KR102618721B1 - 공기 청정기 및 이의 동작 방법 - Google Patents

공기 청정기 및 이의 동작 방법 Download PDF

Info

Publication number
KR102618721B1
KR102618721B1 KR1020190106681A KR20190106681A KR102618721B1 KR 102618721 B1 KR102618721 B1 KR 102618721B1 KR 1020190106681 A KR1020190106681 A KR 1020190106681A KR 20190106681 A KR20190106681 A KR 20190106681A KR 102618721 B1 KR102618721 B1 KR 102618721B1
Authority
KR
South Korea
Prior art keywords
air
sensor
filter
indoor
information
Prior art date
Application number
KR1020190106681A
Other languages
English (en)
Other versions
KR20210026214A (ko
Inventor
오지혜
이인호
정재웅
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190106681A priority Critical patent/KR102618721B1/ko
Priority to US16/709,415 priority patent/US11480351B2/en
Publication of KR20210026214A publication Critical patent/KR20210026214A/ko
Application granted granted Critical
Publication of KR102618721B1 publication Critical patent/KR102618721B1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H04L12/2816—Controlling appliance services of a home automation network by calling their functionalities
    • H04L12/282—Controlling appliance services of a home automation network by calling their functionalities based on user interaction within the home
    • 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
    • F24F11/0001—Control or safety arrangements for ventilation
    • 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
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F24F11/58—Remote control using Internet communication
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • F24F11/79—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling the direction of the supplied air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F7/00—Ventilation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
    • F24F8/10—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by separation, e.g. by filtering
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H04L12/2823—Reporting information sensed by appliance or service execution status of appliance services in a home automation network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F7/00—Ventilation
    • F24F2007/001—Ventilation with exhausting air ducts
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2642—Domotique, domestic, home control, automation, smart house
    • 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

Abstract

사물 인터넷을 위해 연결된 5G 환경에서 인공지능(artificial intelligence, AI) 알고리즘 및/또는 기계학습(machine learning) 알고리즘을 실행하여 공기 청정기를 동작시키는 방법이 개시된다. 공기 청정기를 동작시키기 위한 방법은, 적어도 하나의 센서로부터의 센서 정보에 기초하여, 실내 상황이 필터의 보호가 필요한 상황인지 여부를 결정하는 단계, 상기 실내 상황이 필터의 보호가 필요한 상황이라고 결정되면, 공기 청정 기능을 중지하는 단계, 및 하나 이상의 환기 디바이스를 동작시키는 단계를 포함한다. 본 개시에 따르면, 공기 청정기의 필터의 수명이 급격하게 단축될 수 있는 상황으로부터 공기 청정기를 보호하는 것이 가능하다.

Description

공기 청정기 및 이의 동작 방법{AIR PURIFIER AND OPERATING METHOD OF THE SAME}
본 개시는 공기 청정기에 관한 것으로, 보다 상세하게는, 주변 상황에 따라 동작을 중지하는 공기 청정기 및 이의 동작 방법에 관한 것이다.
공기 청정기는 실내의 오염된 공기를 흡입하고, 필터를 이용하여 공기를 정화하고, 정화된 공기를 배출하는 장치이다. 공기 청정기의 동작 성능을 향상시키기 위해, 실내의 상황을 고려하여 공기 청정기의 동작을 제어하는 기술들이 개발되고 있다.
대한민국 공개특허공보 제10-2018-0080404호(특허문헌 1)는 사운드 센서를 이용하여 먼지 유발 소음을 감지하고, 먼지 유발 소음이 발생한 영역으로 이동하여 공기 청정 기능을 수행하는 로봇 공기 청정기를 개시한다.
대한민국 공개특허공보 제10-2018-0049471호(특허문헌 2)는 공기 청정기에 구비된 마이크로폰을 이용하여 공기 오염을 발생시키는 소리를 인식하고, 소리의 발생 방향으로 공기를 더 흡입하도록 공기 청정기를 제어하는 방법을 개시한다.
특허문헌 1 및 특허문헌 2은 모두 공기 오염이 발생하는 것을 소리로 감지하고 공기 오염을 효과적으로 제거하는 것을 목표로 한다. 그러나, 상황에 따라 공기 청정기의 동작이 공기 청정기의 필터의 수명을 급격하게 단축시킬 수 있다. 예를 들어, 담배 연기 또는 요리시 발생하는 유증기는 공기 청정기의 필터의 수명을 크게 단축시킨다. 특허문헌 1 또는 특허문헌 2에 따른 공기 청정기가 위와 같은 상황에서 동작한다면, 공기 청정기가 담배 연기 또는 유증기를 집중적으로 흡입하게 되어 필터의 수명이 보다 급격하게 단축된다.
본 발명의 일 과제는, 공기 청정기의 필터의 수명이 급격하게 단축될 수 있는 상황으로부터 공기 청정기를 보호하기 위한 것이다.
본 발명의 다른 과제는, 공기 청정기의 필터를 보호하면서도 실내의 오염 물질을 효과적으로 제거하기 위한 것이다.
본 발명의 또 다른 과제는, 공기 청정기의 필터의 보호와 실내의 오염 물질의 제거 사이의 절충점을 사용자의 선호도에 따라 결정하기 위한 것이다.
본 발명의 목적은 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 실시예들에 따른 공기 청정기를 동작시키는 방법 및 공기 청정기는, 적어도 하나의 센서를 이용하여 식별된 실내 상황에 따라 공기 청정 기능을 중지하거나 환기 동작을 수행한다.
본 발명의 제1 양상에 따른 공기 청정기를 동작시키는 방법은, 적어도 하나의 센서로부터의 센서 정보에 기초하여 실내 상황이 필터의 보호가 필요한 상황인지 여부를 결정하는 단계, 실내 상황이 필터의 보호가 필요한 상황이라고 결정되면 공기 청정 기능을 중지하는 단계, 및 하나 이상의 환기 디바이스를 동작시키는 단계를 포함한다.
본 발명의 제2 양상에 따른 공기 청정기는, 필터를 통해 외부의 공기가 유입되도록 그리고 필터링된 공기가 배출되도록 기류를 생성하도록 구성된 제1 기류 생성기, 실내 환경의 영상, 소리, 또는 공기 오염도 중 적어도 하나를 검출하도록 구성된 적어도 하나의 센서, 및 제어부를 포함하고, 이때 제어부는, 적어도 하나의 센서로부터의 센서 정보에 기초하여 실내 상황이 필터의 보호가 필요한 상황인지 여부를 결정하고, 실내 상황이 필터의 보호가 필요한 상황이라고 결정되면 제1 기류 생성기의 동작을 중지하고, 그리고 하나 이상의 환기 디바이스를 동작시키도록 구성된다.
본 발명의 제3 양상에 따른 홈 자동화 서버는, 공기 청정기, 하나 이상의 센서, 및 하나 이상의 환기 디바이스와 통신하도록 구성된 네트워크 인터페이스, 및 프로세서를 포함하고, 이때 프로세서는, 적어도 하나의 센서로부터의 센서 정보에 기초하여 실내 상황이 필터의 보호가 필요한 상황인지 여부를 결정하고, 실내 상황이 필터의 보호가 필요한 상황이라고 결정되면, 공기 청정 기능의 중지를 요청하는 신호를 공기 청정기에 전송하고, 그리고 적어도 하나의 환기 디바이스를 동작시키기 위한 신호를 적어도 하나의 환기 디바이스에 전송하도록 구성된다.
일 실시예에서, 필터의 보호가 필요한 상황은, 요리, 청소, 흡연, 또는 임계치보다 높은 실내 공기 오염 중 적어도 하나를 포함한다.
다른 실시예에서, 센서로부터의 센서 정보는, 영상 센서에 의해 획득된 영상 정보, 소리 센서에 의해 획득된 소리 정보, 연기 센서에 의해 검출된 연기 검출 정보, 가스 유량 센서에 의해 검출된 가스 사용 정보, 화염 센서에 의해 검출된 화염 정보, 온도 센서에 의해 검출된 열 정보, 공기 오염 센서에 의해 검출된 실내의 공기 오염도 중 적어도 하나를 포함한다.
추가 실시예에서, 필터의 보호가 필요한 상황인지 여부는 영상 데이터 또는 소리 데이터에 기초하여 요리, 청소, 또는 흡연 이벤트들을 검출하도록 미리 훈련된 인공 신경망을 이용하여 결정된다.
추가 실시예에서, 환기 디바이스는 창문 또는 도어의 개폐를 제어하는 창문 개폐기 또는 도어 개폐기를 포함한다.
추가 실시예에서, 환기 디바이스는 에어 서큘레이터를 포함하고, 에어 서큘레이터의 송풍 방향은, 필터 수명 단축 물질이 발생하는 위치 및 개방된 창문 또는 도어의 위치에 기초하여 결정된다.
추가 실시예에서, 환기 동작 후 실내 공기 오염도가 기준치보다 낮으면 환기 디바이스의 동작이 원상태로 복귀되고 공기 청정 기능이 재가동된다.
추가 실시예에서, 사용자의 환기 동작이 검출되면 사용자의 환기 동작 시의 실내 공기 오염도에 기초하여, 공기 청정 기능을 재가동하기 위한 기준치가 조정된다.
본 발명에 의하면, 실내 환경을 모니터링하여 공기 청정기의 필터의 수명이 급격하게 단축될 수 있는 상황으로부터 공기 청정기를 보호하는 것이 가능하다.
또한, 본 발명에 의하면, 홈 IoT와 같은 홈 네트워크 및 인공 지능 기술을 이용함으로써, 실내 환경에서 공기 청정기의 필터의 수명이 급격하게 단축될 수 있는 상황을 보다 정확하게 추정할 수 있다.
또한, 본 발명에 의하면, 사용자의 피드백에 의해 공기 청정기의 동작을 위한 기준치를 학습함으로써, 공기 청정기가 보다 사용자 편의적으로 동작할 수 있다.
도 1은 본 발명의 일 실시예에 따른 공기 청정기가 배치되는 예시적인 실내 환경을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 공기 청정기를 개략적으로 도시하는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 공기 청정기를 도시하는 사시도이다.
도 4는 본 발명의 일 실시예에 따른 영상 분석 엔진 및 소리 분석 엔진의 동작들을 도식적으로 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따라 공기 청정기를 동작시키는 예시적인 방법을 나타내는 흐름도이다.
도 6은 본 발명의 일 실시예에 따라 각각의 이벤트들에 대한 스코어들을 맵핑하는 예시적인 스코어 맵을 도시한다.
도 7은 본 발명의 일 실시예에 따라 필터 보호 필요 레벨에 따라 수행될 환기 동작들의 예시를 나타내는 표이다.
도 8은 본 발명의 일 실시예에 따라 환기 동작 후의 공기 청정기를 동작시키는 예시적인 방법을 나타내는 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 명세서에 기재되는 인공신경망은 생물학적 뉴런의 동작원리와 뉴런간의 연결 관계를 모델링한 것으로 노드 또는 처리 요소(processing element)라고 하는 다수의 뉴런들이 레이어(layer) 구조의 형태로 연결된 정보처리 시스템이다. 인공 신경망은 기계 학습에서 사용되는 모델로서, 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계 중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘이다. 구체적으로 인공신경망은 시냅스(synapse)의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공신경망은 복수의 레이어(layer)를 포함할 수 있고, 레이어들 각각은 복수의 뉴런(neuron)을 포함할 수 있다. 또한 인공신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다.
인공 신경망은 일반적으로 다음의 세가지 인자, 즉 (1) 다른 레이어의 뉴런들 사이의 연결 패턴, (2) 연결의 가중치를 갱신하는 학습 과정, 및 (3) 이전 레이어로부터 수신되는 입력에 대한 가중 합으로부터 출력값을 생성하는 활성화 함수에 의해 정의될 수 있다.
인공 신경망은, 예를 들어, 컨볼루션 신경망(Convolution Neural Network; CNN), 순환 신경망(Recurrent Neural Network; RNN), 심층 신뢰 신경망(Deep Belief Network; DBN) 등의 심층신경망(Deep Neural Network; DNN)을 포함할 수 있으나, 이에 한정되는 것은 아니다.
인공신경망은 계층 수에 따라 단층 신경망(Single-Layer Neural Networks)과 다층 신경망(Multi-Layer Neural Networks)으로 구분된다.
일반적인 단층 신경망은, 입력층과 출력층으로 구성된다.
또한 일반적인 다층 신경망은 입력층(Input Layer)과 하나 이상의 은닉층(Hidden Layer), 출력층(Output Layer)으로 구성된다.
입력층은 외부의 자료들을 받아들이는 층으로서, 입력층의 뉴런 수는 입력되는 변수의 수와 동일하며, 은닉층은 입력층과 출력층 사이에 위치하며 입력층으로부터 신호를 받아 특성을 추출하여 출력층으로 전달한다. 출력층은 은닉층으로부터 신호를 받고, 수신한 신호에 기반한 출력 값을 출력한다. 뉴런간의 입력신호는 각각의 연결강도(가중치)와 곱해진 후 합산되며 이 합이 뉴런의 임계치보다 크면 뉴런이 활성화되어 활성화 함수를 통하여 획득한 출력값을 출력한다.
한편 입력층과 출력 층 사이에 복수의 은닉층을 포함하는 심층 신경망은, 기계 학습 기술의 한 종류인 딥 러닝을 구현하는 대표적인 인공 신경망일 수 있다.
한편 용어 '딥 러닝'은 용어 '심층 학습'과 혼용되어 사용될 수 있다.
인공 신경망은 훈련 데이터(training data)를 이용하여 학습(training)될 수 있다. 여기서 학습이란, 입력 데이터를 분류(classification)하거나 회귀분석(regression)하거나 군집화(clustering)하는 등의 목적을 달성하기 위하여, 학습 데이터를 이용하여 인공 신경망의 파라미터(parameter)를 결정하는 과정을 의미할 수 있다. 인공 신경망의 파라미터의 대표적인 예시로써, 시냅스에 부여되는 가중치(weight)나 뉴런에 적용되는 편향(bias)을 들 수 있다.
훈련 데이터에 의하여 학습된 인공 신경망은, 입력 데이터를 입력 데이터가 가지는 패턴에 따라 분류하거나 군집화 할 수 있다.
한편 훈련 데이터를 이용하여 학습된 인공 신경망을, 본 명세서에서는 학습 모델(a trained model)이라 명칭 할 수 있다.
다음은 인공 신경망의 학습 방식에 대하여 설명한다.
인공 신경망의 학습 방식은 크게, 지도 학습, 비 지도 학습, 준 지도 학습(Semi-Supervised Learning), 강화 학습(Reinforcement Learning)으로 분류될 수 있다.
지도 학습은 훈련 데이터로부터 하나의 함수를 유추해내기 위한 기계 학습의 한 방법이다.
그리고 이렇게 유추되는 함수 중, 연속 적인 값을 출력하는 것을 회귀분석(Regression)이라 하고, 입력 벡터의 클래스(class)를 예측하여 출력하는 것을 분류(Classification)라고 할 수 있다.
지도 학습에서는, 훈련 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시킨다.
여기서 레이블이란, 훈련 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다.
본 명세서에서는 훈련 데이터가 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과값)을 레이블 또는 레이블링 데이터(labeling data)이라 명칭 한다.
또한 본 명세서에서는, 인공 신경망의 학습을 위하여 훈련 데이터에 레이블을 설정하는 것을, 훈련 데이터에 레이블링 데이터를 레이블링(labeling) 한다고 명칭 한다.
이 경우 훈련 데이터와 훈련 데이터에 대응하는 레이블)은 하나의 트레이닝 셋(training set)을 구성하고, 인공 신경망에는 트레이닝 셋의 형태로 입력될 수 있다.
한편 훈련 데이터는 복수의 특징(feature)을 나타내고, 훈련 데이터에 레이블이 레이블링 된다는 것은 훈련 데이터가 나타내는 특징에 레이블이 달린다는 것을 의미할 수 있다. 이 경우 훈련 데이터는 입력 객체의 특징을 벡터 형태로 나타낼 수 있다.
인공 신경망은 훈련 데이터와 레이블링 데이터를 이용하여, 훈련 데이터와 레이블링 데이터의 연관 관계에 대한 함수를 유추할 수 있다. 그리고, 인공 신경망에서 유추된 함수에 대한 평가를 통해 인공 신경망의 파라미터가 결정(최적화)될 수 있다.
비 지도 학습은 기계 학습의 일종으로, 훈련 데이터에 대한 레이블이 주어지지 않는다.
구체적으로, 비 지도 학습은, 훈련 데이터 및 훈련 데이터에 대응하는 레이블의 연관 관계 보다는, 훈련 데이터 자체에서 패턴을 찾아 분류하도록 인공 신경망을 학습시키는 학습 방법일 수 있다.
비 지도 학습의 예로는, 군집화 또는 독립 성분 분석(Independent Component Analysis)을 들 수 있다.
본 명세서에서 용어 '군집화'는 용어 '클러스터링'과 혼용되어 사용될 수 있다.
비지도 학습을 이용하는 인공 신경망의 일례로 생성적 적대 신경망(Generative Adversarial Network; GAN), 오토 인코더(Autoencoder; AE)를 들 수 있다.
생성적 적대 신경망이란, 생성기(generator)와 판별기(discriminator), 두 개의 서로 다른 인공지능이 경쟁하며 성능을 개선하는 머신 러닝 방법이다.
이 경우 생성기는 새로운 데이터를 창조하는 모형으로, 원본 데이터를 기반으로 새로운 데이터를 생성할 수 있다.
또한 판별기는 데이터의 패턴을 인식하는 모형으로, 입력된 데이터가 원본 데이터인지 또는 생성기에서 생성한 새로운 데이터인지 여부를 감별하는 역할을 수행할 수 있다.
그리고 생성기는 판별기를 속이지 못한 데이터를 입력 받아 학습하며, 판별기는 생성기로부터 속은 데이터를 입력 받아 학습할 수 있다. 이에 따라 생성기는 판별기를 최대한 잘 속이도록 진화할 수 있고, 판별기는 원본 데이터와 생성기에 의해 생성된 데이터를 잘 구분하도록 진화할 수 있다.
오토 인코더는 입력 자체를 출력으로 재현하는 것을 목표로 하는 신경망이다.
오토 인코더는 입력층, 적어도 하나의 은닉층 및 출력층을 포함한다.
이 경우 은닉 계층의 노드 수가 입력 계층의 노드 수보다 적으므로 데이터의 차원이 줄어들게 되며, 이에 따라 압축 또는 인코딩이 수행되게 된다.
또한 은닉 계층에서 출력한 데이터는 출력 계층으로 들어간다. 이 경우 출력 계층의 노드 수는 은닉 계층의 노드 수보다 많으므로, 데이터의 차원이 늘어나게 되며, 이에 따라 압축 해제 또는 디코딩이 수행되게 된다.
한편 오토 인코더는 학습을 통해 뉴런의 연결 강도를 조절함으로써 입력 데이터가 은닉층 데이터로 표현된다. 은닉층에서는 입력층보다 적은 수의 뉴런으로 정보를 표현하는데 입력 데이터를 출력으로 재현할 수 있다는 것은, 은닉층이 입력 데이터로부터 숨은 패턴을 발견하여 표현했다는 것을 의미할 수 있다.
준 지도 학습은 기계 학습의 일종으로, 레이블이 주어진 훈련 데이터와 레이블이 주어지지 않은 훈련 데이터를 모두 사용하는 학습 방법을 의미할 수 있다.
준 지도 학습의 기법 중 하나로, 레이블이 주어지지 않은 훈련 데이터의 레이블을 추론한 후 추론된 라벨을 이용하여 학습을 수행하는 기법이 있으며, 이러한 기법은 레이블링에 소요되는 비용이 큰 경우에 유용하게 사용될 수 있다.
강화 학습은, 에이전트(Agent)가 매 순간 어떤 행동을 해야 좋을지 판단할 수 있는 환경이 주어진다면, 데이터 없이 경험으로 가장 좋을 길을 찾을 수 있다는 이론이다.
강화 학습은 주로 마르코프 결정 과정(Markov Decision Process; MDP)에 의하여 수행될 수 있다.
마르코프 결정 과정을 설명하면, 첫 번째로 에이전트가 다음 행동을 하기 위해 필요한 정보들이 구성된 환경이 주어지며, 두 번째로 그 환경에서 에이전트가 어떻게 행동할지 정의하고, 세 번째로 에이전트가 무엇을 잘하면 보상(reward)을 주고 무엇을 못하면 벌점(penalty)을 줄지 정의하며, 네 번째로 미래의 보상이 최고점에 이를 때까지 반복 경험하여 최적의 정책(policy)을 도출하게 된다.
인공 신경망은 모델의 구성, 활성 함수(Activation Function), 손실 함수(Loss Function) 또는 비용 함수(Cost Function), 학습 알고리즘, 최적화 알고리즘 등에 의해 그 구조가 특정되며, 학습 전에 하이퍼파라미터(Hyperparameter)가 미리 설정되고, 이후에 학습을 통해 모델 파라미터(Model Parameter)가 설정되어 내용이 특정될 수 있다.
예컨대, 인공 신경망의 구조를 결정하는 요소에는 은닉층의 개수, 각 은닉층에 포함된 은닉 노드의 개수, 입력 특징 벡터(Input Feature Vector), 대상 특징 벡터(Target Feature Vector) 등이 포함될 수 있다.
하이퍼파라미터는 모델 파라미터의 초기값 등과 같이 학습을 위하여 초기에 설정하여야 하는 여러 파라미터들을 포함한다. 그리고, 모델 파라미터는 학습을 통하여 결정하고자 하는 여러 파라미터들을 포함한다.
예컨대, 하이퍼파라미터에는 노드 간 가중치 초기값, 노드 간 편향 초기값, 미니 배치(Mini-batch) 크기, 학습 반복 횟수, 학습률(Learning Rate) 등이 포함될 수 있다. 그리고, 모델 파라미터에는 노드 간 가중치, 노드 간 편향 등이 포함될 수 있다.
손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표(기준)로 이용될 수 있다. 인공 신경망에서 학습은 손실 함수를 줄이기 위하여 모델 파라미터들을 조작하는 과정을 의미하며, 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다.
손실 함수는 주로 평균 제곱 오차(Mean Squared Error; MSE) 또는 교차 엔트로피 오차(Cross Entropy Error; EPP)를 사용할 수 있으며, 본 발명이 이에 한정되지는 않는다.
교차 엔트로피 오차는 정답 레이블이 원 핫 인코딩(one-hot encoding)된 경우에 사용될 수 있다. 원 핫 인코딩은 정답에 해당하는 뉴런에 대하여만 정답 레이블 값을 1로, 정답이 아닌 뉴런은 정답 레이블 값이 0으로 설정하는 인코딩 방법이다.
머신 러닝 또는 딥 러닝에서는 손실 함수를 최소화하기 위하여 학습 최적화 알고리즘을 이용할 수 있으며, 학습 최적화 알고리즘에는 경사 하강법(Gradient Descent; GD), 확률적 경사 하강법(Stochastic Gradient Descent; SGD), 모멘텀(Momentum), NAG(Nesterov Accelerate Gradient), Adagrad, AdaDelta, RMSProp, Adam, Nadam 등이 있다.
경사 하강법은 현재 상태에서 손실 함수의 기울기를 고려하여 손실 함수값을 줄이는 방향으로 모델 파라미터를 조정하는 기법이다.
모델 파라미터를 조정하는 방향은 스텝(step) 방향, 조정하는 크기는 스텝 사이즈(size)라고 칭한다.
이때, 스텝 사이즈는 학습률을 의미할 수 있다.
경사 하강법은 손실 함수를 각 모델 파라미터들로 편미분하여 기울기를 획득하고, 모델 파라미터들을 획득한 기울기 방향으로 학습률만큼 변경하여 갱신할 수 있다.
확률적 경사 하강법은 학습 데이터를 미니 배치로 나누고, 각 미니 배치마다 경사 하강법을 수행하여 경사 하강의 빈도를 높인 기법이다.
Adagrad, AdaDelta 및 RMSProp는 SGD에서 스텝 사이즈를 조절하여 최적화 정확도를 높이는 기법이다. SGD에서 모멘텀 및 NAG는 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다. Adam은 모멘텀과 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다. Nadam은 NAG와 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다.
인공 신경망의 학습 속도와 정확도는 인공 신경망의 구조와 학습 최적화 알고리즘의 종류뿐만 아니라, 하이퍼파라미터에 크게 좌우되는 특징이 있다. 따라서, 좋은 학습 모델을 획득하기 위하여는 적당한 인공 신경망의 구조와 학습 알고리즘을 결정하는 것뿐만 아니라, 적당한 하이퍼파라미터를 설정하는 것이 중요하다.
통상적으로 하이퍼파라미터는 실험적으로 다양한 값으로 설정해가며 인공 신경망을 학습시켜보고, 학습 결과 안정적인 학습 속도와 정확도를 제공하는 최적의 값으로 설정한다.
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.
이하, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 공기 청정기가 배치되는 예시적인 실내 환경을 나타내는 도면이다.
본 개시에서 "실내 환경"은 공기 청정기(100)가 배치되고, 공기 청정기(100)의 동작이 영향을 미칠 수 있는 실내 공간을 말한다. 실내 환경은 예를 들어 가정의 실내 환경일 수 있다. 실내 환경은 외부 공간으로 개방될 수 있는 창문(175) 및 도어(185)를 갖는 벽으로 둘러싸여 있을 수 있다.
실내 환경에는 주방 스토브(110), 스토브 영역 센서(120), 홈 보안 카메라(130), 연기 검출기(140), AI 스피커(150), 에어 서큘레이터(160), 창문 개폐기(170), 도어 개폐기(180), 및 스마트 홈 서버(190)가 배치될 수 있다.
주방 스토브(110)는 요리를 위해 열 또는 화염을 발생하는 디바이스로서, 가스 레인지, 가스 오븐, 전기 레인지, 할로겐 레인지, 인덕션 레인지(induction range), 또는 쿡탑(cooktop) 중 적어도 하나를 포함한다.
스토브 영역 센서(120)는 주방 스토브(110) 부근의 화염, 연기, 열, 또는 가스의 사용을 검출하기 위한 센서 디바이스이다. 스토브 영역 센서(120)는 주방 스토브(110) 상에 설치되거나, 주방 스토브(110)의 부근의 벽에 설치되거나, 또는 주방 스토브(110)의 상부에 배치되는 주방 후드에 설치될 수 있다. 스토브 영역 센서(120)는 화염 센서, 연기 센서, 온도 센서, 또는 가스 유량 센서를 포함할 수 있다. 스토브 영역 센서(120)는 네트워크 인터페이스를 통해 화염, 연기, 온도, 또는 가스의 사용에 관한 검출된 센서 정보를 스마트 홈 서버(190)에 통지할 수 있다.
홈 보안 카메라(130)는 예를 들어 실내의 벽 또는 천장에 부착되어 실내 환경의 영상을 획득하기 위한 디바이스이다. 홈 보안 카메라(130)는 네트워크 인터페이스를 통해 스마트 홈 서버(190)에 또는 외부의 클라우드 서버에 녹화된 영상을 저장할 수 있다. 또한, 홈 보안 카메라(130)는 스마트 홈 서버(190)를 통해 또는 외부의 클라우드 서버를 통해 사용자 단말기(예를 들어, 퍼스널 컴퓨터 또는 모바일 폰)로 획득되는 영상을 스트리밍할 수 있다.
연기 검출기(140)는 예를 들어 실내의 벽 또는 천장에 부착되어 실내 환경에 발생하는 연기를 검출하기 위한 디바이스이다. 예를 들어, 연기 검출기(140)는 사용자가 실내에서 흡연할 때의 담배 연기를 검출할 수 있다. 연기 검출기(140)는 네트워크 인터페이스를 통해 연기의 검출을 스마트 홈 서버(190)에 통지한다.
인공지능(AI) 스피커(150)는 주변의 소리, 특히 사용자의 음성을 검출하고 사용자의 음성의 의미를 분석하여, 사용자의 요청에 따른 제어를 수행하는 디바이스이다.
스토브 영역 센서(120), 홈 보안 카메라(130), 연기 검출기(140), 및 AI 스피커(150)는 본 개시에서 공기 청정기(100)에 구비된 센서들에 부가하여 공기 청정기(100)에 센서 정보를 제공하기 위한 외부 센서 디바이스로서 동작할 수 있다. 외부 센서 디바이스들(120, 130, 140, 150)로부터의 센서 정보는 공기 청정기(100)로 직접 전송되거나, 또는 스마트 홈 서버(190)가 센서 정보를 공기 청정기(100)에 제공할 수 있도록 스마트 홈 서버(190)로 전송될 수도 있다. 예를 들어, 스토브 영역 센서(120)는 주방 스토브(110)가 동작하는지 여부를 나타내는 센서 정보를 공기 청정기(100)로 전송할 수 있고, 홈 보안 카메라(130)는 획득되는 실내의 영상을 공기 청정기(100)로 전송할 수 있다. 연기 검출기(140)는 실내 환경에서의 연기(예를 들어, 담배 연기)의 발생을 공기 청정기(100)에 통지할 수 있다. AI 스피커(150)는 검출된 소리를 공기 청정기(100)로 전송할 수 있다.
에어 서큘레이터(160)는 공기 중에 기류를 생성하여 공기가 순환하도록 하는 디바이스이다. 창문 개폐기(170)는 스마트 홈 서버(190)로부터의 또는 다른 디바이스(예를 들어, 공기 청정기(100))로부터의 제어 신호 또는 요청에 응답하여 창문(175)을 개방하거나 폐쇄하기 위한 디바이스이다. 도어 개폐기(180)는 스마트 홈 서버(190)로부터의 또는 다른 디바이스로부터의 제어 신호 또는 요청에 응답하여 도어(185)를 개방하거나 폐쇄하기 위한 디바이스이다.
에어 서큘레이터(160), 창문 개폐기(170), 및 도어 개폐기(180)는 본 개시에서 실내 환경의 공기를 환기시키기 위한 환기 디바이스로서 동작할 수 있다. 환기 디바이스들(160, 170, 180)은 스마트 홈 서버(190)로부터의 또는 다른 디바이스들, 특히 공기 청정기(100)로부터의 요청에 따라 자신들의 동작을 제어할 수 있다. 예를 들어, 에어 서큘레이터(160)는 공기 청정기(100)로부터의 요청에 응답하여, 요청된 방향을 향하여 공기를 송풍할 수 있고, 창문 개폐기(170) 또는 도어 개폐기(180)는 공기 청정기(100)로부터의 요청에 응답하여 실외 공기가 실내 환경으로 유입되도록 창문(175) 또는 도어(185)를 개방할 수 있다.
스마트 홈 서버(190)는 실내 환경에 설치된 하나 이상의 디바이스(예를 들어, 홈 IoT 디바이스들) 및 사용자 단말기(미도시)와 연결되어 홈 네트워크를 설립하고, 홈 네트워크에 연결된 디바이스들을 제어하고 관리하기 위한 자동화 시스템의 서버이다. 스마트 홈 서버(190)는 홈 네트워크에 연결된 하나 이상의 디바이스로부터 동작 상태 정보 또는 센서 정보를 수신하고 관리할 수 있다.
또한, 스마트 홈 서버(190)는 홈 네트워크에 연결된 하나 이상의 디바이스에 그들의 동작을 제어하기 위한 제어 신호를 전송할 수 있다. 예를 들어, 스마트 홈 서버(190)는 외부 센서 디바이스들(120, 130, 140, 150)로부터 센서 정보를 수신할 수 있고, 그리고 환기 디바이스들(160, 170, 180)의 동작을 제어하는 제어 신호를 환기 디바이스들(160, 170, 180)에 전송할 수 있다. 스마트 홈 서버(190)는 센서 디바이스들(120, 130, 140, 150)로부터의 센서 정보를 공기 청정기(100) 또는 사용자 단말기에 제공할 수도 있고, 공기 청정기(100)로부터의 또는 사용자 단말기로부터의 요청에 따라 환기 디바이스들(160, 170, 180)의 동작을 제어하는 제어 신호를 환기 디바이스(160, 170, 180)에 송신할 수 있다.
상술한 디바이스들, 특히 공기 청정기(100), 외부 센서 디바이스들(120, 130, 140, 150), 환기 디바이스들(160, 170, 180), 및 스마트 홈 서버(190)는 네트워크 기능성을 가지며, 무선 또는 유선으로 그리고 직접적으로 또는 다른 디바이스들을 경유하여 간접적으로 서로 연결되어 홈 네트워크를 형성할 수 있다. 하나 이상의 디바이스들은 다른 디바이스들 또는 스마트 홈 서버(190)와 통신하기 위한 네트워크 인터페이스를 포함하며, 네트워크 인터페이스는, 예를 들어, 5세대(5G) 셀룰러 네트워크, 블루투스, 적외선 데이터 협회(Infrared Data Association; IrDA), 사물 인터넷(Internet of Things; IoT), 로컬 영역 네트워크(Local Area Network; LAN), 저전력 네트워크(Low Power Network; LPN), 저전력 광역 네트워크(Low Power Wide Area Network; LPWAN), 개인 영역 네트워크(Personal Area Network; PAN), 무선 주파수 식별(Radio Frequency Identification; RFID), 초광대역(Ultra-wide Band; UWB), Wi-Fi(Wireless Fidelity), 무선 LAN(WLAN), 또는 ZigBee 통신 기술들 중 하나 이상을 이용할 수 있으나, 이에 한정되는 것은 아니다.
하나 이상의 디바이스는 직접적으로 또는 하나 이상의 중간 디바이스(intermediary device)를 경유하여 다른 디바이스에 통지할 수 있다. 중간 디바이스는 상술한 디바이스들 중 임의의 것일 수 있고 또는 게이트웨이, 허브, 스위치, 라우터, 스몰셀, 펨토셀, 피코셀, 또는 무선 액세스 포인트(WAP)와 같은 별개의 네트워크 디바이스일 수도 있다.
하나 이상의 디바이스는 서로 간의 통신을 통해 다른 디바이스들과의 상대 위치(예를 들어, 방향 및/또는 거리) 또는 실내 환경에서 자신의 절대 위치를 식별할 수 있다. 예를 들어, 하나 이상의 디바이스는 다른 디바이스들과 다이렉트 통신을 수행할 수 있고, 빔포밍(beamforming) 방향에 따른 신호 강도 및 통신 메시지의 지연시간(latency) 등을 이용하여 다른 디바이스에 대한 방향 및 거리를 추정할 수 있다. 스마트 홈 서버(190)는 디바이스들로부터의 상대 위치 정보를 수집하고, 실내 환경에서의 디바이스들의 절대 위치를 식별할 수 있다. 다른 실시예에서 스마트 홈 서버(190)는 사용자에 의한 수동 입력에 의해 실내 환경에서의 디바이스들의 위치를 식별할 수도 있다.
도 2는 본 발명의 일 실시예에 따른 공기 청정기를 개략적으로 도시하는 블록도이고, 도 3은 본 발명의 일 실시예에 따른 공기 청정기를 도시하는 사시도이다.
공기 청정기(100)는, 제어부(210), 제1 기류 생성부(220), 적어도 하나의 센서 유닛(230), 사용자 인터페이스(240), 네트워크 인터페이스(250), 및 제2 기류 생성부(260)를 포함한다.
제1 기류 생성부(220)는, 공기 청정기(100)의 하우징(310)에 형성된 유입구(320)를 통해 공기가 공기 청정기(100)의 내부로 유입되고, 유입된 공기가 필터(330)를 통과하고, 그리고 필터링된 공기가 배출구(360)를 통해 공기 청정기(100)의 외부로 배출되도록 하는 기류를 생성한다. 제1 기류 생성부(220)는 공기 청정기(100)의 하우징(310)의 내부에 배치되는 제1 팬(340)을 포함한다. 제1 팬(340)은 기류의 방향에 있어서 필터(330)의 하류(downstream)에 위치될 수 있다. 제1 기류 생성부(220)의 동작에 의해 공기 청정기(100)의 공기 청정 기능이 수행된다.
센서 유닛(230)은 실내 환경의 상태 또는 공기 청정기(100)의 주위의 상태를 모니터링하여 센서 정보를 생성하고, 생성된 센서 정보를 제어부(210)에 제공한다. 센서 유닛(230)은, 예를 들어, 공기 오염 센서(232), 영상 센서(234), 및 소리 센서(236)를 포함할 수 있다. 센서 유닛(230)은 기능을 달성하기 위해 적당한 임의의 위치에 배치될 수 있다. 예를 들어, 센서 유닛은 하우징(310)의 관통공(350)을 통해 노출되는 공기 청정기 본체의 위치들(352, 354, 356)에 배치될 수 있다.
공기 오염 센서(232)는 공기 청정기(100) 주변의 실내 환경의 공기의 오염도를 측정하여 오염 데이터를 생성하고, 생성된 오염 데이터를 제어부(210)에 제공한다. 영상 센서(234)는, 공기 청정기(100) 주변의 실내 환경의 영상을 획득하여 영상 데이터를 생성하고 생성된 영상 데이터를 제어부(210)에 제공하는, 예를 들어, 카메라이다. 소리 센서(236)는, 주변의 소리를 획득하여 소리 데이터를 생성하고 생성된 소리 데이터를 제어부(210)에 제공하는, 예를 들어, 마이크로폰이다.
사용자 인터페이스(240)는 공기 청정기(100)의 동작과 관련된 정보(예를 들어, 공기 청정기(100)의 동작 레벨 또는 공기 오염 센서(232)에 의해 측정된 공기 오염도)를 디스플레이하기 위한 디스플레이 패널(370) 및 사용자로부터 입력을 수신하기 위한 버튼들(380) 또는 터치스크린을 포함한다.
네트워크 인터페이스(250)는 스마트 홈 서버(190), 외부 센서 디바이스들(120, 130, 140, 150), 환기 디바이스들(160, 170, 180), 사용자 단말기, 또는 인터넷 중 적어도 하나와 통신하기 위한 네트워크 기능성을 제공한다. 네트워크 인터페이스(250)는, 예를 들어, 5세대(5G) 셀룰러 네트워크, 블루투스, 적외선 데이터 협회(Infrared Data Association; IrDA), 사물 인터넷(Internet of Things; IoT), 로컬 영역 네트워크(Local Area Network; LAN), 저전력 네트워크(Low Power Network; LPN), 저전력 광역 네트워크(Low Power Wide Area Network; LPWAN), 개인 영역 네트워크(Personal Area Network; PAN), 무선 주파수 식별(Radio Frequency Identification; RFID), 초광대역(Ultra-wide Band; UWB), Wi-Fi(Wireless Fidelity), 무선 LAN(WLAN), 또는 ZigBee 통신 기술들 중 하나 이상을 이용할 수 있으나, 이에 한정되는 것은 아니다.
네트워크 인터페이스(250)는 외부 센서 디바이스들(120, 130, 140, 150)로부터의 센서 정보를 수신할 수 있다. 예를 들어, 네트워크 인터페이스(250)는 스토브 영역 센서(120)로부터 주방 스토브(110)의 화염, 연기, 또는 온도에 관한 정보를 수신할 수 있다. 네트워크 인터페이스(250)는 홈 보안 카메라(130)로부터 실내 환경의 영상 데이터 및 홈 보안 카메라(130)의 배향 정보를 수신할 수도 있다. 네트워크 인터페이스(250)는 연기 검출기(140)로부터 실내 환경 내의 연기의 발생에 관한 정보를 수신할 수도 있다. 네트워크 인터페이스(250)는 또한 인터넷을 통해 외부 서버로부터 실외의 공기 오염도에 관한 정보를 수신할 수도 있다.
제2 기류 생성부(260)는 하우징(310)의 외부에 그리고 공기 청정기(100)의 배출구(360)의 부근에 배치된 제2 팬(390)을 포함한다. 제2 팬(390)은 제1 동작 모드(도 3(a))에서 배출구(360)에 인접한 제1 위치에 위치되어 필터(330)에 의해 필터링된 공기가 공기 청정기(100)의 외부로 배출되는 것을 보조할 수 있다. 다른 말로, 제2 기류 생성부(260)는 제1 기류 생성부(220)에 의한 기류의 생성을 보조할 수 있다. 제2 팬(390)은 제2 동작 모드(도 3(b))에서 배출구(360)로부터 떨어진 제2 위치에 위치되어 공기 청정기(100)의 필터(330)를 통과하지 않는 기류를 생성할 수도 있다. 예를 들어, 제2 기류 생성부(260)는 공기 청정기(100)의 공기 청정 기능에 독립하여 에어 서큘레이터로서 기능할 수도 있다.
제어부(210)는 사용자 인터페이스(240)를 통한 사용자의 조작에 의해 제1 기류 생성부(220) 및/또는 제2 기류 생성부(260)의 동작을 제어한다. 제어부(210)는 제1 기류 생성부(220)에 의한 공기의 흐름의 생성을 보조하도록 제2 기류 생성부(260)의 동작을 제어하거나, 또는 제1 기류 생성부(220)와 무관한 공기의 흐름을 생성하도록 제2 기류 생성부(260)의 동작을 제어할 수 있다.
제어부(210)는 하나 이상의 센서 유닛(230)으로부터 또는 네트워크 인터페이스(250)를 통해 하나 이상의 외부 센서 디바이스(120, 130, 140, 150)로부터 센서 정보를 수신하고, 수신된 센서 정보에 기초하여 제1 기류 생성부(220) 및/또는 제2 기류 생성부(260)의 동작을 제어할 수도 있다. 예를 들어, 제어부(210)는 실내 환경의 공기 오염도가 기준치보다 높은 경우 제1 기류 생성부(220)를 구동하는 제어 신호를 생성할 수 있다.
또한, 제어부(210)는 네트워크 인터페이스(250)를 통해 수신한 사용자 단말기 또는 스마트 홈 서버(190) 등의 외부 디바이스로부터의 요청에 따라 제1 기류 생성부(220) 및/또는 제2 기류 생성부(260)의 동작을 제어할 수도 있다. 제어부(210)는 네트워크 인터페이스(250)를 통해 하나 이상의 외부 환기 디바이스(160, 170, 180)로 환기를 위한 동작을 수행할 것을 요청할 수도 있다.
제어부(210)는 공기 청정기(100)의 동작과 관련한 환경구성들을 사용자가 설정할 수 있게 하는 환경구성 엔진(212)을 포함할 수 있다. 환경구성 엔진(212)은 예를 들어 사용자가 사용자 단말을 이용하여 접속할 수 있고 사용자가 환경구성들을 설정할 수 있게 하는 환경구성 페이지를 제공할 수 있다. 또한, 환경구성 엔진(212)은 사용자 인터페이스(240)를 통해 사용자가 환경구성들을 설정하게 할 수도 있다.
환경구성 엔진(212)은 공기 청정 기능을 시작하거나 종료하기 위한 조건들을 사용자가 설정할 수 있게 한다. 또한, 환경 구성 엔진(212)은 필터(330)의 보호가 필요하여 공기 청정 기능(제1 기류 생성부의 동작)이 중지되어야 하는 상황을 사용자가 설정(예를 들어, 추가, 제거, 또는 수정)하게 할 수 있다.
필터(330)의 보호가 필요한 상황은, 예를 들어, 요리, 흡연, 청소, 또는 실내의 과다한 공기 오염 등일 수 있다. 요리시에 발생하는 유증기가 공기 청정기(100)의 필터(330)에 흡착되면, 필터(330)의 수명이 급격하게 단축될 수 있다. 흡연시에 발생하는 연기 내의 많은 화학물질들 또한 필터(330)의 수명을 급격하게 단축시킨다. 청소시(특히, 진공 청소기의 사용시)에 발생하는 미세 먼지들도 필터(330)의 수명을 급격하게 단축시킬 수 있다. 따라서, 요리시, 흡연시, 또는 청소시에는 공기 청정기의 공기 청정 기능을 중지하고 창문의 개방 등을 통해 환기를 시키는 것이 바람직하다.
또한, 실외 공기에 비하여 실내 공기의 오염도가 과다하게 높은 경우, 공기 청정기를 동작시키는 것보다 창문을 개방하여 환기를 시키는 것이 필터의 수명 연장에 보다 유리할 수 있다. 창문이나 도어가 개방되어 실외 공기가 유입되고 있을 때에 공기 청정기를 사용하는 것은 필터의 수명만 단축시킬 뿐이고 공기 청정 효과를 거의 나타내지 못한다. 이 경우는 공기 청정기를 중지시키는 것이 바람직하다.
제어부(210)는 영상 센서(234)로부터 또는 외부의 영상 센서 디바이스(예를 들어, 홈 보안 카메라(130))로부터 수신한 영상 데이터를 분석하기 위한 영상 분석 엔진(214) 및 소리 센서(236)로부터 또는 외부의 소리 센서 디바이스(예를 들어, AI 스피커(150))로부터 수신한 소리 데이터를 분석하기 위한 소리 분석 엔진(216)을 포함할 수 있다.
제어부(210)는, 메모리 및 메모리에 저장된 프로그램에 포함된 코드들 또는 명령어들로 표현된 기능들을 수행하기 위해 구조화된 회로를 갖는 하드웨어로 구현된 임의의 형태의 프로세서를 포함할 수 있다. 제어부(210)는, 예를 들어, 마이크로프로세서, 중앙 처리 장치(Central Processing Unit; CPU), 프로세서 코어, 멀티프로세서, 주문형 집적회로(Application-Specific Integrated Circuit; ASIC), 또는 현장 프로그래머블 게이트 어레이(Field Programmable Gate Array; FPGA), 영상 처리 장치(Image Processing Unit; IPU), 또는 신경망 처리 장치(Neural Processing Unit; NPU) 중 하나 이상을 포함할 수 있다. 상술한 환경구성 엔진(212), 영상 분석 엔진(214), 및 소리 분석 엔진(214)은 각각 메모리 및 프로세서를 포함하거나, 또는 메모리 및 프로세서의 자원들의 할당(allocation)에 의해 구성될 수 있다.
도 4는 본 발명의 일 실시예에 따른 영상 분석 엔진 및 소리 분석 엔진의 동작들을 도식적으로 나타내는 도면이다.
영상 분석 엔진(214)은 입력된 영상 데이터(410)로부터 실내 환경에서 일어나는 이벤트들(예를 들어, 사용자의 행동)을 식별하도록 머신 러닝(machine learning)을 이용하여 미리 훈련되어 있는 인공 신경망(Artificial Neural Network; ANN)(420)을 포함한다. 인공 신경망(420)은 특히 실내 환경에서 필터의 수명을 단축시키는 물질이 발생하는 이벤트를 식별하도록 미리 훈련되어 있다. 예를 들어, 인공 신경망(420)은 사용자가 요리 중이거나, 사용자가 청소 중이거나, 사용자가 흡연 중이거나, 또는 사용자가 창문 또는 도어를 개방하고 있는 것을 식별하도록 미리 훈련되어 있을 수 있다. 또한, 인공 신경망(420)은, 예를 들어, 실내 환경에서 연기가 발생하고 있거나, 또는 창문 또는 도어가 개방되는 것을 식별하도록 미리 훈련되어 있을 수 있다. 영상 분석 엔진(214)은 또한 영상 센서(234)의 배향 정보를 획득하여 식별된 이벤트가 발생하는 위치 또는 방향을 추정할 수 있다.
소리 분석 엔진(216)은 입력된 소리 데이터(460)로부터 실내 환경에서 일어나는 이벤트들을 식별하도록 머신 러닝을 이용하여 미리 훈련되어 있는 인공 신경망(470)을 포함한다. 인공 신경망(470)은 특히 실내 환경에서 필터의 수명을 단축시키는 물질이 발생하는 이벤트를 식별하도록 미리 훈련되어 있다. 인공 신경망(470)은, 예를 들어, 주방 후드의 동작 소리, 굽거나 튀기는 소리, 또는 진공 청소기의 동작 소리 등을 식별하도록 미리 훈련되어 있을 수 있다. 부가하여, 소리 분석 엔진(216)은 소리 센서(236)로부터 또는 외부 센서 디바이스로부터 수신된 소리 데이터를 인공 신경망에 입력하기 이전에 사람의 음성을 제거하는 전처리를 수행할 수도 있다.
또한, 소리 분석 엔진(216)은 또한 식별된 소리의 소리 레벨을 결정할 수 있다. 예를 들어, 소리 분석 엔진(216)은 진공 청소기의 동작 소리가 미리 학습된 레벨보다 크거나 작은지를 식별할 수도 있다. 소리 분석 엔진(216)은 복수의 소리 센서(236)로부터의 소리 데이터에서의 신호 레이턴시 또는 소리 센서(236)의 배향 정보에 기초하여 이벤트가 발생하는 위치 또는 방향을 추정할 수도 있다.
도 5는 본 발명의 일 실시예에 따라 공기 청정기를 동작시키는 예시적인 방법을 나타내는 흐름도이다.
센서 정보 수신
단계 S510에서 제어부(210)는 공기 청정기(100)에 구비된 센서 유닛들(230)로부터 센서 정보를 수신한다. 제어부(210)는 또한 실내 환경에 배치된 외부 센서 디바이스들(120, 130, 140, 150)로부터 직접 또는 스마트 홈 서버(190)의 중개에 의해 센서 정보를 수신할 수 있다. 제어부(210)는 스마트 홈 서버(190)로부터 외부 센서 디바이스들(120, 130, 140, 150)의 센서 정보를 수신할 수도 있다. 제어부(210)는 또한 인터넷을 통해 외부 서버로부터 센서 정보를 수신할 수도 있다.
제어부(210)가 수신하는 센서 정보는, 공기 오염 센서(232)에 의해 측정된 공기 오염도, 영상 센서(234)에 의해 획득된 영상 데이터 및 영상 센서(234)의 배향 정보, 소리 센서(236)에 의해 획득된 소리 데이터 및 소리 센서 (236)의 배향 정보, 스토브 영역 센서(120)에 의해 획득된 주방 스토브(110)의 동작 상태, 홈 보안 카메라(130)에 의해 획득된 영상 데이터 및 영상의 방향 정보, 연기 검출기(140)에 의해 검출된 연기에 관한 정보, AI 스피커(150)에 의해 획득된 소리 데이터 및 소리의 방향 정보, 또는 외부 서버에 의해 제공되는 실외의 공기 오염도 중 적어도 하나를 포함할 수 있다.
필터 보호 필요 레벨 결정
단계 S520에서 제어부(210)는 수신한 센서 정보에 기초하여 필터 보호 필요 레벨을 결정한다. 필터 보호 필요 레벨은, 수신한 센서 정보에 기초하여 실내 상황이 필터의 보호가 필요한 상황과 얼마나 관련되었는지를 나타내는 척도이다. 제어부(210)는 스코어 맵을 참조하여 각각의 센서들로부터 식별된 이벤트들에 대해 스코어들을 부여한다. 도 6은 각각의 이벤트들에 대한 스코어들을 맵핑하는 예시적인 스코어 맵을 도시한다.
복수의 센서에 의해 복수의 이벤트가 식별되는 경우, 제어부(210)는 복수의 이벤트에 대한 복수의 스코어를 합산할 수 있다. 제어부(210)는 합산된 스코어에 기초하여 필터 보호 필요 레벨을 결정한다. 예를 들어, 합산 스코어가 100보다 크면 필터 보호 필요 레벨을 "매우 높음"으로, 합산 스코어가 70 보다 크면 필터 보호 필요 레벨을 "높음"으로, 합산 스코어가 30 내지 50이면 필터 보호 필요 레벨을 "보통"으로, 합산 스코어 레벨이 30보다 작으면 필터 보호 필요 레벨을 "낮음"으로 결정할 수 있다.
각각의 이벤트들에 대한 스코어들 및/또는 필터 보호 필요 레벨을 결정하기 위한 기준 스코어는 환경구성 엔진(212)에 의하여 사용자가 수정할 수 있다.
공기 청정 기능 중지
필터의 보호가 필요한 상황이라고 결정되면, 단계 S530에서 제어부(210)는 공기 청정 기능을 중지한다. 예를 들어, 제어부(210)는 필터 보호 필요 레벨이 "보통", "높음", 또는 "매우 높음"인 경우, 공기 청정 기능을 중지한다. 공기 청정 기능을 중지하기 위해, 제어부(210)는, 필터(330)를 통과하는 기류가 생성되지 않도록, 제1 기류 생성부(220)의 동작을 중지시킨다. 공기 청정 기능이 중지됨에 따라, 요리 시에 발생하는 유증기, 담배 연기, 또는 과다한 오염 물질 등이 필터(330)를 통과하는 것이 방지되고, 필터(330)의 수명의 급격한 단축이 방지된다.
환기를 위한 동작 수행
단계 S540에서 제어부(210)는 공기 청정 기능의 중지에 부가하여 환기를 위한 동작을 수행한다. 도 7은 본 발명의 일 실시예에 따라 필터 보호 필요 레벨에 따라 수행될 환기 동작들의 예시를 나타내는 표이다. 일 실시예에서, 제어부(210)는 실외 공기가 유입되도록 창문(175) 또는 도어(185)를 개방하기 위한 동작을 수행한다. 예를 들어, 제어부(210)는 창문 개폐기(170) 또는 도어 개폐기(180)에 창문(175) 또는 도어(185)의 개방을 위한 요청을 전송한다. 요청은 네트워크 인터페이스(250)를 통해 창문 개폐기(170) 또는 도어 개폐기(180)에 직접 전송될 수도 있고, 또는 스마트 홈 서버(190)가 창문 개폐기(170) 또는 도어 개폐기(180)에 제어 신호를 전송하도록 요청은 스마트 홈 서버(190)로 전송될 수도 있다.
창문(175) 또는 도어(185)의 개방은, 실내 공기 오염도 및 실외 공기 오염도에 기초하여 수행될 수 있다. 예를 들어, 제어부(210)는 공기 오염 센서(232)에 의해 측정된 공기 오염도가 외부 서버로부터 수신한 실외의 공기 오염도보다 높은 경우에만 창문(175) 또는 도어(185)를 개방한다. 또한, 창문(175) 또는 도어(185)의 개방은 필터 보호 필요 레벨에 기초하여 수행될 수도 있다. 예를 들어, 제어부(210)는 필터 보호 필요 레벨이 "보통" 또는 "높음"인 경우에는 창문 또는 도어의 일부만을 개방하고, 필터 보호 필요 레벨이 "매우 높음"인 경우에는 개방 가능한 창문 및 도어를 모두 개방한다.
창문(175) 또는 도어(185)의 개방에 의해 실내의 유증기, 담배 연기, 또는 과다한 오염 물질이 실외로 배출될 수 있고, 실외의 공기가 실내로 유입될 수 있다. 이로써, 공기 청정기(100)의 공기 청정 기능을 가동시키지 않고서도 실내의 공기질을 개선하는 것이 가능하다.
창문 또는 도어의 개방에 부가하여, 제어부(210)는 제2 기류 생성부(260)를 제2 동작 모드로 (즉, 독립된 에어 서큘레이터로서) 동작시키도록 제어할 수 있다. 즉, 제2 기류 생성부(260)의 제2 팬(390)은 배출구(360)로부터 떨어지게 위치되고 필터(330)를 통과하지 않는 공기의 흐름을 생성할 수 있다. 이때, 제어부(210)는 영상 분석 엔진(214) 또는 소리 분석 엔진(216)에 의해 추정된 이벤트의 발생 위치(오염원의 위치) 및 개방된 창문 또는 도어의 위치에 기초하여 제2 기류 생성부(260)의 송풍 방향을 결정할 수 있다. 예를 들어, 제어부(210)는 오염원으로부터 개방된 창문 또는 도어를 향하여 공기가 흐르도록 제2 기류 생성부(260)의 송풍 방향을 결정할 수 있다. 또한, 제어부(210)는 공기 오염 센서(232)에 의해 측정된 공기 오염도에 기초하여 제2 기류 생성부(260)의 송풍 세기를 결정할 수도 있다.
제어부(210)는 별개의 에어 서큘레이터(160)의 동작을 요청할 수도 있다. 제어부(210)는 에어 서큘레이터(160)에 직접 요청을 전송할 수도 있고, 또는 스마트 홈 서버(190)가 에어 서큘레이터(160)를 동작시키는 제어 신호를 생성하도록 스마트 홈 서버(190)로 요청을 전송할 수도 있다. 이때, 제어부(210)는 영상 분석 엔진(214) 또는 소리 분석 엔진(216)에 의해 추정된 오염원의 위치 및 개방된 창문 또는 도어의 위치에 기초하여 에어 서큘레이터(160)의 송풍 방향을 결정하고, 공기 오염 센서(232)에 의해 측정된 공기 오염도에 기초하여 에어 서큘레이터(160)의 송풍 세기를 결정할 수 있다. 제어부(210)는 결정된 송풍 방향 및 송풍 세기를 에어 서큘레이터의 동작 요청 메시지에 포함시킬 수도 있다.
에어 서큘레이터의 동작 여부는 필터 보호 필요 레벨에 기초하여 결정될 수 있다. 예를 들어, 제어부(210)는 필터 보호 필요 레벨이 "높음" 또는 "매우 높음"인 경우에만 에어 서큘레이터를 동작시킨다.
도 8은 본 발명의 일 실시예에 따라 환기 동작 후의 공기 청정기를 동작시키는 예시적인 방법을 나타내는 흐름도이다.
환기 후 필터 보호 필요 레벨 결정
단계 S810에서 제어부(210)는 환기 후의 필터 보호 필요 레벨을 결정한다. 환기 후의 필터 보호 필요 레벨을 결정하기 위한 프로세스들은 단계 S520에서의 프로세스들과 실질적으로 동일하다. 여전히 필터의 보호가 필요한 상황이라고 결정되면(예를 들어, 사용자가 여전히 요리 중인 경우), 단계 S825에서 제어부(210)는 수행 중인 환기 동작을 지속한다. 필터 보호 필요 레벨이 변경된 경우에는, 제어부(210)는 변경된 필터 보호 필요 레벨에 따른 환기 동작을 수행할 수도 있다.
실내 공기 오염도 측정
단계 S820에서 제어부(210)는 더 이상 필터의 보호가 필요한 상황이 아니라고 결정되면(예를 들어, 필터 보호 필요 레벨이 "보통" 또는 "낮음"), 공기 오염 센서(232)를 이용하여 환기 후의 실내의 공기 오염도를 측정하고, 실내의 공기 오염도가 기준치보다 낮은지 여부를 결정한다. 기준치는 환기 동작을 종료하고 공기 청정 기능을 재가동할지 여부를 결정하기 위한 공기 오염도이다.
공기 청정 기능을 재가동하기 위한 기준은 공기 청정 기능을 중지하기 위한 기준과 상이한 것이 바람직하다. 만일 이들 기준들이 동일하다면, 공기 오염도가 그 기준의 부근에서 미세하게 변동함에 따라 공기 청정기(100)가 공기 청정 기능의 중지와 재가동을 반복할 수 있다. 따라서, 일 실시예에서는, 단계 S810에서 결정된 필터 보호 필요 레벨이 공기 청정 기능을 동작시켜도 되는 레벨을 가지더라고, 제어부(210)는 실내 공기 오염도에 추가적으로 기초하여 공기 청정 기능을 재가동할지 여부를 결정한다. 실내 공기 오염도가 기준치보다 높은 경우, 단계 S825에서 제어부(210)는 수행 중인 환기 동작을 지속한다.
공기 청정 기능 재가동
단계 S830에서, 실내의 공기 오염도가 기준치보다 낮으면, 제어부(210)는 공기 청정 기능을 재가동할 수 있다. 또한, 제어부(210)는 단계 S540에서 수행하였던 환기를 위한 동작들을 원상태로 복귀시킨다. 예를 들어, 단계 S540에서 창문(175) 또는 도어(185)를 개방했던 경우, 제어부(210)는 창문 개폐기(170) 또는 도어 개폐기(180)에 창문(175) 또는 도어(185)의 폐쇄를 위한 요청을 전송한다.
단계 S540에서 제2 기류 생성부(260)를 에어 서큘레이터로서 동작시켰거나 또는 외부의 에어 서큘레이터를 동작시켰던 경우, 제어부(210)는 제2 기류 생성부(260)의 동작을 중지하거나 외부의 에어 서큘레이터의 동작을 중지하기 위한 요청을 전송한다.
사용자의 환기 동작 검출
단계 S840에서, 제어부(210)는 환기 후 미리 결정된 시간 이내에 발생하는 사용자의 환기 동작을 검출한다. 제어부(210)는 영상 센서(234) 또는 외부 영상 센서(예를 들어, 홈 보안 카메라(130))로부터의 영상 데이터를 영상 분석 엔진(214)을 이용하여 분석함으로써 사용자의 환기 동작을 검출한다. 제어부(210)는 스마트 홈 서버(190)로부터의 통지에 의해 사용자의 환기 동작을 검출할 수도 있다. 예를 들어, 스마트 홈 서버(190)는 창문(175) 또는 도어(185)가 개방된다는 것을 공기 청정기(100)에 통지할 수 있다. 사용자의 환기 동작이란, 예를 들어, 사용자가 창문 또는 도어를 개방하거나, 사용자가 에어 서큘레이터를 동작시키거나, 또는 사용자가 공기 청정기(100)의 제2 기류 생성부(260)를 동작시키는 것 등, 단계 S540에서 수행되는 동작들을 의미한다.
사용자의 환기 동작 폐쇄 학습
제어부(210)에 의한 환기 동작의 동료 후 미리 결정된 시간(예를 들어, 5분) 내에 사용자가 환기 동작을 수행한다는 것은 공기 청정 기능을 재가동하기 위한 기준치가 사용자의 선호에 부합하지 않는다는 것을 의미할 수 있다. 따라서, 단계 S850에서 제어부(210)는 사용자의 환기 동작에 기초하여 추후에 환기 동작을 수행하기 위한 기준치를 학습할 수 있다.
일 실시예에서, 제어부(210)는 사용자의 환기 동작을 검출하면, 환기 동작을 중지하기 위한 기준치를 감소시킨다. 이로써, 제어부(210)는 추후에 환기 동작을 중지할 때에는 감소된 기준치를 이용하여 환기 동작을 중지시킬 수 있다.
다른 실시예에서, 제어부(210)는 사용자가 환기 동작을 종료하고 공기 청정 기능을 재가동할 때의 공기 오염도를 측정하고, 측정된 공기 오염도에 기초하여 공기 청정 기능을 재가동하기 위한 기준치를 변경한다. 예를 들어, 제어부(210)는 공기 청정 기능을 재가동하기 위한 기준치를 사용자가 환기 동작을 중지할 때의 공기 오염도로 설정할 수 있다. 다른 예에서, 제어부(210)는 사용자가 환기 동작을 중지할 때의 공기 오염도와 현재 설정된 기준치의 평균을 새로운 기준치로 할 수도 있다. 또 다른 예에서, 제어부(210)는 사용자가 환기 동작을 중지할 때의 공기 오염도와 현재 설정된 기준치에 각각 가중치들을 부여하고, 이들의 가중 평균을 새로운 기준치로 할 수도 있다.
이상에서는, 공기 청정기(100)를 동작시키는 방법들이 공기 청정기(100)의 제어부(210)에 의해 실행되는 것으로 기재되었다. 그러나, 상술한 방법들을 제어부(210)를 대신하여 스마트 홈 서버(190)의 프로세서에 의해 수행될 수도 있다. 예를 들어, 스마트 홈 서버(190)는, 공기 청정기(100)의 동작과 관련한 환경구성들을 사용자가 설정할 수 있게 하는 환경구성 엔진, 공기 청정기의 영상 센서(234)로부터 또는 외부의 영상 센서 디바이스(예를 들어, 홈 보안 카메라(130))로부터 수신한 영상 데이터를 분석하기 위한 영상 분석 엔진, 및 소리 센서(236)로부터 또는 외부의 소리 센서 디바이스(예를 들어, AI 스피커(150))로부터 수신한 소리 데이터를 분석하기 위한 소리 분석 엔진을 포함할 수 있다.
스마트 홈 서버(190)는, 공기 청정기(100)에 구비된 센서 유닛들(230)로부터, 실내 환경에 배치된 외부 센서 디바이스들(120, 130, 140, 150)로부터, 또는 인터넷을 통한 외부 서버로부터 센서 정보를 수신할 수 있다. 센서 정보는, 공기 오염 센서(232)에 의해 측정된 공기 오염도, 영상 센서(234)에 의해 획득된 영상 데이터 및 영상 센서(234)의 배향 정보, 소리 센서(236)에 의해 획득된 소리 데이터 및 소리 센서 (236)의 배향 정보, 스토브 영역 센서(120)에 의해 획득된 주방 스토브(110)의 동작 상태, 홈 보안 카메라(130)에 의해 획득된 영상 데이터 및 영상의 방향 정보, 연기 검출기(140)에 의해 검출된 연기에 관한 정보, AI 스피커(150)에 의해 획득된 소리 데이터 및 소리의 방향 정보, 또는 외부 서버에 의해 제공되는 실외의 공기 오염도 중 적어도 하나를 포함할 수 있다.
스마트 홈 서버(190)는, 스코어 맵을 참조하여 각각의 센서들로부터 식별된 이벤트들에 대해 결정된 스코어들을 합산하고, 합산된 스코어에 기초하여 필터 보호 필요 레벨을 결정할 수 있다.
스마트 홈 서버(190)는, 필터의 보호가 필요한 상황이라고 결정되면, 공기 청정기(100)에 공기 청정 기능의 중지를 요청하는 신호를 전송할 수 있다. 또한, 스마트 홈 서버(190)는, 하나 이상의 환기 디바이스에 환기 동작을 요청하는 신호를 전송할 수 있다.
스마트 홈 서버(190)는, 환기 후의 필터 보호 필요 레벨을 결정하고, 환기 후의 실내의 공기 오염도를 측정하고, 실내의 공기 오염도가 기준치보다 낮은지 여부를 결정할 수 있다.
실내의 공기 오염도가 기준치보다 낮으면, 스마트 홈 서버(190)는 공기 청정기(100)에 공기 청정 기능의 재가동을 요청하는 신호를 전송할 수 있다. 또한, 스마트 홈 서버(190)는 하나 이상의 환기 디바이스들의 환기 동작들을 원상태로 복귀시킬 수 있다.
스마트 홈 서버(190)는 환기 후 미리 결정된 시간 이내에 발생하는 사용자의 환기 동작을 검출하고, 사용자의 환기 동작에 기초하여 추후에 환기 동작을 수행하기 위한 기준치를 학습할 수 있다.
이상 설명된 본 발명의 실시예들에 따른 방법은 프로세서 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 기계(컴퓨터 또는 프로세서)로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 디바이스를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 개시에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 개시에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명의 실시예를 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 공기 청정기 110: 주방 스토브
120: 스토브 영역 센서 130: 홈 보안 카메라
140: 연기 검출기 150: 인공지능(AI) 스피커
160: 에어 서큘레이터 170: 창문 개폐기
180: 도어 개폐기 190: 스마트 홈 서버
310: 하우징 320: 공기 유입구
330: 필터 340: 제1 팬
350: 관통공 360: 공기 배출구
370: 디스플레이 패널 380: 입력 버튼
390: 제2 팬

Claims (19)

  1. 공기 청정기를 동작시키기 위한 방법으로서,
    적어도 하나의 센서로부터의 센서 정보에 기초하여, 실내 상황이 필터의 보호가 필요한 상황인지 여부를 결정하는 단계;
    상기 실내 상황이 필터의 보호가 필요한 상황이라고 결정되면:
    상기 공기 청정기의 공기 청정 기능을 중지하는 단계;
    하나 이상의 환기 디바이스를 동작시키는 단계;
    실내 공기 오염도를 측정하는 단계; 및
    상기 실내 공기 오염도가 기준치보다 낮으면, 상기 하나 이상의 환기 디바이스의 동작을 원상태로 복귀시키고, 공기 청정 기능을 재가동하는 단계
    를 포함하는,
    방법.
  2. 제1항에 있어서,
    상기 필터의 보호가 필요한 상황은, 요리, 청소, 흡연, 또는 임계치보다 높은 실내 공기 오염 중 적어도 하나를 포함하는,
    방법.
  3. 제1항에 있어서,
    상기 센서 정보는, 실내 환경의 영상 정보, 소리 정보, 연기 검출 정보, 주방 스토브에서의 가스 사용 정보, 주방 스토브에서의 화염 또는 열의 검출 정보, 또는 실내의 공기 오염도 정보 중 적어도 하나를 포함하는,
    방법.
  4. 제3항에 있어서,
    실내 상황이 필터의 보호가 필요한 상황인지 여부를 결정하는 단계는,
    영상 데이터 또는 소리 데이터에 기초하여 요리, 청소, 또는 흡연 이벤트들을 검출하도록 미리 훈련된 인공 신경망에 상기 영상 정보 또는 소리 정보를 입력으로서 제공하는 단계; 및
    상기 인공 신경망으로부터의 출력에 기초하여 실내 상황이 필터의 보호가 필요한 상황인지 여부를 결정하는 단계
    를 포함하는,
    방법.
  5. 제1항에 있어서,
    상기 하나 이상의 환기 디바이스를 동작시키는 단계는,
    창문 또는 도어를 개방하기 위한 요청을 창문 개폐기 또는 도어 개폐기에 또는 상기 창문 개폐기 또는 도어 개폐기를 제어하는 홈 서버에 전송하는 단계; 및
    에어 서큘레이터를 동작시키기 위한 요청을 상기 에어 서큘레이터에 또는 상기 에어 서큘레이터를 제어하는 홈 서버에 전송하는 단계
    중 적어도 하나의 단계를 포함하는,
    방법.
  6. 제5항에 있어서,
    상기 센서 정보에 기초하여 필터 수명 단축 물질이 발생하는 위치 및 개방된 창문 또는 도어의 위치를 결정하는 단계; 및
    상기 필터 수명 단축 물질이 발생하는 위치 및 상기 개방된 창문 또는 도어의 위치에 기초하여 상기 에어 서큘레이터의 송풍 방향을 결정하는 단계를 더 포함하고,
    상기 에어 서큘레이터를 동작시키기 위한 요청은 상기 결정된 송풍 방향의 정보를 포함하는,
    방법.
  7. 삭제
  8. 제1항에 있어서,
    상기 센서 정보에 기초하여, 사용자의 환기 동작을 검출하는 단계; 및
    상기 사용자의 환기 동작 시의 실내 공기 오염도에 기초하여 상기 기준치를 조정하는 단계
    를 더 포함하는,
    방법.
  9. 공기 청정기로서,
    필터를 통해 외부의 공기가 유입되고 필터링된 공기가 배출되는 기류를 생성하도록 구성된 제1 기류 생성기; 및
    제어부
    를 포함하고,
    상기 제어부는,
    적어도 하나의 센서로부터 실내 환경의 영상, 소리, 또는 공기 오염도 중 적어도 하나에 대한 센서 정보를 수신하고;
    상기 센서 정보에 기초하여, 실내 상황이 상기 필터의 보호가 필요한 상황인지 여부를 결정하고;
    상기 실내 상황이 필터의 보호가 필요한 상황이라고 결정되면:
    상기 제1 기류 생성기의 동작을 중지하고;
    하나 이상의 환기 디바이스를 동작시키며;
    공기 오염 센서를 이용하여 실내 공기 오염도를 측정하고; 그리고
    상기 실내 공기 오염도가 기준치보다 낮으면, 상기 하나 이상의 환기 디바이스의 동작을 원상태로 복귀시키고, 제1 기류 생성기를 재가동하도록 구성되는,
    공기 청정기.
  10. 제9항에 있어서,
    상기 필터의 보호가 필요한 상황은, 요리, 청소, 흡연, 또는 임계치보다 높은 실내 공기 오염 중 적어도 하나를 포함하는,
    공기 청정기.
  11. 제9항에 있어서,
    상기 적어도 하나의 센서는, 영상 센서, 소리 센서, 공기 오염도 센서, 연기 센서, 가스 유량 센서, 화염 센서, 또는 온도 센서 중 적어도 하나를 포함하는,
    공기 청정기.
  12. 제9항에 있어서,
    영상 데이터 또는 소리 데이터에 기초하여 요리, 청소, 또는 흡연 이벤트들을 검출하도록 미리 훈련된 인공 신경망 엔진을 더 포함하고,
    상기 제어부는,
    상기 인공 신경망 엔진에 실내 환경의 영상 정보 또는 소리 정보를 입력으로서 제공하고; 그리고
    상기 인공 신경망 엔진으로부터의 출력에 기초하여 실내 상황이 필터의 보호가 필요한 상황인지 여부를 결정하도록 구성되는,
    공기 청정기.
  13. 제9항에 있어서,
    제1 동작 모드에서 상기 필터를 통과하는 기류의 생성을 보조하고, 제2 동작 모드에서 상기 필터를 통과하지 않는 기류를 생성하도록 구성된 제2 기류 생성기를 더 포함하고,
    상기 하나 이상의 환기 디바이스를 동작시키는 것은 상기 제2 기류 생성기를 제2 동작 모드로 동작시키는 것을 포함하는,
    공기 청정기.
  14. 제9항에 있어서,
    외부 디바이스와 통신하기 위한 네트워크 인터페이스를 더 포함하고,
    상기 하나 이상의 환기 디바이스를 동작시키는 것은 상기 외부 디바이스에 환기 동작의 요청을 전송하는 것을 포함하는,
    공기 청정기.
  15. 제14항에 있어서,
    상기 외부 디바이스는 실외 공기를 실내로 유입하기 위한 창문 및/또는 도어의 개폐를 제어하는 창문 개폐기 및/또는 도어 개폐기를 포함하는,
    공기 청정기.
  16. 제14항에 있어서,
    상기 외부 디바이스는 에어 서큘레이터를 포함하고,
    상기 제어부는,
    상기 센서 정보에 기초하여 필터 수명 단축 물질이 발생하는 위치 및 개방된 창문 또는 도어의 위치를 결정하고;
    상기 필터 수명 단축 물질이 발생하는 위치 및 상기 개방된 창문 또는 도어의 위치에 기초하여 상기 에어 서큘레이터의 송풍 방향을 결정하고; 그리고
    상기 환기 동작의 요청은 상기 결정된 송풍 방향의 정보를 상기 환기 동작의 요청에 포함시키도록 추가로 구성되는,
    공기 청정기.
  17. 삭제
  18. 제9항에 있어서,
    상기 제어부는,
    상기 센서 정보에 기초하여, 사용자의 환기 동작을 검출하고; 그리고
    상기 사용자의 환기 동작 시의 실내 공기 오염도에 기초하여 상기 기준치를 조정하도록 추가로 구성되는,
    공기 청정기.
  19. 홈 자동화 서버로서,
    공기 청정기, 하나 이상의 센서, 및 하나 이상의 환기 디바이스와 통신하도록 구성된 네트워크 인터페이스; 및
    프로세서를 포함하고,
    상기 프로세서는,
    적어도 하나의 센서로부터의 센서 정보에 기초하여, 실내 상황이 필터의 보호가 필요한 상황인지 여부를 결정하고;
    상기 실내 상황이 필터의 보호가 필요한 상황이라고 결정되면:
    공기 청정 기능의 중지를 요청하는 신호를 상기 공기 청정기에 전송하고; 그리고
    적어도 하나의 환기 디바이스를 동작시키기 위한 신호를 상기 적어도 하나의 환기 디바이스에 전송하도록 구성되는,
    홈 자동화 서버.
KR1020190106681A 2019-08-29 2019-08-29 공기 청정기 및 이의 동작 방법 KR102618721B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190106681A KR102618721B1 (ko) 2019-08-29 2019-08-29 공기 청정기 및 이의 동작 방법
US16/709,415 US11480351B2 (en) 2019-08-29 2019-12-10 Air purifier and operating method of the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190106681A KR102618721B1 (ko) 2019-08-29 2019-08-29 공기 청정기 및 이의 동작 방법

Publications (2)

Publication Number Publication Date
KR20210026214A KR20210026214A (ko) 2021-03-10
KR102618721B1 true KR102618721B1 (ko) 2023-12-27

Family

ID=74679388

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190106681A KR102618721B1 (ko) 2019-08-29 2019-08-29 공기 청정기 및 이의 동작 방법

Country Status (2)

Country Link
US (1) US11480351B2 (ko)
KR (1) KR102618721B1 (ko)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11322160B2 (en) * 2020-04-24 2022-05-03 Darrell Poirier Audio collection system and method for sound capture, broadcast, analysis, and presentation
DE102021203793A1 (de) * 2021-04-16 2022-10-20 BSH Hausgeräte GmbH Steuern eines Haushaltsgeräts bezüglich einer Haustechnik
TWI806040B (zh) * 2021-04-23 2023-06-21 研能科技股份有限公司 車內空汙防治系統
KR20230015127A (ko) 2021-07-22 2023-01-31 엘지전자 주식회사 공기 청정기 사용법을 안내하는 장치 및 공기 청정기 사용법을 안내하는 방법을 실행시키기 위한 프로그램을 기록한 매체
KR20230015126A (ko) 2021-07-22 2023-01-31 엘지전자 주식회사 공기 청정기 사용법을 안내하는 장치 및 공기 청정기 사용법을 안내하는 방법을 실행시키기 위한 프로그램을 기록한 매체
WO2023053215A1 (ja) * 2021-09-28 2023-04-06 三菱電機株式会社 換気装置及び換気システム
CN113834200A (zh) * 2021-11-26 2021-12-24 深圳市愚公科技有限公司 基于强化学习模型的空气净化器调节方法及空气净化器
GB2621990A (en) * 2022-08-26 2024-03-06 Dyson Technology Ltd Air purification system
US20240069516A1 (en) * 2022-08-31 2024-02-29 University Of Central Florida Research Foundation, Inc. Audiovisual Detection of Expectation Violations in Disparate Home Automation Systems
KR102545751B1 (ko) * 2022-12-30 2023-06-21 (주)다모아테크 펠티어 소자가 적용된 창문형 전열교환기를 포함하는 다중 팬을 이용한 환기 제어 방법 및 그 장치
CN116256980B (zh) * 2023-05-15 2023-07-25 四川名人居门窗有限公司 一种室内环境自学习控制方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3309779B2 (ja) * 1997-10-07 2002-07-29 株式会社デンソー 車両用空調装置
EP1987459B1 (en) * 2006-02-21 2016-09-28 URECSYS - Urban Ecology Systems - Indoor Air Quality Management Ltd. A system and a method for assessing and reducing air pollution by regulating airflow ventiilation
CN103900155B (zh) * 2012-12-26 2017-06-16 广州市拓丰电器有限公司 水离子空气净化器
DE102014012870A1 (de) * 2013-09-05 2015-03-05 Seoul Viosys Co., Ltd. Luftreiniger unter Verwendung von ultravioletten Strahlen
CN106471202A (zh) * 2014-07-04 2017-03-01 皇家飞利浦有限公司 空气质量警告系统和方法
CN104436925B (zh) * 2014-11-25 2016-05-04 阿尔西制冷工程技术（北京）有限公司 一种空气过滤器保护装置
KR102550358B1 (ko) 2016-11-02 2023-07-03 엘지전자 주식회사 인공지능 공기청정기 및 그 제어방법
KR102563306B1 (ko) 2017-01-03 2023-08-04 코웨이 주식회사 먼지 유발 소음 감지를 이용한 로봇 청정기 제어 방법

Also Published As

Publication number Publication date
US20210063036A1 (en) 2021-03-04
US11480351B2 (en) 2022-10-25
KR20210026214A (ko) 2021-03-10

Similar Documents

Publication Publication Date Title
KR102618721B1 (ko) 공기 청정기 및 이의 동작 방법
KR102608051B1 (ko) 인공지능 장치
KR102639900B1 (ko) 공기 조화기
US11050577B2 (en) Automatically learning and controlling connected devices
US11262091B2 (en) Method of determining replacement time of filter and air conditioner that determines replacement time of filter
US20210018208A1 (en) Air conditioner and augmented reality apparatus for informing indoor air condition, and controlling method therefor
US20190368103A1 (en) Home appliance and method for controlling the same
KR20190101924A (ko) 실내 환경 조절을 위한 온습도계 및 온습도 제어 방법
US11189284B2 (en) Apparatus for communicating with voice recognition device, apparatus with voice recognition capability and controlling method thereof
US9939823B2 (en) Home automation control system
KR102225001B1 (ko) 음성 인식 방법 및 음성 인식 장치
US11517168B2 (en) Robot cleaner and operating method of the same
US20210074283A1 (en) Noise manageable electronic device and control method thereof
US20210088244A1 (en) Electronic apparatus for managing heating and cooling and controlling method of the same
KR20210039232A (ko) 로봇 청소기 및 청소 경로를 결정하기 위한 방법
US10605470B1 (en) Controlling connected devices using an optimization function
US11721334B2 (en) Method and apparatus for controlling device located a distance away from a user
KR102212200B1 (ko) 사물인터넷 기반의 조명장치를 이용한 독거노인 모니터링 시스템 및 방법
KR102001782B1 (ko) 인공지능을 이용하여 입력된 소리에 기반하여 공기청정기의 동작을 제어하는 방법 및 이를 구현하는 공기청정기
KR20200057825A (ko) 인공지능에 기반하여 일정에 대응하는 추천 정보를 제공하는 공기청정기 및 방법
KR102261198B1 (ko) 스마트 서비스 제공장치 및 그 방법
US20240126592A1 (en) Methods and iot device for executing user input in iot environment
WO2024085412A1 (en) Methods and iot device for executing user input in iot environment
US20240019596A1 (en) Audio-based occupancy detection
KR102658692B1 (ko) 웨어러블 기기 또는 휴대용 공기청정기 작동 정보에 기반한 오염 공기 노출 수준을 추정하는 방법, 장치 및 시스템

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant