하여 특징 맵을 형성할 수 있다. 예컨대, 공기 질 인식기(263)는 입력된 센싱 데이터로부터 하위레벨 특징, 중간레벨 특징, 및 상위레벨 특징을 추출하여 공기 질 센싱 장치(10)가 배치된 영역의 공기 질을 인식할 수 있다. 상기 연관성, 패턴 및 특징들은 이전 입력된 다수의 센싱 데이터 및 그에 대응하는 공기 질 정보로부터 학습된 것일 수 있다.
공기 청정 제어 정보 생성부(265)는, 공기 질 인식기(263)의 공기 질 인식 결과에 기초하여, 공기 청정부(240)의 동작을 제어하기 위한 공기 청정 제어 정보를 생성할 수 있다. 예컨대, 상기 공기 청정 제어 정보는 공기 청정장치(20)에 기 설정된 복수의 운전 모드 중 적어도 하나에 대한 설정값을 포함할 수 있다. 실시 예에 따라, 상기 공기 청정 제어 정보는 공기 청정부(240)에 포함된 팬모터(242)의 구체적인 회전 속도 정보나, 필터 모듈(244)에 포함된 적어도 하나의 필터 각각의 제어 정보를 포함할 수도 있다.
실시 예에 따라, 공기 질 인식기(263)의 인식 결과가 공기 청정 제어 정보의 형태로 제공되거나, 제어부(260)가 상기 인식 결과에 기초하여 공기 청정 제어 정보를 생성하는 경우, 상기 공기 청정 제어 정보 생성부(265)는 별도로 구비되지 않을 수도 있다.
이하 도 5와 도 6을 참조하여, 공기 청정 제어 모듈(262)의 공기 질 인식기(263)에 적용되는 인공지능 기술의 일례로서 딥 러닝에 대해 보다 상세히 설명한다.
도 5와 도 6은 도 4의 공기 질 인식기에 적용되는 인공지능의 일례로서 딥러닝(deep learning)을 설명하기 위한 도면들이다.
인공지능이란 인간의 지능으로 할 수 있는 사고, 학습, 자기 개발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 일 분야에 해당한다. 이러한 인공지능의 연구 분야 중 하나인 머신 러닝은 경험적 데이터를 기반으로 예측을 수행하고, 학습을 통해 스스로의 성능을 향상시키는 시스템을 의미할 수 있다. 머신 러닝의 일종인 딥러닝 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습하는 것이다.
딥러닝은 단계를 높여갈수록 복수의 데이터로부터 핵심적인 데이터를 추출하는 머신 러닝 알고리즘의 집합을 나타낼 수 있다.
딥러닝 구조는 인공신경망(artificial neural network(ANN))을 포함할 수 있고, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(deep neural network)으로 구성될 수 있다.
도 5를 참조하면, 인공신경망은 입력 레이어(Input Layer), 히든 레이어(Hidden Layer), 및 출력 레이어(Output Layer)를 포함할 수 있다. 각 레이어는 복수의 노드들을 포함하고, 각 레이어는 다음 레이어와 연결된다. 인접한 레이어 사이의 노드들은 웨이트(weight)를 가지고 서로 연결될 수 있다.
도 6을 참조하면, 컴퓨팅 장치(머신)는 투입된 입력 데이터(610)로부터 일정한 패턴을 발견해 특징맵(feature map)을 형성할 수 있다. 예컨대, 컴퓨팅 장치(머신)는 하위레벨 특징(620)부터, 중간레벨 특징(630), 및 상위레벨 특징(640)을 추출하여, 대상을 인식하고 그 결과를 출력(650)할 수 있다.
인공신경망은 다음 순서의 레이어로 갈수록 더욱 상위레벨의 특징으로 추상화할 수 있다.
도 5와 도 6을 참조하면, 각 노드들은 활성화 모델에 기초하여 동작할 수 있고, 활성화 모델에 따라 입력값에 대응하는 출력값이 결정될 수 있다.
임의의 노드, 예를 들어, 하위레벨 특징(620)의 출력값은 해당 노드와 연결된 다음 레이어, 예를 들어, 중간레벨 특징(630)의 노드로 입력될 수 있다. 다음 레이어의 노드, 예를 들어, 중간레벨 특징(630)의 노드는 하위레벨 특징(620)의 복수의 노드들로부터 출력되는 값들을 입력받을 수 있다.
이 때, 각 노드의 입력값은 이전 레이어의 노드의 출력값에 웨이트(weight)가 적용된 값일 수 있다. 웨이트는 노드 간의 연결 강도를 의미할 수 있다.
또한, 딥러닝 과정은 적절한 웨이트를 찾아내는 과정으로도 볼 수 있다.
한편, 임의의 노드, 예를 들어, 중간레벨 특징(630)의 출력값은 해당 노드와 연결된 다음 레이어, 예를 들어, 상위레벨 특징(640)의 노드로 입력될 수 있다. 다음 레이어의 노드, 예를 들어, 상위레벨 특징(640)의 노드는 중간레벨 특징(630)의 복수의 노드로부터 출력되는 값들을 입력받을 수 있다.
인공신경망은 각 레벨에 대응하는 학습된 레이어(layer)를 이용하여, 각 레벨에 대응하는 특징 정보를 추출할 수 있다. 인공신경망은 순차적으로 추상화하여, 가장 상위 레벨의 특징 정보를 활용하여 소정 대상을 인식할 수 있다.
예를 들어, 딥러닝에 의한 얼굴인식 과정을 살펴보면, 컴퓨터는 입력 영상으로부터, 픽셀의 밝기에 따라 밝은 픽셀과 어두운 픽셀을 구분하고, 테두리, 에지 등 단순한 형태를 구분한 후, 조금 더 복잡한 형태와 사물을 구분할 수 있다. 최종적으로 컴퓨터는 인간의 얼굴을 규정하는 형태를 파악할 수 있다.
본 발명에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 본 발명에 따른 딥러닝 구조는 CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), DBN(Deep Belief Network) 등일 수 있다.
RNN(Recurrent Neural Network)은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(Time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다.
DBN(Deep Belief Network)은 딥러닝 기법인 RBM(Restricted Boltzman Machine)을 다층으로 쌓아 구성되는 딥러닝 구조이다. RBM(Restricted Boltzman Machine) 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN(Deep Belief Network)를 구성할 수 있다.
CNN(Convolutional Neural Network)은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출한 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델이다.
한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(Back Propagation) 등의 방법이 사용될 수 있다.
한편, 메모리(250)에는 상기 인공신경망을 학습하기 위한 데이터가 저장될 수 있다. 또한, 실시 예에 따라서는, 메모리(250)에는 인공신경망 구조를 이루는 웨이트, 바이어스들이 저장될 수 있다. 또는, 실시 예에 따라서는, 상기 인공신경망 구조를 이루는 웨이트, 바이어스들은 공기 청정 제어 모듈(262)의 임베디드 메모리에 저장될 수도 있다.
한편, 공기 청정 제어 모듈(262)은 공기 질 센싱 장치(10)로부터 센싱 데이터가 획득되어 그에 대응하는 공기 질이 인식될 때마다, 획득된 센싱 데이터 및 인식 결과를 이용하여 공기 질 인식기(263)의 학습 과정을 수행할 수 있다. 상기 학습 과정이 수행됨에 따라, 웨이트 등 인공신경망 구조가 업데이트될 수 있다.
또는, 공기 청정장치(20)는 상기 획득된 센싱 데이터 및 인식 결과를 서버(예컨대, 어플라이언스 제어 서버(30))로 전송하고, 서버로부터 머신 러닝과 관련된 데이터를 수신할 수도 있다. 이 경우, 상기 서버는 학습 모듈을 포함하여, 공기 청정장치(20)로부터 수신된 센싱 데이터 및 인식 결과를 이용한 학습 과정을 수행할 수 있다. 이 경우, 공기 청정장치(20)는 서버로부터 수신된 머신 러닝과 관련된 데이터에 기초하여 공기 청정 제어 모듈(262)의 공기 질 인식기(263)를 업데이트할 수 있다.
상기 학습 과정에 대해 이하 도 7을 참조하여 설명한다.
도 7은 도 4에 도시된 공기 질 인식기의 인식 동작 및 학습 동작을 설명하기 위한 도면이다.
도 7을 참조하면, 도 4 등에서 상술한 바와 같이, 공기 질 인식기(263)는 공기 질 센싱 장치(10)에 의해 획득된 센싱 데이터가 입력되면, 입력된 센싱 데이터에 기초하여 공기 질 센싱 장치(10)가 배치된 영역의 공기 질을 인식하여 인식 결과를 출력할 수 있다. 실시 예에 따라, 공기 질 인식기(263)는 1회의 인식 결과를 최종 인식 결과로서 출력할 수 있으나, 복수 회의 인식 동작을 반복 또는 연속 수행하고, 복수 회의 인식 결과에 기초하여 최종 인식 결과를 출력함으로써, 공기 질에 대한 인식 정확도를 보다 향상시킬 수도 있다.
한편, 공기 질 인식기(263)는 수신된 센싱 데이터를 수집하여 데이터베이스를 구축하고, 획득된 센싱 데이터로부터 추출된 특징점들과, 공기 질의 인식 결과를 이용하여 공기 질 인식기의 학습을 수행할 수 있다. 공기 질 인식기의 학습을 통해, 공기 질 인식기(263)에 포함된 인공신경망의 파라미터들(웨이트 및 바이어스)이 업데이트될 수 있다. 상기 데이터베이스는 공기 청정장치(20)의 메모리(250) 또는 공기 청정 제어 모듈(262)의 임베디드 메모리에 저장되거나, 서버(예컨대, 어플라이언스 제어 서버(30) 등)의 메모리에 저장될 수 있다.
도 8은 본 발명의 실시 예에 따른 공기청정 시스템에 포함된 어플라이언스 제어 서버의 개략적인 블록도이다.
도 8을 참조하면, 어플라이언스 제어 서버(30)는 공기 청정장치(20) 등 홈 어플라이언스 제조사가 운영하는 서버 또는 서비스 제공자가 운영하는 서버일 수 있고, 일종의 클라우드(cloud) 서버일 수 있다.
이러한 어플라이언스 제어 서버(30)는 프로세서(310), 통신부(320), 및 메모리(330)를 포함할 수 있다.
프로세서(310)는 어플라이언스 제어 서버(30)의 전반적인 동작을 제어할 수 있다.
프로세서(310)는 통신부(320)를 통해 공기 청정장치(20)로부터 상태 정보 또는 동작 정보 등의 다양한 정보를 수신할 수 있다. 또한, 프로세서(310)는 통신부(320)를 통해 공기 청정장치(20)로 동작 제어를 위한 제어 정보를 송신할 수 있다. 이를 위해, 통신부(320)는 인터넷 모듈, 이동 통신 모듈 등 적어도 하나의 통신 모듈을 포함할 수 있다.
실시 예에 따라, 프로세서(310)는 통신부(320)를 통해 단말기(40)로 공기 청정장치(20)의 상기 상태 정보 또는 동작 정보를 전송할 수 있다. 또는, 프로세서(310)는 통신부(320)를 통해 단말기(40)로부터 공기 청정장치(20)의 제어 요청을 수신하고, 수신된 제어 요청에 대응하는 제어 신호를 공기 청정장치(20)로 전송함으로써 상기 제어 요청을 처리할 수 있다.
메모리(830)는 공기 청정장치(20) 등 어플라이언스 제어 서버(30)와 연결된 어플라이언스들에 대한 각종 정보를 저장할 수 있다.
한편, 도 7에서는 공기 청정장치(20)가 자체 학습을 통해 공기 질 인식기(263)를 업데이트하는 실시 예를 설명하였다. 그러나, 실시 예에 따라서는 공기 청정장치(20)와 연결되는 별도의 서버(예컨대, 학습 서버)가 상술한 학습 과정을 수행할 수도 있다.
도 8에서는 어플라이언스 제어 서버(30)가 학습 모듈(340)을 포함하여 학습 서버의 역할을 수행하는 것으로 가정하여 설명한다. 그러나, 실시 예에 따라 공기청정 시스템은 상기 학습 모듈을 포함하는 별도의 학습 서버를 포함할 수도 있다.
학습 모듈(340)은, 공기 청정장치(20)로부터 수신된 센싱 데이터 및 인식 결과에 기초하여 학습 동작을 수행할 수 있다. 이러한 학습 모듈(340)은 인공신경망, 예를 들어 도 5 내지 도 6에서 상술한 CNN, RNN, DBN 등 심층신경망을 포함할 수 있다.
학습 모듈(340)의 학습 방법으로는 자율학습(unsupervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다.
프로세서(310)는 학습 모듈(340)의 학습 후, 공기 청정장치(20)의 공기 질 인식기(263)에 포함된 인공신경망 구조를 학습된 인공신경망 구조로 업데이트시키기 위한 학습 데이터를 통신부(320)를 통해 공기 청정장치(20)로 송신할 수 있다.
공기 청정장치(20)의 공기 질 인식기(263)는 어플라이언스 제어 서버(30)로부터 수신된 학습 데이터에 기초하여 인공신경망 구조를 업데이트할 수 있다.
한편, 공기 청정장치(20)는 도 7에서 상술한 자체 학습과, 도 8에서 설명한 서버(30)를 통한 학습을 복합적으로 활용하여 공기 질 인식기(263)를 업데이트할 수도 있다.
실시 예에 따라, 상술한 공기 청정 제어 모듈은 공기 청정장치(20)에 포함되지 않고, 어플라이언스 제어 서버(30)에 포함될 수도 있다. 이 경우, 어플라이언스 제어 서버(30)의 공기 청정 제어 모듈(350)은, 공기 질 센싱 장치(10)로부터 센싱 데이터를 수신하고, 수신된 센싱 데이터를 공기 질 인식기로 입력하여 공기 질의 인식 결과를 획득할 수 있다. 공기 청정 제어 모듈(350)은 인식 결과에 기초하여 공기 청정장치(20)를 제어하기 위한 공기 청정 제어 정보를 생성할 수 있다. 프로세서(310)는 생성된 공기 청정 제어 정보 또는 이에 대응하는 제어 신호를 통신부(320)를 통해 공기 청정장치(20)로 전송할 수 있다. 공기 청정장치(20)는 수신된 공기 청정 제어 정보 또는 제어 신호에 응답하여 공기 청정부(240)를 제어할 수 있다.
도 9는 공기 청정장치가 공기 질 센싱 장치로부터 수신되는 센싱 데이터를 이용하여 인공지능 기반의 공기청정 동작을 수행하는 실시 예를 설명하기 위한 플로우차트이다. 도 10은 공기 청정 제어 모듈이 공기 질 센싱 장치로부터 수신된 센싱 데이터를 인공 신경망에 입력하여 공기 청정 제어 정보를 생성하는 동작을 설명하기 위한 예시도이다.
도 9를 참조하면, 공기 청정장치(20)는 공기 질 센싱 장치(10)로부터 센싱 데이터를 수신할 수 있다(S100).
공기 질 센싱 장치(10)는 실내 공간의 특정 위치에 배치되고, 센서부(130)를 이용하여 이산화탄소 농도, 먼지 농도, 휘발성 유기 화학 물질 농도, 온도, 습도 등 공기 질과 관련된 센싱 데이터를 획득하고, 획득된 센싱 데이터를 공기 청정장치(20)로 전송할 수 있다.
공기 청정장치(20)의 제어부(260)는, 상기 공기 질 센싱 장치(10)로부터 상기 센싱 데이터를 통신부(210)를 통해 수신할 수 있다. 실시 예에 따라, 공기 질 센싱 장치(10)는 상기 센싱 데이터를 주기적으로 획득하고, 획득된 센싱 데이터를 공기 청정장치(20)로 주기적으로 전송할 수도 있다.
다른 실시 예에 따라, 공기 질 센싱 장치(10)는 획득된 센싱 데이터에 따른 공기 질이 기 설정된 기준 공기 질보다 낮은 경우에만 상기 센싱 데이터를 공기 청정장치(20)로 전송할 수도 있다. 즉, 공기 질 센싱 장치(10)는 공기 청정장치(20)의 구동이 필요하다고 판단되는 경우에만 상기 센싱 데이터를 전송함으로써, 공기 청정장치(20)가 공기 질을 인식하는 동작을 수행함에 따른 리소스(resource) 소모를 최소화할 수 있다.
공기 청정장치(20)는, 수신한 센싱 데이터를 인공지능 기반의 공기 청정 제어 모듈(262)로 입력할 수 있다(S110).
제어부(260)는 공기 질 센싱 장치(10)로부터 센싱 데이터가 수신되면, 수신된 센싱 데이터를 공기 청정 제어 모듈(262)의 공기 질 인식기(263)로 입력할 수 있다. 상술한 바와 같이, 공기 질 인식기(263)는 인공지능의 일 분야인 머신 러닝 기반의 인공신경망을 포함할 수 있다.
공기 청정 제어 모듈(262)은, 입력된 센싱 데이터에 기초하여 인식된 공기 질에 대응하는 공기 청정 제어 정보를 생성할 수 있다(S120).
공기 청정 제어 모듈(262)의 공기 질 인식기(263)는 입력된 센싱 데이터로부터, 공기 질 센싱 장치(10)가 배치된 영역에 대한 공기 질을 인식하고, 공기 청정 제어 정보 생성부(265)는, 공기 질의 인식 결과에 기초하여, 상기 영역의 공기 질을 조절하기 위한 공기 청정 제어 정보를 생성할 수 있다.
이와 관련하여 도 10을 참조하면, 공기 질 인식기(263)에 포함된 인공신경망의 입력 레이어로는 상기 센싱 데이터가 입력될 수 있다. 예컨대, 상기 센싱 데이터는 이산화탄소 농도를 나타내는 제1 센싱 데이터(SD1), 먼지 농도를 나타내는 제2 센싱 데이터(SD2), 가스(예컨대, 일산화탄소) 농도를 나타내는 제3 센싱 데이터(SD3), 휘발성 유기 화학 물질(예컨대, 알코올)의 농도를 나타내는 제4 센싱 데이터(SD4), 온도를 나타내는 제5 센싱 데이터(SD5), 및 습도를 나타내는 제6 센싱 데이터(SD6)를 포함할 수 있다.
상기 인공신경망은, 입력된 센싱 데이터(SD1~SD6)에 각 레이어에 대한 웨이트가 적용된 출력 데이터(OD1~OD3)를 출력할 수 있다. 도 10에서는 설명의 편의를 위해 출력 데이터가 제1 출력 데이터(OD1) 내지 제3 출력 데이터(OD3)를 포함하는 것으로 가정하였으나, 출력 데이터의 수는 인공신경망 구조에 따라 다양할 수 있다.
제1 출력 데이터(OD1) 내지 제3 출력 데이터(OD3) 각각은 각 레이어의 웨이트가 적용됨에 따른 확률 또는 소정 수치를 가질 수 있고, 상기 확률 또는 수치가 가장 높은 출력 데이터에 대응하는 공기 질 정보가 상기 인식 결과로서 출력될 수 있다. 예컨대, 제1 출력 데이터(OD1)는 공기 질이 '양호' 인 확률을 나타내고, 제2 출력 데이터(OD2)는 공기 질이 '보통' 인 확률을 나타내며, 제3 출력 데이터(OD3)는 공기 질이 '나쁨' 인 확률을 나타낼 수 있다. 제1 출력 데이터(OD1) 내지 제3 출력 데이터(OD3) 중 제1 출력 데이터(OD1)의 확률이 가장 높은 경우, 공기 청정 제어 모듈(262)은 공기 질 센싱 장치(10)가 배치된 영역의 공기 질이 '양호' 인 것으로 인식할 수 있을 것이다.
공기 청정장치(20)는, 생성된 공기 청정 제어 정보에 기초하여 공기 청정부(240)를 제어할 수 있다(S130).
상기 공기 청정 제어 정보는, 공기 청정장치(20)의 공기청정 동작과 관련된 복수의 운전 모드들 중 적어도 하나에 대한 설정값을 포함할 수 있다. 이 경우, 제어부(260)는 상기 설정값에 기초하여 상기 적어도 하나의 운전 모드를 설정하고, 설정된 운전 모드에 따라 공기 청정부(240)에 포함된 구성 요소(팬모터(242), 및 필터 모듈(244)에 포함된 적어도 하나의 필터)를 제어할 수 있다.
실시 예에 따라, 공기 청정 제어 정보는, 공기 청정부(240)에 포함된 구성 요소들 중 적어도 하나에 대한 제어값을 포함할 수 있다. 제어부(260)는 상기 제어값에 기초하여 공기 청정부(240)의 상기 구성 요소들 중 적어도 하나를 제어할 수 있다.
즉, 본 발명의 실시 예에 따른 공기 청정장치(20)는, 공기 질 센싱 장치(10)로부터 수신되는 센싱 데이터에 포함된 다양한 정보로부터, 인공지능 기반의 인식 모델을 이용하여 상기 센싱 데이터에 대응하는 공기 질을 정확히 인식하고, 인식 결과에 따라 공기 청정부(240)를 제어함으로써, 실내 공간의 공기 환경을 효율적으로 조절할 수 있다.
도 11은 본 발명의 다른 실시 예에 따른 공기 청정장치의 공기청정 동작과 관련하여, 상기 공기 청정장치 및 복수의 공기 질 센싱 장치들이 실내 공간에 배치된 모습을 나타낸 예시도이다. 도 12는 도 11의 실시 예와 관련된 공기 청정 제어 모듈을 보다 구체적으로 나타내는 도면이다.
도 11을 참조하면, 공기 청정장치(20)는 실내(예컨대, 홈 내)에 배치되어, 실내 공간에 대한 공기청정 동작을 수행할 수 있다. 상기 공기 청정장치(20)는 도 3에 도시된 바와 같이 주행부(280) 및 공간 인식부(290)를 포함하는 이동형 공기 청정장치로 구현될 수 있다.
실내 공간에는 복수의 공기 질 센싱 장치(10a~10f)가 배치될 수 있다. 복수의 공기 질 센싱 장치들(10a~10f) 각각은 서로 이격되어 배치될 수 있고, 배치된 구역의 주변 공기에 대한 센싱 데이터를 획득하여 공기 청정장치(20)로 전송할 수 있다.
공기 청정장치(20)는 복수의 공기 질 센싱 장치들(10a~10f)로부터 수신되는 복수의 센싱 데이터에 기초하여, 실내 공간의 특정 구역에 대한 공기청정 동작을 수행하기 위해 상기 특정 구역으로 주행할 수 있다.
이를 위해, 공기 청정장치(20)의 공기 청정 제어 모듈(262)은, 공기 질 인식기(263)가 복수의 센싱 데이터로부터 복수의 구역 각각의 공기 질을 인식하면, 인식된 공기 질에 기초하여 주행 경로를 분석하는 주행경로 분석기(264)를 더 포함할 수 있다.
도 12를 참조하면, 주행경로 분석기(264)는 공기 청정장치(20)의 현재 위치와, 공기 질 센싱 장치들(10a~10f) 각각이 배치된 구역의 우선 순위, 및 복수의 구역들 각각에 대해 인식된 공기 질에 기초하여, 공기 청정장치(20)의 주행 경로를 분석 및 설정할 수 있다.
실시 예에 따라, 주행경로 분석기(264)는 인공지능 기반의 분석 모델을 포함할 수 있다. 이 경우, 공기 청정장치(20)의 현재 위치, 및 복수의 구역들 각각에 대해 인식된 공기 질에 대한 정보가 주행경로 분석기(264)의 인공신경망으로 입력될 수 있다. 주행경로 분석기(264)는 상기 인공신경망을 이용하여, 입력된 정보로부터 공기 청정장치(20)에 대한 최적의 주행경로를 설정할 수 있다.
주행경로 분석기(264)의 인공신경망 구조 또한 학습 동작에 의해 업데이트될 수 있다. 공기 청정 제어 모듈(262)은 공기 청정장치(20)의 현재 위치, 복수의 구역들 각각에 대해 인식된 공기 질, 이들에 따라 설정된 주행경로를 이용하여 주행경로 분석기(264)의 학습 동작을 수행할 수 있다. 실시 예에 따라, 도 8과 유사하게, 주행경로 분석기(264)의 학습 동작은 서버의 학습 모듈에 의해 수행될 수도 있다.
공기 청정 제어 정보 생성부(265)는, 공기 질 센싱 장치들(10a~10f) 이 배치된 복수의 구역들 각각에 대해 인식된 공기 질과, 설정된 주행경로에 기초하여 공기 청정 제어 정보를 생성할 수 있다. 예컨대, 공기 청정 제어 정보는 주행경로에 따라 공기 청정장치(20)가 이동하는 구역 각각에 대한 운전 모드의 설정값이나 공기 청정부(240)에 포함된 구성 요소의 제어값을 포함할 수 있다.
제어부(260)는 상기 공기 청정 제어 정보에 기초하여 공기 청정부(240) 및 주행부(280)를 제어하여, 복수의 구역들에 대한 공기청정 동작을 자동으로 수행할 수 있다.
이하 도 13 내지 도 19를 참조하여, 도 11 내지 도 12에서 상술한 공기 청정장치(20)의 공기청정 동작에 대해 보다 상세히 설명한다.
도 13은 도 11의 실시 예에 따른 공기 청정장치가 실내 공간별 공기 질 정보를 제공하는 동작을 설명하기 위한 플로우차트이다. 도 14 내지 도 15는 도 13의 실시 예와 관련된 예시도들이다.
도 13을 참조하면, 공기 청정장치(20)의 전원이 온 되면(S200), 공기 청정장치(20)는 실내 구조도의 존재 여부를 확인할 수 있다(S210).
예컨대, 제어부(260)는 메모리(250)에 실내 구조도가 저장되어 있는지 여부를 확인할 수 있다. 또는, 제어부(260)는 공간 인식부(290)를 이용하여, 메모리(250)에 저장된 실내 구조도가 현재 공기 청정장치(20)가 배치된 실내 공간의 실내 구조와 일치하는지 여부를 확인할 수 있다.
확인 결과, 공기 청정장치(20)가 배치된 실내 공간에 대한 실내 구조도가 존재하지 않는 경우(S210의 NO), 공기 청정장치(20)는 상기 실내 공간의 실내 구조도를 획득할 수 있다(S220).
구체적으로, 제어부(260)는 기 정해진 주행방식 또는 임의의 방식으로 주행부(280)를 제어하여, 공기 청정장치(20)를 실내 공간 내에서 이동시킬 수 있다. 제어부(260)는 공기 청정장치(20)의 이동 중 공간 인식부(290)를 제어하여, 카메라(292)로부터 영상 정보를 획득하거나 라이다 센서(294)로부터 센서 정보를 획득할 수 있다. 제어부(260)는 획득된 영상 정보, 센서 정보, 및 기타 다양한 정보(휠 센서로부터 획득되는 정보 등)를 이용하여, 상기 실내 공간의 실내 구조도를 생성할 수 있다.
실시 예에 따라, 제어부(260)는 통신부(210)를 통해 서버(30) 또는 단말기(40)로부터 상기 실내 구조도를 수신할 수도 있다.
공기 청정장치(20)는 획득된 실내 구조도에 기초하여, 상기 실내 공간에 배치된 적어도 하나의 공기 질 센싱 장치(10a~10f) 각각의 위치 정보를 획득할 수 있다(S230).
제어부(260)는 상기 실내 구조도를 획득한 후, 또는 상기 실내 구조도를 획득하기 위해 공기 청정장치(20)가 이동하는 동안, 상기 실내 공간에 배치된 적어도 하나의 공기 질 센싱 장치(10a~10f) 각각의 위치 정보를 획득할 수 있다.
제어부(260)는 다양한 방식으로 상기 적어도 하나의 공기 질 센싱 장치(10a~10f) 각각의 위치 정보를 획득할 수 있다.
일례로, 제어부(260)는 통신부(210)를 통해 적어도 하나의 공기 질 센싱 장치(10a~10f) 각각의 통신 신호(예컨대, 근거리 무선 통신 방식에 따른 통신 신호)를 수신하고, 수신된 통신 신호의 세기에 기초하여 공기 청정장치(20)와 공기 질 센싱 장치(10a~10f) 간의 거리를 산출할 수 있다. 제어부(260)는 공기 청정장치(20)를 이동시키면서 상기 공기 질 센싱 장치(10a~10f)와의 거리를 복수 회 산출하고, 산출 결과에 기초하여 공기 질 센싱 장치(10a~10f) 각각의 위치 정보를 획득할 수 있다.
유사한 방식으로, 공기 질 센싱 장치(10a~10f)에 음향 출력부(스피커 등)가 구비되고, 공기 청정장치(20)에 마이크로폰이 구비된 경우, 제어부(260)는 공기 질 센싱 장치(10a~10f)로부터 출력되는 음향 신호를 수신하고, 수신된 음향 신호의 크기에 기초하여 공기 질 센싱 장치(10a~10f) 각각의 위치 정보를 획득할 수 있다.
다른 예로, 제어부(260)는 공간 인식부(290)의 카메라(292) 또는 라이다 센서(294)를 이용하여 공기 질 센싱 장치(10a~10f)를 인식함으로써, 상기 공기 질 센싱 장치(10a~10f)의 위치 정보를 획득할 수 있다. 예컨대, 제어부(260)는 카메라(292)를 통해 획득된 영상 정보에 공기 질 센싱 장치(10a~10f)가 포함된 경우, 상기 영상 정보의 획득 시점의 공기 청정장치(20)의 위치와, 영상 정보에 포함된 공기 질 센싱 장치(10a~10f)의 위치, 크기 등에 기초하여 공기 질 센싱 장치(10a~10f)의 위치 정보를 획득할 수 있다.
또는, 제어부(260)는 단말기(40)나 서버(30)로부터 공기 질 센싱 장치(10a~10f)의 위치 정보를 수신하거나, 사용자로부터 상기 위치 정보를 입력받을 수도 있다.
공기 질 센싱 장치(10a~10f)의 위치 정보가 획득되면, 제어부(260)는 실내 구조도의 데이터에 상기 공기 질 센싱 장치(10a~10f)의 위치 정보를 포함시킬 수 있다.
도 14에 도시된 바와 같이, 공기 청정장치(20)는 실내 공간의 실내 구조도(1400)를 획득하고, 공기 질 센싱 장치(10a~10f) 각각의 위치 정보를 획득할 수 있다. 제어부(260)는 실내 구조도(1400) 상에, 공기 질 센싱 장치(10a~10f) 각각의 위치 정보를 포함시킬 수 있다.
실시 예에 따라, 공기 청정장치(20)는 메모리(250)에 상기 실내 구조도만 존재하고 공기 질 센싱 장치(10a~10f)의 위치 정보가 존재하지 않는 경우, S210 단계 이후 S230 단계를 수행하여, 실내 구조도의 데이터에 공기 질 센싱 장치(10a~10f)의 위치 정보를 포함시킬 수 있다.
한편, 공기 청정장치(20)는 획득된 실내 구조도에 기초하여, 사용자에게 공기 질 센싱 장치(10)의 배치 위치를 추천할 수도 있다. 제어부(260)는 획득된 실내 구조도(1400)로부터 복수의 구획가능한 구역들을 추정하고, 추정된 구역들 각각에 공기 질 센싱 장치(10)를 배치하도록 사용자에게 추천 배치 위치에 대한 정보를 제공할 수도 있다.
공기 청정장치(20)는 S230 단계에 따라 획득된 적어도 하나의 공기 질 센싱 장치(10a~10f) 각각의 위치 정보와 상기 실내 구조도에 기초하여, 실내 공간을 적어도 하나의 구역으로 구획할 수 있다(S240).
이와 관련하여 도 14와 도 15를 참조하면, 제어부(260)는 실내 구조도(1400)와, 적어도 하나의 공기 질 센싱 장치(10a~10f)의 위치 정보를 이용하여, 실내 공간을 적어도 하나의 구역으로 구획할 수 있다.
제어부(260)는 실내 구조도(1400)에 나타나는 실내 공간의 크기, 형태 등에 기초하여 실내 공간을 적어도 하나의 구역으로 구획할 수 있다. 실시 예에 따라, 제어부(260)는 입력부(220)나 통신부(210)를 통해 사용자로부터 구획된 적어도 하나의 구역 각각에 대한 식별 정보(구역 명칭 등)를 획득할 수도 있다.
제어부(260)는, 공기 질 센싱 장치의 수와 동일한 수의 구역으로 상기 실내 공간을 구획할 수 있다. 구획된 구역 각각은 서로 다른 하나의 공기 질 센싱 장치를 포함할 수 있다.
도 15에 도시된 실시 예와 같이, 제어부(260)는 실내 구조도(1400) 및 공기 질 센싱 장치들(10a~10f)의 위치 정보에 기초하여, 실내 공간을 제1 구역(A1) 내지 제6 구역(A6)으로 구획할 수 있다. 제1 구역(A1)에는 제1 공기 질 센싱 장치(10a)가 포함되고, 제2 구역(A2)에는 제2 공기 질 센싱 장치(10b)가 포함되며, 제3 구역(A3)에는 제3 공기 질 센싱 장치(10c)가 포함될 수 있다. 또한, 제4 구역(A4)에는 제4 공기 질 센싱 장치(10d)가 포함되고, 제5 구역(A5)에는 제5 공기 질 센싱 장치(10e)가 포함되며, 제6 구역(A6)에는 제6 공기 질 센싱 장치(10f)가 포함될 수 있다. 이 경우, 공기 질 센싱 장치(10a~10f) 각각에 의해 획득되는 센싱 데이터는, 각각이 포함된 구역(A1~A6)의 공기 질과 대응될 수 있다.
공기 청정장치(20)는, 공기 질 센싱 장치(10a~10f)로부터 센싱 데이터를 수신하고, 수신된 센싱 데이터에 기초하여, 구획된 구역 각각에 대한 공기 질 정보를 출력할 수 있다(S260).
예컨대, 제어부(260)는 공기 질 센싱 장치(10a~10f) 각각으로부터 수신된 센싱 데이터를 공기 질 인식기(263)로 입력하여, 구획된 구역(A1~A6) 각각에 대한 공기 질을 인식할 수 있다.
제어부(260)는 인식된 공기 질에 대한 정보를 출력부(230)를 통해 출력함으로써 사용자에게 실내 공간의 구역별 공기 질 정보를 제공할 수 있다.
일례로, 상기 구역별 공기 질 정보가 디스플레이(232)를 통해 출력되는 경우, 제어부(260)는 상기 디스플레이(232)에 실내 구조도(1400) 또는 구획된 구역들을 나타내는 화면(1500)을 표시하고, 구역들 각각의 색상(또는 밝기 등)을 공기 질 정보에 따라 변경하여 표시할 수 있다.
예컨대, 도 15에 도시된 바와 같이, 제어부(260)는 상기 구획된 구역들(A1~A6)을 나타내는 화면(1500)을 디스플레이(232)를 통해 표시할 수 있다. 제어부(260)는 구역들(A1~A6)에 배치된 공기 질 센싱 장치(10a~10f)로부터 센싱 데이터를 수신하고, 수신된 센싱 데이터를 공기 질 인식기(263)로 입력하여 구역들(A1~A6) 각각의 공기 질을 인식할 수 있다.
인식 결과, 제1 공기 질 센싱 장치(10a) 및 제3 공기 질 센싱 장치(10c)의 센싱 데이터로부터 인식된 공기 질이 '양호' 에 해당하는 경우, 제어부(260)는 제1 구역(A1) 및 제3 구역(A3)을 '양호'에 대응하는 제1 색상(또는 제1 밝기)으로 표시할 수 있다.
또한, 제5 공기 질 센싱 장치(10e) 및 제6 공기 질 센싱 장치(10f)의 센싱 데이터로부터 인식된 공기 질이 '보통' 에 해당하는 경우, 제어부(260)는 제5 구역(A5) 및 제6 구역(A6)을 '보통'에 대응하는 제2 색상(또는 제2 밝기)으로 표시할 수 있다.
또한, 제2 공기 질 센싱 장치(10b) 및 제4 공기 질 센싱 장치(10d)의 센싱 데이터로부터 인식된 공기 질이 '나쁨'에 해당하는 경우, 제어부(260)는 제2 구역(A2) 및 제4 구역(A4)을 '나쁨'에 대응하는 제3 색상(또는 제3 밝기)으로 표시할 수 있다.
즉, 사용자는 공기 청정장치(20)의 디스플레이(232)를 통해 출력된 화면(1500)에 기초하여, 실내 공간의 구역별 공기 질 정보를 손쉽게 확인할 수 있다.
실시 예에 따라, 제어부(260)는 상술한 바와 같이 획득된 구역별 공기 질 정보를 사용자의 단말기(40) 또는 서버(30)로 전송할 수 있다. 사용자는 단말기(40)의 디스플레이 등을 통해 상기 구역별 공기 질 정보를 확인할 수도 있다.
도 16은 도 11의 실시 예에 따른 공기 청정장치가 복수의 공기 질 센싱 장치들로부터 수신되는 센싱 데이터를 이용하여 인공지능 기반의 공기청정 동작을 수행하는 실시 예를 설명하기 위한 플로우차트이다. 도 17 내지 도 18은 도 16의 실시 예와 관련된 예시도들이다.
도 16을 참조하면, 공기 청정장치(20)는 공기 질 센싱 장치(10a~10f) 각각으로부터 센싱 데이터를 획득하고(S300), 획득된 센싱 데이터를 인공지능 기반의 공기 청정 제어 모듈(262)로 입력할 수 있다(S310).
공기 청정 제어 모듈(262)은 입력된 센싱 데이터에 기초하여 구역별 공기 질을 인식하고, 인식된 구역별 공기 질 정보에 기초하여 주행경로 정보 및 공기 청정 제어 정보를 생성할 수 있다(S320).
제어부(260)는 공기 질 센싱 장치들(10a~10f) 각각으로부터 획득된 센싱 데이터를, 공기 청정 제어 모듈(262)로 순차적으로 입력할 수 있다. 공기 청정 제어 모듈(262)의 공기 질 인식기(263)는, 순차 입력되는 센싱 데이터 각각에 대한 공기 질을 인식할 수 있다.
도 17을 참조하면, 공기 질 센싱 장치(10a~10f)는, 센서부(130)를 통해 공기 질 센싱 장치(10a~10f)가 배치된 구역(A1~A6)의 공기 질에 대한 센싱 데이터를 획득할 수 있다. 도 17에서, 상기 센싱 데이터는 이산화탄소 농도, 먼지 농도, 및 가스 농도를 포함하는 것으로 가정하고, 각 구역(A1~A6) 상에 기재된 이산화탄소 농도, 먼지 농도, 및 가스 농도가 해당 구역의 공기 질 센싱 장치(10a~10f)에 의해 획득된 센싱 데이터일 수 있다. 본 도면에서는 설명의 편의를 위해 상기 이산화탄소 농도, 먼지 농도, 및 가스 농도 각각을 '적음', '보통', 또는 '많음'으로 분류한 센싱 데이터를 나타내었으나, 실시 예에 따라 상기 센싱 데이터는 이산화탄소 농도, 먼지 농도, 및 가스 농도 각각의 구체적인 수치 데이터를 포함할 수 있다.
공기 질 센싱 장치들(10a~10f)은 획득된 센싱 데이터를 공기 청정장치(20)로 전송할 수 있다.
공기 청정장치(20)의 공기 청정 제어 모듈(262)에 포함된 공기 질 인식기(263)는, 공기 질 센싱 장치들(10a~10f) 각각의 센싱 데이터로부터 구역들(A1~A6) 각각의 공기 질을 인식할 수 있다.
공기 청정 제어 모듈(262)의 주행경로 분석기(264)는, 구역들(A1~A6) 각각에 대해 인식된 공기 질 정보와, 공기 청정장치(20)의 현재 위치 정보를 입력받고, 입력된 공기 질 정보 및 현재 위치 정보로부터 구역들(A1~A6) 중 적어도 일부를 포함하는 주행경로를 분석 및 설정할 수 있다.
또한, 공기 청정 제어 정보 생성부(265)는, 구역들(A1~A6) 각각의 공기 질에 대한 인식 결과에 기초하여, 구역들(A1~A6) 중 적어도 일부에 대한 공기 청정 제어 정보를 생성할 수 있다.
이와 관련하여 도 18을 참조하면, 공기 질 인식기(263)는 공기 질 센싱 장치들(10a~10f) 각각으로부터 수신된 센싱 데이터를 이용하여 구역들(A1~A6) 각각의 공기 질을 인식할 수 있다. 예컨대, 구역들(A1~A6) 중 제1 구역(A1)은 공기청정 동작이 필요하지 않은 공기 질을 갖고, 나머지 구역들(A2~A6)은 공기청정 동작이 필요한 공기 질을 갖는 것으로 가정한다.
주행경로 분석기(264)는, 구역들(A1~A6) 각각의 공기 질 인식 결과와 공기 청정장치(20)의 현재 위치정보를 인공신경망에 입력하여, 구역들(A1~A6) 중 적어도 일부를 포함하는 주행경로를 분석 및 설정할 수 있다.
예컨대, 주행경로 분석기(264)의 인공신경망 구조는, 구역들(A1~A6) 중 공기청정 동작이 필요한 공기 질을 갖는 것으로 인식되는 제2 구역(A2) 내지 제6 구역(A6)을 포함하는 주행경로를 설정하도록 학습되어 있을 수 있다. 또한, 상기 인공신경망 구조는, 공기 청정장치(20)의 현재 위치에 대응하는 구역의 주행경로 상 순서를 다른 구역보다 우선하도록 학습되어 있거나, 공기 질이 상대적으로 나쁜 구역의 순서를 다른 구역보다 우선하도록 학습되어 있을 수 있다.
이에 따라, 도 18에 도시된 바와 같이, 주행경로 분석기(264)에 의해 설정되는 주행경로는 제4 구역(A4), 제2 구역(A2), 제5 구역(A5), 제6 구역(A6), 및 제3 구역(A3)의 순서를 가질 수 있다. 다만, 이는 설명의 편의를 위한 일례로서, 상기 주행경로는 주행경로 분석기(264)의 인공신경망 구조에 따라 다르게 설정될 수 있다.
한편, 공기 청정 제어 정보 생성부(265)는, 구역들(A1~A6) 중 공기청정 동작이 필요한 공기 질을 갖는 것으로 인식되는 제2 구역(A2) 내지 제6 구역(A6) 각각에 대한 공기 청정 제어 정보를 생성할 수 있다. 예컨대, 공기 청정 제어 정보는 공기 청정부(240)의 팬모터(242)의 회전 속도(풍량)에 대한 제어값, 필터 모듈(244) 중 집진필터의 온/오프 여부에 대한 정보를 포함할 수 있다. 비록 도시되지는 않았으나, 공기 청정 제어 정보는 필터 모듈(244) 중 탈취 필터나 살균 필터의 온/오프 여부에 대한 정보를 더 포함할 수도 있다.
즉, 공기 청정 제어 모듈(262)은 공기 질 센싱 장치들(10a~10f) 각각의 센싱 데이터에 기초하여, 구역들(A1~A6) 중 적어도 일부의 구역에 대한 공기 청정 제어 정보와, 상기 적어도 일부의 구역을 포함하는 주행경로 정보를 생성할 수 있다.
공기 청정장치(20)는, 생성된 공기 청정 제어 정보 및 주행경로 정보에 기초하여 공기 청정부(240) 및 주행부(280)를 제어할 수 있다(S330).
제어부(260)는 공기 청정 제어 모듈(262)에 의해 생성된 공기 청정 제어 정보 및 주행경로 정보에 기초하여, 실내 공간을 주행하면서 공기청정 동작을 수행하도록 주행부(280) 및 공기 청정부(240)를 제어할 수 있다.
도 18에 도시된 예시에 의하면, 제어부(260)는 제4 구역(A4)에서 풍량을 '강'으로 설정하여 팬모터(242)를 제어하고, 필터 모듈(244)의 집진필터를 온(활성화)시킬 수 있다.
한편, 제어부(260)는 상기 공기청정 동작의 수행 중, 해당 구역의 공기 질 센싱 장치로부터 센싱 데이터를 수신하고, 수신된 센싱 데이터에 기초한 공기 질의 변화에 기초하여, 해당 구역의 공기청정 동작 완료 여부를 감지할 수 있다. 예컨대, 제어부(260)는 상기 공기청정 동작의 수행 중 수신되는 센싱 데이터를 공기 질 인식기(263)로 입력하여 공기 질을 인식하고, 공기청정 동작이 필요하지 않은 것으로 인식되는 경우 해당 구역에 대한 공기청정 동작을 완료할 수 있다.
실시 예에 따라, 제어부(260)는 상기 공기 질의 인식 결과에 기초하여 공기 청정부(242)를 변경 제어할 수도 있다.
제어부(260)는 제4 구역(A4)의 공기청정 동작을 수행하고, 상술한 바와 같이 제4 구역(A4)의 공기청정 동작이 완료된 것으로 판단되면, 주행부(280)를 제어하여 다음 주행경로에 해당하는 제2 구역(A2)으로 공기 청정장치(20)를 이동시킬 수 있다.
제어부(260)는 공간 인식부(290)를 이용하여 공기 청정장치(20)가 제2 구역(A2) 내에 위치함을 감지하고, 감지 결과에 따라 제2 구역(A2)에 대한 공기청정 동작을 수행하도록 공기 청정부(240)를 제어할 수 있다. 예컨대, 제어부(260)는 제2 구역(A2)에서 풍량을 '강'으로 설정하여 팬모터(242)를 제어하고, 필터 모듈(244)의 집진필터를 오프(비활성화)시킬 수 있다.
상술한 바와 유사하게, 제어부(260)는 제2 구역(A2), 제5 구역(A5), 제6 구역(A6), 및 제3 구역(A3)에 대한 공기청정 동작을 순차적으로 수행할 수 있다.
즉, 도 16 내지 도 18에 도시된 실시 예에 따르면, 공기 청정장치(20)는 복수의 구역들(A1~A6)에 배치된 복수의 공기 질 센싱 장치들(10a~10f)로부터 수신되는 센싱 데이터를 이용하여, 구역들(A1~A6) 중 적어도 일부에 대해 최적의 공기청정 동작을 자동으로 수행할 수 있다. 특히, 공기 청정장치(20)는 인공지능 기반의 공기 질 인식기(263) 및 주행경로 분석기(264)를 이용하여, 구역들(A1~A6) 중 적어도 일부에 대해 최적의 순서로 공기청정 동작을 수행함으로써, 실내 공간에 대한 공기청정 효과를 극대화할 수 있다.
도 19는 도 11의 실시 예에 따른 공기 청정장치가 실내 공간에 대한 공기청정 동작을 수행하는 다른 실시 예를 설명하기 위한 플로우차트이다.
도 19를 참조하면, 공기 청정장치(20)는 실내 공간의 구역들에 배치된 공기 질 센싱 장치들 각각으로부터 센싱 데이터를 획득할 수 있다(S400).
공기 청정장치(20)는, 수신된 센싱 데이터에 기초하여 상기 구역들 중 공기 질 이상 구역을 확인할 수 있다(S410).
제어부(260)는 공기 질 센싱 장치들로부터 수신된 센싱 데이터를 공기 질 인식기(263)로 입력하여, 구역들 각각의 공기 질을 인식할 수 있다.
인식 결과, 공기 질이 기준 공기 질보다 낮은 구역이 존재하는 경우, 제어부(260)는 해당 구역을 공기 질 이상 구역으로 확인할 수 있다.
공기 청정장치(20)는, 확인된 공기 질 이상 구역에 대한 알림을 사용자에게 제공할 수 있다(S420).
제어부(260)는 확인된 공기 질 이상 구역에 대한 정보를 출력부(230)를 통해 출력함으로써 사용자에게 알릴 수 있다. 예컨대, 제어부(260)는 디스플레이(232)를 통해 도 15의 실시 예에 따른 화면(1500)을 표시하고, 표시된 화면(1500)에 포함된 구역들(A1~A6) 중 상기 공기 질 이상 구역(예컨대, 제1 구역(A1))의 색상을 공기 질 이상에 대응하는 색상으로 표시할 수 있다. 또는, 제어부(260)는 확인된 공기 질 이상 구역에 대한 정보를 스피커(234)를 통해 음성 형태로 출력할 수도 있다.
실시 예에 따라, 제어부(260)는 상기 확인된 공기 질 이상 구역에 대한 정보를 통신부(210)를 통해 단말기(40) 또는 서버(30)로 전송할 수 있다. 사용자는 상기 단말기(40) 또는 서버(30)를 통해 상기 실내 공간 내에 공기 질 이상 구역이 존재함을 확인할 수 있다.
공기 청정장치(20)는, 상기 공기 질 이상 구역에 대한 공기청정 입력(요청 또는 명령)을 수신할 수 있다(S430).
공기 청정장치(20)의 사용자는 입력부(220; 예컨대 터치 스크린이나 버튼 등)를 통해 상기 공기 질 이상 구역에 대한 공기청정 요청 또는 공기청정 명령을 입력할 수 있다. 또는, 사용자는 단말기(40)를 통해 상기 공기청정 요청 또는 명령을 입력하고, 공기 청정장치(20)는 단말기(40)로부터 상기 공기청정 요청 또는 명령을 수신할 수도 있다.
공기 청정장치(20)는 수신된 공기청정 입력에 응답하여, 상기 공기 질 이상 구역으로 이동하여 공기청정 동작을 수행할 수 있다(S440).
제어부(260)는 수신된 공기청정 요청 또는 명령에 응답하여, 상기 공기 질 이상 구역으로 이동하도록 주행부(280)를 제어할 수 있다.
제어부(260)는 공간 인식부(290)를 통해 공기 청정장치(20) 가 상기 공기 질 이상 구역 내로 이동함을 감지하고, 감지 결과에 따라 공기청정 동작을 수행하도록 공기 청정부(240)를 제어할 수 있다. 이 때, 공기 청정부(240)를 제어하기 위한 제어 정보는, 이전 도면들에서 상술한 바와 같이 공기 청정 제어 모듈(262)의 공기 청정 제어 정보 생성부(265)에 의해 생성될 수 있다.
한편, 실시 예에 따라 공기 청정장치(20)는 상기 공기 질 이상 구역이 확인되는 경우, 자동으로 상기 공기 질 이상 구역으로 이동하여 공기청정 동작을 수행할 수도 있다. 이 경우, S420 단계 및 S430 단계는 생략될 수 있다.
공기 청정장치(20)는 상기 공기 질 이상 구역에 대한 공기청정 동작 수행 중, 상기 공기 질 이상 구역의 공기 질 센싱 장치로부터 수신되는 센싱 데이터에 기초하여 공기 질 이상의 해소 여부를 확인할 수 있다(S450).
제어부(260)는 상기 공기 질 이상 구역에 배치된 공기 질 센싱 장치로부터 수신된 센싱 데이터를 공기 질 인식기(263)로 입력하여, 공기 질의 변화를 인식할 수 있다.
인식 결과, 공기 질이 기준 공기 질보다 높아진 경우, 제어부(260)는 해당 구역의 공기 질 이상이 해소된 것으로 확인할 수 있다.
실시 예에 따라, 상기 공기 질 이상이 해소된 경우, 공기 청정장치(20)는 공기청정 동작을 종료하고 기설정된 기준 위치로 이동할 수 있다(S460).
도 20 내지 도 24는 공기 질 센싱 장치를 활용한 다양한 실시 예들을 설명하기 위한 도면들이다.
도 20을 참조하면, 어플라이언스 제어 서버(30)는 실내 공간의 어플라이언스(50)와 연결될 수 있다. 상기 어플라이언스(50)는 실내 공간에 존재하는 가전 기기(예컨대, TV, 공기조화기, 세탁기, 냉장고 등), 조명 등을 포함할 수 있다. 이하 도 20에서는 어플라이언스(50)가 실내 공간의 조명 제어장치인 것으로 가정하여 설명한다.
공기 질 센싱 장치(10)는 센서부(130)를 이용하여 주기적으로 센싱 데이터를 획득하고(S500), 획득된 센싱 데이터를 어플라이언스 제어 서버(30)로 전송할 수 있다(S505).
어플라이언스 제어 서버(30)는 수신된 센싱 데이터의 변화량에 기초하여 사용자의 재실을 감지할 수 있다(S510).
예컨대, 공기 질 센싱 장치(10)는 사용자의 부재 중 지속적으로 센싱 데이터를 획득하고, 획득된 센싱 데이터를 어플라이언스 제어 서버(30)로 전송할 수 있다. 어플라이언스 제어 서버(30)는 센싱 데이터가 획득되면, 이전 획득된 적어도 하나의 센싱 데이터와 비교하여 사용자의 부재 또는 재실 여부를 감지할 수 있다. 사용자의 부재가 지속되는 경우에는, 센싱 데이터의 변화량이 기준 변화량보다 작을 수 있고, 어플라이언스 제어 서버(30)는 센싱 데이터의 변화량이 기준 변화량보다 작음을 확인하여 사용자의 부재를 감지할 수 있다.
