KR102483784B1 - 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법 - Google Patents
딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법 Download PDFInfo
- Publication number
- KR102483784B1 KR102483784B1 KR1020200166798A KR20200166798A KR102483784B1 KR 102483784 B1 KR102483784 B1 KR 102483784B1 KR 1020200166798 A KR1020200166798 A KR 1020200166798A KR 20200166798 A KR20200166798 A KR 20200166798A KR 102483784 B1 KR102483784 B1 KR 102483784B1
- Authority
- KR
- South Korea
- Prior art keywords
- air
- air quality
- indoor space
- concentration
- module
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 16
- 238000005259 measurement Methods 0.000 claims abstract description 63
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 44
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 23
- 229910002091 carbon monoxide Inorganic materials 0.000 claims abstract description 23
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 22
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 22
- 238000013135 deep learning Methods 0.000 claims abstract description 22
- 239000000428 dust Substances 0.000 claims description 28
- 238000004140 cleaning Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000000746 purification Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 34
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- -1 carbon hydrogen Chemical class 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 239000000853 adhesive Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 3
- 239000004566 building material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000012855 volatile organic compound Substances 0.000 description 3
- SNICXCGAKADSCV-JTQLQIEISA-N (-)-Nicotine Chemical compound CN1CCC[C@H]1C1=CC=CN=C1 SNICXCGAKADSCV-JTQLQIEISA-N 0.000 description 2
- IKHGUXGNUITLKF-UHFFFAOYSA-N Acetaldehyde Chemical compound CC=O IKHGUXGNUITLKF-UHFFFAOYSA-N 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- YNQLUTRBYVCPMQ-UHFFFAOYSA-N Ethylbenzene Chemical compound CCC1=CC=CC=C1 YNQLUTRBYVCPMQ-UHFFFAOYSA-N 0.000 description 2
- PPBRXRYQALVLMV-UHFFFAOYSA-N Styrene Chemical compound C=CC1=CC=CC=C1 PPBRXRYQALVLMV-UHFFFAOYSA-N 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229960002715 nicotine Drugs 0.000 description 2
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Natural products CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 description 2
- 229910052704 radon Inorganic materials 0.000 description 2
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 1
- 239000005977 Ethylene Substances 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical compound CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- IKHGUXGNUITLKF-XPULMUKRSA-N acetaldehyde Chemical compound [14CH]([14CH3])=O IKHGUXGNUITLKF-XPULMUKRSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000011093 chipboard Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 239000011120 plywood Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
- 239000008096 xylene Substances 0.000 description 1
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
-
- 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
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
- G01F1/76—Devices for measuring mass flow of a fluid or a fluent solid material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/004—CO or CO2
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
- H04L12/2823—Reporting information sensed by appliance or service execution status of appliance services in a home automation network
-
- 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
- F24F2110/10—Temperature
-
- 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
- F24F2110/20—Humidity
-
- 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
- F24F2110/64—Airborne particle content
-
- 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
- F24F2110/70—Carbon dioxide
-
- 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
- F24F2110/72—Carbon monoxide
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0096—Investigating consistence of powders, dustability, dustiness
-
- 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)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Molecular Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Dispersion Chemistry (AREA)
- Human Computer Interaction (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Air Conditioning Control Device (AREA)
Abstract
본 발명의 일 실시예에 따른 딥러닝 기반의 공기질 측정 관리 시스템은 실내공간에 위치한 적어도 하나 이상의 공기순환장치의 동작을 제어하는 기기 제어모듈; 상기 실내공간의 온/습도, 공기 순환량, 일산화탄소 농도, 이산화탄소 농도를 측정 및 표시하는 적어도 하나 이상의 공기질 측정모듈; 상기 제어모듈 및 상기 공기질 측정모듈과 근거리 통신하는 중계단말; 상기 중계단말을 통해 전송된 상기 공기질 측정모듈 및 제어모듈의 동작상태정보 및 상기 공기질 측정모듈에서 측정한 상기 실내공간의 공기질 상태정보를 분석하여 상기 실내공간의 공기질이 표준치를 유지하도록 상기 적어도 하나 이상의 공기순환장치의 공기순환동작 제어정보를 딥러닝 알고리즘을 이용하여 산출하여 상기 기기 제어모듈로 제공하는 AI 관리서버를 포함한다.
Description
본 발명은 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법에 관한 것이다.
최근 황사, 미세 먼지, 초미세 먼지 등의 대기오염의 문제가 사회적 이슈로 부각되고 있으며, 대부분의 사람들은 관측소별로 제공되는 미세 먼지의 농도를 참고하여, 외출을 자제하거나 외출시 마스크를 착용하는 등의 방법으로 미세먼지를 대비하고 있다.
그러나, 관측소별로 제공되는 데이터는 측정 데이터의 업데이트 시간 간격, 측정소와 사용자가 있는 지역과의 거리차 등의 이유로 관측소 주변에서의 대기 상태를 반영함에 그칠 뿐 실제 사용자 주변 환경에서의 미세 먼지의 정보를 제공하지 못하고 있다.
뿐만 아니라, 미세 먼지의 위해성을 인해 점점 외출을 삼가하고 실내에 머무르는 시간이 많아지고 있으나, 사용자는 정작 자신이 현재 머무르고 있는 실내 공간에서의 미세 먼지의 정보는 제공받지 못하고 있는 실정이다.
본 발명이 해결하고자 하는 과제는 종래의 문제점을 해결할 수 있는 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법을 제공하는 데 그 목적이 있다.
본 발명의 일 실시예에 따른 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템은 실내공간에 위치한 적어도 하나 이상의 공기순환장치의 동작을 제어하는 기기 제어모듈; 상기 실내공간의 온/습도, 공기 순환량, 일산화탄소 농도, 이산화탄소 농도를 측정 및 표시하는 적어도 하나 이상의 공기질 측정모듈; 상기 제어모듈 및 상기 공기질 측정모듈과 근거리 통신하는 중계단말; 상기 중계단말을 통해 전송된 상기 공기질 측정모듈 및 제어모듈의 동작상태정보 및 상기 공기질 측정모듈에서 측정한 상기 실내공간의 공기질 상태정보를 분석하여 상기 실내공간의 공기질이 표준치를 유지하도록 상기 적어도 하나 이상의 공기순환장치의 공기순환동작 제어정보를 딥러닝 알고리즘을 이용하여 산출하여 상기 기기 제어모듈로 제공하는 AI 관리서버를 포함하고, 상기 기기 제어모듈은 상기 적어도 하나 이상의 공기순환장치의 재원정보(모델명, 전력소비, 공기순환동작정보)을 수집하여 제공하고, 상기 적어도 하나 이상의 공기질 측정모듈은 상기 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도를 측정하는 센서부; 적외선을 이용하여 실내공간의 크기를 측정하는 실내공간 측정부; 기 설정된 공간영역의 공기흐름을 측정하는 공기흐름량 측정부; 상기 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도의 적합도 및 표준 권장값을 산출하는 적합도 산출부; 및 상기 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도, 적합도 및 표준 권장값을 표시하는 디스플레이부를 포함한다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 딥러닝 기반의 공기질 측정 관리 방법은 기기 제어모듈에서 실내공간에 위치하는 공기청정 및/또는 공기순환장치의 동작재원을 중계단말을 통해 AI 관리서버로 전송하는 단계; 상기 기기 제어모듈과 근거리 통신으로 통신하는 공기질 측정모듈에서 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도를 측정하고, 적외선을 이용하여 실내공간의 크기를 측정하고, 기 설정된 공간영역의 공기흐름을 측정한 후, 상기 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도의 적합도 및 표준 권장값을 산출하여 표시하는 단계; 상기 공기질 측정모듈에서 사용자 또는 사용자 단말로부터 공기질 정화명령을 수신하면, 상기 AI 관리서버로 상기 실내공간의 공기질 적합도를 향상시키기 위한 상기 공기청정 및/또는 공기순환장치의 동작제어패턴를 요청하는 단계; 상기 AI 관리서버에서 딥러닝 알고리즘을 기초로 상기 공기질 측정모듈에서 제공된 공기질 상태(적합도)를 표준 권장값으로 가변시키기 위한 상기 공기청정 및/또는 공기순환장치의 동작제어패턴 정보를 산출하는 단계; 및 상기 기기 제어모듈에서 상기 동작제어패턴 정보를 기초로 상기 공기청정 및/또는 공기순환장치의 동작을 제어하는 단계를 포함한다.
본 발명의 일 실시예에 따른 실내 공기질 측정 관리 시스템 및 방법을 이용하면, 실내공간의 공기질 상태를 실시간으로 사용자에게 제공할 수 있다는 이점이 있다.
또한, 본 발명의 일 실시예에 따른 실내 공기질 측정 관리 시스템 및 방법을 이용하면, 실내공간의 공기질의 상태에 따라 실내공간에 위치하는 공기청정 및/또는 공기순환장치의 전력을 최소화하면서 공기질의 상태를 빠르게 개선시킬 수 있도록 딥러닝 알고리즘을 이용하여 실내공간에 위치하는 공기청정 및/또는 공기순환장치의 동작제어패턴을 산출할 수 있고, 산출된 동작제어패턴으로 공기청정 및/또는 공기순환장치를 제어할 수 있다는 이점을 제공한다.
도 1은 본 발명의 일 실시예에 따른 실내 공기질 측정 관리 시스템의 네트워크 구성도이다.
도 2는 도 1에 도시된 공기질 측정장치의 실사도이다.
도 3은 도 1에 도시된 공기질 측정장치의 세부 구성도이다.
도 4는 도 2에 도시된 디스플레이부에서 표시되는 공기질의 상태를 표시한 예시도이다.
도 5는 도 1에 도시된 관리서버의 세부구성을 나타낸 블록도이다.
도 6은 본 발명의 일 실시예에 따른 실내 공기질 측정 관리 방법을 설명한 흐름도이다.
도 7은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시한 도이다.
도 2는 도 1에 도시된 공기질 측정장치의 실사도이다.
도 3은 도 1에 도시된 공기질 측정장치의 세부 구성도이다.
도 4는 도 2에 도시된 디스플레이부에서 표시되는 공기질의 상태를 표시한 예시도이다.
도 5는 도 1에 도시된 관리서버의 세부구성을 나타낸 블록도이다.
도 6은 본 발명의 일 실시예에 따른 실내 공기질 측정 관리 방법을 설명한 흐름도이다.
도 7은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시한 도이다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서 "구성된다" 또는 "포함한다" 등의 용어는 발명에 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 발명에서 사용되는 제 1, 제 2 등과 같이 서수를 포함하는 용어는 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성 요소는 제 2 구성 요소로 명명될 수 있고, 유사하게 제 2 구성 요소도 제 1 구성 요소로 명명될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
이하, 첨부된 도면들에 기초하여 본 발명의 일 실시예에 따른 공기질 측정 관리 시스템 및 방법을 보다 상세하게 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 실내 공기질 측정 관리 시스템의 네트워크 구성도이고, 도 2는 도 1에 도시된 공기질 측정장치의 실사도이고, 도 3은 도 1에 도시된 공기질 측정장치의 세부 구성도이고, 도 4는 도 2에 도시된 디스플레이부에서 표시되는 공기질의 상태를 표시한 예시도이다.
도 1 내지 도 4를 참조하면, 본 발명의 일 실시예에 따른 공기질 측정 관리 시스템(100)은 공기질 측정모듈(200), 기기 제어부(300), 중개단말(400), AI 관리서버(500)를 포함한다.
상기 공기질 측정모듈(200) 및 상기 기기 제어부(300)는 중개단말(300)을 통해 상기 AI 관리서버(500)와 통신한다.
상기 공기질 측정모듈(200) 및 상기 기기 제어부(300)는 근거리 통신망, 예컨대, 와이파이(Wi-Fi) 등을 이용하여 중개단말과 통신한다.
상기 중개단말(300)은 상기 AI 관리서버(400)와 네트워크 망으로 연결된다.
여기서, 네트워크는 각 구성간의 통신이 가능하도록 하기 위한 환경을 제공할 수 있으며, 예를 들어 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(Hyper Text Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service) 등을 제공하는 개방형 컴퓨터 네트워크 구조일 수 있다.
하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다할 것이다.
보다 구체적으로, 공기질 측정모듈(200)은 실내공간의 온/습도, 공기 순환량, 일산화탄소 농도, 이산화탄소 농도를 측정 및 표시하는 모듈일 수 있다.
상기 공기질 측정모듈(200)은 실내 공간 내에 복수 개로 구비될 수 있고, 복수 개의 공기질 측정모듈(200) 중 하나는 메인 모듈이고, 나머지는 서브 모듈로 그룹화될 수 있다.
상기 메인 모듈은 서브 모듈들에서 측정한 측정정보를 수집한 후, 산출 및 표시하는 구성을 포함하고, 상기 서브 모듈은 측정 수단만을 포함하고, 메인 모듈은 서브 모듈들에서 측정한 공기질 정보를 수집 및 산출한 후, 산출된 정보를 상술한 중계단말(300)을 통해 AI 관리서버(500)로 전송하는 구성일 수 있다.
보다 구체적으로, 상기 메인 모듈은 센서부(210), 실내공간 측정부(220), 공기흐름량 측정부(230), 적합도 산출부(240) 및 디스플레이부(250)를 포함한다.
센서부(210)는 상기 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도를 측정하기 위한 복수 개의 센서를 포함한다.
상기 복수 개의 센서는 온도 감지센서, 습도 감지센서, 가스센서, (초)미세먼지 감지센서, 공기흐름센서(AFS)로 구성될 수 있다.
온도 감지센서의 측정범위는 -40℃~ 70℃이고, 정확도는 ± (0.4°C + 0.023 x ( T [°C] ~ +25°C ))이고, 반복성은 0.1℃응답시간은 >10s일 수 있다.
습도 감지센서의 측정범위는 0 ~ 100 % RH이고, 정확도는 ± 3 % RH (0 ~ 100 % RH )이고, 반복성은 0.1 % RH이고, 응답시간은 8s이다.
가스센서의 측정범위는 0 ~ 40'000 ppm이고, 정확성은 ± (30 ppm + 3 % MV ), ( 25°C, 400 ~ 10'000 ppm )이고, 반복성은 10 ppm이고, 온도 안정성은 2.5 ppm / °C ( 0 ~ 50 °C )이고, 응답시간은 20s이다.
미세먼지 감지센서의 질량 농도는 정확성은 ±10 μg/m³ @ 0 to 100 μg/m³, ±10 % @ 100 to 1000 μg/m³이고, 질량 농도 범위는 1 to 1000 μg/m³이고, 질량 농도 분해는 1 μg/m³이고, 입자 감지 크기의 측정범위(질농도)는 PM 1.0 / 2.5 / 4 and 10이고, 감지 하한은 0.3 μg이고, 최소 샘플링 간격은 1sec이다.
공기흐름센서(AFS)는 실내공간의 로컬영역의 공기흐름(Air movement)을 검출하는 구성일 수 있다.
한편, 센서부(210)는 실내공간의 내부 기압을 센싱하는 기압센서를 더 포함할 수 있고, 기압센서에서 검출한 내부기압 변화량는 실내공간의 환기여부를 판단하는 파라미터로 사용된다.
부가적으로, 센서부(210)는 실내공간 내에서 발생가능한 오염물질을 검출하기 위한 화학감지센서를 더 포함할 수 있다.
상기 화학물질 감지센서는 폼알데하이드(HCHO), 아세트 알데하이드, 아세톤, 라돈, 휘발성유기화합물물(Volatile Organic Compounds:VOCs), 탄소수소류, 타르, 니코틴, 벤젠, 톨로엔, 에틸벤젠, 자일렌, 스틸렌, 테트라클로로, 애칠렌 중 적어도 하나 이상을 검출할 수 있는 센서일 수 있다.
본원에서 언급하는 화학물질 감지센서는 광학식 화학센서로서, 분자 흡수 분광법에 기초하며, 화학물질은 자외선 또는 적외선의 파장에 따라 흡수 스펙트럼이 다르게 나타나는 성질을 이용한 것 이며, 스펙트럼에 사용되는 파장은 자외선(Ultra violet wave)은 200~400nm, 근적외선(Near infrared)은 700nm~2.5um, 중적외선(mid infrared)은 2.5~14um 로 정의 된다.
일 예로, 적외선 영역에서 가스 종류에 따른 흡수 스펙트럼이 그림 4와 같이 나타났다. 메탄과 일산 화탄소는 각각 3.2um, 4.5um 근처의 좁은 영역에서 흡수 되고 있으며, 메탄은 7.8um근처에서는 크기는 좀 적어도 넓은 파장대에서 흡수되고 있다. 또한 암 모니아도 9um를 기준으로 넓은 파장대에서 흡수되 고 있다.
참고로, 폼알데하이드(HCHO)는 각종합판, 보드, 가구, 단열재, 담배연기, 화장품, 의류, 접착제 등에서 발생되며, 아세트 알데하이드는 합성수지, 접착제, 향료 등에서 발생되며, 아세톤은 칩보드 건축재료, 접착제, 락타, 매니큐어, 제거제 등에서 발생되며, 라돈은 토양, 건축자재, 지하수 등에서 발견되며, 휘발성유기화합물, 탄화수소류, 타르, 니코틴은 담배연기에서 발견되며, 벤젠은 건축재료, 세탁용제, 페인트, 살충제, 석유화학제품, 자동차배출가스, 연료(석유 등)에서 배출된다. 상술한 오염물질의 주요발생원에 대한 설명은 하기의 표 1에 기재된 내용으로 대체하도록 한다.
[표 1]
다음으로, 실내공간 측정부(220)는 상기 적외선을 이용하여 실내공간의 크기를 측정하는 구성으로, 레이저 거리 측정센서를 이용하여 벽면 간의 거리, 천장과 바닥면 간의 거리를 측정한다.
참고로, 실내공간 측정부(220)는 2차원 평면에 적용된다. 실내공간이 정육면체의 공간일 경우, 3개의 서브모듈 및 1개의 메인모듈은 부착된 실내면과 이웃한 면과의 거리를 측정한다.
다음으로, 적합도 산출부(240)는 상기 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도를 기초로 공기질 적합도 및 표준 권장값(공기질 안전도)을 산출하는 구성일 수 있다. 상기 표준 권장값은 실내공간의 규격에 따라 상이한 값일 수 있다.
다음으로, 디스플레이부(250)는 센서부에서 측정한 실내공간의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도, 적합도 및 표준 권장값을 표시하는 구성일 수 있다.
상기 기기 제어모듈은 상기 적어도 하나 이상의 공기청정 및/또는 공기순환장치의 재원정보(모델명, 전력소비, 공기순환동작정보)을 수집하여 제공하며, 후술하는 AI 관리서버(500)에서 제공된 동작패턴제어정보를 기초로 공기청정 및/또는 공기순환장치의 동작(공기청정/순환)을 제어한다.
상기 중계모듈(300)은 근거리 통신, 예컨대 와이파이를 통해 공기질 측정모듈 및 기기 제어모듈과 통신하는 구성일 수 있다.
상기 중계모듈(300)은 공기질 측정모듈의 계측 및 산출한 정보를 후술하는 AI 관리서버로 전송하고, 기기 제어모듈에서 수집한 기기재원정보를 AI 관리서버로 전송하는 구성일 수 있다.
도 5는 도 1에 도시된 AI 관리서버의 세부구성을 나타낸 블록도이다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 AI 관리서버(500)는 상기 중계단말을 통해 전송된 상기 공기질 측정모듈 및 제어모듈의 동작상태정보 및 상기 공기질 측정모듈에서 측정한 상기 실내공간의 공기질 상태정보를 분석하여 상기 실내공간의 공기질이 표준치를 유지하도록 상기 적어도 하나 이상의 공기순환장치의 공기순환동작 제어정보를 딥러닝 알고리즘을 이용하여 산출하여 상기 기기 제어모듈로 제공하는 구성일 수 있다.
보다 구체적으로, AI 관리서버(500)는 계측정보수집부(510), 재원정보 수집부(520), 동작패턴정보 산출부(530)를 포함한다.
상기 계측정보수집부(510)는 상기 메인모듈로부터 전송된 상기 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도의 적합도 및 표준 권장값을 수집하는 구성일 수 있다.
상기 재원정보 수집부(520)는 상기 기기 제어모듈에서 전송된 상기 실내공간 내에 위치한 공기순환장치의 재원정보를 수집하는 구성일 수 있다.
동작제어패턴 산출부(530)는 상기 적어도 하나 이상이 공기순환장치의 최저소비전력으로 상기 실내공간 내의 공기질 상태를 상기 적합도 및 표준 권장값에 도달되도록 상기 적어도 하나 이상의 공기순환장치의 동작패턴정보를 딥러닝 알고리즘을 이용하여 산출하는 구성일 수 있다.
업데이트부(540)는 공기청정 및/또는 공기순환장치의 노후에 따른 소비전력변화, 동작오류상태 대한 정보를 업데이트하는 구성일 수 있다.
다음으로, 본 발명에서 언급한 AI 관리서버(500)는 인공 지능 기술에 기반하여 정보들을 처리하는 역할을 수행하는 서버로서, 정보의 학습, 정보의 추론, 정보의 지각, 자연 언어의 처리 중 적어도 하나를 수행하는 하나 이상의 모듈로 구성된다.
참고로, 본 발명의 AI 관리서버(500)는 머신 러닝(Machine learning) 기술을 이용하여 공기질 측정모듈에서 제공된 계측정보, 실내공간 내의 공기청정 및/또는 공기순환기기의 동작재원정보, 통신 가능한 외부 저장소에 저장된 정보 등 방대한 양의 정보(빅데이터, big data)를 학습, 추론, 처리 중 적어도 하나를 수행할 수 있다.
또한, 상기 머신 러닝 기술을 이용하여 학습된 정보들을 이용하여, 실행 가능한 적어도 하나의 실내공간 내의 공기청정 및/또는 공기순환기기의 최적동작을 예측(또는 추론)하고, 상기 적어도 하나의 예측된 동작들 중 가장 실현성이 높은 동작이 실행되도록 동작제어패턴 정보를 산출하여 제공할 수 있다.
머신 러닝 기술은 적어도 하나의 알고리즘에 근거하여, 대규모의 정보들을 수집 및 학습하고, 학습된 정보를 바탕으로 정보를 판단 및 예측하는 기술이다. 정보의 학습이란 정보들의 특징, 규칙, 판단 기준 등을 파악하여, 정보와 정보 사이의 관계를 정량화하고, 정량화된 패턴을 이용하여 새로운 데이터들을 예측하는 동작이다. 이러한 머신 러닝 기술이 사용하는 알고리즘은 통계학에 기반한 알고리즘이 될 수 있으며, 예를 들어, 트리 구 조 형태를 예측 모델로 사용하는 의사 결정 나무(decision tree), 생물의 신경 네트워크 구조와 기능을 모방하 는 인공 신경망(neural network), 생물의 진화 알고리즘에 기반한 유전자 프로그래밍(genetic programming), 관측된 예를 군집이라는 부분집합으로 분배하는 군집화(Clustering), 무작위로 추출된 난수를 통해 함수값을 확 률로 계산하는 몬테카를로 방법(Monter carlo method) 등이 될 수 있다.
머신 러닝 기술의 한 분야로써, 딥러닝(deep learning) 기술은 인공 신경망 알고리즘을 이용하여, 정보들을 학 습, 판단, 처리 중 적어도 하나를 수행하는 기술이다. 인공 신경망은 레이어와 레이어 사이를 연결하고, 레이어와 레이어 사이의 데이터를 전달하는 구조를 가질 수 있다. 이러한 딥러닝 기술은 병렬 연산에 최적화된 GPU(graphic processing unit)를 이용하여 인공 신경망을 통하여 방대한 양의 정보를 학습할 수 있다.
또한, 머신 러닝 기술을 적용하기 위한 방대한 양의 정보들을 수집하기 위하여, 외부 서버에서 제공하는 신호, 데이터, 정보 등을 수집(감지, 모니터링, 추출, 검출, 수 신)할 수 있다. 또한, 통신을 통하여 연결되는 외부 저장소(예를 들어, 클라우드 서버, cloud server)에 저장된 데이터, 정보 등을 수집(감지, 모니터링, 추출, 검출, 수신)할 수 있다. 보다 구체적으로, 정보의 수집이란, 센서를 통하여 정보를 감지하거나, 메모리에 저장된 정보를 추출하거나, 통신을 통 하여, 외부 저장소로부터 정보들을 수신하는 동작을 포함하는 용어로 이해될 수 있다
또한, AI 관리서버(500)는 공기질 측정모듈, 기기 제어모듈, 중계단말의 동작상태를 모니터링할 수 있다. 또한, 외부단말로부터 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터 또는 사용자로부터 입력되는 정보를 제공받을 수 있다.
또한, 백그라운드 상에서 실시간으로 방대한 양의 정보들을 수집하고, 이를 학습하여, 적절 한 형태로 가공한 정보(예를 들어, 지식 그래프, 명령어 정책, 개인화 데이터베이스, 대화 엔진 등)를 데이터베이스 내에 저장할 수 있다.
도 6은 본 발명의 일 실시예에 따른 실내 공기질 측정 관리 방법을 설명한 흐름도이다.
본 발명의 일 실시예에 따른 실내 공기질 측정 관리 방법(S700)은 도 1에 도시된 시스템을 통해 구현될 수 있다.
보다 구체적으로, 도 6을 참조하면, 먼저, 기기 제어모듈에서 실내공간에 위치하는 공기청정 및/또는 공기순환장치의 동작재원을 중계단말을 통해 AI 관리서버로 전송(S710)한다.
이후, 상기 기기 제어모듈과 근거리 통신으로 통신하는 공기질 측정모듈에서 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도를 측정하고, 상기 적외선을 이용하여 실내공간의 크기를 측정하고, 기 설정된 공간영역의 공기흐름을 측정한 후, 상기 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도의 적합도 및 표준 권장값을 산출하여 표시(S720)하고, 상기 공기질 측정모듈에서 사용자 또는 사용자 단말로부터 공기질 정화명령을 수신하면, 상기 AI 관리서버로 상기 실내공간의 공기질 적합도를 향상시키기 위한 상기 공기청정 및/또는 공기순환장치의 동작제어패턴를 요청(S730)하면, 상기 AI 관리서버(500)에서 딥러닝 알고리즘을 기초로 상기 공기질 측정모듈에서 제공된 공기질 상태(적합도)를 표준 권장값으로 가변시키기 위한 상기 공기청정 및/또는 공기순환장치의 동작제어패턴 정보를 산출(S740)한다.
이후, 상기 기기 제어모듈에서 상기 동작제어패턴 정보를 기초로 상기 공기청정 및/또는 공기순환장치의 동작을 제어(S750)한다.
따라서, 본 발명의 일 실시예에 따른 실내 공기질 측정 관리 시스템 및 방법을 이용하면, 실내공간의 공기질 상태를 실시간으로 사용자에게 제공할 수 있다는 이점이 있다.
또한, 본 발명의 일 실시예에 따른 실내 공기질 측정 관리 시스템 및 방법을 이용하면, 실내공간의 공기질의 상태에 따라 실내공간에 위치하는 공기청정 및/또는 공기순환장치의 전력을 최소화하면서 공기질의 상태를 빠르게 개선시킬 수 있도록 딥러닝 알고리즘을 이용하여 실내공간에 위치하는 공기청정 및/또는 공기순환장치의 동작제어패턴을 산출할 수 있고, 산출된 동작제어패턴으로 공기청정 및/또는 공기순환장치를 제어할 수 있다는 이점을 제공한다.
도 7은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면으로, 상술한 하나 이상의 실시예를 구현하도록 구성된 컴퓨팅 디바이스(1100)를 포함하는 시스템(1000)의 예시를 도시한다. 예를 들어, 컴퓨팅 디바이스(1100)는 개인 컴퓨터, 서버 컴퓨터, 핸드헬드 또는 랩탑 디바이스, 모바일 디바이스(모바일폰, PDA, 미디어 플레이어 등), 멀티프로세서 시스템, 소비자 전자기기, 미니 컴퓨터, 메인프레임 컴퓨터, 임의의 전술된 시스템 또는 디바이스를 포함하는 분산 컴퓨팅 환경 등을 포함하지만, 이것으로 한정되는 것은 아니다.
컴퓨팅 디바이스(1100)는 적어도 하나의 프로세싱 유닛(1110) 및 메모리(1120)를 포함할 수 있다. 여기서, 프로세싱 유닛(1110)은 예를 들어 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다. 메모리(1120)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다. 또한, 컴퓨팅 디바이스(1100)는 추가적인 스토리지(1130)를 포함할 수 있다. 스토리지(1130)는 자기 스토리지, 광학 스토리지 등을 포함하지만 이것으로 한정되지 않는다. 스토리지(1130)에는 본 명세서에 개진된 하나 이상의 실시예를 구현하기 위한 컴퓨터 판독 가능한 명령이 저장될 수 있고, 운영 시스템, 애플리케이션 프로그램 등을 구현하기 위한 다른 컴퓨터 판독 가능한 명령도 저장될 수 있다. 스토리지(1130)에 저장된 컴퓨터 판독 가능한 명령은 프로세싱 유닛(1110)에 의해 실행되기 위해 메모리(1120)에 로딩될 수 있다. 또한, 컴퓨팅 디바이스(1100)는 입력 디바이스(들)(1140) 및 출력 디바이스(들)(1150)을 포함할 수 있다.
여기서, 입력 디바이스(들)(1140)은 예를 들어 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 적외선 카메라, 비디오 입력 디바이스 또는 임의의 다른 입력 디바이스 등을 포함할 수 있다. 또한, 출력 디바이스(들)(1150)은 예를 들어 하나 이상의 디스플레이, 스피커, 프린터 또는 임의의 다른 출력 디바이스 등을 포함할 수 있다. 또한, 컴퓨팅 디바이스(1100)는 다른 컴퓨팅 디바이스에 구비된 입력 디바이스 또는 출력 디바이스를 입력 디바이스(들)(1140) 또는 출력 디바이스(들)(1150)로서 사용할 수도 있다. 또한, 컴퓨팅 디바이스(1100)는 컴퓨팅 디바이스(1100)가 다른 디바이스(예를 들어, 컴퓨팅 디바이스(1300))와 통신할 수 있게 하는 통신접속(들)(1160)을 포함할 수 있다.
여기서, 통신 접속(들)(1160)은 모뎀, 네트워크 인터페이스 카드(NIC), 통합 네트워크 인터페이스, 무선 주파수 송신기/수신기, 적외선 포트, USB 접속 또는 컴퓨팅 디바이스(1100)를 다른 컴퓨팅 디바이스에 접속시키기 위한 다른 인터페이스를 포함할 수 있다. 또한, 통신 접속(들)(1160)은 유선 접속 또는 무선 접속을 포함할 수 있다. 상술한 컴퓨팅 디바이스(1100)의 각 구성요소는 버스 등의 다양한 상호접속(예를 들어, 주변 구성요소 상호접속(PCI), USB, 펌웨어(IEEE 1394), 광학적 버스 구조 등)에 의해 접속될 수도 있고, 네트워크(1200)에 의해 상호접속될 수도 있다. 본 명세서에서 사용되는 "구성요소", "시스템" 등과 같은 용어들은 일반적으로 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행중인 소프트웨어인 컴퓨터 관련 엔티티를 지칭하는 것이다.
예를 들어, 구성요소는 프로세서 상에서 실행중인 프로세스, 프로세서, 객체, 실행 가능물(executable), 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만, 이것으로 한정되는 것은 아니다. 예를 들어, 컨트롤러 상에서 구동중인 애플리케이션 및 컨트롤러 모두가 구성요소일 수 있다. 하나 이상의 구성요소는 프로세스 및/또는 실행의 스레드 내에 존재할 수 있으며, 구성요소는 하나의 컴퓨터 상에서 로컬화될 수 있고, 둘 이상의 컴퓨터 사이에서 분산될 수도 있다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.
100: 공기질 측정 관리 시스템
200: 공기질 측정모듈
210: 센서부
220: 실내공간 측정부
230: 공기흐름량 측정부
240: 적합도 산출부
250: 디스플레이부
300: 기기 제어부
400: 중개단말
500: AI 관리서버
510: 계측정보 수집부
520: 재원정보 수집부
530: 동작제어패턴 산출부
540: 업데이트부
200: 공기질 측정모듈
210: 센서부
220: 실내공간 측정부
230: 공기흐름량 측정부
240: 적합도 산출부
250: 디스플레이부
300: 기기 제어부
400: 중개단말
500: AI 관리서버
510: 계측정보 수집부
520: 재원정보 수집부
530: 동작제어패턴 산출부
540: 업데이트부
Claims (8)
- 실내공간에 위치한 적어도 하나 이상의 공기순환장치의 동작을 제어하는 기기 제어모듈;
상기 실내공간의 온/습도, 공기 순환량, 일산화탄소 농도, 이산화탄소 농도를 측정 및 표시하는 적어도 하나 이상의 공기질 측정모듈;
상기 제어모듈 및 상기 공기질 측정모듈과 근거리 통신하는 중계단말;
상기 중계단말을 통해 전송된 상기 공기질 측정모듈 및 제어모듈의 동작상태정보 및 상기 공기질 측정모듈에서 측정한 상기 실내공간의 공기질 상태정보를 분석하여 상기 실내공간의 공기질이 표준치를 유지하도록 상기 적어도 하나 이상의 공기순환장치의 공기순환동작 제어정보를 딥러닝 알고리즘을 이용하여 산출하여 상기 기기 제어모듈로 제공하는 AI 관리서버를 포함하고,
상기 기기 제어모듈은
상기 적어도 하나 이상의 공기순환장치의 재원정보(모델명, 전력소비, 공기순환동작정보)을 수집하여 제공하고,
상기 적어도 하나 이상의 공기질 측정모듈은
상기 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도를 측정하는 센서부;
적외선을 이용하여 실내공간의 크기를 측정하는 실내공간 측정부;
기 설정된 공간영역의 공기흐름을 측정하는 공기흐름량 측정부;
상기 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도의 적합도 및 표준 권장값을 산출하는 적합도 산출부; 및
상기 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도, 적합도 및 표준 권장값을 표시하는 디스플레이부를 포함하는 딥러닝 기반의 공기질 측정 관리 시스템.
- 삭제
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 적어도 하나 이상의 공기질 측정모듈은
메인 모듈 및 복수 개의 서브 모듈로 구성되고, 상기 메인모듈은 상기 적합도 산출부 및 디스플레이부를 포함하고,
상기 복수 개의 서브모듈 각각은
상기 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도 측정정보 및 실내공간 측위정보를 상기 메인 모듈로 전송하는 것을 특징으로 하는 딥러닝 기반의 공기질 측정 관리 시스템.
- 제6항에 있어서,
상기 AI 관리서버는
상기 메인모듈로부터 전송된 상기 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도의 적합도 및 표준 권장값을 수집하는 계측정보수집부;
상기 기기 제어모듈에서 전송된 상기 실내공간 내에 위치한 공기순환장치의 재원정보를 수집하는 재원정보 수집부; 및
상기 적어도 하나 이상이 공기순환장치의 최저소비전력으로 상기 실내공간 내의 공기질 상태를 상기 적합도 및 표준 권장값에 도달되도록 상기 적어도 하나 이상의 공기순환장치의 동작패턴정보를 딥러닝 알고리즘을 이용하여 산출하는 동작패턴정보 산출부를 포함하는 딥러닝 기반의 공기질 측정 관리 시스템.
- 기기 제어모듈에서 실내공간에 위치하는 공기청정 및/또는 공기순환장치의 동작재원을 중계단말을 통해 AI 관리서버로 전송하는 단계;
상기 기기 제어모듈과 근거리 통신으로 통신하는 공기질 측정모듈에서 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도를 측정하고, 적외선을 이용하여 실내공간의 크기를 측정하고, 기 설정된 공간영역의 공기흐름을 측정한 후, 상기 실내공간 내의 온/습도, (초)미세먼지 농도, 공기흐름량, 일산화탄소 농도, 이산화탄소 농도의 적합도 및 표준 권장값을 산출하여 표시하는 단계;
상기 공기질 측정모듈에서 사용자 또는 사용자 단말로부터 공기질 정화명령을 수신하면, 상기 AI 관리서버로 상기 실내공간의 공기질 적합도를 향상시키기 위한 상기 공기청정 및/또는 공기순환장치의 동작제어패턴를 요청하는 단계;
상기 AI 관리서버에서 딥러닝 알고리즘을 기초로 상기 공기질 측정모듈에서 제공된 공기질 상태(적합도)를 표준 권장값으로 가변시키기 위한 상기 공기청정 및/또는 공기순환장치의 동작제어패턴 정보를 산출하는 단계; 및
상기 기기 제어모듈에서 상기 동작제어패턴 정보를 기초로 상기 공기청정 및/또는 공기순환장치의 동작을 제어하는 단계를 포함하는 딥러닝 기반의 공기질 측정 관리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200166798A KR102483784B1 (ko) | 2020-12-02 | 2020-12-02 | 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200166798A KR102483784B1 (ko) | 2020-12-02 | 2020-12-02 | 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220077994A KR20220077994A (ko) | 2022-06-10 |
| KR102483784B1 true KR102483784B1 (ko) | 2023-02-07 |
Family
ID=81986418
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200166798A KR102483784B1 (ko) | 2020-12-02 | 2020-12-02 | 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102483784B1 (ko) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102585859B1 (ko) * | 2022-08-10 | 2023-10-10 | 유비스 주식회사 | 빅데이터 분석 기반 빌딩 관리 시스템 및 방법 |
| KR102639993B1 (ko) * | 2022-11-14 | 2024-02-23 | (주)천도엔지니어링 | 인공지능을 이용한 공동주택 정보통신 업로드 시스템 |
| KR102554606B1 (ko) * | 2023-03-31 | 2023-07-13 | 주식회사 에어콕 | 측정된 실내공기질을 기반으로 다수의 공기 관리 장치를 연동하여 자동 관리할 수 있는 스마트 실내공기질 관리 시스템 및 그 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102040505B1 (ko) * | 2018-09-21 | 2019-11-05 | 엘지전자 주식회사 | 인공지능 기반의 공기 청정장치 및 그를 포함하는 공기청정 시스템 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105387566A (zh) * | 2015-11-25 | 2016-03-09 | 小米科技有限责任公司 | 空气净化器的参数检测方法、装置及终端 |
| KR20170077696A (ko) | 2015-12-28 | 2017-07-06 | 주식회사 세스코 | 공기질 관리 시스템 및 방법 |
| KR20200102237A (ko) * | 2019-02-21 | 2020-08-31 | 엘지전자 주식회사 | 중앙 제어기 |
| KR20200119978A (ko) * | 2019-04-11 | 2020-10-21 | 삼성전자주식회사 | 가전 기기 및 그 제어 방법 |
-
2020
- 2020-12-02 KR KR1020200166798A patent/KR102483784B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102040505B1 (ko) * | 2018-09-21 | 2019-11-05 | 엘지전자 주식회사 | 인공지능 기반의 공기 청정장치 및 그를 포함하는 공기청정 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220077994A (ko) | 2022-06-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102483784B1 (ko) | 딥러닝 알고리즘을 이용한 실내 공기질 측정 관리 시스템 및 방법 | |
| Moursi et al. | An IoT enabled system for enhanced air quality monitoring and prediction on the edge | |
| Yang et al. | Current advances and future challenges of AIoT applications in particulate matters (PM) monitoring and control | |
| González et al. | LoRa sensor network development for air quality monitoring or detecting gas leakage events | |
| Almalawi et al. | An IoT based system for magnify air pollution monitoring and prognosis using hybrid artificial intelligence technique | |
| Omidvarborna et al. | Low-cost air quality sensing towards smart homes | |
| KR102238123B1 (ko) | 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템 | |
| Safi et al. | A fault tolerant surveillance system for fire detection and prevention using LoRaWAN in smart buildings | |
| Gugliermetti et al. | A cheap and third-age-friendly home device for monitoring indoor air quality | |
| KR102313465B1 (ko) | 멀티 센서 기반 모바일 대기 상태 상황인지 고지 시스템 및 방법 | |
| Kumar et al. | An IoT-enabled E-Nose for remote detection and monitoring of airborne pollution hazards using LoRa network protocol | |
| Zhao et al. | Design of a Smart Sensor Network System for Real‐Time Air Quality Monitoring on Green Roof | |
| Rastogi et al. | Context-aware monitoring and control of ventilation rate in indoor environments using internet of things | |
| Sassi et al. | Comprehensive survey on air quality monitoring systems based on emerging computing and communication technologies | |
| Preethi et al. | RETRACTED ARTICLE: Monitoring of air pollution to establish optimal less polluted path by utilizing wireless sensor network | |
| Cortés-Leal et al. | Performance metric analysis for a jamming detection mechanism under collaborative and cooperative schemes in industrial wireless sensor networks | |
| Sonawani et al. | Air quality measurement, prediction and warning using transfer learning based IOT system for ambient assisted living | |
| Soares et al. | Platform for monitoring and analysis of air quality in environments with large circulation of people | |
| Dhanalakshmi | A survey paper on vehicles emitting air quality and prevention of air pollution by using IoT along with machine learning approaches | |
| Zhao et al. | Review of communication technology in indoor air quality monitoring system and challenges | |
| Saini et al. | Internet of things for indoor air quality monitoring | |
| Vikram et al. | FogFire: fog assisted IoT enabled forest fire management | |
| Rahi et al. | Smart platforms of air quality monitoring: A logical literature exploration | |
| De et al. | An energy-efficient wireless sensor network construction algorithm for air quality condition detection system | |
| Yin | Practice of air environment quality monitoring data visualization technology based on adaptive wireless sensor networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |