KR102550358B1 - Artificial intelligence Air Purifier and method for controlling the same - Google Patents
Artificial intelligence Air Purifier and method for controlling the same Download PDFInfo
- Publication number
- KR102550358B1 KR102550358B1 KR1020160145235A KR20160145235A KR102550358B1 KR 102550358 B1 KR102550358 B1 KR 102550358B1 KR 1020160145235 A KR1020160145235 A KR 1020160145235A KR 20160145235 A KR20160145235 A KR 20160145235A KR 102550358 B1 KR102550358 B1 KR 102550358B1
- Authority
- KR
- South Korea
- Prior art keywords
- sound
- fan
- air purifier
- microphones
- control
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 50
- 238000013473 artificial intelligence Methods 0.000 title abstract description 4
- 230000005236 sound signal Effects 0.000 claims abstract description 34
- 238000003915 air pollution Methods 0.000 claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims description 36
- 238000010801 machine learning Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 18
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 abstract description 9
- 239000000428 dust Substances 0.000 description 30
- 238000013135 deep learning Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 11
- 238000011109 contamination Methods 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000009423 ventilation Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010411 cooking Methods 0.000 description 3
- 238000003905 indoor air pollution Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 235000019645 odor Nutrition 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000011045 prefiltration Methods 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 208000035985 Body Odor Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010040904 Skin odour abnormal Diseases 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000004332 deodorization Methods 0.000 description 1
- 230000001877 deodorizing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012549 training Methods 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
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
-
- 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
-
- 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
- F24F11/70—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
- F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
- F24F11/77—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity by controlling the speed of ventilators
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F3/00—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems
- F24F3/12—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the treatment of the air otherwise than by heating and cooling
- F24F3/16—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the treatment of the air otherwise than by heating and cooling by purification, e.g. by filtering; by sterilisation; by ozonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
- F24F2120/12—Position of occupants
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/40—Noise
-
- 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)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Acoustics & Sound (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Fluid Mechanics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Air Conditioning Control Device (AREA)
Abstract
본 발명의 일 측면에 따른 인공지능 공기청정기는, 오디오 신호가 수신되는 복수의 마이크(MIC)를 포함하는 오디오 입력부, 복수의 마이크를 통하여 수신된 오디오 신호에 포함되는 음향을 인식하고, 음향 인식 결과에 기초하여 제어 신호를 생성하는 제어부, 및, 제어부의 제어에 따라 팬을 구동하는 팬 구동부를 포함함으로써, 공기 오염을 발생시키는 음향을 인식하고, 효율적으로 공기 청정 기능을 수행할 수 있다.An artificial intelligence air purifier according to an aspect of the present invention recognizes the sound included in the audio signal received through an audio input unit including a plurality of microphones (MIC) for receiving audio signals, and a plurality of microphones, and the sound recognition result By including a control unit generating a control signal based on the control signal and a fan driving unit driving the fan according to the control of the control unit, it is possible to recognize sound that causes air pollution and efficiently perform an air cleaning function.
Description
본 발명은 공기청정기에 관한 것으로, 보다 상세하게는 공기 오염을 유발시킬 수 있는 음향 인지를 통하여 공기청정 성능 향상할 수 있는 공기청정기 및 그 제어방법에 관한 것이다.The present invention relates to an air purifier, and more particularly, to an air purifier capable of improving air purifying performance through acoustic recognition that can cause air pollution, and a control method thereof.
공기청정기는 오염된 공기를 정화하여 신선한 공기로 바꾸는 장치를 일컫는 것으로, 오염된 공기를 팬으로 흡입하여 필터에 의해 미세한 먼지나 세균류를 집진(集塵)하고 체취나 담배 냄새 등의 악취를 탈취한다.An air purifier refers to a device that purifies polluted air and turns it into fresh air. It sucks polluted air with a fan, collects fine dust and germs through a filter, and removes odors such as body odor and cigarette smell. .
이러한 공기청정기는 에너지 소모를 최소화하면서도, 공기 내 오염물질을 효과적으로 제거하는 것이 요구된다. Such an air purifier is required to effectively remove contaminants in the air while minimizing energy consumption.
종래 기술 1(공개특허공보 10-2005-0080285호)은 환기 시스템을 이용한 실내 공기 특성 제어 장치 및 방법에 관한 발명으로, 환기 시스템 및 공기청정기를 하나의 시스템으로 구성하고 서로 연동 운전시켜 환기 및 공기 청정을 통한 실내 공기 특성을 향상시킬 수 있는 제어 장치 및 방법에 대해서 개시하고 있다.Prior Art 1 (Patent Publication No. 10-2005-0080285) relates to an apparatus and method for controlling indoor air characteristics using a ventilation system. A ventilation system and an air purifier are configured as one system and operated in conjunction with each other to provide ventilation and air quality. Disclosed is a control device and method capable of improving indoor air characteristics through purification.
종래 기술 1은, 이산화탄소 농도 측정하여 그에 따라 환기시스템의 구동 여부를 결정하여 공기를 내부로 유입시킨다. 또한, 환기시스템과는 별도로 먼지/가스 센서를 통하여 실내공기 오염도를 측정하여 측정된 오염도에 따라 공기청정기를 운전한다.The
하지만, 종래 기술 1은, 각각의 시스템 운영만으로는 공기 특성을 향상시키는데 한계가 있기 때문에 두 시스템을 같이 사용하여 공기 특성 향상 해결하고 있어 에너지 소모가 크다는 문제점이 있었다.However,
또한, 일반 가정에서는 종래 기술 1에 따른 환기시스템을 공기청정기와 함께 구비하는데 현실적인 어려움이 있었다.In addition, there was a practical difficulty in providing the ventilation system according to the
종래 기술 2(공개특허공보 10-2005-0088542호)는 사용자의 설정에 따라 토출구의 개폐가 자동으로 조절되는 공기청정기에 관한 발명으로, '강풍모드', '중풍모드' 그리고 '약풍모드'의 세 종류 중 어느 하나를 사용자가 설정하면, 그에 따라 토출구의 개폐를 조절한다.Prior Art 2 (Patent Publication No. 10-2005-0088542) is an invention related to an air purifier in which opening and closing of an outlet are automatically controlled according to a user's setting, and includes 'strong wind mode', 'medium wind mode' and 'weak wind mode'. If one of the three types is set by the user, the opening and closing of the outlet is adjusted accordingly.
하지만, 종래 기술 2는 사용자가 매번 상황에 맞게 설정을 입력해야 하는 불편함이 있었다.However, prior art 2 had the inconvenience that the user had to input the setting to suit the situation every time.
따라서, 자동으로 공기 청정 기능을 빠르고 효율적으로 수행할 수 있는 방법에 대한 다양한 연구가 진행되고 있다.Therefore, various studies on methods for automatically performing the air cleaning function quickly and efficiently are being conducted.
한편, 최근에는 인공지능과 딥러닝 등 머신 러닝에 관한 관심이 크게 증가하고 있다.On the other hand, interest in machine learning, such as artificial intelligence and deep learning, has recently increased significantly.
종래의 머신 러닝은 통계학 기반의 분류, 회귀, 군집 모델이 중심이었다. 특히, 분류, 회귀 모델의 지도 학습에서는 학습 데이터의 특성과 이러한 특성을 기반으로 새로운 데이터를 구별하는 학습 모델을 사람이 사전에 정의했다. 이와 달리, 딥러닝은 컴퓨터가 스스로 특성을 찾아내고 판별하는 것이다.Conventional machine learning has focused on classification, regression, and cluster models based on statistics. In particular, in the supervised learning of classification and regression models, humans pre-defined the characteristics of learning data and the learning model that distinguishes new data based on these characteristics. In contrast, in deep learning, computers find and discriminate characteristics on their own.
딥러닝의 발전을 가속화한 요인 중 하나로 오픈소스로 제공되는 딥러닝 프레임워크를 들 수 있다. 예를 들어, 딥러닝 프레임워크로는 캐나다 몬트리올 대학교의 시아노(Theano), 미국 뉴욕 대학교의 토치(Torch), 캘리포니아 버클리 대학교의 카페(Caffe), 구글의 텐서플로우(TensorFlow) 등이 있다.One of the factors that has accelerated the development of deep learning is open source deep learning frameworks. For example, deep learning frameworks include Theano from the University of Montreal, Canada, Torch from New York University, Caffe from the University of California, Berkeley, and TensorFlow from Google.
딥러닝 프레임워크들의 공개에 따라, 효과적인 학습 및 인식을 위해, 딥러닝 알고리즘 외에 학습 과정, 학습 방법, 학습에 사용하는 데이터의 추출 및 선정이 더욱 중요해지고 있다.With the release of deep learning frameworks, in addition to deep learning algorithms, the learning process, learning method, and extraction and selection of data used for learning are becoming more important for effective learning and recognition.
또한, 인공지능과 머신 러닝을 다양한 제품, 서비스에 이용하기 위한 연구가 증가하고 있다.In addition, research to use artificial intelligence and machine learning for various products and services is increasing.
본 발명의 목적은, 음향 분석을 통해, 최적화된 팬 제어를 수행함으로써, 빠르고 효율적으로 공기 특성을 향상시킬 수 있는 공기청정기 및 그 제어방법을 제공함에 있다.An object of the present invention is to provide an air purifier capable of improving air characteristics quickly and efficiently by performing optimized fan control through acoustic analysis and a control method thereof.
본 발명의 목적은, 음향 분석을 통해, 공기 중 먼지발생 정도에 따른 오염도를 추정하고 이를 공기청정기 제어에 활용할 수 있어, 신뢰성 높은 공기청정기 및 그 제어방법을 제공함에 있다.An object of the present invention is to provide a highly reliable air purifier and a control method thereof by estimating the degree of contamination according to the degree of dust generation in the air through acoustic analysis and utilizing it for controlling the air purifier.
본 발명의 목적은, 머신 러닝에 기반하여 공기 오염을 발생시키는 음향을 인식하고, 효율적으로 공기 청정 기능을 수행할 수 있는 공기청정기 및 그 제어방법을 제공함에 있다.An object of the present invention is to provide an air purifier capable of recognizing sounds that cause air pollution based on machine learning and efficiently performing an air cleaning function, and a control method thereof.
본 발명의 목적은, 효율적으로 머신 러닝을 수행할 수 있고, 음향 인식에 사용할 수 있는 데이터를 추출하는 공기청정기 및 그 제어방법을 제공함에 있다.An object of the present invention is to provide an air purifier capable of efficiently performing machine learning and extracting data usable for sound recognition and a control method thereof.
상기 또는 다른 목적을 달성하기 위해 본 발명의 일 측면에 따른 공기청정기는, 오디오 신호가 수신되는 복수의 마이크(MIC)를 포함하는 오디오 입력부, 복수의 마이크를 통하여 수신된 오디오 신호에 포함되는 음향을 인식하고, 음향 인식 결과에 기초하여 제어 신호를 생성하는 제어부, 및, 제어부의 제어에 따라 팬을 구동하는 팬 구동부를 포함함으로써, 공기 오염을 발생시키는 음향을 인식하고, 효율적으로 공기 청정 기능을 수행할 수 있다.In order to achieve the above or other object, the air purifier according to one aspect of the present invention is an audio input unit including a plurality of microphones (MIC) for receiving audio signals, and the sound included in the audio signal received through the plurality of microphones. A control unit for recognizing and generating a control signal based on a sound recognition result, and a fan driving unit for driving a fan under the control of the control unit, thereby recognizing sound that causes air pollution and efficiently performing an air cleaning function. can do.
상기 또는 다른 목적을 달성하기 위해 본 발명의 일 측면에 따른 공기청정기의 제어방법은, 복수의 마이크(MIC)를 통하여, 오디오 신호가 수신되는 단계, 복수의 마이크를 통하여 수신된 오디오 신호에 포함되는 음향을 검출하는 단계, 검출된 음향의 종류를 머신 러닝(machine learning)으로 기학습된 데이터에 기초하여 인식하는 단계, 및, 인식된 음향의 종류에 기초하여 팬을 구동하는 단계를 포함할 수 있다.In order to achieve the above or other object, a control method of an air purifier according to an aspect of the present invention includes receiving an audio signal through a plurality of microphones (MIC), included in the audio signal received through a plurality of microphones It may include detecting sound, recognizing the type of detected sound based on pre-learned data through machine learning, and driving a fan based on the type of recognized sound. .
본 발명의 실시 예들 중 적어도 하나에 의하면, 음향 분석을 통해, 최적화된 팬 제어를 수행함으로써, 빠르고 효율적으로 공기 특성을 향상시킬 수 있다.According to at least one of the embodiments of the present invention, air characteristics can be improved quickly and efficiently by performing optimized fan control through acoustic analysis.
본 발명의 실시 예들 중 적어도 하나에 의하면, 음향 분석을 통해, 공기 중 먼지발생 정도에 따른 오염도를 추정하고, 이를 공기청정기 제어에 활용할 수 있어, 신뢰성 높은 공기청정기 및 그 제어방법을 제공할 수 있다.According to at least one of the embodiments of the present invention, it is possible to estimate the degree of contamination according to the degree of dust generation in the air through acoustic analysis, and use it to control the air purifier, thereby providing a highly reliable air purifier and its control method. .
또한, 본 발명의 실시 예들 중 적어도 하나에 의하면, 머신 러닝에 기반하여 공기 오염을 발생시키는 음향을 인식하고, 인식된 음향의 종류에 따라 효율적으로 공기 청정 기능을 수행할 수 있다.In addition, according to at least one of the embodiments of the present invention, it is possible to recognize sounds that cause air pollution based on machine learning and efficiently perform an air cleaning function according to the type of the recognized sound.
또한, 본 발명의 실시 예들 중 적어도 하나에 의하면, 효율적으로 머신 러닝을 수행할 수 있고, 음향 인식에 사용할 수 있는 데이터를 추출할 수 있다.In addition, according to at least one of the embodiments of the present invention, machine learning can be efficiently performed and data usable for sound recognition can be extracted.
한편, 그 외의 다양한 효과는 후술될 본 발명의 실시 예에 따른 상세한 설명에서 직접적 또는 암시적으로 개시될 것이다.Meanwhile, other various effects will be disclosed directly or implicitly in detailed descriptions according to embodiments of the present invention to be described later.
도 1은 본 발명의 일 실시 예에 따른 공기청정기의 내부 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 공기청정기 및 제어방법에 대한 개념도이다.
도 3과 도 4는 딥러닝(Deep Learning)에 대한 설명에 참조되는 도면이다.
도 5는 본 발명의 일 실시 예에 따른 서버의 간략한 내부 블록도이다.
도 6은 본 발명의 일 실시 예에 따른 공기청정기와 서버의 제어방법에 관한 설명에 참조되는 도면이다.
도 7은 본 발명의 일 실시 예에 따른 공기청정기의 제어방법을 도시한 순서도이다.
도 8은 본 발명의 일 실시 예에 따른 음원 방향 추정에 관한 설명에 참조되는 도면이다.
도 9는 본 발명의 일 실시 예에 따른 음향 인식에 관한 설명에 참조되는 도면이다.
도 10은 본 발명의 실시 예에 따른 공기청정기의 제어방법에 관한 설명에 참조되는 도면이다.
도 11 내지 도 16은 본 발명의 실시 예에 따른 음향 인식 및 제어 신호 생성에 관한 설명에 참조되는 도면이다.
도 17은 본 발명의 일 실시 예에 따른 공기청정기와 홈 어플라이언스의 연계 동작에 관한 설명에 참조되는 도면이다.1 is an internal block diagram of an air purifier according to an embodiment of the present invention.
2 is a conceptual diagram of an air purifier and a control method according to an embodiment of the present invention.
3 and 4 are diagrams referenced for description of deep learning.
5 is a simplified internal block diagram of a server according to an embodiment of the present invention.
6 is a view referenced for description of a control method of an air purifier and a server according to an embodiment of the present invention.
7 is a flowchart illustrating a control method of an air purifier according to an embodiment of the present invention.
8 is a diagram referenced for description of sound source direction estimation according to an embodiment of the present invention.
9 is a diagram referenced for description of sound recognition according to an embodiment of the present invention.
10 is a view referenced for description of a control method of an air purifier according to an embodiment of the present invention.
11 to 16 are diagrams referenced for descriptions of sound recognition and control signal generation according to an embodiment of the present invention.
17 is a diagram referenced for description of a linked operation between an air purifier and a home appliance according to an embodiment of the present invention.
이하에서는 첨부한 도면을 참조하여 본 발명의 실시 예를 상세하게 설명한다. 그러나 본 발명이 이러한 실시 예에 한정되는 것은 아니며 다양한 형태로 변형될 수 있음은 물론이다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. However, it goes without saying that the present invention is not limited to these embodiments and can be modified in various forms.
도면에서는 본 발명을 명확하고 간략하게 설명하기 위하여 설명과 관계 없는 부분의 도시를 생략하였으며, 명세서 전체를 통하여 동일 또는 극히 유사한 부분에 대해서는 동일한 도면 참조부호를 사용한다. In the drawings, in order to clearly and briefly describe the present invention, the illustration of parts not related to the description is omitted, and the same reference numerals are used for the same or extremely similar parts throughout the specification.
한편, 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 단순히 본 명세서 작성의 용이함만이 고려되어 부여되는 것으로서, 그 자체로 특별히 중요한 의미 또는 역할을 부여하는 것은 아니다. 따라서, 상기 "모듈" 및 "부"는 서로 혼용되어 사용될 수도 있다.On the other hand, the suffixes "module" and "unit" for components used in the following description are simply given in consideration of the ease of preparation of this specification, and do not themselves give a particularly important meaning or role. Accordingly, the “module” and “unit” may be used interchangeably.
한편, 본 명세서에서 공기청정기는 개별 공기청정기 뿐만 아니라, 공기청정 기능을 수행하는 모듈을 포함하는 공기조화기 또는 공기조화시스템을 의미할 수 있다.Meanwhile, in the present specification, an air purifier may mean an air conditioner or an air conditioning system including a module performing an air cleaning function, as well as an individual air purifier.
도 1은 본 발명의 일 실시 예에 따른 공기청정기의 내부 블록도이고, 도 2는 본 발명의 일 실시 예에 따른 공기청정기 및 제어방법에 대한 개념도이다.1 is an internal block diagram of an air purifier according to an embodiment of the present invention, and FIG. 2 is a conceptual diagram of an air purifier and a control method according to an embodiment of the present invention.
도 1과 도 2를 참조하면, 본 발명의 일 실시 예에 따른 공기청정기(100)는, 오디오 신호가 수신되는 복수의 마이크(MIC, 121, 122)를 포함하는 오디오 입력부(120)를 포함할 수 있다.1 and 2, the
또한, 본 발명의 일 실시 예에 따른 공기청정기(100)는, 상기 복수의 마이크(121, 122)를 통하여 수신된 오디오 신호에 포함되는 음향을 인식하고, 상기 음향 인식 결과에 기초하여 제어 신호를 생성하는 제어부(140)와 상기 제어부(140)의 제어에 따라 팬(Fan, 미도시)을 구동하는 팬 구동부(180)를 포함할 수 있다.In addition, the
공기청정기(100) 내부에는 흡입구로 흡입된 실내의 공기가 필터(filter)를 거치면서 정화된 후 토출구를 통해 실내 공간으로 배출되는 흐름을 제어하기 위한 팬이 설치되어 있는데, 상기 팬은 팬 구동부(180)에 의해 회전이 조절되고, 상기 팬 구동부(180)의 작동은 제어부(140)에 의해 제어된다.Inside the
본 발명은 기존 공기청정기에 탑재된 센서(먼지/가스) 외에 마이크(121, 122)로 입력되는 음향 분석을 통해 공기 중 먼지발생 정도에 따른 오염도를 추정하고 이를 공기청정기 제어에 활용할 수 있다.In addition to the sensor (dust/gas) mounted in the existing air purifier, the present invention can estimate the degree of contamination according to the degree of dust generation in the air through acoustic analysis input through the
많은 경우에 사람, 동물, 물건이 움직이거나 특정 동작을 수행하면 소리가 발생한다. 또한, 특정 움직임, 동작은 먼지 발생 등 공기 오염 증가의 원인이 될 수 있다. 따라서, 먼지를 발생시키는 사람, 동물, 물건에 의한 음향에 따라 해당 음향에 대응하는 동작 및 공기 오염도를 추정할 수 있다. In many cases, sound is produced when a person, animal or object moves or performs a specific action. In addition, certain movements and actions may cause an increase in air pollution such as dust generation. Accordingly, it is possible to estimate an operation corresponding to the sound and an air pollution degree according to the sound of a person, animal, or object generating dust.
사람 및 물건의 움직임이 있을 때 공기 중의 먼지가 많아지고 오염도가 증가한다. 따라서, 본 발명은 사람 및 물건의 움직임 음향을 인지하여 공기 중 오염도 및 오염발생 가능성을 추정하고 이를 공기 특성 향상을 위한 제어에 활용할 수 있다.When there are movements of people and objects, dust in the air increases and the degree of pollution increases. Therefore, the present invention can recognize motion sounds of people and objects to estimate the degree of contamination and the possibility of contamination in the air, and use them for control to improve air characteristics.
예를 들어, 공기청정기(100)는 사람의 말소리(10), 발자국 소리(20), 의자 소리(30) 등 다양한 음향의 종류를 판별하고, 판별된 음향 종류에 따라 팬의 제어를 달리할 수 있다.For example, the
한편, 제어부(140)는 공기청정기(100)의 전반적인 동작을 제어할 수 있고, 외부 공기의 흡입, 정화된 공기의 토출 등 일련의 공기 청정 과정을 제어할 수 있다. Meanwhile, the
상기 제어부(140)는 미리 설정되어 있는 알고리즘에 따라, 공기 청정 과정을 진행할 수 있고, 상기 팬 구동부(180)는 상기 제어부(140)의 제어에 따라, 흡입구 및/또는 토출구의 팬을 구동시킬 수 있다. The
상기 팬 구동부(180)가 모터를 회전시켜 팬을 구동하면, 외부의 공기가 흡입구를 통하여 공기청정기(100) 내부로 흡입될 수 있다.When the
흡입된 공기는 필터부를 거치면서 정화된 후 외부로 토출될 수 있다.Inhaled air may be discharged to the outside after being purified while passing through the filter unit.
예를 들어, 상기 필터부는, 공기중의 이물질을 거르는 프리필터, 공기중의 오염물질을 집진하는 헤파필터, 공기중의 악취를 탈취하는 탈취필터 등을 포함할 수 있다.For example, the filter unit may include a pre-filter that filters foreign substances in the air, a HEPA filter that collects pollutants in the air, and a deodorization filter that deodorizes odors in the air.
프리필터는 그릴이 형성되어 상기 흡입구를 통하여 흡입되는 공기의 이물질을 1차적으로 거른다. The pre-filter is formed with a grill and primarily filters foreign substances in the air sucked through the intake port.
헤파필터는 상기 흡입구를 통하여 흡입되는 공기의 오염물질을 집진하고, 탈취필터는 상기 흡입구를 통하여 흡입되는 공기 중의 악취를 탈취할 수 있다.The HEPA filter may collect pollutants from the air sucked in through the inlet, and the deodorizing filter may deodorize the air inhaled through the inlet.
한편, 흡입구, 토출구의 형상, 위치 및 개수는 설계에 따라 다양하게 조합될 수 있다. 또한, 흡입구, 토출구의 형상, 위치 및 개수에 따라, 공기청정기(100)가 구비하는 팬의 형상, 위치 및 개수도 달라질 수 있다. Meanwhile, the shape, location, and number of the suction port and the discharge port may be variously combined according to design. In addition, the shape, location, and number of fans included in the
예를 들어, 공기청정기(100)는, 흡입구와 토출구에 대응하여 각각의 팬을 구비할 수 있다. 또는, 공기청정기(100)는 흡입을 위한 팬, 토출을 위한 팬 외에 추가로 내부 공기 유동을 위한 송풍팬을 포함할 수도 있다.For example, the
또는, 공기청정기(100)는, 하나의 팬을 구비하면서, 복수의 흡입구 및/또는 복수의 토출구를 구비할 수 있다. Alternatively, the
한편, 실시예에 따라서는, 공기청정기(100)는, 흡입 방향 및/또는 각도를 조절하기 위한 수단을 구비할 수 있다. 예를 들어, 공기청정기(100)는 적어도 흡입구를 회전시키거나 흡입구의 일부를 개폐시키는 수단 등을 구비할 수 있다. 또는, 공기청정기(100)가 복수의 흡입구를 구비하는 경우, 상기 복수의 흡입구 중 적어도 일부를 개폐시키는 수단 등을 구비할 수 있다.Meanwhile, depending on the embodiment, the
오디오 입력부(120)는 적어도 2 이상의 마이크(121, 122)를 구비하고, 외부에서 발생하는 소리에 대응하는 오디오 신호를 획득할 수 있다.The
복수의 마이크(121, 122)는, 서로 다른 위치에 이격되어 배치될 수 있고, 외부의 오디오 신호를 획득하여 전기적인 신호로 처리할 수 있다. The plurality of
한편, 입력 장치인 마이크(121, 122)는 음향을 발생시킨 음원의 방향 추정을 위하여 최소 2개가 필요하며, 마이크(121, 122) 사이의 간격은 물리적으로 멀리 떨어져 있을수록 방향 검출의 해상도(각도)가 높다.On the other hand, at least two
한편, 도 1에서는 오디오 입력부(120)가 제1 마이크(121)와 제2 마이크(122)의 2개의 마이크를 구비하는 예를 도시하였으나, 본 발명은 이에 한정되지 않는다. 예를 들어, 오디오 입력부(120)는 음원 방향 검출의 성능을 높이기 위하여 2개보다 많은 마이크들을 구비할 수 있다.Meanwhile, although FIG. 1 shows an example in which the
한편, 오디오 입력부(120)는 외부의 오디오 신호를 입력받는 과정에서 발생하는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 사용될 수 있다.Meanwhile, the
또한, 오디오 입력부(120)는 각 마이크(121, 122)에서 수신되는 오디오 신호에서 노이즈를 제거하는 필터, 필터에서 출력되는 신호를 증폭하여 출력하는 증폭기 등 오디오 신호 처리를 위한 구성들을 포함할 수 있다.In addition, the
한편, 제어부(140)는 상기 마이크(121, 122)에서 획득한 오디오 신호에 포함되는 음향을 인식하고, 상기 음향 인식 결과에 기초하여 제어 신호를 생성할 수 있다.Meanwhile, the
본 발명에 따르면, 사람 및 물건이 움직이거나 작동하면서 발생되는 음향을 정의하고, 이를 이용하여 실내 공기 오염도를 추정하는 방법으로 제어 신호를 생성할 수 있다.According to the present invention, it is possible to generate a control signal by defining a sound generated while a person or object moves or operates, and estimating an indoor air pollution level using the sound.
제어부(140)는, 상기 음향 인식 결과에 포함되는 음향의 종류 정보에 기초하여 상기 팬의 구동 레벨(level)을 판별할 수 있다. 제어부(140)는, 판별됨 음향의 종류가 먼지 발생을 많이 일으키는 음향인 경우, 더 높은 레벨로 팬이 구동되도록 제어할 수 있다.The
한편, 상기 팬의 구동 레벨은 팬의 구동 속도에 대응하며 높은 값일수록 더 빨리 팬이 회전하도록 설정할 수 있다.Meanwhile, the driving level of the fan corresponds to the driving speed of the fan, and the higher the value, the faster the fan may be set to rotate.
제어부(140)는 상기 마이크(121, 122)로부터 취득한 음향을 이용하여 공기 오염도를 증가시키는 음향을 인지하고 해당 음향의 방향 정보를 추출할 수 있다. 즉, 제어부(140)는, 먼지 발생 가능성이 있는 음향의 종류와 음향을 발생시킨 음원의 방향을 인지하여 제어신호를 생성할 수 있다.The
팬 구동부(180)는 공기 특성 향상을 위해 생성된 제어신호를 기반으로 흡입구의 팬 속도 및 방향을 제어할 수 있다. The
제어부(140)는 일정시간 동안 인지된 음향의 지속시간, 반복횟수, 크기 등의 패턴 분석을 기반으로 흡입/토출 팬(Fan) 속도를 제어하여 공기 특성을 변화시킬 수 있다.The
또한, 소리의 경우 방향 정보까지 추출 가능하므로, 특정 흡입/토출구를 상황에 맞게 따로 제어하여 효율적인 공기 특성 향상이 가능하다.In addition, since direction information can be extracted in the case of sound, it is possible to efficiently improve air characteristics by separately controlling specific suction/discharge ports according to circumstances.
제어부(140)는, 상기 복수의 마이크(121, 122)를 통하여 수신된 오디오 신호의 시간차를 연산하고, 상기 연산된 시간차에 기초하여 상기 음향에 대응하는 음원의 방향을 추정할 수 있다.The
제어부(140)는 방향정보를 이용하여 흡입/토출구의 방향별 각도 제어를 수행할 수 있다. 팬 구동부(180)에서는 제어부(140)에서 생성된 신호를 기반으로 흡입/토출구의 팬 속도 및 방향을 조절할 수 있다.The
상기 제어부(140)는, 상기 음향 인식 결과에 포함되는 음원의 방향 정보에 기초하여, 팬의 구동 각도를 결정하거나 또는 복수의 팬 중 구동될 팬을 결정할 수 있다.The
또한, 단기적 음향 분석뿐만 아니라 장기적인 음향 상황을 분석하여 현재의 제어 상태를 지속할지 여부에 활용할 수 있다.In addition, a short-term acoustic analysis as well as a long-term acoustic situation can be analyzed to determine whether or not to continue the current control state.
제어부(140)는, 일정 시간 내에 인지되는 음향의 종류, 발생 빈도, 지속시간, 크기에 기초하여, 현재 팬의 제어 상태의 변경 여부를 판별할 수 있다. 즉, 상기 제어부(140)는, 소정시간 동안 인지된 음향들을 이용하여 오염도 지속 시간을 추정하고, 이를 이용하여 현재 제어 상태를 변경/지속할지에 대한 판단에 이용할 수 있다.The
본 발명은 음향을 이용하여 상황을 인지를 하고 인지된 정보를 효율적 가전 제어에 적용한 것이다. 상세하게는 마이크(121, 122)를 통해 입력되는 사용자의 행동 및 물건의 움직임에 관한 음향을 인식하고, 공기 오염도 및, 해당 음원의 방향을 추정하여, 이들을 기반으로 상황에 맞게 공기청정기(100)를 제어함으로써 품질향상 및 사용자의 편의성을 제공할 수 있다. The present invention uses sound to recognize a situation and apply the recognized information to efficient home appliance control. In detail, the
또한, 본 발명은 발생된 음향의 방향성을 이용한 제어로 지능적 및 효율적인 공기 특성 향상이 가능하며 에너지 절감이 가능하다.In addition, according to the present invention, air characteristics can be intelligently and efficiently improved and energy can be saved through control using the directionality of the generated sound.
또한, 본 발명에 따르면, 사용자의 직접적인 명령 없이 공기청정기(100) 스스로가 제어를 함으로써 지능화 및 편의성 증대가 가능하다.In addition, according to the present invention, it is possible to increase intelligence and convenience by controlling the
한편, 공기청정기(100)는 메모리(145), 센싱부(150) 등을 포함할 수 있다.Meanwhile, the
상기 메모리(145)에는 공기청정기(100)의 동작제어를 위한 데이터, 동작 중 센싱부(150)를 통해 감지 또는 측정되는 데이터와, 통신부(170)를 통해 수신되는 데이터가 저장될 수 있다. The
한편, 공기청정기(100)는 데이터를 임시 저장하는 버퍼를 포함할 수 있고, 상기 버퍼는 제어부(140) 또는 메모리(145)에 포함될 수 있다. Meanwhile, the
제어부(140)는 통신부(170)를 통해 수신된 각종 데이터를 처리하여 메모리 (145)를 갱신할 수 있다. 예를 들어, 통신부(170)를 통해 입력된 데이터가 메모리(145)에 기저장된 운전 프로그램에 대한 업데이트 데이터인 경우에는 이를 이용하여 메모리(145)에 업데이트시키고, 입력된 데이터가 신규한 운전 프로그램인 경우에는 메모리(145)에 이를 추가로 저장시킬 수 있다. The
센싱부(150)는 하나 이상의 센서를 포함하여, 공기의 오염도를 측정하거나 공기청정기(100)의 동작 상태를 센싱할 수 있다.The
제어부(140)는 공기청정기(100)로 입력되거나 출력되는 데이터의 흐름을 제어하고, 센싱부(150)로부터 입력된 데이터에 기초하여 제어명령을 생성하여 인가할 수 있다.The
한편, 본 발명은 다양한 음향 중 먼지를 발생하거나 공기 오염도를 증가시킬 수 있는 음향을 정의하고, 딥러닝(Deep Learning) 등 머신 러닝(machine learning) 방법을 통해 학습하여, 마이크(121, 112)를 통해 들어오는 음향으로부터 특징을 추출한 후 음향을 인지할 수 있다.On the other hand, the present invention defines the sound that can generate dust or increase the air pollution among various sounds, learns through a machine learning method such as deep learning, and uses the
한편, 상기 제어부(140)는, 상기 복수의 마이크(121, 122)를 통하여 수신된 오디오 신호에 포함되는 음향에 대응하는 음원의 방향을 판별하는 음원 방향 추정 모듈(141), 상기 복수의 마이크(121, 122)를 통하여 수신된 오디오 신호에 포함되는 음향의 종류를 머신 러닝(machine learning)으로 기학습된 데이터에 기초하여 인식하는 음향 인식 모듈(142), 및, 상기 음원 방향 추정 모듈(141)에서 판별된 음원의 방향과 상기 음향 인식 모듈(142)에서 인식된 음향의 종류에 기초하여 제어 신호를 생성하는 신호 생성 모듈(143)을 포함할 수 있다.Meanwhile, the
또한, 상기 음향 인식 모듈(142)에는, 상기 머신 러닝(machine learning)으로 기학습된 인공신경망(Artificial Neural Network)이 탑재될 수 있다.In addition, the
본 발명의 일 실시 예에 따른 공기청정기(100)는, 머신 러닝(machine learning) 기반의 음향 인식을 수행할 수 있다. 여기서, 상기 제어부(140)는, 복수의 마이크(121, 122)를 통하여 수신된 오디오 신호 및/또는 오디오 신호에서 추출된 신호를 머신 러닝(machine learning)으로 기학습된 인공신경망(Artificial Neural Network)의 입력 데이터로 사용하여 음향을 인식할 수 있다.The
도 3과 도 4는 딥러닝(Deep Learning)에 대한 설명에 참조되는 도면이다. 3 and 4 are diagrams referenced for description of deep learning.
머신 러닝(Machine Learning)의 일종인 딥러닝(Deep Learning) 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습하는 것이다.Deep learning technology, a type of machine learning, learns by going down to a multi-level deep level based on data.
딥러닝(Deep learning)은 단계를 높여갈수록 복수의 데이터들로부터 핵심적인 데이터를 추출하는 머신 러닝(Machine Learning) 알고리즘의 집합을 나타낼 수 있다. Deep learning may represent a set of machine learning algorithms that extract core data from a plurality of data as the level increases.
딥러닝 구조는 인공신경망(ANN)를 포함할 수 있으며, 예를 들어 딥러닝 구조는 CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), DBN(Deep Belief Network) 등 심층신경망(DNN)으로 구성될 수 있다The deep learning structure may include an artificial neural network (ANN). For example, the deep learning structure is composed of a deep neural network (DNN) such as a convolutional neural network (CNN), a recurrent neural network (RNN), and a deep belief network (DBN). can be
도 3을 참조하면, 인공신경망(ANN)은 입력 레이어(Input Layer), 히든 레이어(Hiddent Layer), 및 출력 레이어(Output Layer)를 포함할 수 있다. 각 레이어는 복수의 노드들을 포함하고, 각 레이어는 다음 레이어와 연결된다. 인접한 레이어 사이의 노드들은 웨이트(weight)를 가지고 서로 연결될 수 있다. Referring to FIG. 3 , an artificial neural network (ANN) may include an input layer, a hidden layer, and an output layer. Each layer includes a plurality of nodes, and each layer is connected to the next layer. Nodes between adjacent layers may be connected to each other with a weight.
도 4를 참조하면, 컴퓨터(머신)는 투입된 입력 데이터(410)로부터 일정한 패턴을 발견해 특징맵(Feature Map)을 형성한다. 컴퓨터(머신)는 하위레벨 특징(420)부터, 중간레벨 특징(430), 상위레벨 특징(440)까지 추출하여, 대상을 인식하고 그 결과를 출력(450)할 수 있다. Referring to FIG. 4 , a computer (machine) discovers a certain pattern from
인공신경망은 다음 순서의 레이어로 갈수록 더욱 상위레벨의 특징으로 추상화할 수 있다. Artificial neural networks can be abstracted into higher-level features as they go to the next layer.
도 3과 도 4를 참조하면, 각 노드들은 활성화 모델에 기초하여 동작할 수 있고, 활성화 모델에 따라 입력값에 대응하는 출력값이 결정될 수 있다. Referring to FIGS. 3 and 4 , each node may operate based on an activation model, and an output value corresponding to an input value may be determined according to the activation model.
임의의 노드, 예를 들어, 하위레벨 특징(420)의 출력값은 해당 노드와 연결된 다음 레이어, 예를 들어, 중간레벨 특징(430)의 노드로 입력될 수 있다. 다음 레이어의 노드, 예를 들어, 중간레벨 특징(430)의 노드는 하위레벨 특징(420)의 복수의 노드로부터 출력되는 값들을 입력받을 수 있다. An output value of an arbitrary node, eg, a low-
이때, 각 노드의 입력값은 이전 레이어의 노드의 출력값에 웨이트(weight)가 적용된 값일 수 있다. 웨이트(weight)는 노드간의 연결 강도를 의미할 수 있다.In this case, the input value of each node may be a value to which a weight is applied to an output value of a node of a previous layer. A weight may mean connection strength between nodes.
또한, 딥러닝 과정은 적절한 웨이트(weight)를 찾아내는 과정으로도 볼 수 있다.Also, the deep learning process can be seen as a process of finding an appropriate weight.
한편, 임의의 노드, 예를 들어, 중간레벨 특징(430)의 출력값은 해당 노드와 연결된 다음 레이어, 예를 들어, 상위레벨 특징(440)의 노드로 입력될 수 있다. 다음 레이어의 노드, 예를 들어, 상위레벨 특징(440)의 노드는 중간레벨 특징(430)의 복수의 노드로부터 출력되는 값들을 입력받을 수 있다. Meanwhile, an output value of an arbitrary node, for example, the
인공신경망은 각 레벨에 대응하는 학습된 레이어(layer)를 이용하여, 각 레벨에 대응하는 특징 정보를 추출할 수 있다. 인공신경망은 순차적으로 추상화하여, 가장 상위 레벨의 특징 정보를 활용하여 소정 대상을 인식할 수 있다. The artificial neural network may extract feature information corresponding to each level by using a learned layer corresponding to each level. The artificial neural network can recognize a predetermined object by sequentially abstracting and utilizing feature information of the highest level.
예를 들어, 딥러닝에 의한 얼굴인식 과정을 살펴보면, 컴퓨터는 입력 영상으로부터, 픽셀의 밝기에 따라 밝은 픽셀과 어두운 픽셀을 구분하고, 테두리, 에지 등 단순한 형태를 구분한 후, 조금 더 복잡한 형태와 사물을 구분할 수 있다. 최종적으로 컴퓨터는 인간의 얼굴을 규정하는 형태를 파악할 수 있다.For example, looking at the face recognition process by deep learning, the computer distinguishes bright pixels from dark pixels according to the brightness of the pixels from the input image, and after distinguishing simple shapes such as borders and edges, a little more complex shapes and can differentiate things. Finally, the computer can figure out the shape that defines the human face.
본 발명에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 본 발명에 따른 딥러닝 구조는 CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), DBN(Deep Belief Network) 등일 수 있다.The deep learning structure according to the present invention may use various known structures. For example, the deep learning structure according to the present invention may be a convolutional neural network (CNN), a recurrent neural network (RNN), a deep belief network (DBN), and the like.
RNN(Recurrent Neural Network)은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(Time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다.RNN (Recurrent Neural Network) is widely used in natural language processing, etc., and is an effective structure for processing time-series data that changes over time. .
DBN(Deep Belief Network)은 딥러닝 기법인 RBM(Restricted Boltzman Machine)을 다층으로 쌓아 구성되는 딥러닝 구조이다. RBM(Restricted Boltzman Machine) 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN(Deep Belief Network)를 구성할 수 있다. DBN (Deep Belief Network) is a deep learning structure composed of multiple layers of RBM (Restricted Boltzman Machine), a deep learning technique. By repeating RBM (Restricted Boltzman Machine) learning, when a certain number of layers is obtained, a DBN (Deep Belief Network) having a corresponding number of layers can be configured.
CNN(Convolutional Neural Network)은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출한 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델이다. CNN (Convolutional Neural Network) is a model that simulates human brain functions based on the assumption that when a person recognizes an object, the basic features of the object are extracted, and then the object is recognized based on the result of complex calculation in the brain. am.
한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(Back Propagation) 등의 방법이 사용될 수 있다.On the other hand, learning of the artificial neural network can be performed by adjusting the weight of the connection line between nodes (and adjusting the bias value if necessary) so that a desired output is produced for a given input. In addition, the artificial neural network may continuously update a weight value by learning. In addition, a method such as back propagation may be used to learn the artificial neural network.
한편, 메모리(145)에는 음향 인식을 위한 입력 데이터, 상기 심층신경망(DNN)을 학습하기 위한 데이터가 저장될 수 있다. Meanwhile, input data for sound recognition and data for learning the deep neural network (DNN) may be stored in the
메모리(145)에는 오디오 입력부(120)가 획득하는 오디오 신호들이 저장될 수 있다. Audio signals acquired by the
또한, 실시 예에 따라서는, 메모리(145)에는 상기 심층신경망(DNN) 구조를 이루는 웨이트(weight), 바이어스(bias)들이 저장될 수 있다.Also, according to embodiments, the
또는, 실시 예에 따라서는, 상기 심층신경망 구조를 이루는 웨이트, 바이어스들은 상기 음향 인식 모듈(142)의 임베디드 메모리(embedded memory)에 저장될 수 있다.Alternatively, according to embodiments, weights and biases constituting the deep neural network structure may be stored in an embedded memory of the
한편, 공기청정기(100)는 외부 기기와 통신 연결되도록 하나 이상의 통신 모듈을 구비하는 통신부(170)를 더 포함할 수 있다.Meanwhile, the
공기청정기(100)는 통신부(170)를 통하여, 외부의 홈 어플라이언스(Home applaiance)들과 통신 연결되어 데이터를 송수신할 수 있다.The
예를 들어, 통신부(170)는 외부의 홈 어플라이언스로부터 공기 오염과 관련된 정보를 수신할 수 있다.For example, the
따라서, 공기청정기(100)는 다른 공간에 배치되어 있는 다수의 기기들에 장착된 마이크를 통해 분석된 음향 기반 공기 오염도 정보를 공유하여 공간별 공기 특성 향상을 위한 제어에 활용할 수 있다.Accordingly, the
이에 따라, 사용자의 상황 및 주변 환경 정보를 통한 지능적인 공기 오염도 측정으로 제품 품질 향상 및 사용자에게 보다 쾌적한 실내 환경 제공이 가능하다.Accordingly, it is possible to improve product quality and provide a more comfortable indoor environment to the user by intelligently measuring the air pollution level through the user's situation and surrounding environment information.
한편, 상기 통신부(170)는 상기 음향 인식과 관련된 데이터를 소정 서버로 전송할 수 있다.Meanwhile, the
도 5는 본 발명의 일 실시 예에 따른 서버의 간략한 내부 블록도이다.5 is a simplified internal block diagram of a server according to an embodiment of the present invention.
프로세서(510)는, 서버(50)의 전반적인 동작을 제어할 수 있다.The
한편, 서버(50)는, 상기 공기청정기(100) 등 홈 어플라이언스 제조사가 운영하는 서버 또는 서비스 제공자가 운영하는 서버일 수 있고, 일종의 클라우드(Cloud) 서버일 수 있다.Meanwhile, the
통신부(520)는, 휴대 단말기, 공기청정기(100) 등 홈 어플라이언스, 게이트웨이 등으로부터 상태 정보, 동작 정보, 조작 정보 등 각종 데이터를 수신할 수 있다. The
그리고 통신부(520)는 수신되는 각종 정보에 대응하는 데이터를 휴대 단말기, 공기청정기(100) 등 홈 어플라이언스, 게이트웨이 등으로 송신할 수 있다.Further, the
이를 위해, 통신부(520)는 인터넷 모듈, 이동 통신 모듈 등 하나 이상의 통신 모듈을 구비할 수 있다.To this end, the
저장부(530)는, 수신되는 정보를 저장하고, 이에 대응하는 결과 정보 생성을 위한 데이터를 구비할 수 있다.The
또한, 저장부(530)는, 머신 러닝에 사용되는 데이터, 결과 데이터 등을 저장할 수 있다.Also, the
학습모듈(540)은 상기 공기청정기(100) 등 홈 어플라이언스의 학습기 역할을 수행할 수 있다.The
상기 학습모듈(540)에는 인공신경망, 예를 들어, CNN(Convolutional Neural Network), RNN(Recurrent Neural Network), DBN(Deep Belief Network) 등 심층신경망(Deep Neural Network: DNN)을 포함될 수 있고, 심층신경망을 학습할 수 있다.The
상기 학습모듈(540)의 학습 방법으로는 자율학습(unsupervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다.As the learning method of the
한편, 상기 프로세서(510)는 설정에 따라 학습 후 상기 공기청정기(100) 등 홈 어플라이언스의 인공신경망 구조를 학습된 인공신경망 구조로 업데이트시키도록 제어할 수 있다. 따라서, 음향 인식 모듈(142)의 인공신경망 구조가 업데이트될 수 있다.Meanwhile, the
도 6은 본 발명의 일 실시 예에 따른 공기청정기와 서버의 제어방법에 관한 설명에 참조되는 도면이다.6 is a view referenced for description of a control method of an air purifier and a server according to an embodiment of the present invention.
도 6을 참조하면, 공기청정기(100)의 음향 인식 모듈(142)에는 심층신경망(DNN) 구조(142a)가 탑재될 수 있다.Referring to FIG. 6 , a deep neural network (DNN)
기학습된 심층신경망(DNN) 구조(142a)는 인식용 입력 데이터를 입력받고, 입력 데이터로부터 음향을 인식하여, 그 결과를 출력할 수 있다.The pre-learned deep neural network (DNN)
심층신경망(DNN) 구조(142a)가 인식하지 못하는 데이터(unknown data)는 메모리(145) 또는 음향 인식 모듈(142) 내의 자체 저장공간(미도시)에 저장될 수 있다.Unknown data that is not recognized by the deep neural network (DNN)
한편, 음향 인식 모듈(142)이 인식하지 못하는 데이터(unknown data)는 통신부(170)를 통하여 서버(50)로 전송될 수 있다. 또한, 음향 인식 모듈(142)이 인식에 성공한 데이터도 서버(50)로 전송될 수 있다.Meanwhile, unknown data not recognized by the
서버(50)는 학습된 웨이트(weight)들의 구성을 생성할 수 있고, 서버(50)는 심층신경망(DNN) 구조를 트레이닝(training) 데이터를 사용하여 학습할 수 있다. The
서버(50)는 수신한 데이터에 기초하여, 심층신경망(DNN)을 학습시킨 후, 업데이트된 심층신경망(DNN) 구조 데이터를 공기청정기(100)로 전송하여 업데이트하게 할 수 있다.The
도 7은 본 발명의 일 실시 예에 따른 공기청정기의 제어방법을 도시한 순서도이다.7 is a flowchart illustrating a control method of an air purifier according to an embodiment of the present invention.
도 7을 참조하면, 먼저, 복수의 마이크(121, 122)를 통하여, 오디오 신호가 수신된다(S710). Referring to FIG. 7 , first, an audio signal is received through the plurality of
오디오 신호가 수신되면, 제어부(140)는 일정 수준 이상의 소리가 있는지 음향 탐지를 수행할 수 있다(S720). 음향 탐지는 주파수 변환 후 각 주파수 대역별 에너지가 일정 수준이상을 넘었는지를 기준으로 하여 기준치 이상의 음향을 탐지할 수 있다. When the audio signal is received, the
음향 탐지를 거친 후(S720), 제어부(140)는 상기 복수의 마이크(121, 122)를 통하여 수신된 오디오 신호에 포함되는 음향을 검출할 수 있다(S730). After sound detection (S720), the
또는, 제어부(140)는 음향 탐지 및 검출은 동시에 수행할 수도 있다.Alternatively, the
이후, 음향 인지 및 방향 추정과정이 수행된다. Then, sound recognition and direction estimation processes are performed.
제어부(140)는 상기 검출된 음향의 종류를 머신 러닝(machine learning)으로 기학습된 데이터에 기초하여 인식할 수 있다(S740).The
제어부(140)는 상기 인식된 음향의 종류에 기초하여 팬을 구동하도록 팬 구동부(180)를 제어할 수 있다(S780).The
예를 들어, 제어부(140)는 상기 인식된 음향의 종류에 기초하여 상기 팬의 구동 레벨을 판별하고, 판별된 구동 레벨로 팬이 구동되도록 제어 신호를 생성할 수 있다(S750). For example, the
이 경우에, 상기 제어부(140)는, 일정 시간 내에 인지되는 음향의 종류, 발생 빈도, 지속시간, 크기에 기초하여, 상기 팬의 구동 레벨(level)을 판별할 수 있다.In this case, the
팬 구동부(180)는 제어부(140)로부터 수신되는 제어 신호에 따른 구동 레벨로 팬이 구동되도록 모터의 속도를 제어할 수 있다.The
한편, 음향 인식을 팬 구동 레벨을 결정하는 데에만 이용하지 않고 구동 시간을 제어하는데에도 이용할 수 있다.On the other hand, acoustic recognition can be used not only to determine the fan drive level, but also to control the drive time.
예를 들어, 일정 시간 내에 인지되는 음향의 종류, 발생 빈도, 지속시간, 크기에 기초하여, 현재 팬의 제어 상태의 변경 여부를 판별할 수 있다(S760). 이는 음향 인식을 이용하여 결정된 현재의 제어 상태의 지속 여부 및 시간을 판별하는 것이다.For example, based on the type, generation frequency, duration, and size of sound recognized within a predetermined time, it may be determined whether the current fan control state is changed (S760). This is to determine whether and for how long the current control state determined using acoustic recognition is continued.
제어부(140)는 공기 오염을 유발하는 음향의 크기, 발생 빈도가 감소하거나, 제거된 경우를 추가로 반영하여 구동 레벨을 감소시키거나 구동 종료시킬 수 있다. The
또는, 제어부(140)는 신규로 공기 오염을 유발하는 음향이 인식되면, 이를 반영하여 구동 레벨을 증가시키거나 판별된 구동 레벨의 구동 시간을 최초 설정시간보다 지속시간을 증가시킬 수 있다.Alternatively, when sound that causes air pollution is newly recognized, the
즉, 일정구간 인지된 음향을 장시간 누적하여 제어상태 지속시간을 추정하고 제어 신호에 추가되거나 신규 제어 신호가 생성될 수 있다. That is, the duration of the control state may be estimated by accumulating sounds recognized for a certain period for a long time, and added to the control signal or a new control signal may be generated.
한편, 제어부(140)는 상기 복수의 마이크(121, 122)를 통하여 수신된 오디오 신호의 시간차에 기초하여 상기 음향에 대응하는 음원, 즉, 상기 음향을 발생시키는 음원의 방향을 추정할 수 있다(S770).Meanwhile, the
또한, 제어부(140)는 상기 음원의 방향 정보에 기초하여 팬을 구동하도록 팬 구동부(180)를 제어할 수 있다(S780).Also, the
예를 들어, 제어부(140)는 상기 음향 인식 결과에 포함되는 음원의 방향 정보에 기초하여, 상기 팬의 구동 각도를 결정하거나 또는 복수의 팬 중 구동될 팬을 결정할 수 있다.For example, the
한편, 도 7은 음향 인식(S750) 후에 음원의 방향을 추정(S770)하는 예를 도시하였지만, 본 발명은 이에 한정되지 않는다.Meanwhile, FIG. 7 shows an example of estimating the direction of a sound source after sound recognition (S750) (S770), but the present invention is not limited thereto.
예를 들어, 음원 방향의 추정(S770) 후에 음향을 인식(S750)하거나, 음향 인식(S750)과 음원 방향의 추정(S770)을 동시에 수행할 수도 있다.For example, sound may be recognized (S750) after sound source direction estimation (S770), or sound recognition (S750) and sound source direction estimation (S770) may be simultaneously performed.
도 8은 본 발명의 일 실시 예에 따른 음원 방향 추정에 관한 설명에 참조되는 도면이다.8 is a diagram referenced for description of sound source direction estimation according to an embodiment of the present invention.
도 8을 참조하면, 적어도 2 이상의 마이크를 통해 취득되는 신호에 음향이 있는지 탐지할 수 있다. 음향 탐지는 주파수 변환 후 각 주파수 대역별 에너지가 일정 수준 이상을 넘었는지를 이용하여 탐지할 수 있다. Referring to FIG. 8 , it is possible to detect whether there is sound in a signal acquired through at least two microphones. Acoustic detection may be performed by using whether energy for each frequency band exceeds a certain level after frequency conversion.
탐지된 음향을 발생시키는 음원의 방향을 추정하기 위해서 2개 이상의 마이크 입력의 시간 차이(Time-Delay Of Arrival: TDOA)를 계산하고 이를 기반으로 방향을 추정할 수 있다.In order to estimate the direction of the sound source generating the detected sound, a time difference between two or more microphone inputs (Time-Delay Of Arrival: TDOA) can be calculated and the direction can be estimated based on this.
한편, 본 발명은 상기 도착 지연 시간을 이용한 방법(TDOA) 외에 공지된 다른 음원 위치 추정 기술을 이용할 수도 있다. 예를 들어, 조향된 빔형성기를 이용한 방법, 고해상도 스펙트럼 추정을 이용한 방법 등 다양한 방법을 이용할 수 있다Meanwhile, in the present invention, other known sound source position estimation techniques may be used in addition to the method using the arrival delay time (TDOA). For example, various methods such as a method using a steered beamformer and a method using high-resolution spectral estimation may be used.
한편, 복수의 마이크들의 개수가 많을수록 음원 방향 추정의 정확도는 높아질 수 있다.Meanwhile, as the number of the plurality of microphones increases, the accuracy of estimating the direction of the sound source may increase.
또한, 복수의 마이크들은 가능한 큰 이격 거리를 가지도록 배치되는 것이 정확도 향상 측면에서 바람직하다.In addition, it is preferable from the viewpoint of improving accuracy that the plurality of microphones are arranged to have a separation distance as large as possible.
도 9는 본 발명의 일 실시 예에 따른 음향 인식에 관한 설명에 참조되는 도면이다.9 is a diagram referenced for description of sound recognition according to an embodiment of the present invention.
도 9는 음향 인식 구성도이며, 인식기 학습 과정(점선 흐름)과 인식 과정(실선 흐름)으로 나누어진다.9 is a configuration diagram of sound recognition, which is divided into a recognizer learning process (dotted line flow) and a recognition process (solid line flow).
음향 탐지는 도 8을 참조하여 설명한 것과 동일한 방법으로 수행할 수 있다.Acoustic detection may be performed in the same manner as described with reference to FIG. 8 .
음향 인식을 위해서는 먼저 딥러닝, 가우시안 혼합 모델 등 머신 러닝을 통해 인식기를 학습해야 한다. 학습은 수집된 음향 데이터베이스(DB)로부터 특징을 추출하고 확률통계기법을 통해 특징들의 패턴을 모델링하는 학습단계로 나눠지며, 도 9에서는 점선으로 과정이 표시되어 있다. For acoustic recognition, a recognizer must first be trained through machine learning, such as deep learning and Gaussian mixture models. Learning is divided into a learning step of extracting features from the collected sound database (DB) and modeling a pattern of features through a probability statistical technique, and the process is indicated by a dotted line in FIG. 9 .
도 9에서 실선으로 표시된 과정은 인식 과정이며, 상기 학습된 모델을 이용하여 새로운 입력이 어떠한 음향인지 분류/검출하는 과정이다.A process indicated by a solid line in FIG. 9 is a recognition process, and is a process of classifying/detecting what kind of sound a new input is by using the learned model.
도 10은 본 발명의 실시 예에 따른 공기청정기의 제어방법에 관한 설명에 참조되는 도면이다.10 is a view referenced for description of a control method of an air purifier according to an embodiment of the present invention.
도 10을 참조하면, 공기청정기(100)는 복수의 마이크를 통하여 외부 음원으로부터 발생한 음향을 수신하고 탐지할 수 있다.Referring to FIG. 10 , the
한편, 음원 방향 추정 모듈(141)은 복수의 마이크에 수신되는 신호의 시간차를 이용하여 음원 방향 추정할 수 있다. 도 10은 공기청정기(100)를 기준으로 7시 방향으로 음원 방향을 추정한 예를 도시한다.Meanwhile, the sound source
또한, 음향 인식 모듈(142)은 머신러닝, 더욱 바람직하게는 딥러닝 기반의 음향 인식을 수행할 수 있다.In addition, the
음향 인식 모듈(142)은 딥러닝으로 기학습된 인공신경망을 포함할 수 있고, 인공신경망은 음향의 종류에 따라 먼지 발생도 레벨 또는 공기 오염도 레벨을 학습할 수 있다.The
또한, 음향 인식 모듈(142)은 음향의 특징을 추출하여 기학습된 인공신경망의 인식용 입력 데이터로 사용하여 음향의 종류 등을 인식할 수 있다.In addition, the
한편, 공기청정기의 먼지 흡입 레벨을 1 내지 7단계로 가정하면, 인식되는 음향의 종류, 빈도, 크기 등에 기초하여 먼지 발생도, 공기 오염도를 추정하고, 공기청정기의 먼지 흡입 레벨 1 내지 7단계 중 추정된 먼지 발생도에 대응하는 먼지 흡입 레벨로 구동될 수 있다. 팬 구동부(180)는 상기 먼지 흡입 레벨에 대응하도록 팬을 구동할 수 있다.On the other hand, assuming that the dust intake level of the air purifier is 1 to 7, the degree of dust generation and air pollution are estimated based on the type, frequency, size, etc. of the recognized sound, and among the
한편, 도 10에서는 7시 방향으로 구동 각도를 제어하여 먼지 흡입 레벨 4의 구동 레벨로 팬을 구동하는 경우를 예시한다.Meanwhile, FIG. 10 illustrates a case in which the fan is driven at a driving level of dust intake level 4 by controlling the driving angle in the 7 o'clock direction.
도 11 내지 도 16은 본 발명의 실시 예에 따른 음향 인식 및 제어 신호 생성에 관한 설명에 참조되는 도면이다.11 to 16 are diagrams referenced for descriptions of sound recognition and control signal generation according to an embodiment of the present invention.
도 11은 일정구간 내 인식된 음향 정보를 예시하고, 도 12는 도 11에 예시된 인식된 음향 정보를 이용하여 제어 신호를 생성하는 일예에 따른 순서도이다11 illustrates sound information recognized within a certain period, and FIG. 12 is a flowchart according to an example of generating a control signal using the recognized sound information illustrated in FIG. 11 .
도 11과 도 12를 참조하면, 제어 신호 생성을 위한 일정구간(제어판단구간) 동안에 인지되는 음향은 종류에 따라 먼지를 발생시킬 수 있는 정도가 다르기 때문에 소정 레벨로 구분하여 판별될 수 있다(S1210). 또한, 제어부(140)는 음향의 종류에 따른 먼지 발생도 레벨을 복수의 단계로 정의하고 학습할 수 있다.Referring to FIGS. 11 and 12, since the degree of dust generation is different depending on the type of sound perceived during a certain period (control judgment period) for generating a control signal, it can be determined by classifying it into a predetermined level (S1210). ). In addition, the
도 13은 가정 내에서 발생하는 음향의 종류에 따른 먼지 발생도 레벨을 예시한다. 도 13은 공기 오염도를 먼지 발생 정도를 기준으로 3가지 레벨로 나누는 경우를 예시한다. 13 illustrates dust generation levels according to types of sounds generated in a home. 13 illustrates a case in which air pollution is divided into three levels based on the degree of dust generation.
도 13을 참조하면, 청소기, 헤어드라이기, 카펫+발자국 소리, 쇼파에 앉는 소리 등은 먼지를 발생시킬 수 있는 정도가 높으므로 고(high) 레벨(수치 연산시 5)로 설정될 수 있다.Referring to FIG. 13 , a vacuum cleaner, a hair dryer, a carpet + footstep sound, and a sound of sitting on a sofa have a high degree of generating dust, so they can be set to a high level (5 during numerical calculation).
또한, 뛰어다니는 소리, 현관, 방, 베란다 등 가정 내의 문을 열고, 닫는 소리 등은 중(middle) 레벨(수치 연산시 3)로 설정될 수 있다.In addition, the sound of running around, the sound of opening and closing doors in the home, such as the front door, room, veranda, etc., can be set to a middle level (3 in numerical calculation).
또한, 대화소리, 물건 떨어짐, 발자국(슬리퍼포함) 소리 등은 저(low) 레벨(수치 연산시 1)로 설정될 수 있다.In addition, the sound of a conversation, a falling object, a sound of footsteps (including slippers), etc. may be set to a low level (1 in numerical calculation).
고(high)/중(middle)/저(low)로 인식된 음향은 종류에 따라 먼지를 발생 시킬수 있는 정도가 다르기 때문에 흡입/토출 레벨을 다르게 설정해야 한다. Since sounds recognized as high/middle/low have different levels of dust generation depending on the type, suction/discharge levels must be set differently.
제어부(140)는 일정구간(제어판단구간) 내에서 감지된 음원들이 몇 번 반복되었는지(발생빈도), 소리의 크기(음원크기)를 분석하여 측정된 레벨을 조절(S1220, S1230))하여 팬 구동부(180)로 전송할 수 있다.The
제어부(140)는 도 11과 같이 제어판단구간 내에서 음향 발생 이벤트의 발생 빈도(S1220) 및 이벤트 별 소리의 크기(S1230)를 활용하여 최종 먼지 흡입 레벨을 결정할 수 있다.As shown in FIG. 11 , the
예를 들어, 제어부(140)는 발생 빈도가 3번 이상이면 레벨을 1단계 상승시키고(S1222), 5번 이상이면 레벨을 2단계 상승시킬 수 있다(S1221). 상기 기준을 만족시키지 못하면, 제어부(140)는 음향의 종류에 따른 레벨을 그대로 유지할 수 있다(S1223).For example, the
또한, 특정 음향이 발생하지 않는 통상의 잡음 대비 음향 크기 비율(Signal to Noise Rate)을 기준으로 값이 15dB 이상이면 레벨을 1단계 상승시키고(S1232), 30dB 이상이면 레벨을 2단계 상승시킬 수 있다(S1231). 상기 기준을 만족시키지 못하면, 제어부(140)는 음향의 종류에 따른 레벨을 그대로 유지할 수 있다(S1233).In addition, based on the signal-to-noise ratio (Signal to Noise Rate) in which a specific sound does not occur, if the value is 15 dB or more, the level is raised by one step (S1232), and if it is 30 dB or more, the level can be raised by two steps. (S1231). If the criterion is not satisfied, the
제어부(140)는 상기 레벨 판정값들을 합산하여 최종 흡입 레벨을 결정하고 이에 대응하는 제어 신호를 생성할 수 있다(S1240).The
상기 예시된 설정에 따르면, 도 11에서의 일정구간 내 인식된 음향 정보에 따른 최종 흡입 레벨은 아래 식과 같이 결정될 수 있다.According to the exemplified setting, the final suction level according to the sound information recognized within a certain section in FIG. 11 may be determined as follows.
최종 흡입 레벨: High(5)+Middle(3+1+1) + Middle(3+1) + Middle(3+1+1) + Low(1) = 20 / 5 = Lv4Final intake level: High(5)+Middle(3+1+1) + Middle(3+1) + Middle(3+1+1) + Low(1) = 20 / 5 = Lv4
본 발명은 최초의 음향 인지 기반 제어 신호 생성뿐만 아니라, 음향 인지 기반의 공기청정기 구동 후의 제어 상태 변경, 중지에도 음향 인지를 이용할 수 있다. According to the present invention, acoustic recognition may be used not only for generating an initial acoustic recognition-based control signal, but also for changing and stopping a control state after driving an air purifier based on acoustic recognition.
예를 들어, 제어부(140)는, 일정 시간 내에 인지되는 음향의 종류, 발생 빈도, 지속시간, 크기에 기초하여, 현재 팬의 제어 상태의 변경 여부를 판별할 수 있다.For example, the
도 14 내지 도 16은 현재 제어 상태의 변경 여부(또는 지속시간 추정)에 관한 설명에 참조되는 도면이다.14 to 16 are diagrams referenced for description of whether or not a current control state is changed (or duration estimation).
제어부(140)는 일정시간 동안 인식된 음향 인식 결과들을 누적하여 현재 제어상태를 얼마나 오랫동안 지속할지 판별할 수 있다. 즉, 제어부(140)는 지속적인 음향 인식 모니터링(monitoring)을 통해 기존에 인식된 음향들의 패턴을 이용하여 지속 시간을 추정하고 이를 제어에 활용할 수 있다. The
제어상태 지속시간은 공기 오염도가 증가된 후 쾌적한 상태까지 정화하는데 있어서 필요한 최소한의 정화시간을 의미할 수 있다. 공기 오염도가 높으면, 공기 정화에 많은 시간이 필요하므로 공기청정기가 더 오래 동작해야 한다. 따라서, 공기 오염도가 높으면, 추정된 공기 오염도에 따라 결정된 제어상태를 지속해야 하는 제어상태지속시간도 커지게 된다.The control state duration may refer to a minimum purification time required to purify the air to a comfortable state after the air pollution level increases. If the air pollution level is high, the air purifier should operate longer because it takes a lot of time to purify the air. Therefore, when the air pollution level is high, the control state duration time for maintaining the control state determined according to the estimated air pollution level also increases.
한편, 상기 제어상태 지속시간은 제어판단구간과 별도로 설정되거나 제어판단구간을 포함할 수 있다.Meanwhile, the duration of the control state may be set separately from the control panel end section or may include the control panel end section.
공기오염도는 음향의 종류에 따라 가변 시간이 달라지기 때문에, 본 발명은 음향의 종류, 발생빈도, 크기를 이용하여 지속시간을 추정하여 제어에 활용할 수 있다.Since the variable time of the air pollution varies depending on the type of sound, the present invention can estimate the duration using the type, frequency, and size of the sound and use it for control.
도 14는 지속시간 추정구간 내의 인지된 음향을 예시하고, 도 15는 음향 종류별 지속시간을 예시한다14 illustrates the perceived sounds within the duration estimation interval, and FIG. 15 illustrates the duration for each sound type.
도 14와 같이, 제어부(140)는 제어 신호 변경, 지속을 판별하기 위한 일정구간(지속시간 추정구간) 동안에 인지되는 음향에 기초하여 현 제어상태의 지속/변경 여부 및 지속시간을 판별할 수 있다.As shown in FIG. 14 , the
도 16을 참조하면, 제어부(140)는 지속시간 추정구간 내의 인지된 음향별 시간을 추정하게 된다(S1610).Referring to FIG. 16 , the
한편, 제어부(140)는 지속시간 추정구간 내에서 음향 발생 이벤트의 발생 빈도(S1620) 및 이벤트 별 소리의 크기를 반영하여 현 제어상태의 지속시간을 증가할 수 있다(S1630).Meanwhile, the
예를 들어, 제어부(140)는 발생 빈도가 3번 이상이면 지속시간을 3분 증가시키고(S1622), 5번 이상이면 지속시간을 5분 증가시킬 수 있다(S1621). 상기 기준을 만족시키지 못하면, 제어부(140)는 지속시간을 그대로 유지할 수 있다(S1623).For example, the
또한, 특정 음향이 발생하지 않는 통상의 잡음 대비 음향 크기 비율(Signal to Noise Rate)을 기준으로 값이 15dB 이상이면 현 제어상태의 지속시간을 3분 증가시키고(S1632), 30dB 이상이면 지속시간을 5분 증가시킬 수 있다(S1631). 상기 기준을 만족시키지 못하면, 제어부(140)는 지속시간을 그대로 유지할 수 있다(S1633).In addition, if the value is 15 dB or more based on the normal signal to noise rate in which no specific sound is generated, the duration of the current control state is increased by 3 minutes (S1632), and if it is 30 dB or more, the duration is reduced. It can be increased by 5 minutes (S1631). If the criterion is not satisfied, the
제어부(140)는 상기 증가된 지속시간들을 합산하여 최종 제어상태 지속시간을 결정하고 이에 대응하는 제어 신호를 생성할 수 있다(S1640).The
다음은 도 14에서 예시된 음향 신호별로 지속시간을 상기의 기준에 따라 카운팅한 후 음향의 종류 별로 합산한 후 총합으로 현제 제어상태 지속시간을 계산한 결과이다.The following is a result of counting the duration of each sound signal according to the above criterion, summing up the duration for each sound signal, and then calculating the current control state duration as the total sum.
High: 7min + (7+3)min = 17minHigh: 7min + (7+3)min = 17min
Middel: (5+3)min + 5min + (5+3)min + (5+3)min + 5min = 34minMiddel: (5+3)min + 5min + (5+3)min + (5+3)min + 5min = 34min
Low: 2min + (2+3)min + (2+5)min = 14minLow: 2min + (2+3)min + (2+5)min = 14min
현재 제어상태 지속시간 = 65min Current Control State Duration = 65min
도 17은 본 발명의 일 실시 예에 따른 공기청정기와 홈 어플라이언스의 연계 동작에 관한 설명에 참조되는 도면이다.17 is a diagram referenced for description of a linked operation between an air purifier and a home appliance according to an embodiment of the present invention.
본 발명의 일 실시 예에 따른 공기청정기(1700)는, 통신부(170)를 통하여, 냉장고(1701), 조리기기(1702), 세탁기(1703) 등의 홈 어플라이언스들과 통신 연결되어 데이터들을 전송하고 공유할 수 있다.The
공기청정기(1700)는 냉장고(1701), 조리기기(1702), 세탁기(1703) 등의 홈 어플라이언스들이 구동되면, 그에 따른 먼지 발생 정도를 고려하여 선제적으로 해당 방향의 공기를 정화하기 위하여 팬을 구동할 수 있다.When home appliances such as a
또한, 냉장고(1701), 조리기기(1702), 세탁기(1703) 등의 홈 어플라이언스들도 마이크(MIC)를 구비하는 경우에, 다수의 기기간 음향 분석 기반 공기오염도 정보공유를 통하여 최적화된 제어가 가능하다.In addition, when home appliances such as a
가정 내의 기기간에 가정 내에서 공기오염도에 대한 결과 정보를 공유하여 거리에 따른 공기 오염도 불균형을 판별할 수 있다.It is possible to determine air pollution imbalance according to distance by sharing result information on air pollution within the home among devices in the home.
각 기기 별 상황 정보를 종합하여 공기청정기의 팬 속도 및 방향, 그리고 지속 시간에 대한 제어신호를 생성하여 구동할 수 있다.It is possible to generate and operate a control signal for the fan speed, direction, and duration of the air purifier by synthesizing the situation information for each device.
생활 가전의 지능화를 도모하면서 사용자의 편의성 및 품질 향상을 제공하기 위해서는 사용자 동작 및 주변 상황에 대한 정보를 추출하여 별도의 입력 없이 자동으로 주변 상황에 맞게 대응해야 한다. In order to provide user convenience and quality improvement while promoting the intelligence of household appliances, it is necessary to extract information on the user's motion and surrounding situation and automatically respond to the surrounding situation without separate input.
따라서 본 발명은 가정 내 먼지를 유발시켜 공기오염도를 증가시킬 수 있는 음향 인식 정보(종류, 반복횟수, 음의 크기)와 방향 정보를 이용하여 공기청정기 제어에 활용한다.Therefore, the present invention utilizes sound recognition information (type, number of repetitions, volume of sound) and direction information that can increase air pollution by causing dust in the home to control the air purifier.
종래 기술 1의 방법과는 달리, 본 발명은 사용자의 행동과 주변 상황에서 발생되는 음향 분석을 이용하여 공기의 오염도 및 오염 발생도 가능성을 추정하여 공기청정기 제어에 적용할 수 있다.Unlike the method of the
즉, 본 발명은 음향을 통한 공기 중 오염도 및 오염지속성을 측정하고, 음향의 발생 방향 정보를 이용하여 해당 방향의 흡입구로 공기를 더 빨아들이는 흡기 팬 속도의 지능적 제어가 가능하다.That is, the present invention measures the degree of contamination and contamination persistence in the air through sound, and intelligently controls the speed of an intake fan that draws more air into an intake port in the corresponding direction using sound generation direction information.
또한, 마이크가 탑재 가능한 가전과 통신이 가능할 경우 공기/가스센서 없이 마이크를 통해 실내 공기 오염도를 공유하여 거리에 따른 오염도 불균형을 판별, 최적화된 제어가 가능하다.In addition, if communication with home appliances that can be equipped with a microphone is possible, indoor air pollution is shared through the microphone without an air/gas sensor, and the pollution degree imbalance according to distance is determined and optimized control is possible.
본 발명의 실시 예들 중 적어도 하나에 의하면, 음향 분석을 통해, 최적화된팬 제어를 수행함으로써, 빠르고 효율적으로 공기 특성을 향상시킬 수 있다.According to at least one of the embodiments of the present invention, air characteristics can be improved quickly and efficiently by performing optimized fan control through acoustic analysis.
본 발명의 실시 예들 중 적어도 하나에 의하면, 음향 분석을 통해, 공기 중 먼지발생 정도에 따른 오염도를 추정하고, 이를 공기청정기 제어에 활용할 수 있어, 신뢰성 높은 공기청정기 및 그 제어방법을 제공할 수 있다.According to at least one of the embodiments of the present invention, it is possible to estimate the degree of contamination according to the degree of dust generation in the air through acoustic analysis, and use it to control the air purifier, thereby providing a highly reliable air purifier and its control method. .
또한, 본 발명의 실시 예들 중 적어도 하나에 의하면, 머신 러닝에 기반하여 공기 오염을 발생시키는 음향을 인식하고, 인식된 음향의 종류에 따라 효율적으로 공기 청정 기능을 수행할 수 있다.In addition, according to at least one of the embodiments of the present invention, it is possible to recognize sounds that cause air pollution based on machine learning and efficiently perform an air cleaning function according to the type of the recognized sound.
또한, 본 발명의 실시 예들 중 적어도 하나에 의하면, 효율적으로 머신 러닝을 수행할 수 있고, 음향 인식에 사용할 수 있는 데이터를 추출할 수 있다.In addition, according to at least one of the embodiments of the present invention, machine learning can be efficiently performed and data usable for sound recognition can be extracted.
본 발명에 따른 공기청정기는 상기한 바와 같이 설명된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시 예들은 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.The air purifier according to the present invention is not limited to the configuration and method of the embodiments described above, but all or part of each embodiment is selectively combined so that various modifications can be made. may be configured.
한편, 본 발명의 실시 예에 따른 공기청정기의 제어방법은, 프로세서가 읽을 수 있는 기록매체에 프로세서가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 프로세서가 읽을 수 있는 기록매체는 프로세서에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 프로세서가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함한다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.Meanwhile, the control method of an air purifier according to an embodiment of the present invention can be implemented as a processor-readable code on a processor-readable recording medium. The processor-readable recording medium includes all types of recording devices in which data readable by the processor is stored. Examples of the processor-readable recording medium include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, etc., and also include those implemented in the form of carrier waves such as transmission through the Internet. . In addition, the processor-readable recording medium is distributed in computer systems connected through a network, so that processor-readable codes can be stored and executed in a distributed manner.
또한, 이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.In addition, although the preferred embodiments of the present invention have been shown and described above, the present invention is not limited to the specific embodiments described above, and the technical field to which the present invention belongs without departing from the gist of the present invention claimed in the claims. Of course, various modifications are possible by those skilled in the art, and these modifications should not be individually understood from the technical spirit or perspective of the present invention.
공기청정기: 100
오디오 입력부: 120
제어부: 140
센싱부: 150
통신부: 170
팬 구동부: 180Air Purifier: 100
Audio inputs: 120
Control: 140
Sensing unit: 150
Department of Communications: 170
Fan Drive: 180
Claims (15)
상기 복수의 마이크를 통하여 수신된 오디오 신호에 포함되는 음향을 인식하고, 상기 음향 인식 결과에 기초하여 제어 신호를 생성하는 제어부; 및,
상기 제어부의 제어에 따라 팬을 구동하는 팬 구동부;를 포함하고,
상기 제어부는, 상기 음향 인식 결과에 포함되는 음향의 종류 정보에 기초하여 상기 팬의 구동 레벨(level)을 판별하며,
상기 제어부는, 일정 시간 내에 인지되는 음향의 종류, 발생 빈도, 지속시간, 크기에 기초하여, 상기 팬의 구동 레벨(level)을 판별하는 것을 특징으로 하는 공기청정기.an audio input unit including a plurality of microphones (MIC) through which audio signals are received;
a control unit recognizing sounds included in the audio signals received through the plurality of microphones and generating a control signal based on the sound recognition results; and,
A fan driving unit for driving a fan under the control of the controller; includes,
The control unit determines a driving level of the fan based on sound type information included in the sound recognition result,
The air purifier, characterized in that the control unit determines the driving level of the fan based on the type, generation frequency, duration, and size of sound recognized within a predetermined time.
상기 제어부는,
상기 복수의 마이크를 통하여 수신된 오디오 신호에 포함되는 음향에 대응하는 음원의 방향을 판별하는 음원 방향 추정 모듈,
상기 복수의 마이크를 통하여 수신된 오디오 신호에 포함되는 음향의 종류를 머신 러닝(machine learning)으로 기학습된 데이터에 기초하여 인식하는 음향 인식 모듈, 및,
상기 음원 방향 추정 모듈에서 판별된 음원의 방향과 상기 음향 인식 모듈에서 인식된 음향의 종류에 기초하여 제어 신호를 생성하는 신호 생성 모듈을 포함하는 것을 특징으로 하는 공기청정기.According to claim 1,
The control unit,
A sound source direction estimation module for determining a direction of a sound source corresponding to a sound included in an audio signal received through the plurality of microphones;
A sound recognition module for recognizing the type of sound included in the audio signal received through the plurality of microphones based on pre-learned data through machine learning; and
and a signal generation module for generating a control signal based on the direction of the sound source determined by the sound source direction estimation module and the type of sound recognized by the sound recognition module.
상기 음향 인식 모듈에는, 상기 머신 러닝(machine learning)으로 기학습된 인공신경망(Artificial Neural Network)이 탑재되는 것을 특징으로 하는 공기청정기.According to claim 2,
The air purifier, characterized in that the sound recognition module is equipped with an artificial neural network previously learned through machine learning.
상기 제어부는, 상기 복수의 마이크를 통하여 수신된 오디오 신호의 시간차를 연산하고, 상기 연산된 시간차에 기초하여 상기 음향에 대응하는 음원의 방향을 추정하는 것을 특징으로 하는 공기청정기.According to claim 1,
The air purifier, characterized in that the control unit calculates a time difference between audio signals received through the plurality of microphones, and estimates a direction of a sound source corresponding to the sound based on the calculated time difference.
상기 제어부는, 상기 음향 인식 결과에 포함되는 음원의 방향 정보에 기초하여, 상기 팬의 구동 각도를 결정하거나 복수의 팬 중 구동될 팬을 결정하는 것을 특징으로 하는 공기청정기.According to claim 1,
The air purifier, characterized in that the control unit determines a driving angle of the fan or determines a fan to be driven among a plurality of fans, based on direction information of a sound source included in the sound recognition result.
상기 제어부는, 일정 시간 내에 인지되는 음향의 종류, 발생 빈도, 지속시간, 크기에 기초하여, 현재 팬의 제어 상태의 변경 여부를 판별하는 것을 특징으로 하는 공기청정기.According to claim 1,
The air purifier, characterized in that the control unit determines whether the current control state of the fan is changed based on the type, generation frequency, duration, and size of the sound recognized within a predetermined time.
외부의 홈 어플라이언스(Home applaiance)로부터 공기 오염과 관련된 정보를 수신하는 통신부;를 더 포함하는 공기청정기.According to claim 1,
An air purifier further comprising a communication unit configured to receive information related to air pollution from an external home appliance.
상기 통신부는 상기 음향 인식과 관련된 데이터를 소정 서버로 전송하는 것을 특징으로 하는 공기청정기.According to claim 9,
The air purifier, characterized in that the communication unit transmits data related to the sound recognition to a predetermined server.
상기 복수의 마이크를 통하여 수신된 오디오 신호에 포함되는 음향을 검출하는 단계;
상기 검출된 음향의 종류를 머신 러닝(machine learning)으로 기학습된 데이터에 기초하여 인식하는 단계; 및,
상기 인식된 음향의 종류에 기초하여 팬을 구동하는 단계;를 포함하고,
상기 인식된 음향의 종류에 기초하여 상기 팬의 구동 레벨을 판별하는 단계:를 더 포함하며,
상기 팬의 구동 레벨을 판별하는 단계는, 일정 시간 내에 인지되는 음향의 종류, 발생 빈도, 지속시간, 크기에 기초하여, 상기 팬의 구동 레벨(level)을 판별하는 것을 특징으로 하는 공기청정기의 제어방법.
Receiving an audio signal through a plurality of microphones (MIC);
detecting sound included in an audio signal received through the plurality of microphones;
recognizing the type of the detected sound based on pre-learned data through machine learning; and,
Including; driving a fan based on the type of the recognized sound;
Further comprising: determining a driving level of the fan based on the type of the recognized sound;
The step of determining the driving level of the fan determines the driving level of the fan based on the type, generation frequency, duration, and size of sound recognized within a predetermined time. method.
일정 시간 내에 인지되는 음향의 종류, 발생 빈도, 지속시간, 크기에 기초하여, 현재 팬의 제어 상태의 변경 여부를 판별하는 단계:를 더 포함하는 공기청정기의 제어방법.According to claim 11,
An air purifier control method further comprising: determining whether a current control state of a fan is changed based on the type, generation frequency, duration, and size of sound recognized within a predetermined time.
상기 복수의 마이크를 통하여 수신된 오디오 신호의 시간차에 기초하여 상기 음향에 대응하는 음원의 방향을 추정하는 단계:를 더 포함하는 공기청정기의 제어방법.
According to claim 11,
Estimating a direction of a sound source corresponding to the sound based on a time difference of audio signals received through the plurality of microphones;
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160145235A KR102550358B1 (en) | 2016-11-02 | 2016-11-02 | Artificial intelligence Air Purifier and method for controlling the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160145235A KR102550358B1 (en) | 2016-11-02 | 2016-11-02 | Artificial intelligence Air Purifier and method for controlling the same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180049471A KR20180049471A (en) | 2018-05-11 |
| KR102550358B1 true KR102550358B1 (en) | 2023-07-03 |
Family
ID=62185432
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160145235A KR102550358B1 (en) | 2016-11-02 | 2016-11-02 | Artificial intelligence Air Purifier and method for controlling the same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102550358B1 (en) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102458336B1 (en) | 2018-05-18 | 2022-10-25 | 삼성전자주식회사 | Air conditioner and Method for controlling the air conditioner thereof |
| KR102623998B1 (en) | 2018-07-17 | 2024-01-12 | 삼성전자주식회사 | Electronic device for speech recognition and method thereof |
| KR102001782B1 (en) * | 2018-09-05 | 2019-07-18 | 엘지전자 주식회사 | Method of controlling air-cleaner using artificial intelligence based on input sound and air-cleaner implementing thereof |
| CN109882966A (en) * | 2019-03-18 | 2019-06-14 | 吴赵东 | The air purifying robot of voice control |
| KR102287103B1 (en) * | 2019-07-11 | 2021-08-06 | 엘지전자 주식회사 | Arcificial intelligence air treating apparatus and the controlling method of the same |
| WO2021010503A1 (en) * | 2019-07-12 | 2021-01-21 | 엘지전자 주식회사 | Artificial intelligence air cleaning apparatus, method for controlling same, and artificial intelligence apparatus connected to same |
| KR102618721B1 (en) | 2019-08-29 | 2023-12-27 | 엘지전자 주식회사 | Air purifier and operating method of the same |
| CN113790490A (en) * | 2021-10-09 | 2021-12-14 | 浙江久友电器科技有限公司 | Multifunctional cold and warm air purifier |
| WO2023194770A1 (en) * | 2022-04-05 | 2023-10-12 | Jonix S.P.A. | Apparatus for the sanitization and/or filtration of the air of a closed room and relative control method |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007329702A (en) * | 2006-06-08 | 2007-12-20 | Toyota Motor Corp | Sound-receiving device and voice-recognition device, and movable object mounted with them |
| JP2012057814A (en) * | 2010-09-06 | 2012-03-22 | Hitachi Appliances Inc | Air conditioner |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR0139683B1 (en) * | 1995-03-21 | 1998-06-01 | Lg Electronics Inc | A checking method of air pollution |
| KR100386660B1 (en) * | 2002-07-02 | 2003-06-02 | 주식회사 싸이시스 | Movable Toy Using Passive Sound Telemetry System |
| KR100577216B1 (en) | 2004-02-09 | 2006-05-10 | 엘지전자 주식회사 | method for controlling indoor air quality using ventilating system |
-
2016
- 2016-11-02 KR KR1020160145235A patent/KR102550358B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007329702A (en) * | 2006-06-08 | 2007-12-20 | Toyota Motor Corp | Sound-receiving device and voice-recognition device, and movable object mounted with them |
| JP2012057814A (en) * | 2010-09-06 | 2012-03-22 | Hitachi Appliances Inc | Air conditioner |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180049471A (en) | 2018-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102550358B1 (en) | Artificial intelligence Air Purifier and method for controlling the same | |
| US10787762B2 (en) | Home appliance and method for controlling the same | |
| CN110268470A (en) | The modification of audio frequency apparatus filter | |
| KR102040505B1 (en) | Air cleaning apparatus based on artificial intelligence and air cleaning system including the same | |
| US11517168B2 (en) | Robot cleaner and operating method of the same | |
| WO2018132218A1 (en) | Systems and methods for recognizing user speech | |
| Goetze et al. | Acoustic monitoring and localization for social care | |
| KR20180071031A (en) | Air conditioner and control method thereof | |
| Wang et al. | Mixed sound event verification on wireless sensor network for home automation | |
| US11631394B2 (en) | System and method for determining occupancy | |
| KR20190099152A (en) | Air cleaner | |
| KR20180051729A (en) | Air conditioner and control method thereof | |
| Kalgaonkar et al. | Ultrasonic doppler sensor for voice activity detection | |
| US20220335937A1 (en) | Acoustic zoning with distributed microphones | |
| US11211080B2 (en) | Conversation dependent volume control | |
| KR102001782B1 (en) | Method of controlling air-cleaner using artificial intelligence based on input sound and air-cleaner implementing thereof | |
| JP2018136062A (en) | Air cleaner and control method of air cleaner | |
| KR102612822B1 (en) | Controlling method for Artificial intelligence Moving robot | |
| US11133020B2 (en) | Assistive technology | |
| JP2020524300A (en) | Method and device for obtaining event designations based on audio data | |
| CN114175145A (en) | Multimodal intelligent audio device system attention expression | |
| US11790932B2 (en) | Acoustic event detection | |
| Kaur et al. | Integrated speaker and speech recognition for wheel chair movement using artificial intelligence | |
| US11468354B1 (en) | Adaptive target presence probability estimation | |
| Nilsson et al. | Human whistle detection and frequency estimation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |