KR102500948B1 - 시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법 - Google Patents

시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법 Download PDF

Info

Publication number
KR102500948B1
KR102500948B1 KR1020210130505A KR20210130505A KR102500948B1 KR 102500948 B1 KR102500948 B1 KR 102500948B1 KR 1020210130505 A KR1020210130505 A KR 1020210130505A KR 20210130505 A KR20210130505 A KR 20210130505A KR 102500948 B1 KR102500948 B1 KR 102500948B1
Authority
KR
South Korea
Prior art keywords
ims
time
varying
ims data
substance
Prior art date
Application number
KR1020210130505A
Other languages
English (en)
Inventor
조성윤
권기원
박경원
전원기
김양섭
Original Assignee
한국전자기술연구원
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 한국전자기술연구원 filed Critical 한국전자기술연구원
Priority to KR1020210130505A priority Critical patent/KR102500948B1/ko
Application granted granted Critical
Publication of KR102500948B1 publication Critical patent/KR102500948B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
    • G01N27/622—Ion mobility spectrometry
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00—Particle spectrometers or separator tubes
    • H01J49/0027—Methods for using particle spectrometers
    • H01J49/0031—Step by step routines describing the use of the apparatus
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00—Particle spectrometers or separator tubes
    • H01J49/004—Combinations of spectrometers, tandem spectrometers, e.g. MS/MS, MSn
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00—Particle spectrometers or separator tubes
    • H01J49/26—Mass spectrometers or separator tubes
    • H01J49/34—Dynamic spectrometers
    • H01J49/40—Time-of-flight spectrometers

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Electrochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

본 발명은 이온 이동도 분석법(Ion mobility spectrometry; IMS)을 통해서 연속적으로 측정되는 IMS 데이터로 위험 물질을 검출하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치 및 방법에 관한 것이다. 본 발명에 따른 위험 물질 검출 장치는 흡입 물질로부터 일정 시간 단위로 IMS 데이터를 복수회 측정하는 IMS 센서부, 측정된 복수의 IMS 데이터를 측정 순서(trials) 도메인을 축으로 2차원으로 전개하여 시변적 IMS 데이터로 변환하는 IMS 변환부, 및 시변적 IMS 데이터로부터 시변 환경에 따른 피크 레벨의 변화도를 분석하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하는 제어부를 포함한다.

Description

시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치 및 방법{Hazardous material detection device and method through time-varying IMS data processing}
본 발명은 위험 물질 검출 장치 및 방법에 관한 것으로, 더욱 상세하게는 이온 이동도 분석법(Ion mobility spectrometry; IMS)을 통해서 연속적으로 측정되는 IMS 데이터로 위험 물질을 검출하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치 및 방법에 관한 것이다.
이온 이동도 분석법(Ion mobility spectrometry; IMS)은 분자 및 원자와 같이 이온화된 물질을 분리하고 식별하기 위해 사용될 수 있는 분석 기법이다. 이러한 이온 이동도 분석기는 흡입 물질을 이온화하고, 생성된 이온이 검출기에 도달하는데 걸리는 시간을 측정함으로써, 해당 흡입 물질에 검출 대상 물질이 포함되어 있는 지의 여부를 식별한다.
이온 이동도 분석기는 코카인, 헤로인 등과 같은 마약류의 검출, RDX, TNT 등과 같은 폭발물의 검출, 신경가스와 수포 용제와 같은 화학전에서의 검출용으로 사용될 수 있다. 이온 이동도 분석기는 최근 신속성과 휴대성으로 인해 군사, 보안, 공항, 항만 등 위험 물질 검출 및 검역 과정에서 널리 사용되고 있다.
이러한 이온 이동도 분석기의 기본 동작을 살펴보면, IMS 센서부에서 검출 대상인 흡입 물질을 이온화시킨 후에 이온화된 물질에 대하여 강한 전기장을 주어 IMS 데이터를 측정한다.
IMS 데이터는 물질 고유의 특성이기 때문에, 물질 별로 특정 이동 시간에 따라 반응 정도가 피크 형태로 발생하게 된다.
기존의 IMS 데이터 기반 위험 물질 검출 판단 여부는, 사전에 검출 대상 물질에 대한 절대 반응 시간을 확인한 후, 측정한 IMS 데이터로부터 해당 구간에 대하여 전기적 신호에 대한 피크 값이 관찰되는지 여부를 확인함으로써 위험 물질 검출 유무를 판단한다.
즉 특정 시간 구간에서 전기적 신호의 피크 값이 임계값과 비교하여 높게 나타나는 경우, 이온 이동도 분석기는 위험 물질이 검출되었음을 판단하여 알람을 발생시킨다.
이와 같이 흡입 물질로부터 검출 대상 물질에 대한 검출 유무를 판단하기 위한 임계값을 사전에 설정해야 한다. 이로 인해 임계값 설정에 있어서 검출 대상 물질의 종류와 농도에 따라 판단 가능한 절대 피크 레벨 및 패턴이 다양하게 나타나기 때문에 최적의 임계값을 설정하는데 어려움이 있다. 예컨대 임계값이 매우 낮은 레벨로 설정된 경우에는 극소량의 위험 물질을 검출하는데 유리하지만 외부 잡음 등에 의한 미세 반응으로 검출 정확도는 떨어진다. 반면에 임계값이 상대적으로 높은 레벨로 설정되면, 검출 정확도는 증가하지만 극소량의 위험 물질에 대한 검출 확률은 현격히 감소하게 된다.
등록특허공보 제10-2108324호 (2020.04.29.등록)
따라서 본 발명의 목적은 극소량의 위험 물질을 검출하면서 검출 정확도를 높일 수 있는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치 및 방법을 제공하는 데 있다.
본 발명의 다른 목적은 기존의 피크 레벨 기준으로 검출 시 유사한 반응으로 검출에 어려움이 있던 위험 물질을 세분화하여 보다 정확하게 검출 유무를 판단할 수 있는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치 및 방법을 제공하는 데 있다.
본 발명의 또 다른 목적은 시변적 IMS 데이터에 대한 기계 학습을 통하여 위험 물질의 검출 유무를 판단할 수 있는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치 및 방법을 제공하는 데 있다.
상기 목적을 달성하기 위하여, 본 발명은 흡입 물질로부터 일정 시간 단위로 IMS 데이터를 복수회 측정하는 IMS 센서부; 측정된 복수의 상기 IMS 데이터를 측정 순서(trials) 도메인을 축으로 2차원으로 전개하여 시변적 IMS 데이터로 변환하는 IMS 변환부; 및 상기 시변적 IMS 데이터로부터 시변 환경에 따른 피크 레벨의 변화도를 분석하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하는 제어부;를 포함하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치를 제공한다.
상기 제어부는 상기 시변적 IMS 데이터로부터 상기 피크 레벨의 변화도와 절대 레벨 피크를 확인하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단할 수 있다.
상기 시변적 IMS 데이터는 측정된 복수의 상기 IMS 데이터를 반응 이온 피크(React Ion Peak; RIP) 기준으로 정렬한 2차원 데이터 셋이다.
상기 제어부는, 상기 2차원 데이터 셋을 2차원 이미지화하고, 2차원 이미지 내에 위험 물질에 대한 절대 위치 및 피크 값에 따른 색상의 차이를 분석하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단할 수 있다.
상기 제어부는 상기 시변적 IMS 데이터에 대한 기계 학습으로 모델링한 학습 엔진 모델을 이용하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단할 수 있다.
상기 기계 학습은, 상기 IMS 센서부가 흡입 물질로부터 일정 시간 단위로 IMS 데이터를 복수회 측정하고, 상기 IMS 변환부가 측정된 복수의 상기 IMS 데이터를 반응 이온 피크(RIP) 기준으로 정렬하여 2차원 데이터 셋을 수집하고, 2차원 데이터 셋을 2차원 이미지화하여 상기 학습 엔진 모델로 기계 학습을 수행하되, 상기 기계 학습에 따른 출력 유사도를 비교하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하고, 판단 결과를 상기 학습 엔진 모델에 업데이트할 수 있다.
상기 기계 학습은 SVM(Support Vector Machine) 및 CNN(Convolutional Neural Network)으로 수행할 수 있다.
상기 2차원 데이터 셋은 SVM(Support Vector Machine) 기반 분류기로 생성하고, 상기 학습 엔진 모델은 CNN(Convolutional Neural Network) 기반 분류기를 포함할 수 있다.
본 발명은 또한, IMS 센서부는 흡입 물질로부터 일정 시간 단위로 IMS 데이터를 복수회 측정하는 단계; IMS 변환부는 상기 IMS 센서부로부터 측정된 복수의 상기 IMS 데이터를 수신하는 단계; 상기 IMS 변환부는 측정된 복수의 상기 IMS 데이터를 측정 순서(trials) 도메인을 축으로 2차원으로 전개하여 시변적 IMS 데이터로 변환하는 단계; 및 제어부는 상기 시변적 IMS 데이터로부터 시변 환경에 따른 피크 레벨의 변화도를 분석하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하는 단계;를 포함하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 방법을 제공한다.
상기 판단하는 단계에서, 상기 제어부는 상기 시변적 IMS 데이터로부터 상기 피크 레벨의 변화도와 절대 레벨 피크를 확인하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단할 수 있다.
상기 판단하는 단계에서, 상기 제어부는 학습 엔진 모델을 이용하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단할 수 있다.
본 발명에 따른 시변적 IMS 데이터 처리를 통한 위험 물질 검출 방법은, 상기 제어부가 상기 학습 엔진 모델을 기계 학습하는 단계;를 더 포함할 수 있다.
그리고 상기 기계 학습하는 단계는, 상기 IMS 센서부가 흡입 물질로부터 일정 시간 단위로 IMS 데이터를 복수회 측정하는 단계; 측정된 복수의 상기 IMS 데이터를 반응 이온 피크(RIP) 기준으로 정렬하여 2차원 데이터 셋을 수집하는 단계; 및 2차원 데이터 셋을 2차원 이미지화하여 상기 학습 엔진 모델로 기계 학습을 수행하되, 상기 기계 학습에 따른 출력 유사도를 비교하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하고, 판단 결과를 상기 학습 엔진 모델에 업데이트하는 단계;를 포함할 수 있다.
본 발명에 따르면, 이온 이동도 분석법으로 측정된 IMS 데이터를 시변 환경으로 확장함으로써, 기존의 피크 레벨 기준으로 검출 시 유사한 반응으로 검출에 어려움이 있던 위험 물질을 세분화하여 보다 정확하게 위험 물질의 포함 유무를 판단할 수 있다. 즉 기존의 절대 피크 레벨 검출 방법은 IMS 데이터를 1차원으로 분석하기 때문에, 극소량의 위험 물질의 검출하면서 검출 정확도를 높이는데 한계가 있다. 반면에 본 발명은 연속적으로 측정되는 IMS 데이터를 2차원으로 도메인을 확장하여 2차원으로 표현되는 시변 환경에 따른 피크 레벨의 변화도(시변적 IMS 데이터)를 기반으로 위험 검출의 검출 유무를 판단한다. 이로 인해 본 발명은 기존의 피크 레벨 기준으로 검출 시 유사한 반응으로 검출에 어려움이 있던 위험 물질을 세분화하여 보다 정확하게 검출 유무를 판단할 수 있다.
본 발명은 시변적 IMS 데이터 처리를 통한 위험 물질 검출 방법에 있어서, 피크 레벨의 변화도(시변적 IMS 데이터)를 학습 엔진을 이용하여 기계 학습을 시킴으로써, 위험 물질을 검출하면서 검출 정확도를 높일 수 있다.
본 발명은 피크 레벨의 변화도(시변적 IMS 데이터)를 2차원 이미지로 처리함으로써, 2차원 이미지 내에 위험 물질에 대한 절대 위치 및 피크 값에 따른 색상의 차이를 나타낼 수 있다. 이러한 2차원 이미지를 학습 엔진에 적용하여 기계 학습을 수행함으로써, 위험 물질을 검출하면서 검출 정확도를 높일 수 있는 학습 엔진을 모델링할 수 있다.
도 1은 본 발명의 실시예에 따른 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치를 보여주는 블록도이다.
도 2는 본 발명의 실시예에 따른 시변적 IMS 데이터 처리를 통한 위험 물질 검출 방법에 대한 흐름도이다.
도 3은 IMS 데이터를 보여주는 예시도이다.
도 4는 도 3의 IMS 데이터를 기반으로 하는 시변적 IMS 데이터를 보여주는 예시도이다.
도 5는 도 3의 IMS 데이터를 기반으로 하는 이미지 처리된 시변적 IMS 데이터를 보여주는 예시도이다.
하기의 설명에서는 본 발명의 실시예를 이해하는데 필요한 부분만이 설명되며, 그 이외 부분의 설명은 본 발명의 요지를 벗어나지 않는 범위에서 생략될 것이라는 것을 유의하여야 한다.
이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 바람직한 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 보다 상세하게 설명하고자 한다.
[시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치]
도 1은 본 발명의 실시예에 따른 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치를 보여주는 블록도이다.
도 1을 참조하면, 본 실시예에 따른 위험 물질 검출 장치(100)는 IMS 데이터를 기반으로 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 검출하는 장치로서, 흡입 물질에 대해서 연속적으로 측정되는 IMS 데이터를 측정 순서(trials) 도메인을 축으로 2차원으로 전개하여 시변적 IMS 데이터로 변환한 후, 시변적 IMS 데이터를 분석하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 검출하는 장치이다.
이러한 본 실시예에 따른 위험 물질 검출 장치(100)는 IMS 센서부(10), IMS 변환부(30) 및 제어부(70)를 포함한다. IMS 센서부(10)는 흡입 물질로부터 일정 시간(T) 단위로 IMS 데이터를 복수회 측정한다. IMS 변환부(30)는 측정된 복수의 IMS 데이터를 측정 순서(trials) 도메인을 축으로 2차원으로 전개하여 시변적 IMS 데이터로 변환한다. 그리고 제어부(70)는 시변적 IMS 데이터로부터 시변 환경에 따른 피크 레벨의 변화도를 분석하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단한다.
그 외 본 실시예에 따른 위험 물질 검출 장치(100)는 저장부(50)를 더 포함할 수 있다.
여기서 위험 물질은 이온 이동도 분석법을 통하여 식별이 가능한 물질이다. 예컨대 위험 물질은 코카인, 헤로인 등과 같은 마약류, RDX, TNT 등과 같은 폭발물, 신경가스와 수포 용제와 같은 화학무기를 포함하며, 이것에 한정되는 것은 아니다.
저장부(50)는 위험 물질 검출 장치(100)의 동작 제어시 필요한 프로그램과, 그 프로그램 수행 중에 발생되는 정보를 저장한다. 저장부(50)는 위험 물질 검출을 수행하기 위한 실행프로그램을 저장한다. 예컨대 실행프로그램으로 위험 물질을 검출하기 위한 기계 학습을 수행하는 데 필요한 학습 엔진 모델을 포함한다. 학습 엔진 모델은 SVM(Support Vector Machine) 기반의 분석기 및 CNN(Convolutional Neural Network) 기반의 분석기를 포함할 수 있다. 저장부(50)는 IMS 센서부(10)로 측정한 IMS 데이터, IMS 변환부(30)에서 변환된 시변적 IMS 데이터, 및 이미지 처리된 시변적 IMS 데이터를 저장할 수 있다.
IMS 센서부(10)는 검출 대상 물질을 흡입하고, 흡입 물질로부터 IMS 데이터를 측정한다. IMS 센서부(10)는 일정 시간(T) 단위로 연속적으로 복수회 IMS 데이터를 측정한다. 이때 일정 시간(T)은 수~수십 msec 일 수 있다. IMS 센서부(10)로는 일반적인 이온 이동도 분석기가 사용될 수 있다.
IMS 변환부(30)는 복수의 IMS 데이터를 시변적 IMS 데이터로 변환한다. 시변적 IMS 데이터는 측정된 복수의 IMS 데이터를 반응 이온 피크(React Ion Peak; RIP) 기준으로 정렬한 2차원 데이터 셋이다. RIP는 대기 성분에 대한 IMS 데이터로 동일 환경 하에 동일한 절대 반응 구간을 나타낸다. 즉 시변적 IMS 데이터는 복수의 IMS 데이터의 측정 시각 지점을 동기화한 후 측정된 순서(trials)에 따라 IMS 데이터를 전개하여 획득할 수 있는 2차원 데이터이다.
IMS 데이터는 단순히 피크 값만을 나타내지만, 시변적 IMS 데이터는 IMS 데이터의 피크 값을 포함하여 시변 환경에 따른 피크 레벨의 변화도를 나타낸다.
그리고 제어부(70)는 위험 물질 검출 장치(100)의 전반적인 제어 동작을 수행하는 마이크로프로세서(microprocessor)이다. 제어부(70)는 시변적 IMS 데이터를 분석하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단한다.
제어부(70)는 시변적 IMS 데이터로부터 피크 레벨의 변화도와 절대 레벨 피크를 확인하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단한다. 이때 시변적 IMS 데이터는 측정된 복수의 IMS 데이터를 반응 이온 피크(RIP) 기준으로 정렬한 2차원 데이터 셋이다. 제어부(70)는 2차원 데이터 셋을 2차원 이미지화한다. 제어부(70)는 2차원 이미지 내에 위험 물질에 대한 절대 위치 및 피크 값에 따른 색상의 차이를 분석하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단한다.
시변적 IMS 데이터는 2차원 이미지로 표현할 수 있기 때문에, 제어부(70)는 시변적 IMS 데이터에 대한 기계 학습으로 모델링한 학습 엔진 모델을 이용하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단할 수 있다.
여기서 기계 학습은 다음과 같이 수행될 수 있다. 먼저 IMS 센서부(10)는 흡입 물질로부터 일정 시간(T) 단위로 IMS 데이터를 복수회 측정한다. IMS 변환부(30)는 측정된 복수의 IMS 데이터를 반응 이온 피크(RIP) 기준으로 정렬하여 2차원 데이터 셋을 수집한다. 그리고 제어부(70)는 2차원 데이터 셋을 2차원 이미지화하여 학습 엔진 모델로 기계 학습을 수행하되, 기계 학습에 따른 출력 유사도를 비교하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하고, 판단 결과를 학습 엔진 모델에 업데이트한다.
이때 기계 학습은 다양한 공개형 학습 엔진으로 수행할 수 있으며, 예컨대 SVM 및 CNN으로 수행할 수 있다. 2차원 데이터 셋은 SVM 기반 분류기로 생성할 수 있다. 학습 엔진 모델은 CNN 기반 분류기를 포함할 수 있다.
이와 같이 제어부(70)는 학습된 학습 엔진 모델을 이용하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단한다.
한편 본 실시예에서는 IMS 변환부(30)가 복수의 IMS 데이터를 시변적 IMS 데이터로 변환하는 예를 개시하였지만 이것에 한정되는 것은 아니다. 예컨대 제어부(70)가 IMS 변환부(30)의 기능을 수행할 수 있다. 즉 제어부(70)는 복수의 IMS 데이터를 시변적 IMS 데이터로 변환할 수 있다.
[시변적 IMS 데이터 처리를 통한 위험 물질 검출 방법]
이와 같은 본 실시예에 따른 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치(100)를 이용한 위험 물질 검출 방법에 대해서 도 1 및 도 2를 참조하여 설명하면 다음과 같다. 여기서 도 2는 본 발명의 실시예에 따른 시변적 IMS 데이터 처리를 통한 위험 물질 검출 방법에 대한 흐름도이다.
먼저 S10단계에서 IMS 센서부(10)는 검출 대상 물질 흡입한다.
다음으로 S30단계에서 IMS 센서부(10)는 흡입 물질로부터 일정 시간(T) 단위로 IMS 데이터를 복수회 측정한다.
이어서 S50단계에서 IMS 변환부(30)는 측정된 복수의 IMS 데이터를 시변적 IMS 데이터로 변환한다. 즉 IMS 변환부(30)는 측정된 복수의 상기 IMS 데이터를 측정 순서(trials) 도메인을 축으로 2차원으로 전개하여 시변적 IMS 데이터로 변환한다.
그리고 S70단계에서 제어부(70)는 시변적 IMS 데이터를 분석하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단한다. 즉 제어부(70)는 시변적 IMS 데이터로부터 시변 환경에 따른 피크 레벨의 변화도를 분석하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단한다.
이때 S70단계에서 제어부(70)는 시변적 IMS 데이터로부터 피크 레벨의 변화도와 절대 레벨 피크를 확인하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단할 수 있다.
여기서 시변적 IMS 데이터는 측정된 복수의 IMS 데이터를 반응 이온 피크(RIP) 기준으로 정렬한 2차원 데이터 셋이다.
S70단계에서 제어부(70)는 2차원 데이터 셋을 2차원 이미지화하되, IMS 데이터의 출력값을 색상의 형태로 변환하여 2차원 이미지화한다. 제어부(70)는 2차원 이미지 내에 위험 물질에 대한 절대 위치 및 피크 값에 따른 색상의 차이를 분석하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단할 수 있다.
S70단계에서 제어부(70)는 학습 엔진 모델을 이용하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단할 수 있다. 이 경우 본 실시예에 따른 위험 물질 검출 방법은 제어부(70)가 학습 엔진 모델을 기계 학습하는 단계를 더 포함할 수 있다.
기계 학습하는 단계는 실질적인 흡입 물질로부터 위험 물질을 검출하기 전에 수행할 수 있다. 또한 기계 학습하는 단계는 실질적인 흡입 물질로부터 위험 물질을 검출하는 단계에서 추가적으로 수행할 수 있다.
이러한 기계 학습하는 단계는, IMS 센서부(10)가 흡입 물질로부터 일정 시간 단위로 IMS 데이터를 복수회 측정하는 단계로부터 출발한다. 여기서 흡입 물질은 학습이 필요한 위험 물질을 포함한다. IMS 변환부(30)가 측정된 복수의 상기 IMS 데이터를 반응 이온 피크(RIP) 기준으로 정렬하여 2차원 데이터 셋을 수집한다. 그리고 제어부(70)가 2차원 데이터 셋을 2차원 이미지화하여 학습 엔진 모델로 기계 학습을 수행하되, 기계 학습에 따른 출력 유사도를 비교하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하고, 판단 결과를 학습 엔진 모델에 업데이트하는 단계로 수행될 수 있다. 이와 같은 기계 학습 단계를 반복적으로 수행함으로써, 학습 엔진 모델을 기계 학습시킬 수 있다.
도 3은 IMS 데이터를 보여주는 예시도이다. 여기서 도 3(a)는 IMS 데이터로부터 TNT를 위험 물질을 검출한 경우이다. 도 3(b)는 IMS 데이터로부터 RDX를 위험 물질을 검출한 경우이다. 그리고 도 3(c)는 IMS 데이터로부터 PETN을 위험 물질을 검출한 경우이다.
도 3을 참조하면, 기존의 위험 물질 검출 방식은 기존의 검출 방식은 T msec 구간 내에 단일 IMS 데이터에 포함된 피크 값과 임계값을 비교하여 위험 물질의 포함 유무를 검출한다.
기존에는 피크 값과 임계값만을 비교하기 때문에, 임계값 설정이 매우 중요하다. 하지만 임계값 설정에 있어서 검출 대상 물질의 종류와 농도에 따라 판단 가능한 절대 피크 레벨 및 패턴이 다양하게 나타나기 때문에, 최적의 임계값을 설정하는데 어려움이다.
도 4는 도 3의 IMS 데이터를 기반으로 하는 시변적 IMS 데이터를 보여주는 예시도이다.
도 4를 참조하면, 본 실시예는 T msec 구간 동안 IMS 데이터를 연속적으로 N회 측정한 후, 구간 별 결과를 정렬한 뒤 2차원 형태로 전개하여 시변적 IMS 데이터를 획득할 수 있다.
IMS 데이터에서 X축은 T msec를 나타내고, Y축은 강도(indensity)를 나타낸다.
시변적 IMS 데이터에서 X축은 검출 대상 물질의 순번을 나타내고, Y축은 T msec(drift time)를 나타내고, Z축은 강도(indensity)를 나타낸다.
시변적 IMS 데이터를 참조하면, 각 검출 대상 물질 별로 고유 반응 구간은 일치하며, 시변 환경에 따른 최대 피크 값의 증감 현상을 확인할 수 있기 때문에, 시변적인 변화 패턴도 위험 물질의 검출에 반영할 수 있다.
도 5는 도 3의 IMS 데이터를 기반으로 하는 이미지 처리된 시변적 IMS 데이터를 보여주는 예시도이다.
도 5를 참조하면, 이미지 처리된 시변적 IMS 데이터는 IMS 데이터의 출력값을 색상의 형태로 변환하여 표시한다.
이미지 처리된 시변적 IMS 데이터는 2차원 이미지로서, 2차원 이미지 내에 위험 물질에 대한 절대 위치 및 피크 값에 따른 색상의 차이를 나타낸다.
따라서 제어부(70)는 이미지 처리된 시변적 IMS 데이터를 분석함으로써, 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단할 수 있다.
그리고 제어부(70)는 학습 엔진 모델로 이미지 처리된 시변적 IMS 데이터를 기계 학습시킴으로써, 학습 엔진 모델을 이용하여 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 보다 정확하게 판단할 수 있다.
이와 같이 본 실시예에 따르면, 이온 이동도 분석법으로 측정된 IMS 데이터를 시변 환경으로 확장함으로써, 기존의 피크 레벨 기준으로 검출 시 유사한 반응으로 검출에 어려움이 있던 위험 물질을 세분화하여 보다 정확하게 위험 물질의 포함 유무를 판단할 수 있다. 즉 기존의 절대 피크 레벨 검출 방법은 IMS 데이터를 1차원으로 분석하기 때문에, 극소량의 위험 물질의 검출하면서 검출 정확도를 높이는데 한계가 있다. 반면에 본 발명은 연속적으로 측정되는 IMS 데이터를 2차원으로 도메인을 확장하여 2차원으로 표현되는 시변 환경에 따른 피크 레벨의 변화도(시변적 IMS 데이터)를 기반으로 위험 검출의 검출 유무를 판단한다. 이로 인해 본 발명은 기존의 피크 레벨 기준으로 검출 시 유사한 반응으로 검출에 어려움이 있던 위험 물질을 세분화하여 보다 정확하게 검출 유무를 판단할 수 있다.
본 실시예에 따른 시변적 IMS 데이터 처리를 통한 위험 물질 검출 방법에 있어서, 피크 레벨의 변화도(시변적 IMS 데이터)를 학습 엔진을 이용하여 기계 학습을 시킴으로써, 위험 물질을 검출하면서 검출 정확도를 높일 수 있다.
그리고 본 실시예는 피크 레벨의 변화도(시변적 IMS 데이터)를 2차원 이미지로 처리함으로써, 2차원 이미지 내에 위험 물질에 대한 절대 위치 및 피크 값에 따른 색상의 차이를 나타낼 수 있다. 이러한 2차원 이미지를 학습 엔진에 적용하여 기계 학습을 수행함으로써, 위험 물질을 검출하면서 검출 정확도를 높일 수 있는 학습 엔진을 모델링할 수 있다.
한편, 본 명세서와 도면에 개시된 실시예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게는 자명한 것이다.
10 : IMS 센서부
30 : IMS 변환부
50 : 저장부
70 : 제어부
100 : 위험 물질 검출 장치

Claims (12)

  1. 흡입 물질로부터 일정 시간 단위로 IMS 데이터를 복수회 측정하는 IMS 센서부;
    측정된 복수의 상기 IMS 데이터를 측정 순서(trials) 도메인을 축으로 2차원으로 전개하여 시변적 IMS 데이터로 변환하는 IMS 변환부; 및
    상기 시변적 IMS 데이터로부터 시변 환경에 따른 피크 레벨의 변화도를 분석하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하되, 상기 시변적 IMS 데이터에 대한 기계 학습으로 모델링한 학습 엔진 모델을 이용하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하는 제어부;를 포함하고,
    상기 기계 학습은,
    상기 IMS 센서부가 흡입 물질로부터 일정 시간 단위로 IMS 데이터를 복수회 측정하고,
    상기 IMS 변환부가 측정된 복수의 상기 IMS 데이터를 반응 이온 피크(RIP) 기준으로 정렬하여 2차원 데이터 셋을 수집하고,
    2차원 데이터 셋을 2차원 이미지화하여 상기 학습 엔진 모델로 기계 학습을 수행하되, 상기 기계 학습에 따른 출력 유사도를 비교하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하고, 판단 결과를 상기 학습 엔진 모델에 업데이트하는 것을 특징으로 하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치.
  2. 제1항에 있어서,
    상기 제어부는 상기 시변적 IMS 데이터로부터 상기 피크 레벨의 변화도와 절대 레벨 피크를 확인하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하는 것을 특징으로 하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치.
  3. 제2항에 있어서,
    상기 시변적 IMS 데이터는 측정된 복수의 상기 IMS 데이터를 반응 이온 피크(React Ion Peak; RIP) 기준으로 정렬한 2차원 데이터 셋인 것을 특징으로 하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치.
  4. 제3항에 있어서, 상기 제어부는,
    상기 2차원 데이터 셋을 2차원 이미지화하되, 상기 IMS 데이터의 출력값을 색상의 형태로 변환하여 2차원 이미지화하고, 상기 2차원 이미지 내에 위험 물질에 대한 절대 위치 및 피크 값에 따른 색상의 차이를 분석하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하는 것을 특징으로 하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치.
  5. 삭제
  6. 삭제
  7. 제1항에 있어서,
    상기 기계 학습은 SVM(Support Vector Machine) 및 CNN(Convolutional Neural Network)으로 수행하는 것을 특징으로 하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치.
  8. 제7항에 있어서,
    상기 2차원 데이터 셋은 SVM(Support Vector Machine) 기반 분류기로 생성하고,
    상기 학습 엔진 모델은 CNN(Convolutional Neural Network) 기반 분류기를 포함하는 것을 특징으로 하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 장치.
  9. IMS 센서부는 흡입 물질로부터 일정 시간 단위로 IMS 데이터를 복수회 측정하는 단계;
    IMS 변환부는 상기 IMS 센서부로부터 측정된 복수의 상기 IMS 데이터를 수신하는 단계;
    상기 IMS 변환부는 측정된 복수의 상기 IMS 데이터를 측정 순서(trials) 도메인을 축으로 2차원으로 전개하여 시변적 IMS 데이터로 변환하는 단계; 및
    제어부는 상기 시변적 IMS 데이터로부터 시변 환경에 따른 피크 레벨의 변화도를 분석하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하되, 학습 엔진 모델을 이용하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하는 단계;를 포함하되,
    상기 제어부는 상기 학습 엔진 모델을 기계 학습하는 단계;를 더 포함하고,
    상기 기계 학습하는 단계는,
    상기 IMS 센서부가 흡입 물질로부터 일정 시간 단위로 IMS 데이터를 복수회 측정하는 단계;
    측정된 복수의 상기 IMS 데이터를 반응 이온 피크(RIP) 기준으로 정렬하여 2차원 데이터 셋을 수집하는 단계; 및
    2차원 데이터 셋을 2차원 이미지화하여 상기 학습 엔진 모델로 기계 학습을 수행하되, 상기 기계 학습에 따른 출력 유사도를 비교하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하고, 판단 결과를 상기 학습 엔진 모델에 업데이트하는 단계;
    를 포함하는 것을 특징으로 하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 방법.
  10. 제9항에 있어서, 상기 판단하는 단계에서,
    상기 제어부는 상기 시변적 IMS 데이터로부터 상기 피크 레벨의 변화도와 절대 레벨 피크를 확인하여 상기 흡입 물질에 검출 대상의 위험 물질이 포함되어 있는 지의 여부를 판단하는 것을 특징으로 하는 시변적 IMS 데이터 처리를 통한 위험 물질 검출 방법.
  11. 삭제
  12. 삭제
KR1020210130505A 2021-10-01 2021-10-01 시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법 KR102500948B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210130505A KR102500948B1 (ko) 2021-10-01 2021-10-01 시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210130505A KR102500948B1 (ko) 2021-10-01 2021-10-01 시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102500948B1 true KR102500948B1 (ko) 2023-02-20

Family

ID=85329173

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210130505A KR102500948B1 (ko) 2021-10-01 2021-10-01 시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102500948B1 (ko)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004212073A (ja) * 2002-12-27 2004-07-29 Hitachi Ltd 危険物探知装置及び危険物探知方法
JP2004529461A (ja) * 2001-03-05 2004-09-24 ザ・チャールズ・スターク・ドレイパー・ラボラトリー・インコーポレイテッド クロマトグラフ高電界非対称波形イオン移動度分光測定の方法および装置
JP2006228751A (ja) * 2006-05-15 2006-08-31 Hitachi Ltd イオン化質量分析計，分析方法およびそれを用いた計測システム
JP6048590B2 (ja) * 2013-10-21 2016-12-21 株式会社島津製作所 包括的２次元クロマトグラフ用データ処理装置
JP6525864B2 (ja) * 2012-04-10 2019-06-05 ビオスパーク・ベー・フェーＢｉｏｓｐａｒｑ Ｂ．Ｖ． スペクトルデータに基づいたサンプルの分類方法、データベースの作成方法及び該データベースの使用方法、並びに対応するコンピュータプログラム、データ記憶媒体及びシステム
JP6581786B2 (ja) * 2015-03-18 2019-09-25 株式会社日立ハイテクソリューションズ 薬物探知装置
JP6655597B2 (ja) * 2008-06-23 2020-02-26 アトナープ株式会社 化学物質に関連した情報を取り扱うためのシステム
KR102108324B1 (ko) 2012-10-10 2020-05-07 스미스 디텍션-워트포드 리미티드 휴대용 증거 수집 시스템

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004529461A (ja) * 2001-03-05 2004-09-24 ザ・チャールズ・スターク・ドレイパー・ラボラトリー・インコーポレイテッド クロマトグラフ高電界非対称波形イオン移動度分光測定の方法および装置
JP2004212073A (ja) * 2002-12-27 2004-07-29 Hitachi Ltd 危険物探知装置及び危険物探知方法
JP2006228751A (ja) * 2006-05-15 2006-08-31 Hitachi Ltd イオン化質量分析計，分析方法およびそれを用いた計測システム
JP6655597B2 (ja) * 2008-06-23 2020-02-26 アトナープ株式会社 化学物質に関連した情報を取り扱うためのシステム
JP6525864B2 (ja) * 2012-04-10 2019-06-05 ビオスパーク・ベー・フェーＢｉｏｓｐａｒｑ Ｂ．Ｖ． スペクトルデータに基づいたサンプルの分類方法、データベースの作成方法及び該データベースの使用方法、並びに対応するコンピュータプログラム、データ記憶媒体及びシステム
KR102108324B1 (ko) 2012-10-10 2020-05-07 스미스 디텍션-워트포드 리미티드 휴대용 증거 수집 시스템
JP6048590B2 (ja) * 2013-10-21 2016-12-21 株式会社島津製作所 包括的２次元クロマトグラフ用データ処理装置
JP6581786B2 (ja) * 2015-03-18 2019-09-25 株式会社日立ハイテクソリューションズ 薬物探知装置

Similar Documents

Publication Publication Date Title
JP4802104B2 (ja) サンプルの分析を改善するための分散特性、サンプル解離及び／又は圧力制御を用いた移動度ベースの装置及び方法
US8410432B2 (en) Method and apparatus for enhanced ion mobility based sample analysis using various analyzer configurations
EP2386852B1 (en) Identification of unknown components in a sample using a field asymmetric waveform ion mobility spectrometer (FAIMS), which enables simultaneous detection of positive and negative ions
US20050253061A1 (en) Systems and methods for ion species analysis with enhanced condition control and data interpretation
KR100969938B1 (ko) 질량분석장치
US20110057096A1 (en) Method and apparatus to accurately discriminate gas phase ions with several filtering devices in tandem
WO2007056488A1 (en) Method and apparatus for ion mobility based sample analysis
JPWO2011077731A1 (ja) 化学物質を検出する装置
US11282687B2 (en) Chemical analysis device and method
JP4610946B2 (ja) におい特定方法
KR102500948B1 (ko) 시변적 ims 데이터 처리를 통한 위험 물질 검출 장치 및 방법
EP2372357B1 (en) Identification of Substances by Ion Mobility Spectrometry
CN105738463A (zh) 一种快速分析离子迁移谱出峰物质组成的方法
JP2005221276A (ja) クロマトグラフ質量分析用データ処理装置
JP2005083952A (ja) 液体クロマトグラフ質量分析装置
KR101766376B1 (ko) 혼합가스 분류 및 검지가 가능한 가스 센싱 장치 및 방법
JP4811466B2 (ja) 質量分析方法及び質量分析装置
Koyuncu et al. Examination of some organic explosives by ion mobility spectrometry (IMS)
EP3805748A1 (en) Spectral data processing device and analysis device
Cottingham MS on the bioterror front lines
Roehl Microprocessor controlled chemical detection and alarm system based on ion mobility spectrometry
Zalewska Innovative screening device for high-sensitive chemical vapors detection
Condaragiu et al. Preprocessing Methods for GC-IMS Image Analysis
JP2005207884A (ja) 危険物検知システム
Bornstein et al. Autonomous Identification and Quantification of Chemical Species with VCAM for use Onboard the ISS

Legal Events

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