소정 시점 이후에 사용자가 공기 질 센싱 장치(10)가 배치된 실내 공간으로 복귀(재실)하는 경우, 사용자의 호흡 등으로 인해 공기 질 센싱 장치(10)로부터 획득된 센싱 데이터의 변화량이 기준 변화량보다 높아질 수 있다. 이 경우, 어플라이언스 제어 서버(30)는 센싱 데이터의 변화량이 기준 변화량보다 높음을 확인하여 사용자의 재실을 감지할 수 있다.
어플라이언스 제어 서버(30)는, 재실 감지 상황에 대응하는 어플라이언스 제어 정보를 획득하고(S515), 획득된 제어 정보에 대응하는 제어 신호를 어플라이언스(50)로 전송할 수 있다(S520).
어플라이언스 제어 서버(30)의 메모리(320)에는 상기 재실 감지 상황에 대응하는 어플라이언스 제어 정보가 저장되어 있을 수 있다. 예컨대, 상기 어플라이언스 제어 정보는 거실 조명과 서재 조명을 온 시키는 정보일 수 있다.
프로세서(310)는 메모리(320)로부터 상기 재실 감지 상황에 대응하는 어플라이언스 제어 정보를 획득하고, 획득된 어플라이언스 제어 정보에 기초하여, 거실 조명 및 서재 조명을 온 시키는 제어 신호를 상기 실내 공간의 조명 제어장치로 전송할 수 있다.
어플라이언스(50)는 수신된 제어 신호를 처리할 수 있다(S525).
예컨대, 상기 조명 제어장치는 상기 거실 조명 및 서재 조명을 온 시키는 제어 신호를 수신하고, 수신된 제어 신호에 응답하여 상기 거실 조명과 상기 서재 조명을 자동으로 온 시킬 수 있다.
즉, 어플라이언스 제어 서버(30)는 공기 질 센싱 장치(10)로부터 획득되는 센싱 데이터를 이용하여 사용자의 재실 여부를 감지하고, 감지 결과에 대응하여 어플라이언스(50)를 자동으로 제어함으로써, 사용자의 편의성이 극대화될 수 있다.
실시 예에 따라, 공기 질 센싱 장치(10)는 기준 시간마다 광 출력부(140)의 출력 방식을 변경할 수 있다(S530).
예컨대, 도 2에서 상술한 바와 같이 광 출력부(140)가 적색 LED, 녹색 LED, 및 청색 LED를 포함하는 경우, 제어부(160)는 기준 시간마다 출력되는 광의 색상을 변경시킬 수 있다. 한편, 광 출력부(140)가 하나의 LED로 구현되는 경우에는, 제어부(160)는 기준 시간마다 광의 출력 세기를 변경시키거나, 점멸 방식을 변경시키는 등 다양한 방법으로 광 출력부(140)의 출력 방식을 변경할 수 있다.
공기 질 센싱 장치(10)는 소정 시점에서 사용자 행위 기반의 센싱 데이터를 획득할 수 있다(S535).
예컨대, 상기 사용자 행위는 사용자가 공기 질 센싱 장치(10)를 향하여 입김 또는 날숨을 발생시키거나, 공기 질 센싱 장치(10) 주변으로 향초 등을 이동시키는 행위 등과 같이, 공기 질 센싱 장치(10) 주변의 공기 질을 인위적으로 변화시키는 행위를 의미할 수 있다.
공기 질 센싱 장치(10)는 획득된 센싱 데이터 및 상기 센싱 데이터의 획득 시점에서의 출력 방식에 대한 정보를 어플라이언스 제어 서버(30)로 전송할 수 있다.
어플라이언스 제어 서버(30)는 수신된 센싱 데이터 및 출력 방식 정보에 대응하는 어플라이언스 제어 정보를 획득할 수 있다(S545).
S510 단계에서 상술한 바와 유사하게, 어플라이언스 제어 서버(30)는 주기적으로 수신되는 센싱 데이터를 이전 획득된 센싱 데이터와 비교하여, 사용자 행위에 의해 센싱 데이터가 변경되었음을 감지할 수 있다. 예를 들어, 프로세서(310)는 수신된 센싱 데이터의 이산화탄소 농도가 이전 획득된 센싱 데이터의 이산화탄소 농도보다 기준 농도 이상 증가한 경우, 사용자의 날숨에 의해 센싱 데이터가 변경된 것으로 감지할 수 있다.
센싱 데이터가 변경되었음이 감지된 경우, 어플라이언스 제어 서버(30)의 프로세서(310)는, 상기 수신된 센싱 데이터와 출력 방식 정보에 대응하는 어플라이언스 제어 정보를 메모리(320)로부터 획득할 수 있다.
예를 들어, 상기 센싱 데이터가 변경된 시점에 광 출력부(140)가 적색 광을 출력한 경우, 프로세서(310)는 사용자의 날숨 및 적색 광에 대응하는 어플라이언스 제어 정보를 메모리(320)로부터 획득할 수 있다.
실시 예에 따라서는, 공기 질 센싱 장치(10)가 상기 획득된 센싱 데이터를 이용하여 사용자 행위에 의해 센싱 데이터가 변경되었음을 감지할 수도 있다. 센싱 데이터의 변경이 감지된 경우에만, 공기 질 센싱 장치(10)는 해당 시점에서의 출력 방식 정보를 어플라이언스 제어 서버(30)로 전송하고, 어플라이언스 제어 서버(30)는 수신된 출력 방식 정보에 대응하는 어플라이언스 제어 정보를 메모리(320)로부터 획득할 수도 있다.
어플라이언스 제어 서버(30)는 획득된 어플라이언스 제어 정보에 대응하는 제어 신호를 어플라이언스(50)로 전송하고(S550), 어플라이언스(50)는 수신된 제어 신호를 처리할 수 있다(S555).
즉, 본 실시 예에 따르면, 사용자는 공기 질 센싱 장치(10)를 이용하여 실내 공간에 구비된 각종 어플라이언스를 원거리에서 최소한의 행위만으로 편리하게 제어할 수 있다.
도 21과 도 22는 공기 질 센싱 장치(10)를 이용한 인구 밀집도 정보 제공과 관련된 실시 예를 나타낸다.
도 21을 참조하면, 공기 질 센싱 장치(10)는 특정 공간에 설치되어, 설치된 공간에 대한 센싱 데이터를 획득하고(S600), 획득된 센싱 데이터를 서버(30)로 전송할 수 있다(S610).
서버(30)는 수신된 센싱 데이터에 기초하여, 공기 질 센싱 장치(10)가 설치된 공간의 인구 밀집도를 산출할 수 있다(S620). 예컨대, 서버(30)의 프로세서(310)는, 수신된 센싱 데이터의 이산화탄소 농도, 온도, 가스 농도, 습도 중 적어도 하나에 기초하여 상기 인구 밀집도를 산출할 수 있다. 일례로, 상기 이산화탄소 농도는 인구 밀집도가 높을수록 증가할 수 있다. 즉, 프로세서(310)는 수신된 센싱 데이터에 포함된 이산화탄소 농도가 높을수록 인구 밀집도를 높게 산출할 수 있다.
서버(30)는 산출된 인구 밀집도 정보를 단말기(40)로 전송하고(S630), 단말기(40)는 수신된 인구 밀집도 정보를 디스플레이 등의 출력부를 통해 출력할 수 있다(S640).
이와 관련하여 도 22를 참조하면, 지하철(2200)의 칸들(2210, 2220, 2230)에 공기 질 센싱 장치(10a, 10b, 10c)가 설치될 수 있다. 제1 공기 질 센싱 장치(10a)는 제1 칸(2210)에 설치되고, 제2 공기 질 센싱 장치(10b)는 제2 칸(2220)에 설치되고, 제3 공기 질 센싱 장치(10c)는 제3 칸(2230)에 설치될 수 있다.
공기 질 센싱 장치들(10a, 10b, 10c) 각각은 주기적으로 센싱 데이터를 획득하고, 획득된 센싱 데이터를 서버(30)로 전송할 수 있다. 서버(30)의 프로세서(310)는 수신된 센싱 데이터에 기초하여 제1 칸(2210) 내지 제3 칸(2230) 각각의 인구 밀집도를 산출할 수 있다. 예컨대, 프로세서(310)는 제1 공기 질 센싱 장치(10a)와 제3 공기 질 센싱 장치(10c) 각각의 센싱 데이터로부터, 제1 칸(2210)과 제3 칸(2230)에 대해 산출된 인구 밀집도가 '보통'에 해당하는 것으로 확인할 수 있다. 한편, 프로세서(310)는 제2 공기 질 센싱 장치(10b)의 센싱 데이터로부터, 제2 칸(2220)에 대해 산출된 인구 밀집도가 '많음'에 해당하는 것으로 확인할 수 있다.
프로세서(310)는 제1 칸(2210) 내지 제3 칸(2230) 각각에 대해 산출된 인구 밀집도 정보를 사용자의 단말기(400)로 전송할 수 있다. 단말기(400)는 수신된 인구 밀집도 정보를 출력하여 사용자에게 제공할 수 있다. 예컨대, 도 22에 도시된 바와 같이, 단말기(400)는 디스플레이를 통해 각 칸(2210, 2230)의 인구 밀집도를 색상 형태로 나타낼 수 있다. 단말기(400)는 인구 밀집도가 '보통'에 해당하는 제1 칸(2210)과 제3 칸(223)은 녹색(G)으로 나타내고, 인구 밀집도가 '많음'에 해당하는 제2 칸(2220)은 적색(R)으로 나타낼 수 있다. 사용자는 디스플레이에 표시된 상기 색상들에 기초하여, 각 칸의 인구 밀집도를 편리하게 파악할 수 있다. 본 예시에 따르면, 사용자는 인구 밀집도가 상대적으로 낮은 제1 칸(2210) 또는 제3 칸(2230)에 탑승할 수 있다.
즉, 단말기(40)의 사용자는 공기 질 센싱 장치(10)가 설치된 공간에 직접 진입하지 않고도, 해당 공간의 인구 밀집도를 편리하게 파악할 수 있다.
도 23 내지 도 24는 공기 질 센싱 장치(10)를 활용하여, 사용자의 수면 중 공기조화기(60)의 동작을 제어하는 실시 예를 나타낸다.
도 23을 참조하면, 단말기(40)는 사용자의 취침(수면) 여부를 감지하고, 취침이 감지된 경우 취침 감지 신호를 어플라이언스 제어 서버(30)로 전송할 수 있다(S700).
단말기(40)는 현재 시각 정보, 단말기(40)에 구비된 적어도 하나의 센서로부터 획득되는 센싱 정보, 어플리케이션 데이터, 사용자 입력 데이터 등 각종 정보 및 데이터에 기초하여, 사용자의 취침 여부를 감지할 수 있다.
예컨대, 단말기(40)는 현재 시각이 기준 시각 이후인 경우, 상기 적어도 하나의 센서를 이용하여 사용자의 움직임 정보, 음성 정보, 및/또는 영상 정보를 포함하는 센싱 정보를 획득하고, 획득된 센싱 정보에 기초하여 사용자의 취침 여부를 감지할 수 있다. 구체적으로, 단말기(40)는 획득된 음성 정보로부터 코골이 소리가 감지되는 경우, 사용자가 취침 중인 것으로 감지할 수 있다.
상술한 예시 외에도, 단말기(40)는 기 공지된 다양한 방식을 이용하여 사용자의 취침 여부를 감지할 수 있다.
단말기(40)는 사용자의 취침이 감지되는 경우, 취침 감지 신호를 어플라이언스 제어 서버(30)로 전송할 수 있다.
한편, 공기 질 센싱 장치(10)는 주기적으로 센싱 데이터를 획득하고(S710), 획득된 센싱 데이터를 어플라이언스 제어 서버(30)로 전송할 수 있다(S720).
실시 예에 따라, 어플라이언스 제어 서버(30)는 단말기(40)로부터 취침 감지 신호가 수신된 경우, 공기 질 센싱 장치(10)로 센싱 데이터 전송 요청을 전송할 수 있다. 공기 질 센싱 장치(10)의 제어부(160)는 수신된 센싱 데이터 전송 요청에 응답하여 센서부(130)로부터 센싱 데이터를 획득하고, 획득된 센싱 데이터를 어플라이언스 제어 서버(30)로 전송할 수 있다. 상기 센싱 데이터는, 사용자가 위치한 공간의 온도와 습도를 포함할 수 있다. 실시 예에 따라, 상기 센싱 데이터는 상기 공간의 이산화탄소 농도, 먼지 농도, 가스 농도 등의 정보를 더 포함할 수도 있다.
어플라이언스 제어 서버(30)는, 수신된 센싱 데이터에 기초하여, 사용자가 위치한 공간에 설치된 공기조화기(60)의 제어 정보를 생성할 수 있다(S730).
특히, 본 발명의 실시 예에 따르면, 어플라이언스 제어 서버(30)는 인공지능 기반의 인식 모델(예컨대, 머신 러닝 기반의 기학습된 데이터(인공신경망))을 갖는 수면 상태 인식기를 포함할 수 있다.
이와 관련하여 도 24를 참조하면, 상기 수면 상태 인식기는 상기 인공신경망을 이용하여, 상기 센싱 데이터, 또는 상기 센싱 데이터와 외부 환경 정보(외부 온도, 습도, 먼지 농도 등)로부터 사용자의 취침 시 수면 상태를 인식할 수 있다.
수면 상태 인식기는 상기 센싱 데이터, 또는 상기 센싱 데이터와 외부 환경 정보, 수면 상태 인식 결과, 단말기(40) 등으로부터 획득되는 수면 상태 감지 정보 및 수면 히스토리 정보로부터 특징 또는 패턴을 추출하고, 추출된 특징 또는 패턴을 이용한 학습 동작을 수행함으로써, 수면 시의 실내 환경에 따른 사용자의 수면 상태에 대한 정보를 학습할 수 있다.
상기 수면 상태 감지 정보는 사용자의 수면 중 움직임의 정도, 잠에서 깬 횟수, 코골이 여부, 잠꼬대 여부 등과 같이 사용자의 수면 상태와 관련된 다양한 정보를 포함할 수 있다. 예컨대, 단말기(40)는 적어도 하나의 센서를 이용하여 획득된 사용자의 움직임 정보, 음성 정보, 영상 정보 등으로부터 상기 수면 상태 감지 정보를 획득할 수 있다.
수면 히스토리 정보는, 수면 만족도나 기상 후의 쾌적함 여부 등과 같은 수면 기록에 대한 정보를 포함할 수 있다. 단말기(40)는 사용자로부터 상기 수면 만족도나 기상 후의 쾌적함 여부에 대한 정보를 입력받아 상기 수면 히스토리 정보를 생성할 수 있다.
어플라이언스 제어 서버(30)는 생성된 공기조화기(60)의 제어 정보를 공기조화기(60)로 전송할 수 있다(S740). 공기조화기(60)는 수신된 제어 정보에 기초하여 실내 공간의 공기조화 동작을 수행함으로써 실내 환경을 조절할 수 있다(S750).
공기조화기(60)는 상기 제어 정보에 기초한 공기조화 동작을 수행함에 따라, 사용자에게 최적의 수면 환경을 제공할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.
본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (20)

  1. 공기 청정장치에 있어서,
    공기를 흡입 및 토출하기 위한 팬모터;
    상기 흡입된 공기를 정화하는 적어도 하나의 필터를 포함하는 필터 모듈;
    공기 질 센싱 장치로부터 공기 질 센싱 데이터를 수신하는 통신부;
    수신된 공기 질 센싱 데이터에 기초하여 공기 질을 인식하는 공기 질 인식기; 및
    상기 공기 질 인식기의 인식 결과에 기초하여 상기 팬모터와 상기 필터 모듈 중 적어도 하나를 제어하는 제어부를 포함하고,
    상기 제어부는,
    복수의 공기 질 센싱 장치들 각각으로부터 공기 질 센싱 데이터를 수신하고,
    상기 공기 질 인식기를 통해, 상기 복수의 공기 질 센싱 데이터로부터 상기 복수의 공기 질 센싱 장치들에 대응하는 복수의 구역들 각각의 공기 질을 인식하고,
    주행을 위한 주행부; 및
    상기 복수의 구역들 각각에 대한 공기 질의 인식 결과, 및 상기 공기 청정장치의 위치 정보에 기초하여, 상기 복수의 구역들 중 상기 적어도 하나의 구역을 포함하는 주행경로를 설정하는 주행경로 분석기를 더 포함하는 공기 청정장치.
  2. 제1항에 있어서,
    상기 공기 질 인식기는,
    상기 수신된 공기 질 센싱 데이터로부터 상기 공기 질을 인식하기 위한 인식 모델을 포함하는 공기 청정장치.
  3. 제2항에 있어서,
    상기 공기 질 인식기는,
    상기 공기 질 센싱 데이터 및 상기 인식 결과를 이용하여, 상기 인식 모델을 업데이트하는 공기 청정장치.
  4. 제2항에 있어서,
    상기 제어부는,
    상기 공기 질 센싱 데이터 및 상기 인식 결과를 상기 통신부를 통해 학습 서버로 전송하고,
    상기 공기 질 인식기는,
    상기 학습 서버로부터 수신되는 학습 데이터에 기초하여 상기 인식 모델을 업데이트하는 공기 청정장치.
  5. 제1항에 있어서,
    상기 공기 질 센싱 데이터는 이산화탄소 농도, 먼지 농도, 가스 농도, 휘발성 유기 화학 물질 농도, 온도, 및 습도 중 적어도 하나를 포함하는 공기 청정장치.
  6. 삭제
  7. 제1항에 있어서,
    상기 제어부는,
    인식 결과에 기초하여, 상기 복수의 공기 질 센싱 장치들에 대응하는 복수의 구역들 각각의 공기 질 정보를, 상기 공기 청정장치에 포함된 출력부를 통해 출력하는 공기 청정장치.
  8. 제1항에 있어서,
    상기 제어부는,
    상기 공기 청정장치 및 상기 복수의 공기 질 센싱 장치가 배치된 실내 공간의 실내 구조도 정보와, 상기 복수의 공기 질 센싱 장치들 각각의 위치 정보에 기초하여 상기 실내 공간을 상기 복수의 구역들로 구획하고,
    구획된 구역들 각각에는 서로 다른 공기 질 센싱 장치가 배치되는 공기 청정장치.
  9. 제1항에 있어서,
    상기 복수의 구역들 각각에 대한 공기 질의 인식 결과에 기초하여, 상기 복수의 구역들 중 적어도 하나의 구역에 대한 공기 청정 제어 정보를 생성하는 공기 청정 제어 정보 생성부를 더 포함하는 공기 청정장치.
  10. 삭제
  11. 제9항에 있어서,
    상기 제어부는,
    상기 주행경로를 따라 상기 공기 청정장치가 이동하도록 상기 주행부를 제어하고,
    상기 공기 청정장치가 위치한 구역에 대한 공기 청정 제어 정보에 기초하여 상기 팬모터 및 상기 필터 모듈 중 적어도 하나를 제어하는 공기 청정장치.
  12. 제11항에 있어서,
    상기 제어부는,
    상기 공기 청정장치가 위치한 구역에 배치된 공기 질 센싱 장치로부터 센싱 데이터를 수신하고,
    상기 공기 질 인식기를 통해, 수신된 센싱 데이터로부터 상기 공기 청정장치가 위치한 구역의 공기 질 변화를 인식하고,
    인식 결과에 기초하여 상기 공기 청정장치가 위치한 구역에 대한 공기청정 동작의 완료를 감지하는 공기 청정장치.
  13. 서로 다른 구역에 배치되고, 공기 질 센싱 데이터를 획득하는 적어도 하나의 센서를 각각 포함하는 복수의 공기 질 센싱 장치들;
    상기 복수의 공기 질 센싱 장치들로부터 수신되는 복수의 공기 질 센싱 데이터에 기초하여, 상기 복수의 공기 질 센싱 장치들 각각이 배치된 구역의 공기 질을 인식하는 공기 질 인식기;
    공기청정 동작을 수행하는 공기 청정장치; 및
    상기 공기 질 인식기로부터 인식된 상기 복수의 구역들 각각의 공기 질 정보 및 상기 공기 청정장치의 위치 정보에 기초하여, 상기 복수의 구역들 중 적어도 일부의 구역을 포함하는 주행경로를 설정하는 주행경로 분석기를 포함하고,
    상기 공기 청정장치는,
    상기 설정된 주행경로를 따라 주행하면서 상기 적어도 일부의 구역 각각에 대한 공기청정 동작을 수행하는 공기청정 시스템.
  14. 제13항에 있어서,
    상기 공기 질 인식기는,
    상기 공기 질 센싱 데이터로부터 상기 공기 질을 인식하기 위한 인식 모델을 포함하는 공기청정 시스템.
  15. 제14항에 있어서,
    상기 공기 질 인식기는,
    상기 공기 질 센싱 데이터 및 상기 인식된 공기 질에 대한 정보를 이용하여, 상기 인식 모델을 업데이트하는 공기청정 시스템.
  16. 제15항에 있어서,
    상기 공기 질 인식기는 상기 공기 청정장치에 포함되는 공기청정 시스템.
  17. 제15항에 있어서,
    상기 공기 청정장치와 연결되고, 상기 공기 질 인식기를 포함하는 서버를 더 포함하고,
    상기 서버는,
    상기 인식된 공기 질에 기초하여 상기 공기 청정장치를 제어하기 위한 제어 정보를 생성하고, 생성된 제어 정보를 상기 공기 청정장치로 전송하고,
    상기 공기 청정장치는 상기 서버로부터 수신되는 상기 제어 정보에 기초하여 팬모터와 필터 모듈 중 적어도 하나를 제어하는 공기청정 시스템.
  18. 삭제
  19. 제13항에 있어서,
    상기 공기 청정장치는,
    상기 공기 질 인식기로부터 인식된 복수의 구역들 각각의 공기 질 정보를 출력하는 출력부를 포함하고,
    상기 출력부는 디스플레이 및 스피커 중 적어도 하나를 포함하는 공기청정 시스템.
  20. 삭제
KR1020180114148A 2018-09-21 2018-09-21 인공지능 기반의 공기 청정장치 및 그를 포함하는 공기청정 시스템 KR102040505B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180114148A KR102040505B1 (ko) 2018-09-21 2018-09-21 인공지능 기반의 공기 청정장치 및 그를 포함하는 공기청정 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180114148A KR102040505B1 (ko) 2018-09-21 2018-09-21 인공지능 기반의 공기 청정장치 및 그를 포함하는 공기청정 시스템

Publications (1)

Publication Number Publication Date
KR102040505B1 true KR102040505B1 (ko) 2019-11-05

Family

ID=68576838

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180114148A KR102040505B1 (ko) 2018-09-21 2018-09-21 인공지능 기반의 공기 청정장치 및 그를 포함하는 공기청정 시스템

Country Status (1)

Country Link
KR (1) KR102040505B1 (ko)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102125320B1 (ko) * 2019-11-29 2020-06-22 주식회사 아이티로 미세먼지 센싱을 통한 공기 질 개선 데이터 생성 방법, 장치 및 컴퓨터-판독가능 기록매체
KR102336614B1 (ko) * 2021-04-23 2021-12-09 주식회사 숨터 인공지능을 이용한 공기환경 제어장치 및 방법
KR20210152613A (ko) 2020-06-08 2021-12-16 박헌재 인공지능 미세먼지 저감장치
WO2021261756A1 (ko) * 2020-06-26 2021-12-30 삼성전자주식회사 공기 조화기 및 그의 제어 방법
KR20220007906A (ko) 2020-07-12 2022-01-20 박헌재 인공지능 미세먼지 저감장치
KR102388975B1 (ko) * 2020-12-29 2022-04-22 주식회사 애니텍 사물인터넷(iot)을 이용한 스마트 공기청정기 제어 시스템
KR20220077994A (ko) * 2020-12-02 2022-06-10 주식회사 에스투알 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법
KR20230090473A (ko) * 2021-12-15 2023-06-22 주식회사 우정바이오 과산화수소 증기 살균 정보 추출 장치
KR102552354B1 (ko) * 2022-03-17 2023-07-07 주식회사 공공 습식공기정화장치의 스마트제어방법
KR102639993B1 (ko) * 2022-11-14 2024-02-23 (주)천도엔지니어링 인공지능을 이용한 공동주택 정보통신 업로드 시스템
WO2024042410A1 (en) * 2022-08-26 2024-02-29 Dyson Technology Limited Air purification system
WO2024075872A1 (ko) * 2022-10-07 2024-04-11 주식회사 이엠비 사물인터넷과 연동되는 인공지능 기반의 유해환경 제어 시스템 및 그 제어 방법
KR20240069912A (ko) 2022-11-11 2024-05-21 전남대학교산학협력단 공기순환장치의 배치 위치를 도출하는 가이드 장치 및 방법
US12072718B2 (en) 2019-08-14 2024-08-27 Samsung Electronics Co., Ltd. Electronic apparatus and controlling method using corrected sensor values

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2897395B2 (ja) * 1990-10-19 1999-05-31 松下電器産業株式会社 空気調和機の制御装置
KR100930346B1 (ko) * 2007-12-07 2009-12-08 (주)유알엔디 공간별 실내 공기질 검출 장치
KR20160085639A (ko) 2015-01-08 2016-07-18 엘지전자 주식회사 공기질 센싱 장치 및 그 장치의 제어 방법
KR20170096730A (ko) * 2016-02-17 2017-08-25 코웨이 주식회사 공기질 관리 시스템 및 방법, 및 분석서버
KR20180080397A (ko) * 2017-01-02 2018-07-12 엘지전자 주식회사 공기청정기의 제어방법
KR20180112653A (ko) * 2017-03-30 2018-10-12 삼성전자주식회사 데이터 학습 서버 및 이의 학습 모델 생성 및 이용 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2897395B2 (ja) * 1990-10-19 1999-05-31 松下電器産業株式会社 空気調和機の制御装置
KR100930346B1 (ko) * 2007-12-07 2009-12-08 (주)유알엔디 공간별 실내 공기질 검출 장치
KR20160085639A (ko) 2015-01-08 2016-07-18 엘지전자 주식회사 공기질 센싱 장치 및 그 장치의 제어 방법
KR101677651B1 (ko) * 2015-01-08 2016-11-29 엘지전자 주식회사 공기질 센싱 장치 및 그 장치의 제어 방법
KR20170096730A (ko) * 2016-02-17 2017-08-25 코웨이 주식회사 공기질 관리 시스템 및 방법, 및 분석서버
KR20180080397A (ko) * 2017-01-02 2018-07-12 엘지전자 주식회사 공기청정기의 제어방법
KR20180112653A (ko) * 2017-03-30 2018-10-12 삼성전자주식회사 데이터 학습 서버 및 이의 학습 모델 생성 및 이용 방법

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12072718B2 (en) 2019-08-14 2024-08-27 Samsung Electronics Co., Ltd. Electronic apparatus and controlling method using corrected sensor values
KR102125320B1 (ko) * 2019-11-29 2020-06-22 주식회사 아이티로 미세먼지 센싱을 통한 공기 질 개선 데이터 생성 방법, 장치 및 컴퓨터-판독가능 기록매체
KR20210152613A (ko) 2020-06-08 2021-12-16 박헌재 인공지능 미세먼지 저감장치
WO2021261756A1 (ko) * 2020-06-26 2021-12-30 삼성전자주식회사 공기 조화기 및 그의 제어 방법
KR20220007906A (ko) 2020-07-12 2022-01-20 박헌재 인공지능 미세먼지 저감장치
KR20220077994A (ko) * 2020-12-02 2022-06-10 주식회사 에스투알 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법
KR102483784B1 (ko) * 2020-12-02 2023-02-07 (주)에스투알 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법
KR102388975B1 (ko) * 2020-12-29 2022-04-22 주식회사 애니텍 사물인터넷(iot)을 이용한 스마트 공기청정기 제어 시스템
KR102336614B1 (ko) * 2021-04-23 2021-12-09 주식회사 숨터 인공지능을 이용한 공기환경 제어장치 및 방법
KR20230090473A (ko) * 2021-12-15 2023-06-22 주식회사 우정바이오 과산화수소 증기 살균 정보 추출 장치
KR102686204B1 (ko) * 2021-12-15 2024-07-19 주식회사 우정바이오 과산화수소 증기 살균 정보 추출 장치
KR20230136083A (ko) * 2022-03-17 2023-09-26 주식회사 공공 습식공기정화장치의 ai 최적화 기반 제어시스템
KR102636317B1 (ko) * 2022-03-17 2024-02-14 주식회사 공공 습식공기정화장치의 ai 최적화 기반 제어시스템
KR102552354B1 (ko) * 2022-03-17 2023-07-07 주식회사 공공 습식공기정화장치의 스마트제어방법
WO2024042410A1 (en) * 2022-08-26 2024-02-29 Dyson Technology Limited Air purification system
WO2024075872A1 (ko) * 2022-10-07 2024-04-11 주식회사 이엠비 사물인터넷과 연동되는 인공지능 기반의 유해환경 제어 시스템 및 그 제어 방법
KR20240069912A (ko) 2022-11-11 2024-05-21 전남대학교산학협력단 공기순환장치의 배치 위치를 도출하는 가이드 장치 및 방법
KR102639993B1 (ko) * 2022-11-14 2024-02-23 (주)천도엔지니어링 인공지능을 이용한 공동주택 정보통신 업로드 시스템

Similar Documents

Publication Publication Date Title
KR102040505B1 (ko) 인공지능 기반의 공기 청정장치 및 그를 포함하는 공기청정 시스템
JP6731506B2 (ja) 適切な瞬間において非警報ステータス信号を与えるスマートホームハザード検出器
KR102020306B1 (ko) 인공지능 기반의 공기조화기 및 그의 제어 방법
WO2014167896A1 (ja) 電子機器および自走式掃除機
US11214119B2 (en) Methods and apparatus for vehicle HVAC control using portable devices
US11559179B2 (en) Self-propelled pathogen detection device, pathogen detection system, and control method
WO2019060690A1 (en) MODULAR FAN ASSEMBLY
US12092624B2 (en) Air quality sensors
CN110094782B (zh) 一种智能油烟机的控制方法及智能油烟机
CN107642869A (zh) 智能换气扇系统与智能换气扇装置
KR102001782B1 (ko) 인공지능을 이용하여 입력된 소리에 기반하여 공기청정기의 동작을 제어하는 방법 및 이를 구현하는 공기청정기
KR102176369B1 (ko) 공기조화기 및 이를 포함하는 공기조화시스템
KR20220162530A (ko) 공기조화기, 공기조화기의 제어 방법 및 제어 시스템
CN117128624A (zh) 新风空调及空调管理系统的控制方法、装置和存储介质
CN106352509A (zh) 一种智能空调系统及应用
CN209893596U (zh) 空调内机及具有该空调内机的空调系统
KR20230083472A (ko) Ai 이동 로봇을 탑재한 이동식 세발기 시스템
KR20220076891A (ko) 지능형 영유아 케어 서비스 제공 시스템 및 방법
JP2019052797A (ja) ネットワークシステム、情報処理方法、およびサーバ
KR20240106822A (ko) 인공지능 제어가 가능한 창문형 공기청정 시스템
TW202348937A (zh) 控制一組臭氧氣體產生裝置的方法和運算裝置
KR20240125227A (ko) 공기청정기

Legal Events

Date Code Title Description
GRNT Written decision to grant