KR102070288B1 - 가스 탐지 장치 및 탐지 방법 - Google Patents

가스 탐지 장치 및 탐지 방법 Download PDF

Info

Publication number
KR102070288B1
KR102070288B1 KR1020190110960A KR20190110960A KR102070288B1 KR 102070288 B1 KR102070288 B1 KR 102070288B1 KR 1020190110960 A KR1020190110960 A KR 1020190110960A KR 20190110960 A KR20190110960 A KR 20190110960A KR 102070288 B1 KR102070288 B1 KR 102070288B1
Authority
KR
South Korea
Prior art keywords
gas
spectral
function
parameter
detected
Prior art date
Application number
KR1020190110960A
Other languages
English (en)
Inventor
남현우
김종선
김현정
고영진
박병황
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020190110960A priority Critical patent/KR102070288B1/ko
Application granted granted Critical
Publication of KR102070288B1 publication Critical patent/KR102070288B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

본 발명은 오염운을 구성하는 가스 성분을 탐지하기 위한 것으로, 대상 영역 또는 탐지 대상 가스로부터 분광 신호를 획득 및 획득된 분광 신호로부터 분광 특징을 추출하는 스펙트럼 획득부와, 상기 탐지 대상 가스로부터 제1 분광 특징이 추출되면 상기 제1 분광 특징과 기 설정된 전치 함수, 그리고 선형 회귀 기법에 따른 파라미터의 선형결합과, 상기 선형결합에 따라 상기 탐지 대상 가스가 탐지될 확률 간의 관계를 로지스틱 회귀 방식에 따른 함수로 변환하고, 변환된 함수에 따라 기 설정된 코스트 함수가 최소값을 가지는 최적 파라미터를 산출하며, 상기 대상 영역으로부터 획득된 분광 신호로부터 제2 분광 특징이 추출되면, 상기 로지스틱 회귀 방식에 따라 변환된 함수에 상기 제2 분광 특징과 상기 최적 파라미터를 적용한 결과값과 기 설정된 임계값을 비교하여 상기 대상 영역에 상기 탐지 대상 가스가 있는지 여부를 판정하는 제어부를 포함하는 것을 특징으로 한다.

Description

가스 탐지 장치 및 탐지 방법{APPARATUS AND METHOD FOR DETECTING GAS}
본 발명은 오염운을 구성하는 가스 성분을 탐지하기 위한 것으로, FT-IR(Fourier-transform infrared) 분광 스펙트럼을 이용하여 가스 성분을 탐지하는 가스 탐지 장치 및 방법에 대한 것이다.
푸리에 변환 적외선 분광법(FT-IR; Fourier Transform Infra-red Spectroscopy)은 주변 지형물의 적외선 복사광을 광원으로 하여 광원과 분광기 사이에 존재하는 화학 가스 오염운의 성분을 소형 간섭계 센서를 사용하여 탐지하는 기술이다.
상기 푸리에 변환 적외선 분광법은 독성가스가, 특정 적외선 광 주파수를 흡수하는 성질을 이용하는 것으로, 소형 간섭계로부터 측정 된 신호를 스펙트럼 분석이 용이한 밝기 온도 스펙트럼 형태로 변환한 후 변환된 스펙트럼에 근거하여 상기 독성 가스를 식별할 수 있도록 한다.
그런데 종래의 FT-IR(Fourier-transform infrared) 기반 원거리 화학가스 탐지 장치의 경우 측정된 밝기 온도 스펙트럼과 탐지하고자 하는 표적 가스 라이브러리와의 신호 유사성(shape-similarity)을 분석하여, 탐지하고자 하는 표적 가스가 포함되어 있는지 여부를 결정하는 방식을 이용한다. 이러한 통상적인 표적 가스 탐지 방식은 FT-IR(Fourier-transform infrared) 분광기 하드웨어 운용 및 제어에서 나오는 신호 잡음과 수증기/오존 등 대기 간섭 물질로부터 측정 신호가 왜곡될 경우 탐지 정확성이 크게 저하된다는 문제가 있다.
본 발명은 전술한 문제를 해결하기 위한 것으로, 다양한 배경 및 간섭 물질이 있는 경우에도, 표적 가스를 정확하게 탐지할 수 있는 가스 탐지 장치 및 방법을 제공하는 것을 그 목적으로 한다.
상술한 목적을 달성하기 위한 본 발명의 실시 예에 따른 가스 탐지 장치는, 대상 영역 또는 탐지 대상 가스로부터 분광 신호를 획득 및 획득된 분광 신호로부터 분광 특징을 추출하는 스펙트럼 획득부 및, 상기 탐지 대상 가스로부터 제1 분광 특징이 추출되면 상기 제1 분광 특징과 기 설정된 전치 함수, 그리고 선형 회귀 기법에 따른 파라미터의 선형결합과, 상기 선형결합에 따라 상기 탐지 대상 가스가 탐지될 확률 간의 관계를 로지스틱 회귀 방식에 따른 함수로 변환하고, 변환된 함수에 따라 기 설정된 코스트 함수가 최소값을 가지는 최적 파라미터를 산출하며, 상기 대상 영역으로부터 획득된 분광 신호로부터 제2 분광 특징이 추출되면, 상기 로지스틱 회귀 방식에 따라 변환된 함수에 상기 제2 분광 특징과 상기 최적 파라미터를 적용한 결과값과 기 설정된 임계값을 비교하여 상기 대상 영역에 상기 탐지 대상 가스가 있는지 여부를 판정하는 제어부를 포함하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 스펙트럼 획득부는, FT-IR (Fourier-transform infrared) 방식에 따른 분광 신호를 획득하는 센서부 및, 획득된 분광 신호로부터 잡음을 제거, 획득된 분광 신호의 보정, 및 획득된 분광 신호로부터 밝기 온도 스펙트럼을 상기 분광 특징으로 추출하는 전처리를 수행하는 전처리부를 포함하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 전처리부는, 스펙트럼 평균화(Frame Average) 기법 또는 사비츠키-골레이(Savitzky-Golay) 필터를 통해 상기 가스 탐지 운용 및 제어에 따라 발생하는 기계 잡음을 제거 및, 최소 자승법(Leaqst-sqaure)에 근거하여, 상기 획득된 분광 신호로부터 배경 신호를 추정하여 제거하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 전처리부는, 기 설정된 기울기 보정 알고리즘을 통해, 상기 분광 신호에서 빛의 산란 현상에 따른 스펙트럼 기울기를 보정하며, 상기 기 설정된 기울기 보정 알고리즘은, 연속체 제거(Continuum-removal) 기법임을 특징으로 한다.
일 실시 예에 있어서, 상기 제어부는, 복수의 탐지 대상 가스 각각으로부터 획득된 분광 신호에 근거하여, 상기 복수의 탐지 대상 가스 각각에 대응하는 복수의 최적 파라미터를 산출하며, 제2 분광 특징이 추출되면, 상기 로지스틱 회귀 방식에 따라 변환된 함수에 상기 제2 분광 특징과 상기 복수의 최적 파라미터를 각각을 적용하여, 상기 복수의 최적 파라미터 각각에 대응하는 복수의 결과값을 산출하고, 산출된 복수의 결과값 각각과 기 설정된 임계값을 비교하여 상기 대상 영역에 상기 복수의 최적 파라미터 각각에 대응하는 가스들이 있는지 여부를 판정하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 제어부는, 상기 복수의 결과값 각각에 대하여, 서로 다른 임계값을 비교하여 상기 복수의 최적 파라미터 각각에 대응하는 가스들이 있는지 여부를 판정하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 제어부는, 상기 복수의 최적 파라미터 각각에 대응하는 탐지 대상 가스들 각각의 서로 다른 특징에 근거하여, 상기 복수의 결과값 각각과 비교할 서로 다른 임계값을 결정하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 제어부는, 하기 수학식 4에 따라, 경사 하강법(Gradient descent) 알고리즘에 근거하여 상기 코스트 함수가 최소값을 가지는 최적 파라미터를 산출하는 것을 특징으로 한다.
[수학식 4]
Figure 112019092211627-pat00001
여기서,
Figure 112019092211627-pat00002
는, 로지스틱 회귀 방식에 따라 변환된 함수(
Figure 112019092211627-pat00003
)를 일반화한 함수이며,
Figure 112019092211627-pat00004
는 획득된 분광 특징,
Figure 112019092211627-pat00005
는 선형회귀식의 0에서 1사이의 결과값,
Figure 112019092211627-pat00006
는 경사 하강법에 따른 반복이 수행될 때마다 감소되는 파라미터(
Figure 112019092211627-pat00007
)의 양을 결정하는 스케일 변수임.
일 실시 예에 있어서, 상기 제어부는, 탐지 대상 가스에 대한 최적 파라미터가 산출되면, 복수의 테스트 가스 시료로부터 분광 신호들 및 분광 특징들을 획득 및, 상기 로지스틱 회귀 방식에 따른 함수와 상기 최적 파라미터, 그리고 상기 분광 특징들에 근거하여 상기 복수의 테스트 가스 시료 각각에 대한 상기 로지스틱 회귀 방식에 따라 변환된 함수의 결과값들을 산출하며, 산출된 결과값들과 기 설정된 임계값을 비교한 결과에 근거하여 상기 최적 파라미터에 대한 상기 탐지 대상 가스의 탐지 성공률을 산출하고, 산출된 상기 탐지 성공률에 근거하여, 상기 산출된 최적 파라미터를 상기 탐지 대상 가스에 대응하는 최적 파라미터로 저장하거나, 최적 파라미터를 다시 산출하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 제어부는, 상기 최적 파라미터를 다시 산출하는 경우, 상기 스케일 변수를 더 작은 값으로 변경하여 상기 최적 파라미터를 다시 산출하거나 또는 대상 가스의 포함 여부를 미리 알고 있는 복수의 훈련 데이터에 따른 학습을 복수회 더 수행하여 상기 최적 파라미터를 다시 산출하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 대상 영역에 상기 탐지 대상 가스가 있는지 여부를 판정한 결과를 출력하는 출력부를 더 포함하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 대상 영역의 영상을 촬영하는 영상 촬영기를 더 포함하며, 상기 제어부는, 상기 영상 촬영기와 연동하여, 상기 대상 영역에서 탐지된 적어도 하나의 탐지 대상 가스를 영상화하고, 상기 영상화 결과를 상기 출력부를 통해 출력하는 것을 특징으로 한다.
상술한 목적을 달성하기 위한 본 발명의 실시 예에 따른 가스 탐지 방법은, 탐지 대상 가스로부터 분광 신호를 획득 및 획득된 분광 신호로부터 제1 분광 특징을 추출하는 제1 단계와, 추출된 제1 분광 특징과 기 설정된 전치 함수, 그리고 선형 회귀 기법에 따른 파라미터의 선형결합과, 상기 선형결합에 따라 상기 탐지 대상 가스가 탐지될 확률 간의 관계를 로지스틱 회귀 방식에 따른 함수로 변환하는 제2 단계와, 상기 로지스틱 회귀 방식에 따라 변환된 함수와 기 설정된 코스트 함수에 근거하여, 상기 코스트 함수의 값이 최소값을 가지도록 하는 최적 파라미터를 산출하는 제3 단계와, 대상 영역으로부터 분광 신호를 획득 및, 획득된 분광 신호로부터 제2 분광 특징을 추출하는 제4 단계 및, 상기 로지스틱 회귀 방식에 따라 변환된 함수에 상기 제2 분광 특징과 상기 최적 파라미터를 적용하여 결과값을 산출하고, 산출된 결과값과 기 설정된 임계값을 비교한 결과에 근거하여, 상기 대상 영역에 상기 탐지 대상 가스가 포함되어 있는지 여부를 판정하는 제5단계를 포함하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 제3 단계는, 복수의 테스트 가스 시료로부터 분광 신호들 및 분광 특징들을 획득하는 제3-1 단계와, 상기 로지스틱 회귀 방식에 따른 함수와 상기 최적 파라미터, 그리고 상기 분광 특징들에 근거하여 상기 복수의 테스트 가스 시료 각각에 대한 상기 로지스틱 회귀 방식에 따라 변환된 함수의 결과값들을 산출하는 제3-2 단계와, 상기 산출된 결과값들과 기 설정된 임계값을 비교한 결과에 근거하여 상기 최적 파라미터에 대한 상기 탐지 대상 가스의 탐지 성공률을 산출하는 제3-3 단계 및, 산출된 상기 탐지 성공률에 근거하여, 상기 산출된 최적 파라미터를 상기 탐지 대상 가스에 대응하는 최적 파라미터로 저장하거나, 최적 파라미터를 다시 산출하는 제3-4 단계를 더 포함하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 제3 단계는, 경사 하강법(Gradient descent) 알고리즘에 근거하여 상기 코스트 함수가 최소값을 가지는 최적 파라미터를 산출하는 단계이며, 상기 제3-4 단계는, 상기 최적 파라미터를 다시 산출하는 경우, 상기 경사 하강법에 따른 반복이 수행될 때마다 감소되는 파라미터의 양을 결정하는 스케일 변수를 변경하여 상기 최적 파라미터를 다시 산출하는 단계 또는, 상기 탐지 대상 가스의 포함 여부를 미리 알고 있는 복수의 훈련 데이터에 따른 학습을 복수회 더 수행하여 상기 최적 파라미터를 다시 산출하는 단계임을 특징으로 한다.
일 실시 예에 있어서, 상기 제3 단계는, 적어도 하나의 다른 탐지 대상 가스 각각으로부터 분광 특징들을 추출하는 a 단계와, 추출된 분광 특징들 각각에 대해 상기 로지스틱 회귀 방식에 따른 함수 및 기 설정된 코스트 함수에 근거하여, 각 분광 특징 별로 상기 코스트 함수의 값이 최소값을 가지도록 하는 복수의 최적 파라미터를 산출하는 b 단계를 포함하며, 상기 제5 단계는, 상기 로지스틱 회귀 방식에 따라 변환된 함수에 상기 복수의 최적 파라미터 각각과 상기 제2 분광 특징을 적용하여 복수의 결과값을 산출하는 제5-1 단계 및, 상기 복수의 결과값과 기 설정된 임계값을 비교한 결과에 근거하여, 상기 대상 영역에 상기 복수의 최적 파라미터 각각에 대응하는 탐지 대상 가스들이 포함되어 있는지 여부를 판정하는 제5-2 단계를 포함하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 기 설정된 임계값은, 상기 복수의 최적 파라미터 각각에 대응하는 탐지 대상 가스들 각각의 서로 다른 특징에 근거하여 서로 다르게 결정되며, 상기 제5-2 단계는, 상기 복수의 결과값 각각에 대하여, 상기 서로 다르게 결정된 임계값을 비교하여 상기 복수의 최적 파라미터 각각에 대응하는 가스들이 있는지 여부를 판정하는 단계임을 특징으로 한다.
본 발명에 따른 가스 탐지 장치 및 탐지 방법의 효과에 대해 설명하면 다음과 같다.
본 발명의 실시 예들 중 적어도 하나에 의하면, 본 발명은 지도식 기계학습 알고리즘(Supervised machine-learning)인 로지스틱 회귀기법을 활용하여 다양한 배경 및 간섭물질에 따른 스펙트럼과 가스 별 표준 스펙트럼 라이브러리 데이터를 반복적으로 학습하고, 독립 변수의 선형 결합을 이용함으로써, 다양한 배경 및 간섭 물질이 있는 경우에도, 원거리에 위치한 독성 가스(표적 가스)를 탐지할 수 있다는 효과가 있다.
또한, 본 발명의 다른 효과로서는, 반복적인 학습 과정을 통해 알고리즘 성능을 향상 및 보완 가능한 방식으로 신호 잡음 및 수증기, 오존 등 다양한 간섭요인에 의한 성능저하를 최소화할 수 있다는 효과가 있다.
도 1은 본 발명의 실시 예에 따른 가스 탐지 장치가, 기 설정된 가스 시료를 이용하여 기계학습을 수행하고, 오염운으로부터 획득된 분광 스펙트럼으로부터 오염운을 구성하는 가스들을 탐지하는 예를 도시한 개념도이다.
도 2는 본 발명의 실시 예에 따른 가스 탐지 장치의 구조를 도시한 블록도이다.
도 3은 본 발명의 실시 예에 따른 가스 탐지 장치에서, 각 가스 시료로부터 획득한 분광 스펙트럼의 표적가스 별 분광특징을 예들을 도시한 예시도이다.
도 4는 본 발명의 실시 예에 따른 가스 탐지 장치에서, 가스 시료로부터 로지스틱 회귀 분석에 따른 학습을 수행하는 동작 과정을 도시한 흐름도이다.
도 5는 본 발명의 실시 예에 따른 가스 탐지 장치에서, 로지스틱 회귀 분석 학습 결과에 따라 산출된 각 가스 시료별 파라미터에 근거하여 오염운을 구성하는 가스 성분을 탐지하는 동작 과정을 도시한 흐름도이다.
도 6은 본 발명의 실시 예에 따른 가스 탐지 장치의 탐지 성능에 관련된 실험 결과를 도시한 표이다.
본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "구성된다." 또는 "포함한다." 등의 용어는 명세서상에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 본 명세서에 개시된 기술을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 기술의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다.
제 1, 제 2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하 첨부된 도면을 참조하여 본 발명의 실시예에 따른 가스 탐지 장치 및 방법을 자세하게 살명하기로 한다.
먼저 도 1은 본 발명의 실시 예에 따른 가스 탐지 장치(1)가, 기 설정된 가스 시료를 이용하여 기계학습을 수행하고, 오염운으로부터 획득된 분광 스펙트럼으로부터 오염운을 구성하는 가스들을 탐지하는 예를 도시한 개념도이다.
도 1을 참조하여 살펴보면, 본 발명의 실시 예에 따른 가스 탐지 장치(1)는 먼저 복수의 기 설정된 가스 시료(3)를 이용하여 로지스틱 회귀 분석에 따른 기계 학습 훈련을 수행할 수 있다. 상기 로지스틱 회귀 분석에 따른 기계 학습 훈련은, 상기 복수의 기 설정된 가스 시료(3) 각각으로부터 획득된 분광 스펙트럼에 대하여, 기 설정된 코스트(cost) 함수의 값이 가장 적게 산출되는 최적의 파라미터를 산출하기 위한 것으로, 경사 하강법(Gradient descent) 알고리즘에 따라 기 설정된 스케일 변수를 변경하거나 훈련 데이터를 추가하여 반복적으로 학습을 수행하는 과정일 수 있다.
이와 같은 학습 훈련 결과에 따라, 본 발명의 실시 예에 따른 가스 탐지 장치(1)는 각 가스 별로, 해당 가스에 대해 탐지 성공률이 기 설정된 수준 이상을 가지는 최적화된 파라미터들을 획득할 수 있다. 그러면 가스 탐지 장치(1)는 획득된 파라미터들을, 오염운(2)으로부터 획득된 분광 스펙트럼에 각각 적용하여 상기 로지스틱 회귀 분석에 따른 결과들을 산출하고, 산출된 결과들 각각을 기 설정된 임계값과 비교하여, 상기 오염운(2)에 포함된 가스들을 탐지할 수 있도록 한다.
도 2는 이러한 본 발명의 실시 예에 따른 가스 탐지 장치(1)의 구조를 도시한 블록도이다.
도 2를 참조하여 살펴보면, 본 발명의 실시 예에 따른 가스 탐지 장치(1)는 제어부(100)와 상기 제어부(100)에 연결되며, 상기 제어부(100)에 의해 제어되는 스펙트럼 획득부(110), 메모리(130)를 포함하여 구성될 수 있다. 또한 상기 가스 탐지 장치(1)는 출력부(150)를 더 포함하여, 가스 탐지 결과와 관련된 다양한 정보들을 출력하도록 형성될 수 있다.
먼저 스펙트럼 획득부(110)는 가스로부터 FT-IR (Fourier-transform infrared) 방식에 따른 분광 신호를 획득하고, 획득된 분광 신호로부터 잡음을 제거하거나, 획득된 분광 신호를 보정하는 전처리를 수행할 수 있다. 이를 위해 스펙트럼 획득부(110)는 상기 분광 신호를 획득하는 센서부(112)와, 획득된 분광 신호를 전처리하는 전처리부(114)를 포함할 수 있다.
한편 본 발명의 실시 예에 따른 가스 탐지 장치(1)에서 기계 학습 훈련에 사용되는 데이터는, 상기 센서부(112)로부터 획득된 적외선 스펙트럼으로, 파장(Wavelength, cm-1) 별 밝기온도(Brightness Temperature) 세기로 표현될 수 있다. 이에 전처리부(114)는 획득된 분광 신호로부터 발기 온도 스펙트럼을, 분광 특징으로 추출할 수 있다. 상기 전처리부(114)에서 추출되는 밝기온도(Brightness Temperature) 스펙트럼은 표적 가스 별로 서로 다른 분광 특징을 나타낼 수 있으며, 가스 별 분광 특징은 도 3에서 보이고 있는 바와 같다.
한편 전처리부(114)는 획득된 분광 신호에 대해 잡음 제거 및 신호 보정을 수행할 수 있다.
여기서 잡음은 가스 탐지 장치(1)의 운용 및 제어로부터 발생하는 기계 잡음을 포함할 수 있으며, 이러한 기계 잡음은 스펙트럼 평균화(Frame Average) 및 사비츠키-골레이(Savitzky-Golay) 필터와 같은 잡음 제거 기법 등을 통해 제거될 수 있다.
또한, 전처리부(114)는 빛의 산란 현상에 따른 스펙트럼 기울기를 보정할 수 있는데, 이를 위해 기저선을 제거하는 기법인 연속체 제거(Continuum-removal) 기법과 같은 다양한 기울기 보정 알고리즘을 활용할 수 있다. 또한 전처리부(114)는 분광 특징 추출 기법으로 탐지작용제의 고유 분광 특징을 분석하기 위한 최소 자승법(Least-square method)을 이용하여 획득된 분광 신호로부터 배경신호를 추정하여 제거할 수도 있다. 이 경우 미리 알려진 배경 신호 또는 간섭 물질이 있는지 여부에 따라 지도(Supervised) 학습 및 비지도(Unsupervised) 학습 알고리즘이 적용될 수 있다.
한편 제어부(100)는 가스 탐지 장치(1)의 전반적인 동작을 제어할 수 있다. 먼저 제어부(100)는 스펙트럼 획득부(110)를 통해 전처리된 분광 신호, 즉 밝기 온도 스펙트럼이 획득되면, 밝기 온도 스펙트럼(X)과, 행렬(matrix)의 행과 열을 열과 행으로 변환하는 전치(Transpose) 함수(T), 그리고 파라미터(
Figure 112019092211627-pat00008
)의 선형결합과 상기 선형결합에 따라 표적 가스가 탐지될 확률 간의 관계를 로지스틱 회귀 방식에 따른 함수(
Figure 112019092211627-pat00009
)로 변환하고, 변환된 함수에 따라 기 설정된 코스트 함수가 최소값을 가지는 파라미터(
Figure 112019092211627-pat00010
)의 값을 산출할 수 있다.
그리고 제어부(100)는 산출된 파라미터(
Figure 112019092211627-pat00011
)가 기 설정된 조건을 만족하는 경우, 산출된 파라미터를 상기 획득된 분광 신호에 대응하는 가스에 대한 최적 파라미터로 저장할 수 있다. 그리고 제어부(100)는 이를 반복하여 복수의 가스 시료 각각에 대해, 각 가스 시료에 대응하는 최적 파라미터들을 저장하여 로지스틱 회귀 분석에 따른 기계 학습 훈련을 수행할 수 있다.
한편, 로지스틱 회귀 분석에 따른 기계 학습 훈련이 완료되면, 제어부(100)는 스펙트럼 획득부(110)를 통해 오염운으로부터 분광 신호를 획득할 수 있다. 그리고 획득된 분광 신호, 일 예로 밝기 온도 스펙트럼을 상기 로지스틱 회귀 방식에 따른 함수(
Figure 112019092211627-pat00012
)에 대입할 수 있다. 그리고 상기 각 가스 시료 별로 저장된 최적 파라미터들을 순차적으로 대입하여 각 최적 파라미터에 따른 결과값들을 산출할 수 있다. 그리고 산출된 결과값들 각각을 기 설정된 임계값과 비교하여 최적 파라미터 각각에 대응하는 가스들이 상기 오염운 내에 존재하는지 여부를 판단할 수 있다.
한편 메모리(130)는 상기 제어부(100)의 동작을 위한 다양한 데이터 및 명령어들을 저장할 수 있다. 일 예로 메모리(130)는 복수의 가스 시료로부터 각각 획득된 분광 신호, 즉 각 가스 시료 별 분광 특징으로서 밝기 온도 스펙트럼 정보들을 저장할 수 있다. 또한 메모리(130)는 상기 로지스틱 회귀 방식에 따른 기계 학습 훈련을 위한 코스트 함수에 관련된 정보들을 저장할 수 있으며, 복수의 가스 시료 각각으로부터 산출되는 최적 파라미터를 저장할 수 있다.
한편 메모리(130)는 상기 최적 파라미터들을 기 설정된 별도의 저장 영역에 저장할 수 있으며, 이하 상기 최적 파라미터들이 저장되는 저장 영역을 파라미터 저장부(132)라고 하기로 한다.
한편 본 발명의 실시 예에 따른 가스 탐지 장치(1)는 출력부(150)를 더 포함할 수 있다. 상기 출력부(150)는 화상 정보를 표시하기 위한 디스플레이부 및 음향 정보를 출력하기 위한 음향 출력부를 적어도 하나 포함할 수 있다. 이러한 디스플레이부의 예로서 LCD(Liquid Crystal Display), LED(Light Emitting Diode) 디스플레이, PDP(Plasma Display Panel), OLED(Organic LED) 디스플레이, 터치스크린, CRT(Cathode Ray Tube), 플렉시블 디스플레이 등이 있을 수 있다.
한편 도 4는 본 발명의 실시 예에 따른 가스 탐지 장치(1)에서, 가스 시료로부터 로지스틱 회귀 분석에 따른 학습을 수행하는 동작 과정을 도시한 흐름도이다.
도 4를 참조하여 살펴보면, 본 발명의 실시 예에 따른 가스 탐지 장치(1)의 제어부(100)는 먼저, 스펙트럼 획득부(110)를 제어하여 특정 가스 시료로부터 분광 신호를 획득할 수 있다(S200). 상기 분광 신호는 상술한 바와 같이 상기 특정 가스 시료의 분광 특징일 수 있으며, 상기 분광 특징의 예로서 밝기 온도 스펙트럼이 있을 수 있다. 즉, 상기 S200 단계에서 제어부(100)는 상기 특정 가스 시료의 분광 신호로서, 상기 특정 가스 시료의 밝기 온도 스펙트럼을 획득할 수 있다.
그리고 제어부(100)는 획득된 분광 신호에 대한 전처리를 수행할 수 있다(S202). 상기 S202 단계는 가스 탐지 장치(1)의 운용 및 제어에 따른 기계 잡음을 제거하는 과정, 빛의 산란 현상에 따른 스펙트럼의 기울기를 보정하는 과정, 기 설정된 알고리즘(예 : 최소 자승법)에 근거하여 배경 신호 또는 간섭 물질의 영향을 제거하는 과정 중 적어도 하나의 과정을 포함할 수 있다.
한편 획득된 분광 신호에 대한 전처리 과정이 완료되면, 제어부(100)는 자연로그(ln) 값을 가지는 오즈 비율(Odds rate)에 따른 선형 회귀식 결과를 로지스틱 회귀 방식에 따른 함수로 변환활 수 있다(S204).
본 발명에서 사용하는 로지스틱 회귀기법은 독립변수와 종속변수 간에 선형결합 관계를 설명하는 관점에서는 선형 회귀 분석과 유사하다. 하지만 해당 데이터의 결과가 특정분류(예를 들어, 0(가스 미탐지) 아니면 1(가스 탐지))로 나뉘기 때문에 일종의 분류(Classification) 기법으로도 볼 수 있다. 일반 선형 회귀 기법은 하기 수학식 1과 같이 우변과 좌변의 값이 연속형(
Figure 112019092211627-pat00013
)으로 표현된다.
Figure 112019092211627-pat00014
여기서 X는 밝기 온도 스펙트럼, T는 행렬(matrix)의 행과 열을, 열과 행으로 변환하는 전치(Transpose) 함수,
Figure 112019092211627-pat00015
는 선형 회귀 기법에 따른 계수(Coefficient) 파라미터임.
로지스틱 회귀 기법에서 우변항은 연속형의 값이(
Figure 112019092211627-pat00016
) 나오지만, 좌변항은 이산형인 값들이(예를 들어, 0 또는 1) 나오는 조건이 성립해야한다. 즉, 좌변항의 y 값을 변환하여 연속형의 값이 나오도록 범위를 맞춰주는 과정이 필요한데 이를 로짓(logit) 변환이라 한다. 상기 로짓 변환은
Figure 112019092211627-pat00017
로 표현 가능하며, 여기서 오즈 비율(odds ratio)은 어떠한 사건의 확률이 P일 때, P가 아닌 확률에 비해 상기 사건 확률 P가 몇 배인지를 나타낸다. 수식으로 나타내면 하기 수학식 2와 같다.
Figure 112019092211627-pat00018
상기 수학식 2에 따르면 확률 P가 1에 가까워질수록 오즈 비율은
Figure 112019092211627-pat00019
에 가까워지고 0에 가까워질수록 오즈 비율은 0에 가까워진다. 여기서 우변의 값이 음수가 나올 수도 있기 때문에, 좌변의 오즈 비율이 음수 값이 나오도록 자연로그(ln) 값을 취한다. 즉, 0~1 사이의 값을 가지는 P를 로짓 변환을 통하여
Figure 112019092211627-pat00020
값을 가지도록 변환하였다.
요약하면, 선형 회귀식으로는 이산형 결과값을 바로 예측할 수 없으므로 이산형 결과 y값의 확률(즉 0이 나올 확률 혹은 1이 나올 확률)을 오즈 비율로 변환한 후 자연로그를 취하여 우변항(
Figure 112019092211627-pat00021
)과 같은 범위 조건(
Figure 112019092211627-pat00022
값)이 되도록 변환하였다. 이를 확률 P에 관하여 나타내면 하기 수학식 3과 같다.
Figure 112019092211627-pat00023
즉, 제어부(100)는 탐지 대상 가스로부터 추출된 분광 특징(X)와 기 설정된 전치 함수(T), 그리고 선형 회귀 기법에 따른 파라미터(
Figure 112019092211627-pat00024
)의 선형결합(
Figure 112019092211627-pat00025
)과, 상기 선형결합(
Figure 112019092211627-pat00026
)에 따라 자연로그(ln) 값을 가지는 오즈 비율(Odds rate)에 따른 상기 탐지 대상 가스가 탐지될 확률(
Figure 112019092211627-pat00027
) 간의 관계를 로지스틱 회귀 방식에 따른 함수(
Figure 112019092211627-pat00028
)로 변환할 수 있다.
역으로 해석을 한다면 로지스틱 회귀는 선형 회귀식에서 나온 결과(
Figure 112019092211627-pat00029
)를 시그모이드(sigmoid) 함수를 통하여 하나의 확률값 함수(0~1 사이의 값,
Figure 112019092211627-pat00030
)으로 변환한 것이다.
한편, 제어부(100)는 상기 로지스틱 회귀 방식에 따라 변환된 함수(
Figure 112019092211627-pat00031
)와 기 설정된 코스트 함수에 근거하여, 상기 코스트 함수의 값이 가장 적게 산출되는 파라미터를 검출할 수 있다(S206).
상기 S206 단계에서 제어부(100)는 먼저 하기 수학식 4에서 보이고 있는 바와 같이 코스트 함수(Cost Function)를 정의할 수 있다.
Figure 112019092211627-pat00032
여기서,
Figure 112019092211627-pat00033
는, 로지스틱 회귀 방식에 따라 변환된 함수(
Figure 112019092211627-pat00034
)를 일반화한 함수이며,
Figure 112019092211627-pat00035
는 획득된 밝기 온도 스펙트럼,
Figure 112019092211627-pat00036
는 선형회귀식의 0에서 1사이의 결과값,
Figure 112019092211627-pat00037
는 경사 하강법에 따른 반복이 수행될 때마다 감소되는 파라메터(
Figure 112019092211627-pat00038
)의 양을 결정하는 스케일 변수임.
제어부(100)는 상기 수학식 4에 따라, 상기 코스트 함수(Cost Function)와 경사 하강법(Gradient descent)에 따른 반복 과정(repeat)을 통하여, 상기 코스트 함수의 결과가 최소의 값을 가지는 최적화 된 파라미터(
Figure 112019092211627-pat00039
)를 획득할 수 있다.
본 발명은 측정한 분광 스펙트럼에, 탐지하고자 하는 가스의 존재 유무를 판별하기 위한 것이므로, 분류(Classification)를 목적으로 주로 사용되는 상기 코스트 함수(
Figure 112019092211627-pat00040
)를 이용할 수 있다.
즉, 실제 결과값 y가 예측값과 가까워질수록 코스트 함수(Cost Function)는 작아질 수 있다. 예를 들어, 상기 코스트 함수 (
Figure 112019092211627-pat00041
)는 y가 1일 때 (
Figure 112019092211627-pat00042
)이 되고, 이에 예측값이 1에 가까워질수록 코스트 함수(
Figure 112019092211627-pat00043
)의 값은 작아지게 된다. 반대로 예측값이 0에 가까워질수록 코스트 함수 값은 무한대로 증가하게 되어 예측한 값이 틀렸다는 것을 나타낸다.
실제 결과값 y가 0일 때(
Figure 112019092211627-pat00044
) 예측값이 0으로 갈수록 코스트 함수의 결과값은 작아지게 되고, 1로 예측할 경우 코스트 함수의 결과값은 무한대로 증가하게 된다.
이처럼 코스트 함수를 최소화 시키는 파라미터(
Figure 112019092211627-pat00045
)를 찾기 위해
Figure 112019092211627-pat00046
방정식을 풀어야하는데, 이를 위해 경사 하강법(Gradient descent) 알고리즘을 사용할 수 있다. 경사 하강법 알고리즘은 파라미터의 수(예를 들어, w1, w2, w3 등 사용되는 파수의 개수) 마다 미분 방정식을 통하여 글로벌 최소값(Global Minimum) 획득하고, 계산 과정에서 스케일 변수
Figure 112019092211627-pat00047
의 크기에 따라 수렴하는 속도 및 정확도가 다르게 나타날 수 있다.
예를 들어 스케일 변수
Figure 112019092211627-pat00048
의 크기가 클수록 경사 하강법에 따라 반복될 때마다 파라미터(
Figure 112019092211627-pat00049
)의 감소량이 커지고, 이에 따라
Figure 112019092211627-pat00050
의 계산에 적용되는 파라미터(
Figure 112019092211627-pat00051
)들 간의 간격이 커지므로 계산량이 줄어들며 계산 속도는 빨라질 수 있다. 그러나 정확도는 낮아질 수 있다. 반면 스케일 변수
Figure 112019092211627-pat00052
의 크기가 작을수록 경사 하강법에 따라 반복될 때마다 파라미터(
Figure 112019092211627-pat00053
)의 감소량이 작아지고, 이에 따라
Figure 112019092211627-pat00054
의 계산에 적용되는 파라미터(
Figure 112019092211627-pat00055
)들 간의 간격이 작아지므로 계산량이 늘어나며 계산 속도는 느려질 수 있다. 그러나 정확도는 높아질 수 있다.
한편 제어부(100)는 상기 S206 단계에서, 경사 하강법에 따른
Figure 112019092211627-pat00056
가 산출되는 경우,
Figure 112019092211627-pat00057
에 적용된 파라미터(
Figure 112019092211627-pat00058
)를 검출할 수 있다. 그리고 검출된 파라미터(
Figure 112019092211627-pat00059
)에 따른 가스 탐지 성능을 검증할 수 있다(S208).
상기 S208 단계의 성능 검증 단계는, 상기 검출된 파라미터(
Figure 112019092211627-pat00060
)를 이용하여 복수의 테스트 가스 시료로부터 상기 S200 단계에서 획득된 분광 신호에 대응하는 대상 가스가 탐지되는지 여부를 시험하는 단계일 수 있다. 일 예로 제어부(100)는, 상기 S206 단계에서 검출된 파라미터(
Figure 112019092211627-pat00061
)를 상기 로지스틱 회귀 방식에 따라 변환된 함수에 대입할 수 있다. 그리고 파라미터(
Figure 112019092211627-pat00062
)가 대입된 함수에, 상기 테스트 가스 시료 각각으로부터 획득된 분광 신호들을 대입하여 상기 로지스틱 회귀 방식에 따라 변환된 함수의 결과값들을 산출할 수 있다. 그리고 산출된 함수의 결과값들이 기 설정된 임계값 이상인지에 따라 상기 테스트 가스 시료 각각에 상기 대상 가스가 포함되었는지 여부를 판단할 수 있다.
한편 상기 S208 단계에서 상기 복수의 테스트 가스 시료 각각에 대한 상기 대상 가스의 탐지가 완료되면, 제어부(100)는 상기 대상 가스의 탐지 성공률을 산출할 수 있다. 이 경우 제어부(100)는 상기 복수의 테스트 가스 시료 각각에 대해, 상기 대상 가스가 포함되어 있는지 여부를 맞추는데 성공한 회수와 실패한 회수의 비율을 상기 탐지 성공률로서 산출할 수 있다.
이를 위해 제어부(100)는, 스펙트럼 획득부(110)를 제어하여 상기 복수의 테스트 가스 시료 각각에 대한 분광 신호를 획득 및 획득된 분광 신호로부터 테스트 가스 시료 각각에 대한 전처리를 통해 잡음 제거 및 분광 특징을 추출할 수 있다. 그리고 로지스틱 회귀 방식에 따라 변환된 함수(
Figure 112019092211627-pat00063
)에 현재 검출된 파라미터(
Figure 112019092211627-pat00064
)의 값을 적용하고, 스펙트럼 변수 Xi에 추출된 각각의 분광 특징을 순차적으로 대입하여, 상기 복수의 테스트 가스 시료 각각에 대한 상기 로지스틱 회귀 방식에 따라 변환된 함수의 결과값들을 산출할 수 있다. 그리고 산출된 결과값들 각각을 기 설정된 임계값과 비교하여 상기 복수의 테스트 가스 시료 각각에 대해, 상기 S206 단계에서 검출된 파라미터(
Figure 112019092211627-pat00065
)에 대응하는 가스가 포함되어있는지 여부를 판정할 수 있다.
이 경우 상기 복수의 테스트 가스 시료 각각은 상기 S206 단계에서 검출된 파라미터(
Figure 112019092211627-pat00066
)에 대응하는 가스를 포함하거나 또는 포함하지 않는 시료일 수 있다. 이 경우 상기 파라미터(
Figure 112019092211627-pat00067
)에 대응하는 가스를 포함하는 시료에 대해, 상기 로지스틱 회귀 방식에 따라 변환된 함수의 결과값과 상기 임계값의 비교 결과 가스가 포함된 것으로 판정되는 경우 가스 탐지에 성공한 것으로 판단될 수 있다. 반면 가스가 포함되지 않은 것으로 판정되면 가스 탐지에 실패한 것으로 판단될 수 있다. 반면 상기 파라미터(
Figure 112019092211627-pat00068
)에 대응하는 가스를 포함하지 않는 시료에 대해, 상기 로지스틱 회귀 방식에 따라 변환된 함수의 결과값과 상기 임계값의 비교 결과 가스가 포함된 것으로 판정되는 경우 가스 탐지에 실패한 것으로 판단될 수 있다. 반면 가스가 포함되지 않은 것으로 판정되면 가스 탐지에 성공한 것으로 판단될 수 있다. 그러면 제어부(100)는 상기 복수의 테스트 가스 시료들에 탐지 성공 횟수와 탐지 실패 횟수를 산출하여 탐지 성공률을 산출할 수 있으며, 산출된 탐지 성공률이 기 설정된 수준 인지 여부를 판단할 수 있다(S210).
한편 상기 탐지 성공률은 기 설정된 수준 인지 여부는, 미리 설정된 오탐지율에 따라 결정될 수 있다. 일 예로 기 설정된 오탐지율이 5% 인 경우, 상기 기 설정된 수준은 100%에서 상기 오탐지율을 차감한 95% 로 결정될 수 있다. 상기 오탐지율은 탐지하고자 하는 가스(탐지 대상 가스)의 특성등에 따라 미리 결정될 수 있으며, 사용자에 의해 미리 설정될 수 있다.
상기 S210 단계의 판단 결과, 산출된 탐지 성공률이 기 설정된 수준, 예를 들어 95% 이상인 경우라면, 제어부(100)는 현재 산출된 파라미터를 상기 대상 가스에 대한 최적 파라미터(
Figure 112019092211627-pat00069
)로서 저장할 수 있다(S214).
그러나 상기 S210 단계의 판단 결과, 산출된 탐지 성공률이 기 설정된 수준 미만인 경우라면, 제어부(100)는 파라미터 검출 변수를 변경할 수 있다(S212). 일 예로 상기 파라미터 검출 변수는 상기
Figure 112019092211627-pat00070
의 산출을 위해 적용된 스케일 변수
Figure 112019092211627-pat00071
일 수 있다. 즉, 상기 S210 단계에서 탐지 성공률이 기 설정된 수준 미만인 경우, 제어부(100)는 스케일 변수
Figure 112019092211627-pat00072
의 값을 줄일 수 있다. 그리고 다시 S206 단계로 진행하여 로지스틱 회귀 방식에 따라 변환된 함수와 기 설정된 코스트 함수에 따라, 상기 코스트 함수가 최소값을 가지는 최적 파라미터(
Figure 112019092211627-pat00073
)를 다시 검출할 수 있다.
한편, 제어부(100)는 상기 S210 단계에서, 탐지 성공률이 기 설정된 수준 이하인 경우, 상기 S212 단계 대신, 복수의 훈련 데이터를 더 추가하여 학습을 수행하는 단계(도시되지 않음)를 수행할 수도 있다.
여기서 훈련 데이터는 탐지하고자 하는 대상 가스의 포함 여부를 미리 알고 있는 가스 시료로부터 획득된 측정 데이터(예 : 분광 특징(밝기 온도 스펙트럼))일 수 있다. 이러한 훈련 데이터는 상기 대상 가스와 관련하여, 상기 대상 가스의 포함 여부 및 대상 가스가 존재하는 주변 환경 요건(예 : 배경 신호 또는 간섭 물질 등)을 서로 다르게 하여 미리 실시된 다수의 실험을 통해 획득되는 데이터일 수 있다. 즉, 훈련 데이터는 상기 대상 가스의 포함 여부가 미리 확인된 데이터로서, 신뢰성이 있는 데이터를 의미할 수 있다. 이에 따라 상기 S212 단계에서는 복수의 훈련 데이터를 통한 학습이 수행될 수 있다.
이 경우 제어부(100)는 상기 기 설정된 개수의 훈련 데이터를 이용한 학습이 수행되는 경우 다시 S210 단계로 진행하여 탐지 성공률이 기 설정된 수준 이상인지 여부를 판단할 수 있다. 그리고 탐지 성공률이 기 설정된 수준 미만인 경우라면, 상기 S212 단계로 진행하여 파라미터 검출 변수를 변경하고 상기 S206 단계 내지 S208 단계의 과정을 수행할 수 있다.
또는 제어부(100)는 복수의 훈련 데이터 각각에 대한 학습이 이루어질 때마다 상기 S210 단계로 진행하여 탐지 성공률이 기 설정된 수준 이상인지 여부를 판단하고, 판단 결과에 따라 다른 훈련 데이터를 이용한 학습을 수행할 수 있다. 그리고 상기 S210 단계에서 탐지 성공률이 기 설정된 수준 이상인 경우 S214 단계로 진행하여 현재 학습을 통해 검출된 파라미터를 대상 가스에 대한 최적 파라미터로 저장할 수 있다.
한편 상기 도 4의 과정은, 기 설정된 복수의 가스 시료 각각마다 수행될 수 있다. 이에 상기 도 4의 과정은 가스 시료를 달리하여 복수회 수행될 수 있으며, 상기 복수의 가스 시료 각각에 대응하는 최적 파라미터들이 검출될 수 있다. 그리고 검출된 최적 파라미터들은 메모리(130)의 파라미터 저장부(132)에 저장될 수 있다.
한편 도 5는 본 발명의 실시 예에 따른 가스 탐지 장치(1)에서, 로지스틱 회귀 분석 학습 결과에 따라 산출된 각 가스 시료별 최적 파라미터에 근거하여 오염운을 구성하는 가스 성분을 탐지하는 동작 과정을 도시한 흐름도이다. 그리고 도 6은 이러한 본 발명의 실시 예에 따른 가스 탐지 장치의 탐지 성능에 관련된 실험 결과를 나타낸 것이다.
도 5를 참조하여 살펴보면, 본 발명의 실시 예에 따른 가스 탐지 장치(1)는, 스펙트럼 획득부(110)를 통해 오염운 또는 오염운이 있는 것으로 추정되는 영역으로부터 분광 신호를 획득할 수 있다(S300).
그리고 획득된 분광 신호로부터 잡음 또는 기저선 이나 배경 신호를 제거하고, 분광 특징(예 : 밝기 온도 스펙트럼)을 추출하는 전처리 과정을 수행할 수 있다(S302).
그러면 제어부(100)는 기 저장된 가스별 최적 파라미터 중 첫 번째 파라미터를 선택할 수 있다(S304). 그리고 선택된 파라미터를 로지스틱 회귀 방식에 따라 변환된 함수에 적용하여 결과값을 산출할 수 있다(S306). 그리고 산출된 결과값이 기 설정된 임계값 이상인지 여부에 따라 현재 선택된 최적 파라미터에 대응하는 가스가 상기 오염운에 포함되어 있는지 여부를 판단할 수 있다(S308). 그리고 현재 선택된 최적 파라미터에 대응하는 가스가 상기 오염운에 포함되어 있는지 여부의 판단 결과를 출력할 수 있다(S310).
일 예로 제어부(100)는 출력부(150)를 제어하여 상기 각 최적 파라미터에 대응하는 가스 성분들의 유무 판단 결과를 출력할 수 있다. 이 경우 상기 가스 탐지 결과는 출력부(150)의 디스플레이 등을 통해 출력될 수 있다.
또는 제어부(100)는 영상 촬영기(미도시)와 연동하여 대상 영역에서 탐지된 가스를 영상화하여 상기 디스플레이를 통해 출력할 수도 있다. 여기서 상기 영상 촬영기는 CCTV(Closed Circuit Television), CCD(Charge-Coupled Device) 카메라, CMOS(complementary metal-oxide semiconductor) 카메라 등을 포함할 수 있다.
그리고 제어부(100)는 파라미터 저장부(132)에 저장된 최적 파라미터들 각각에 대응하는 가스들 모두에 대한 탐지가 이루어졌는지 여부를 체크할 수 있다(S314). 그리고 상기 S314 단계의 판단 결과, 최적 파라미터들 각각에 대응하는 가스들 모두에 대한 탐지가 이루어지지 않은 경우라면, 제어부(100)는 탐지가 이루어지지 않은 다른 파라미터를 선택할 수 있다(S312).
그리고 선택된 파라미터에 대해 상기 S306 단계 내지 S310 단계를 반복 수행하여 현재 선택된 최적 파라미터에 대응하는 가스가 상기 오염운에 포함되어 있는지 여부를 판단할 수 있다.
이에 상기 S306 단계 및 S310 단계는 기 저장된 최적 파라미터의 개수, 즉 탐지하고자 하는 가스의 수 만큼 반복하여 수행될 수 있다. 예를 들어, 탐지하고자 하는 가스의 수가 n개 인 경우 n번의 반복적 연산과정 수행이 필요하며, 각 연산과정에서 로지스틱 회귀 훈련 과정(도 4의 과정)을 통하여 획득된 최적 파라미터들이 사용될 수 있다.
하기 수학식 5는 이처럼 지하고자 하는 가스의 수, 즉 최적 파라미터의 개수만큼 로지스틱 회귀 방식에 따라 변환된 함수에 따른 연산이 수행되는 것을 나타낸 것이다. 그리고 수학식 6은 상기 S308 단계에서, 현재 선택된 최적 파라미터가 적용된 로지스틱 회귀 방식에 따라 변환된 함수의 결과값이 기 설정된 임계값 k 이상인지 여부에 따라 현재 선택된 최적 파라미터에 대응하는 가스가 있는지 여부를 판정하는 것을 나타낸 것이다.
Figure 112019092211627-pat00074
Figure 112019092211627-pat00075
예를 들어, 수학식 6에서
Figure 112019092211627-pat00076
(가스 A의 최적 파라미터)를 로지스틱 회귀 방식에 따라 변환된 함수에 적용한 결과값이 k 이상인 경우라면, 원거리에서 측정된 오염운 또는 스펙트럼이 측정된 영역에 Gas A가 있다고 판단할 수 있다. 또한
Figure 112019092211627-pat00077
(가스 B의 최적 파라미터)를 로지스틱 회귀 방식에 따라 변환된 함수에 적용한 결과값이 k 이상인 경우라면, 원거리에서 측정된 오염운 또는 스펙트럼이 측정된 영역에 Gas B가 있다고 판단할 수 있다.
이와 같이, 본 발명은 탐지 대상 가스 별로 대응하는 최적 파라미터에 따른 연산을 수행 및 수행 결과에 따라 각 탐지 대상 가스 별로 유무 여무를 판단하므로, 단일 가스 뿐만 아니라 가스가 혼합된 경우(예 : Gas A와 Gas B 혼합 시)에도 각각의 가스를 탐지할 수 있다. 또한 상기 수학식 6에서는 동일한 임계값과 각 가스별 최적 파라미터가 적용된 결과값들이 비교되는 것을 예로 들었으나, 탐지 대상 가스 별로 각각 서로 다른 임계값이 설정될 수도 있음은 물론이다.
본 명세서에 기재된 "…모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 및/또는 소프트웨어로 구현될 수 있다. 하드웨어 구현에 있어, 상술한 기능을 수행하기 위해 디자인된 ASIC(application specific integrated circuit), DSP(digital signal processing), PLD(programmable logic device), FPGA(field programmable gate array), 프로세서, 제어기, 마이크로프로세서, 다른 전자 유닛 또는 이들의 조합으로 구현될 수 있다. 소프트웨어 구현에 있어, 상술한 기능을 수행하는 모듈로 구현될 수 있다. 소프트웨어는 메모리 유닛에 저장될 수 있고, 프로세서에 의해 실행된다. 메모리 유닛이나 프로세서는 당업자에게 잘 알려진 다양한 수단을 채용할 수 있다.
또한, 여기에 개시된 실시형태들과 관련하여 설명된 방법 또는 알고리즘의 단계들은, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 (명령) 코드, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 매체에 기록되는 프로그램 (명령) 코드는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프 등과 같은 자기 매체(magnetic media), CD-ROM, DVD, 블루레이 등과 같은 광기록 매체(optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 (명령) 코드를 저장하고 수행하도록 특별히 구성된 반도체 기억 소자가 포함될 수 있다.
여기서, 프로그램 (명령) 코드의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
한편 상술한 본 발명의 설명에서는 구체적인 실시 예에 관해 설명하였으나, 여러 가지 변형이 본 발명의 범위에서 벗어나지 않고 실시할 수 있다. 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 해석 되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
1 : 가스 탐지 장치
100 : 제어부 110 : 스펙트럼 획득부
112 : 센서부 114 : 전처리부
130 : 메모리 132 : 파라미터 저장부
150 : 출력부

Claims (17)

  1. 대상 영역 또는 탐지 대상 가스로부터 분광 신호를 획득 및 획득된 분광 신호로부터 분광 특징을 추출하는 스펙트럼 획득부; 및,
    상기 탐지 대상 가스로부터 제1 분광 특징이 추출되면 상기 제1 분광 특징과 기 설정된 전치 함수, 그리고 선형 회귀 기법에 따른 파라미터의 선형결합과, 상기 선형결합에 따라 상기 탐지 대상 가스가 탐지될 확률 간의 관계를 로지스틱 회귀 방식에 따른 함수로 변환하고, 변환된 함수에 따라 기 설정된 코스트 함수가 최소값을 가지는 최적 파라미터를 산출하며,
    상기 대상 영역으로부터 획득된 분광 신호로부터 제2 분광 특징이 추출되면, 상기 로지스틱 회귀 방식에 따라 변환된 함수에 상기 제2 분광 특징과 상기 최적 파라미터를 적용한 결과값과 기 설정된 임계값을 비교하여 상기 대상 영역에 상기 탐지 대상 가스가 있는지 여부를 판정하는 제어부를 포함하며,
    상기 스펙트럼 획득부는,
    FT-IR (Fourier-transform infrared) 방식에 따른 분광 신호를 획득하는 센서부; 및,
    획득된 분광 신호로부터 잡음을 제거, 획득된 분광 신호의 보정, 및 획득된 분광 신호로부터 밝기 온도 스펙트럼을 상기 분광 특징으로 추출하는 전처리를 수행하는 전처리부를 포함하는 것을 특징으로 하는 가스 탐지 장치.
  2. 삭제
  3. 제1항에 있어서, 상기 전처리부는,
    스펙트럼 평균화(Frame Average) 기법 또는 사비츠키-골레이(Savitzky-Golay) 필터를 통해 상기 가스 탐지 운용 및 제어에 따라 발생하는 기계 잡음을 제거 및,
    최소 자승법(Leaqst-sqaure)에 근거하여, 상기 획득된 분광 신호로부터 배경 신호를 추정하여 제거하는 것을 특징으로 하는 가스 탐지 장치.
  4. 제1항에 있어서,
    상기 전처리부는,
    기 설정된 기울기 보정 알고리즘을 통해, 상기 분광 신호에서 빛의 산란 현상에 따른 스펙트럼 기울기를 보정하며,
    상기 기 설정된 기울기 보정 알고리즘은,
    연속체 제거(Continuum-removal) 기법임을 특징으로 하는 가스 탐지 장치.
  5. 제1항에 있어서, 상기 제어부는,
    복수의 탐지 대상 가스 각각으로부터 획득된 분광 신호에 근거하여, 상기 복수의 탐지 대상 가스 각각에 대응하는 복수의 최적 파라미터를 산출하며,
    제2 분광 특징이 추출되면, 상기 로지스틱 회귀 방식에 따라 변환된 함수에 상기 제2 분광 특징과 상기 복수의 최적 파라미터를 각각을 적용하여, 상기 복수의 최적 파라미터 각각에 대응하는 복수의 결과값을 산출하고, 산출된 복수의 결과값 각각과 기 설정된 임계값을 비교하여 상기 대상 영역에 상기 복수의 최적 파라미터 각각에 대응하는 가스들이 있는지 여부를 판정하는 것을 특징으로 하는 가스 탐지 장치.
  6. 제5항에 있어서, 상기 제어부는,
    상기 복수의 결과값 각각에 대하여, 서로 다른 임계값을 비교하여 상기 복수의 최적 파라미터 각각에 대응하는 가스들이 있는지 여부를 판정하는 것을 특징으로 하는 가스 탐지 장치.
  7. 제6항에 있어서, 상기 제어부는,
    상기 복수의 최적 파라미터 각각에 대응하는 탐지 대상 가스들 각각의 서로 다른 특징에 근거하여, 상기 복수의 결과값 각각과 비교할 서로 다른 임계값을 결정하는 것을 특징으로 하는 가스 탐지 장치.
  8. 제1항에 있어서, 상기 제어부는,
    하기 수학식 4에 따라, 경사 하강법(Gradient descent) 알고리즘에 근거하여 상기 코스트 함수가 최소값을 가지는 최적 파라미터를 산출하는 것을 특징으로 하는 가스 탐지 장치.
    [수학식 4]
    Figure 112019092211627-pat00078

    여기서,
    Figure 112019092211627-pat00079
    는, 로지스틱 회귀 방식에 따라 변환된 함수(
    Figure 112019092211627-pat00080
    )를 일반화한 함수이며,
    Figure 112019092211627-pat00081
    는 획득된 분광 특징,
    Figure 112019092211627-pat00082
    는 선형회귀식의 0에서 1사이의 결과값,
    Figure 112019092211627-pat00083
    는 경사 하강법에 따른 반복이 수행될 때마다 감소되는 파라미터(
    Figure 112019092211627-pat00084
    )의 양을 결정하는 스케일 변수임.
  9. 제8항에 있어서, 상기 제어부는,
    탐지 대상 가스에 대한 최적 파라미터가 산출되면, 복수의 테스트 가스 시료로부터 분광 신호들 및 분광 특징들을 획득 및, 상기 로지스틱 회귀 방식에 따른 함수와 상기 최적 파라미터, 그리고 상기 분광 특징들에 근거하여 상기 복수의 테스트 가스 시료 각각에 대한 상기 로지스틱 회귀 방식에 따라 변환된 함수의 결과값들을 산출하며,
    산출된 결과값들과 기 설정된 임계값을 비교한 결과에 근거하여 상기 최적 파라미터에 대한 상기 탐지 대상 가스의 탐지 성공률을 산출하고,
    산출된 상기 탐지 성공률에 근거하여, 상기 산출된 최적 파라미터를 상기 탐지 대상 가스에 대응하는 최적 파라미터로 저장하거나, 최적 파라미터를 다시 산출하는 것을 특징으로 하는 가스 탐지 장치.
  10. 제9항에 있어서, 상기 제어부는,
    상기 최적 파라미터를 다시 산출하는 경우, 상기 스케일 변수를 더 작은 값으로 변경하여 상기 최적 파라미터를 다시 산출하거나 또는 대상 가스의 포함 여부를 미리 알고 있는 복수의 훈련 데이터에 따른 학습을 복수회 더 수행하여 상기 최적 파라미터를 다시 산출하는 것을 특징으로 하는 가스 탐지 장치.
  11. 제1항에 있어서,
    상기 대상 영역에 상기 탐지 대상 가스가 있는지 여부를 판정한 결과를 출력하는 출력부를 더 포함하는 것을 특징으로 하는 가스 탐지 장치.
  12. 제11항에 있어서,
    상기 대상 영역의 영상을 촬영하는 영상 촬영기를 더 포함하며,
    상기 제어부는,
    상기 영상 촬영기와 연동하여, 상기 대상 영역에서 탐지된 적어도 하나의 탐지 대상 가스를 영상화하고, 상기 영상화 결과를 상기 출력부를 통해 출력하는 것을 특징으로 하는 가스 탐지 장치.
  13. 탐지 대상 가스로부터 분광 신호를 획득 및 획득된 분광 신호로부터 제1 분광 특징을 추출하는 제1 단계;
    추출된 제1 분광 특징과 기 설정된 전치 함수, 그리고 선형 회귀 기법에 따른 파라미터의 선형결합과, 상기 선형결합에 따라 상기 탐지 대상 가스가 탐지될 확률 간의 관계를 로지스틱 회귀 방식에 따른 함수로 변환하는 제2 단계;
    상기 로지스틱 회귀 방식에 따라 변환된 함수와 기 설정된 코스트 함수에 근거하여, 상기 코스트 함수의 값이 최소값을 가지도록 하는 최적 파라미터를 산출하는 제3 단계;
    대상 영역으로부터 분광 신호를 획득 및, 획득된 분광 신호로부터 제2 분광 특징을 추출하는 제4 단계; 및,
    상기 로지스틱 회귀 방식에 따라 변환된 함수에 상기 제2 분광 특징과 상기 최적 파라미터를 적용하여 결과값을 산출하고, 산출된 결과값과 기 설정된 임계값을 비교한 결과에 근거하여, 상기 대상 영역에 상기 탐지 대상 가스가 포함되어 있는지 여부를 판정하는 제5 단계를 포함하며,
    상기 제3 단계는,
    복수의 테스트 가스 시료로부터 분광 신호들 및 분광 특징들을 획득하는 제3-1 단계;
    상기 로지스틱 회귀 방식에 따른 함수와 상기 최적 파라미터, 그리고 상기 분광 특징들에 근거하여 상기 복수의 테스트 가스 시료 각각에 대한 상기 로지스틱 회귀 방식에 따라 변환된 함수의 결과값들을 산출하는 제3-2 단계;
    상기 산출된 결과값들과 기 설정된 임계값을 비교한 결과에 근거하여 상기 최적 파라미터에 대한 상기 탐지 대상 가스의 탐지 성공률을 산출하는 제3-3 단계; 및,
    산출된 상기 탐지 성공률에 근거하여, 상기 산출된 최적 파라미터를 상기 탐지 대상 가스에 대응하는 최적 파라미터로 저장하거나, 최적 파라미터를 다시 산출하는 제3-4 단계를 더 포함하는 것을 특징으로 하는 가스 탐지 방법.
  14. 삭제
  15. 제13항에 있어서,
    상기 제3 단계는,
    경사 하강법(Gradient descent) 알고리즘에 근거하여 상기 코스트 함수가 최소값을 가지는 최적 파라미터를 산출하는 단계이며,
    상기 제3-4 단계는,
    상기 최적 파라미터를 다시 산출하는 경우, 상기 경사 하강법에 따른 반복이 수행될 때마다 감소되는 파라미터의 양을 결정하는 스케일 변수를 변경하여 상기 최적 파라미터를 다시 산출하는 단계 또는, 상기 탐지 대상 가스의 포함 여부를 미리 알고 있는 복수의 훈련 데이터에 따른 학습을 복수회 더 수행하여 상기 최적 파라미터를 다시 산출하는 단계임을 특징으로 하는 가스 탐지 방법.
  16. 제13항에 있어서,
    상기 제3 단계는,
    적어도 하나의 다른 탐지 대상 가스 각각으로부터 분광 특징들을 추출하는 a 단계;
    추출된 분광 특징들 각각에 대해 상기 로지스틱 회귀 방식에 따른 함수 및 기 설정된 코스트 함수에 근거하여, 각 분광 특징 별로 상기 코스트 함수의 값이 최소값을 가지도록 하는 복수의 최적 파라미터를 산출하는 b 단계를 포함하며,
    상기 제5 단계는,
    상기 로지스틱 회귀 방식에 따라 변환된 함수에 상기 복수의 최적 파라미터 각각과 상기 제2 분광 특징을 적용하여 복수의 결과값을 산출하는 제5-1 단계; 및,
    상기 복수의 결과값과 기 설정된 임계값을 비교한 결과에 근거하여, 상기 대상 영역에 상기 복수의 최적 파라미터 각각에 대응하는 탐지 대상 가스들이 포함되어 있는지 여부를 판정하는 제5-2 단계를 포함하는 것을 특징으로 하는 가스 탐지 방법.
  17. 제16항에 있어서,
    상기 기 설정된 임계값은,
    상기 복수의 최적 파라미터 각각에 대응하는 탐지 대상 가스들 각각의 서로 다른 특징에 근거하여 서로 다르게 결정되며,
    상기 제5-2 단계는,
    상기 복수의 결과값 각각에 대하여, 상기 서로 다르게 결정된 임계값을 비교하여 상기 복수의 최적 파라미터 각각에 대응하는 가스들이 있는지 여부를 판정하는 단계임을 특징으로 하는 가스 탐지 방법.
KR1020190110960A 2019-09-06 2019-09-06 가스 탐지 장치 및 탐지 방법 KR102070288B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190110960A KR102070288B1 (ko) 2019-09-06 2019-09-06 가스 탐지 장치 및 탐지 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190110960A KR102070288B1 (ko) 2019-09-06 2019-09-06 가스 탐지 장치 및 탐지 방법

Publications (1)

Publication Number Publication Date
KR102070288B1 true KR102070288B1 (ko) 2020-01-28

Family

ID=69370485

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190110960A KR102070288B1 (ko) 2019-09-06 2019-09-06 가스 탐지 장치 및 탐지 방법

Country Status (1)

Country Link
KR (1) KR102070288B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102238300B1 (ko) * 2020-09-24 2021-04-12 국방과학연구소 적외선 스펙트럼 생성 방법 및 장치
KR102334588B1 (ko) * 2021-06-29 2021-12-02 국방과학연구소 비음 우도비 검정기법을 활용한 지표면 독성 화학 작용제 탐지 장치, 탐지 방법 및 이를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
KR20230035840A (ko) 2021-09-06 2023-03-14 국방과학연구소 다중 가스 시험 평가 시스템 및 그 시험 방법
WO2023132998A1 (en) * 2022-01-10 2023-07-13 Bridger Photonics, Inc. Apparatuses, systems, and methods for determining gas emssion rate detection sensitivity and gas flow speed using remote gas concentration measurements
CN117233120A (zh) * 2023-11-14 2023-12-15 山东大学 基于机器学习和高光谱图像的污染气体检测方法及系统
CN117311166A (zh) * 2023-11-08 2023-12-29 杭州大仁科技有限公司 一种全自动一体翻袜装置的自适应控制方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080084701A (ko) * 2007-03-15 2008-09-19 오츠카 일렉트로닉스 가부시키가이샤 오검지 판정 기능을 갖는 가스 농도 측정 방법, 프로그램및 장치
KR101782914B1 (ko) * 2016-02-29 2017-09-28 한국항공대학교산학협력단 항공 영상 분류 장치 및 그 방법
KR20180097353A (ko) * 2017-02-23 2018-08-31 국방과학연구소 적외선 분광 스펙트럼을 이용한 실시간 오염수준 정량화 방법
KR20190054744A (ko) * 2017-11-14 2019-05-22 국방과학연구소 Ft-ir 기반 분광 스펙트럼에서 svm 분류기를 이용한 가스 탐지 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080084701A (ko) * 2007-03-15 2008-09-19 오츠카 일렉트로닉스 가부시키가이샤 오검지 판정 기능을 갖는 가스 농도 측정 방법, 프로그램및 장치
KR101782914B1 (ko) * 2016-02-29 2017-09-28 한국항공대학교산학협력단 항공 영상 분류 장치 및 그 방법
KR20180097353A (ko) * 2017-02-23 2018-08-31 국방과학연구소 적외선 분광 스펙트럼을 이용한 실시간 오염수준 정량화 방법
KR20190054744A (ko) * 2017-11-14 2019-05-22 국방과학연구소 Ft-ir 기반 분광 스펙트럼에서 svm 분류기를 이용한 가스 탐지 방법

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102238300B1 (ko) * 2020-09-24 2021-04-12 국방과학연구소 적외선 스펙트럼 생성 방법 및 장치
US11610133B2 (en) 2020-09-24 2023-03-21 Agency For Defense Development Method and apparatus for producing infrared spectrum
KR102334588B1 (ko) * 2021-06-29 2021-12-02 국방과학연구소 비음 우도비 검정기법을 활용한 지표면 독성 화학 작용제 탐지 장치, 탐지 방법 및 이를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
KR20230035840A (ko) 2021-09-06 2023-03-14 국방과학연구소 다중 가스 시험 평가 시스템 및 그 시험 방법
WO2023132998A1 (en) * 2022-01-10 2023-07-13 Bridger Photonics, Inc. Apparatuses, systems, and methods for determining gas emssion rate detection sensitivity and gas flow speed using remote gas concentration measurements
CN117311166A (zh) * 2023-11-08 2023-12-29 杭州大仁科技有限公司 一种全自动一体翻袜装置的自适应控制方法及系统
CN117311166B (zh) * 2023-11-08 2024-04-30 杭州大仁科技有限公司 一种全自动一体翻袜装置的自适应控制方法及系统
CN117233120A (zh) * 2023-11-14 2023-12-15 山东大学 基于机器学习和高光谱图像的污染气体检测方法及系统
CN117233120B (zh) * 2023-11-14 2024-02-09 山东大学 基于机器学习和高光谱图像的污染气体检测方法及系统

Similar Documents

Publication Publication Date Title
KR102070288B1 (ko) 가스 탐지 장치 및 탐지 방법
US11630022B2 (en) Gas quantification systems and methods
US9466122B1 (en) Independent covariance estimation and decontamination
US9876968B2 (en) Drift correction method for infrared imaging device
US7956761B2 (en) Infrared gas detection and spectral analysis method
US10657378B2 (en) Classifying images and videos
US20130243322A1 (en) Image processing method
US8117010B2 (en) Spectral signal detection system
US10070076B2 (en) Drift correction method for infrared imaging device
Liang et al. Determination and visualization of different levels of deoxynivalenol in bulk wheat kernels by hyperspectral imaging
WO2017091268A2 (en) Measurement of non-uniformity noise
WO2016150935A1 (fr) Procede et dispositif pour detecter des radioelements
Robert et al. Evaluating the impact of NIR pre-processing methods via multiblock partial least-squares
KR102055417B1 (ko) Ft-ir 기반 적외선 분광 스펙트럼에서의 일반 우도비 검정 장치, 이의 방법, 그리고 이 방법을 저장한 컴퓨터 판독 가능 저장 매체
CN110610123A (zh) 一种多目标车辆检测方法、装置、电子设备及存储介质
Roger et al. A review of orthogonal projections for calibration
WO2020027167A1 (en) System, method, and non-transitory, computer-readable medium containing instructions for image processing
US11555789B2 (en) Systems, methods and apparatus for autonomous diagnostic verification of optical components of vision-based inspection systems
CN117333776A (zh) VOCs气体泄漏检测方法、装置及存储介质
US20110081040A1 (en) Methods for gas detection using stationary hyperspectral imaging sensors
CN110031416B (zh) 气体浓度检测装置及方法
Nasedkin et al. Impacts of high-contrast image processing on atmospheric retrievals
Lee et al. Characterization of hazardous gases using an infrared hyperspectral imaging system
KR102309680B1 (ko) 주성분 분석 기법을 이용한 초분광 영상 실시간 독성 화학가스 탐지 방법 및 이를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
JP2009115765A (ja) 目標撮像探知装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant