KR20100068918A - 상관계수를 이용한 냄새 인식 방법 및 시스템 - Google Patents

상관계수를 이용한 냄새 인식 방법 및 시스템 Download PDF

Info

Publication number
KR20100068918A
KR20100068918A KR1020080127435A KR20080127435A KR20100068918A KR 20100068918 A KR20100068918 A KR 20100068918A KR 1020080127435 A KR1020080127435 A KR 1020080127435A KR 20080127435 A KR20080127435 A KR 20080127435A KR 20100068918 A KR20100068918 A KR 20100068918A
Authority
KR
South Korea
Prior art keywords
correlation coefficient
sensor
samples
odor
response
Prior art date
Application number
KR1020080127435A
Other languages
English (en)
Other versions
KR101002491B1 (ko
Inventor
홍광석
천병근
노용완
Original Assignee
성균관대학교산학협력단
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 성균관대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020080127435A priority Critical patent/KR101002491B1/ko
Publication of KR20100068918A publication Critical patent/KR20100068918A/ko
Application granted granted Critical
Publication of KR101002491B1 publication Critical patent/KR101002491B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/497—Physical analysis of biological material of gaseous biological material, e.g. breath
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/02—Analysing fluids
    • G01N29/022—Fluid sensors based on microsensors, e.g. quartz crystal-microbalance [QCM], surface acoustic wave [SAW] devices, tuning forks, cantilevers, flexural plate wave [FPW] devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Food Science & Technology (AREA)
  • Molecular Biology (AREA)
  • Acoustics & Sound (AREA)
  • Biophysics (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Combustion & Propulsion (AREA)
  • Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

본 발명은 상관계수(Correlation Coefficient)를 이용한 냄새 인식 방법 및 시스템에 관한 것으로, 더욱 상세하게는 특정 냄새에 대한 각 센서별 응답 값의 엔트로피 변화를 이용하여 냄새 발생 시점을 감지하고 감지된 냄새를 식별하기 위해 상관계수를 이용하는 방법 및 시스템에 관한 것이다.

Description

상관계수를 이용한 냄새 인식 방법 및 시스템{SYSTEM AND METHOD OF RECOGNIZING SMELL USING CORRELATION COEFFICIENT}
본 발명은 상관계수(Correlation Coefficient)를 이용한 냄새 인식 방법 및 시스템에 관한 것으로, 더욱 상세하게는 특정 냄새에 대한 각 센서별 응답 값의 엔트로피 변화를 이용하여 냄새 발생 시점을 감지하고 감지된 냄새를 식별하기 위해 상관계수를 이용하는 방법 및 시스템에 관한 것이다.
일반적으로 냄새를 인식하는 방법은, 사람의 관능을 이용하는 관능법과, 가스크로마토그래피나 질량분석기와 같은 장치를 사용하는 방법, 여러 가스에 대한 다른 특성을 갖는 반도체식 센서를 다수개 사용하여 전자코(전자후각기기)를 사용하는 방법 등이 있다.
사람의 관능을 이용하여 냄새를 인식하는 방법은, 특정한 냄새의 전문가가 아닌 경우 정확한 냄새를 분석하기 어려우며 유해가스와 같은 위험한 냄새의 경우 사용할 수 없다. 또한, 가스크로마토그래피나 질량분석기를 사용하는 방법은 화학종을 분류하거나, 냄새에 포함된 분자들을 분석하는데 사용 가능한 방법이지만, 장비의 가격이 비싸고 분석화학분야의 전문가가 아니면 냄새를 정확히 분석할 수 없 다.
한편, 인공지능 및 다양한 센서 기술의 발전으로 인해 주어진 시료에 대하여 인간의 후각 기관과 비슷하게 감지하고 분석할 수 있는 전자코와 같은 인공 후각인식 시스템의 개발이 가능하게 되었다. 이러한 전자코를 이용한 냄새 분석에 대한 연구는 일반적으로 다양한 화학종을 감지하는 센서어레이를 이용하여 표본 샘플의 패턴인식 및 성분분석 등의 기법으로 진행되고 있으며, 대기오염도 측정, 음주(입냄새) 측정, 가짜 휘발유 및 양주 감별 등 다양한 제품 또는 방법으로 상용화되었다.
전자코에 주로 사용되는 대표적인 센서에는 산화물 반도체 (MOS) 센서, 부피탄성파를 이용한 수정 마이크로밸런스(Quartz crystal microbalance: QCM) 센서, 표면탄성파를 이용한 SAW 센서, 전도성 고분자 센서 등이 있다. 이중에서 MOS 센서는 가격이 저렴하며 시중에 판매되고 있으며 전도성고분자 센서 및 고분자 혼합체 센서도 많이 사용되고 있다.
전자코에서는 MOS, QCM, 폴리머센서와 같은 화학 센서의 전기적 변화에 의해 냄새를 측정하며 측정된 냄새 데이터를 실시간으로 획득하여 패턴인식 프로그램의 처리를 통해 인식 결과를 얻게 된다. 실시간 신호처리를 위한 고려사항으로 적은 계산량과 효과적인 알고리즘이 필요하며 실제 임베디드 환경에서도 사용 가능해야 한다. 임베디드 시스템의 경우 기존 PC 보다 하드웨어적인 사양이 많이 떨어지기 때문에 기존의 복잡한 알고리즘을 사용하기 어려우며 알고리즘을 간소화 하는 것이 중요하다.
특허 제10-0842247호 (‘전자후각 센서어레이, 이를 포함하는 센서시스템, 그 센서어레이 제조방법 및 그 센서시스템을 이용한 분석 방법’)는, 개인정보단말기를 이용하여 용이하게 시료를 측정하고 처리할 수 있으며, 대량 생산이 가능한 전자후각 센서어레이 제조방법과 이를 이용한 분석방법을 개시한다. 상기 전자후각 센서시스템은, 전자후각 센서어레이 및 상기 전자후각 센서어레이를 부착하여 센서어레이에 측정된 데이터를 실시간으로 획득하여 패턴인식 프로그램에 의해 처리하는 개인정보단말기를 포함한다. 패턴인식 프로그램으로서는, 주요성분 분석 방법(principal component analysis)을 사용하였다.
특허 제10-0525640호 (‘입속 이상 냄새의 고정밀 감지 방법 및 이를 이용한 입속 이상 냄새 측정기’)는, 입속 이상 냄새 즉, 입냄새나 음주여부, 암모니아, 향수, 식품냄새 등을 감지하는 방법 및 측정기에 관한 것으로, 입냄새, 음주 정도 등의 이상 냄새의 원인이 되는 물질의 존재를 정량적으로 감지하여 그에 해당하는 신호를 출력하는 센서를 통해서 쾌적상태 또는 정상상태의 냄새패턴을 측정하고 측정된 냄새 정도를 MCU(Micro Controller Unit)에서 패턴 처리한 후 메모리에 기록하고, 이상 냄새의 정도를 측정하고자 하는 경우, 상기 센서를 사용하여 입냄새 패턴을 측정하고 이를 MCU에서 패턴 처리하여 냄새의 측정값을 산출하며, 상기 냄새의 측정값에 대한 패턴을 쾌적상태의 냄새 패턴과 비교하여 입속 이상 냄새의 정도를 측정하도록 한 냄새의 고정밀 감지 방법 및 이를 이용한 냄새 측정기에 관해 개시하고 있다.
실용신안 제20-0281560호 (‘가짜 휘발유 판별장치’)는, 후각 센서 기능 및 전자코 시스템 프로그램이 탑재된 이동통신 단말기를 이용하여 각종 냄새 식별이 가능하게 함으로써, 각 개인들이 식품 신선도를 보다 정확하게 판단할 수 있게 되고, 또한 취침시나 기타 상황에서 화재 발생이나 LPG 가스 누출 등과 같은 유해 환경 발생 여부를 보다 신속하고 정확하게 감시 가능하도록 한 이동통신 단말기를 이용한 냄새 식별 장치에 관해 개시하고 있다.
이상의 종래 기술은 냄새 분류 및 인식을 위해 주요성분 분석 방법, LDA(Linear Discriminant Analysis), FCMA(Fuzzy c-means algorithm), 신경회로망 등의 패턴인식 방법을 사용하였으며, 개인휴대장치에서 사용하기 위해 주요성분 분석 방법으로 차원을 축소한 후 신경망 등으로 인식하는 방법이 사용되어져 왔다.
상기와 같은 종래 기술은 계산량이 많아 인식 속도가 떨어지게 되므로, 냄새 인식에 시간이 오래 걸리는 단점이 있다.
상기 과제를 해결하기 위해, 본 발명은 센서어레이를 구성하는 K개의 센서들에 의해 감지되는 냄새가 미리 정해진 m개의 냄새 중 어느 냄새에 해당하는지를 상관계수를 이용하여 인식하는 방법으로서, 센서들을 통해 취하는 냄새 샘플들 중 연속되는 T개의 샘플들을 선정하는 단계; 및 상기 선정된 T개의 샘플들 및 상기 m개의 냄새에 대응되는 미리 정해진 m개의 참조 모델에 대한 T개의 샘플들 간의 각 센서에서의 상관계수 rk를 각각 구하고, 참조 모델별 상기 상관계수 rk의 평균값
Figure 112008086175683-PAT00001
을 구하는 단계를 포함하는 상관계수를 이용한 냄새 인식 방법을 제공하고자 한다.
바람직하게는, 상기 T개의 샘플들을 선정하는 단계는, 개별 센서에 대한 프레임 단위의 엔트로피가 미리 정한 임계값 이상인 상태로 일정 프레임동안 지속되기 시작하는 시점부터의 T개의 샘플들을 선정하도록 구성될 수 있다.
또한, 바람직하게는, 상기 개별 센서에 대한 프레임 단위의 엔트로피는 이하의 식에 의해 구할 수 있다.
Figure 112008086175683-PAT00002
여기서,
Figure 112008086175683-PAT00003
은 전체 반응치 범위를 L로 나눈 경우에 있어서 특정 범위 l이 한 프레임 내에서 발생할 확률, 0≤l≤L-1이다.
또한, 바람직하게는, 상기 냄새 인식 방법은, 상기 T개의 샘플들 직전의 소정 개수의 샘플들의 평균값을 구하고, 상기 T개의 샘플들 각각의 반응치로부터 상기 평균값을 차감하는 단계를 더 포함하며, 상기 각 센서에서의 상관계수 rk를 구하는 단계에서의 상기 선정된 T개의 샘플들은 각각의 반응치로부터 상기 평균값을 차감한 값을 갖는 샘플들이도록 구성될 수 있다.
바람직하게는, 상기 각 센서에서의 상관계수 rk는 다음의 식에 의해 구할 수 있다.
Figure 112008086175683-PAT00004
여기서, k는 센서의 번호, 1≤k≤K, Xki는 k번째 센서에서 감지된 i번째 샘플의 반응치, 1≤i≤T,
Figure 112008086175683-PAT00005
는 k번째 센서에서 취한 반응치의 평균, Yki는 k번째 센서에서의 특정 참조 모델의 i번째 샘플의 반응치,
Figure 112008086175683-PAT00006
는 k번째 센서에서의 특정 참조 모델에 대한 반응치의 평균이다.
또한, 바람직하게는, 상기 참조 모델별 상기 상관계수 rk의 평균값
Figure 112008086175683-PAT00007
은 이하의 식에 의해 구할 수 있다.
Figure 112008086175683-PAT00008
본 발명의 다른 측면으로서, 냄새를 감지하는 K개의 센서로 구성된 센서어레이; 상기 센서어레이의 센서들을 항온 상태로 유지하기 위한 센서용 전원; 및 A/D 변환 및 데이터 처리를 수행하는 MCU(Micro Controller Unit)를 포함하도록 구성되어, 센서들에 의해 감지되는 냄새가 미리 정해진 m개의 냄새 중 어느 냄새에 해당하는지를 상관계수를 이용하여 인식하는 냄새 인식 시스템으로서, 상기 MCU는, 개별 센서에 대한 프레임 단위의 엔트로피가 미리 정한 임계값 이상인 상태로 일정 프레임동안 지속되기 시작하는 시점부터 연속되는 T개의 샘플들을 선정하여, 상기 선정된 T개의 샘플들 및 상기 m개의 냄새에 대응되는 미리 정해진 m개의 참조 모델에 대한 T개의 샘플들 간의 각 센서에서의 상관계수 rk를 각각 구하고, m개의 참조 모델별 상기 상관계수 rk의 평균값
Figure 112008086175683-PAT00009
을 구하도록 구성되는 상관계수를 이용한 냄새 인식 시스템을 제공하고자 한다.
바람직하게는, 상기 개별 센서에 대한 프레임 단위의 엔트로피는 이하의 식에 의해 구할 수 있다.
Figure 112008086175683-PAT00010
여기서,
Figure 112008086175683-PAT00011
은 전체 반응치 범위를 L로 나눈 경우에 있어서 특정 범위 l이 한 프레임 내에서 발생할 확률, 0≤l≤L-1이다.
바람직하게는, 상기 각 센서에서의 상관계수 rk를 구하기 위한 상기 선정된 T개의 샘플들은, 상기 T개의 샘플들 직전의 소정 개수의 샘플들의 평균값을 구하고, 상기 T개의 샘플들 각각의 반응치로부터 상기 평균값을 차감한 값이도록 구성될 수 있다.
바람직하게는, 상기 각 센서에서의 상관계수 rk는 다음의 식에 의해 구할 수 있다.
Figure 112008086175683-PAT00012
여기서, k는 센서의 번호, 1≤k≤K, Xki는 k번째 센서에서 감지된 i번째 샘플의 반응치, 1≤i≤T,
Figure 112008086175683-PAT00013
는 k번째 센서에서 취한 반응치의 평균, Yki는 k번째 센서에서의 특정 참조 모델의 i번째 샘플의 반응치,
Figure 112008086175683-PAT00014
는 k번째 센서에서의 특정 참조 모델에 대한 반응치의 평균이다.
바람직하게는, 상기 참조 모델별 상기 상관계수 rk의 평균값
Figure 112008086175683-PAT00015
은 이하의 식에 의해 구할 수 있다.
Figure 112008086175683-PAT00016
본 발명에 따른 상관계수를 이용한 냄새 인식 방법은 종래의 방법보다 계산 량이 적으며, 상관계수를 이용한 냄새 인식 방법이 종래의 방법 보다 우수함은 실험을 통하여 입증되었다.
본 발명은, 냄새를 이용한 재료의 상태 판별, 원산지 판별, 가짜 휘발유 판별, 향수 냄새 인식 및 판별, 공장의 배출가스 감지, 마약, 폭발물 검사 등의 냄새인식의 전 분야에 사용 가능한 장점이 있다.
본 발명은 다양하게 변환될 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태로 한정하려는 것이 아니며, 본 명세서의 특허청구범위에 기재된 발명에 대한 모든 변환, 균등물 내지 대체물은 본 발명의 사상 및 기술 범위에 포함되는 것으로 이해되어야 한다. 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 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "갖다" 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.
이하, 첨부한 도면을 참조하여 본 발명의 실시예에 관해 상세히 설명하고자 한다.
본 발명에 채용되어진 상관계수는 두 변량 X, Y 사이의 상관관계의 정도를 나타내는 수치이다. 즉, 측정값 (x, y)에 대하여 n개의 측정값
Figure 112008086175683-PAT00017
이 주어졌을 때,
Figure 112008086175683-PAT00018
를 x, y 사이의 상관계수라고 한다. 여기에서,
Figure 112008086175683-PAT00019
는 x, y의 공분산이고,
Figure 112008086175683-PAT00020
는 x, y의 표준편차의 곱이다. 또한 상관계수는 항상 부등식
Figure 112008086175683-PAT00021
를 만족시키며, 양의 상관관계가 있을 때는
Figure 112008086175683-PAT00022
, 음의 상관관계가 있을 때는 rxy < 0이고, 무상관일 때는
Figure 112008086175683-PAT00023
이 된다.
상기 상관계수는, 획득된 냄새 샘플과 규정된 참조 모델들 간의 방향성과 선형적 결합정도에 대한 정보를 모두 포함하는 장점이 있으므로, 본 발명에 따른 상관계수를 이용한 냄새 인식 방법은 종래의 냄새 인식 방법에 비해 우수한 성능을 보인다.
도 1은 본 발명의 일실시예에 따른 상관계수를 이용한 냄새 인식 방법의 흐름도를 나타낸 것이다.
먼저, 센서어레이를 구성하는 센서들을 통해 냄새 감지 동작을 계속해서 수행하는 가운데, 소정 개수(예를 들어, 32개)의 냄새 샘플들로 구성된 프레임 단위의 엔트로피를 각 센서별로 계산하되(S11), 상기 계산된 엔트로피가 미리 정한 임계값 이상이며, 그러한 상태가 소정 개수의 프레임(예를 들어, 4 프레임) 동안 지속되는지 판단한다(S12). 이 경우, 한 프레임을 구성하는 일부 냄새 샘플들(예를 들어, 16개의 냄새 샘플)이 다음 프레임에 중복되어 포함되도록 구성될 수도 있다.
상기 계산된 엔트로피가 미리 정한 임계값 이상인 상태가 상기 소정 개수의 프레임 동안 지속된 것으로 판단된 경우, 상기 미리 정한 임계값 이상이기 시작한 시점(유효 냄새 샘플 검출 시점)의 냄새 샘플들 이후의 샘플들이 본 발명에 따른 냄새 인식 방법을 위한 유효 냄새 샘플들로 구성된 특징 영역인 것으로 판단하여, 상기 유효 냄새 샘플 검출 시점 직후의 T개(예를 들어, 480개)의 샘플들을 상기 특징 영역으로 선정하되, 상기 유효 냄새 샘플 검출 시점 직전의 소정 개수(예를 들어, 32개)의 샘플들의 평균값을 계산하여 해당 센서의 안정화 상태에서의 반응치(기준값)로 간주한다. 이에, 상기 유효 냄새 샘플 검출 시점 직전의 소정 개수(예를 들어, 32개)의 샘플들의 평균값을 구하여, 상기 특징 영역을 구성하는 T개(예를 들어, 480개)의 샘플들의 각 반응치로부터 상기 유효 냄새 샘플 검출 시점 직전의 소정 개수(예를 들어, 32개)의 샘플들의 평균값을 차감하는 기준값 차감(또는 베이스라인 차감) 처리를 수행하게 된다(S13). 상기 특징 영역의 샘플들의 각 반응치로부터 기준값인 상기 유효 냄새 샘플 검출 시점 직전의 샘플들의 평균값을 차감하는 이유는, 상기 특징 영역의 샘플들의 각 반응치에는 해당 냄새가 센서어레이를 통해 입력되기 전의 센서 고유의 특성이나 센서 주변의 환경에 의한 반응치가 섞여 있음을 고려한 것으로, 해당 센서에서의 보다 정확한 냄새 인식을 위한 처리이다.
여기서, 상기 특징 영역이 상기 유효 냄새 샘플 검출 시점 직후의 소정 개수의 샘플들로 구성된 것으로 정의하였으나, 상기 유효 냄새 샘플 검출 시점 직전의 소정 개수의 샘플들을 포함하도록 구성할 수도 있다.
본 발명에 따른 냄새 인식 방법에서는, 센서어레이를 통해 취하는 냄새 샘플들이 미리 정해진 m개의 냄새 중 어느 냄새에 해당하는지를 인식하기 위한 것으로서, 각각의 냄새에 해당하는 m개의 참조 모델을 준비해 두고 있다. 상기 단계(S13)에 이어서, 상기 기준값이 차감된 T개의 샘플들과 각 참조 모델에 대한 T개의 샘플들 간의 각 센서에서의 상관계수를 계산하게 되는데(S14), 각 센서를 통해 취한 냄새 샘플의 반응치를 X, 참조 모델에 대한 반응치를 Y라고 할 때, k개의 센서(1≤k≤K)로 획득된 T개의 샘플에 대해 구하기 위해, k번째 센서에서 감지된 i번째 샘플의 반응치 Xki 및 각 참조 모델에 대한 i번째 샘플의 k번째 센서에서의 반응치 Yki는,
Figure 112008086175683-PAT00024
과
Figure 112008086175683-PAT00025
과 같다.
상기 단계(S14)에서 각 센서별로 구한 상관계수의 값을 모두 더한 후에, 전체 센서 개수 K로 나눔으로써, 각 참조 모델에 해당하는 상관계수의 평균값 Sm을 구한다(S15). 이로써, m개의 참조 모델에 대해 m개의 상기 상관계수 평균값(S1, S2, S3, ..., Sm)이 구해지는데, 상기 상관계수 평균값 중 가장 큰 값에 해당하는 참조 모델의 냄새가 현재 센서어레이를 통해 입력되는 냄새인 것으로 인식하게 된다.
이상, 본 발명에 따른 상관계수를 이용한 냄새 인식 방법의 흐름을 중심으로 간략히 설명하였으며, 이하에서는, 상기 방법에 대해 보다 구체적으로 설명하고자 한다.
냄새 인식에 이용되는 센서는, 냄새가 유입되지 않은 안정화된 초기 상태인 베이스라인, 냄새 유입으로 인해 센서가 동작하는 센서 응답 상태, 냄새가 더 이상 유입되지 않음으로 인해 동작중이던 센서가 안정되어 가는 센서 회복 상태와 같이 다양한 상태를 갖는다.
센서 어레이 기반의 냄새 인식 시스템에서는, 획득되는 냄새 샘플들로부터 냄새 인식을 위해 유효한 영역인 특징 영역을 정확히 검출하고, 검출된 특징 영역에 대한 보정 및 변환을 수행하는 입력 냄새의 전처리 과정이 매우 중요하며, 보다 정확한 특징 영역을 검출하기 위해서 냄새 인식을 위해 유효한 상기 특징 영역의 시작점을 정확히 검출할 수 있는 구성이 반드시 필요하다.
예를 들어, 휴대형 냄새 획득 장치를 이용한 다양한 꽃향기 인식에 있어서, 입력되는 향기 샘플은 냄새의 획득 위치, 개별 센서가 갖는 내부 응답 특성 및 주변의 환경적 요소 등에 매우 민감하므로, 주어지는 향기 샘플에 대한 정확한 특징 영역의 검출이 매우 어렵고, 입력 향기 샘플 자체에 대한 상당한 왜곡이 발생할 가능성이 높다.
이와 같은 필요성에 의해, 본 발명에 따른 방법은, 냄새 인식에 유효한 냄새 샘플의 발생 시점을 검출하고 검출된 시작 시점을 기준으로 보다 명확한 특징 영역을 추출하기 위하여 엔트로피를 이용하여 유효 냄새 샘플 발생 시점을 검출한다. 여기서, 센서를 통해 입력되는 냄새 샘플의 반응치에 C. Shannon에 의한 정보 엔트로피의 정의를 적용함으로써, 입력되는 냄새에 대한 센서 반응치의 변화 시점을 판단하였으며 개별 센서에 대한 프레임 단위의 엔트로피는 이하의 식 (1)과 같다.
Figure 112008086175683-PAT00026
여기서,
Figure 112008086175683-PAT00027
은 전체 반응치 범위를 L로 나눈 경우에 있어서 특정 범위 l이 한 프레임 내에서 발생할 확률을 의미하며, 식 (2)와 같이 한 프레임 내 상기 범위 l 의 발생 빈도
Figure 112008086175683-PAT00028
을 해당 프레임의 샘플 개수 S로 나누어 계산한다. 여기서, l은 0≤l≤L-1이다. 예를 들어, 전체 반응치 범위가 0 ～ 100이고 전체 반응치 범위를 10으로 나눈 경우에서는, 0 ～ 10의 반응치가 발생할 확률은 p(0), 11 ～ 20의 반응치가 발생할 확률은 p(1), ..., 91 ～ 100의 반응치가 발생할 확률은 p(9)로 정의된다.
Figure 112008086175683-PAT00029
n번째 프레임의 엔트로피 E(n) 값이 특정 임계값 (예를 들어, 1.0) 이상일 경우, 센서 반응의 변화 구간으로 판단하고, 그 구간이 일정 프레임 동안 지속될 경우에 상기 엔트로피 값이 임계값 이상이 되기 시작한 시점을 유효 냄새 샘플 발생 시점으로 판단한다.
예를 들어, 개별 센서 각각에 있어서 단위 초당 17개의 냄새 샘플이 획득되는 가운데, 32개의 샘플로 한 프레임을 구성하되, 한 프레임의 50%인 16개의 샘플이 중첩되도록 하면서, 변화 구간의 판단을 위한 지속 프레임의 개수는 4프레임을 기준으로 한다. 이때, 센서에 의해 획득되는 냄새 샘플들의 반응치는 기록 수단에 기록된다.
상기한 바와 같이, 유효 냄새 샘플 발생 시점이 검출되면, 특징 영역 내의 샘플들 및 참조 모델에 대한 샘플들 간의 상관계수를 구하게 된다.
상관계수 기반의 냄새 인식 방법 또는 시스템에서는 센서에 의해 획득된 냄새 샘플들과 참조 모델에 대한 샘플들 간의 개별 센서 반응치에 대한 상관계수를 아래 식(3)과 같이 계산한다.
Figure 112008086175683-PAT00030
위의 식에서, k는 센서의 채널 번호를 의미하며, 예를 들어 16개의 MOS 센서를 이용한 경우라면 1≤k≤K (K=16)의 범위를 갖는다. Xki는 k번째 센서에서 감지된 i번째 샘플의 반응치이며, Yki는 k번째 센서에서의 특정 참조 모델의 i번째 샘플의 반응치로서, i는 1≤i≤T(전체 샘플 개수)의 범위이다. 한편,
Figure 112008086175683-PAT00031
는 k번째 센서에서 취한 반응치의 평균을 의미한다. 또한,
Figure 112008086175683-PAT00032
는 k번째 센서에서의 특정 참조 모델에 대한 반응치의 평균을 의미한다.
상기 식 3에 의해 각 센서에서의 상관계수를 구한 다음, 상기 상관계수의 참조 모델별 평균값을 식 4에 의해 계산한다.
Figure 112008086175683-PAT00033
여기서, 상기 계산된, 상관계수의 참조 모델별 평균값인 Sm은 m개 존재하게 되는데, 상기 m개의 참조 모델별 평균값들의 크기를 비교하여, 그 중 가장 큰 값을 갖는 Sm에 해당하는 참조 모델이 센서 어레이에 의해 감지된 냄새이다.
상관계수 기반의 냄새 인식 모듈을 PCA + K-NN, LDA + K-NN 기반의 냄새 인식 시스템에 적용한 융합 단계의 냄새 인식 시스템의 경우 기존 인식기술 보다 향상된 결과가 도출되어짐에 따라, 기존의 다양한 후각-냄새 인식 시스템의 취약점을 보완하여 신뢰성을 확보 할 수 있고, 보다 정확한 성분 냄새의 인지가 가능한 새로운 방법론이 될 수 있다.
상기 설명된 바와 같은 상관계수를 이용한 냄새 인식은, MOS 센서를 이용한 센서 어레이 기반의 꽃냄새 획득 모듈, 센서 히팅용 전원 및 회로 전원 장치, A/D 변환 및 데이터 처리를 수행하는 MCU(Micro Controller Unit)를 포함하는 장치 또는 시스템에 의해 구현될 수 있으며, 상기 장치 또는 시스템에는 취득된 데이터를 전송하기 위한 통신 모듈(예를 들어, 블루투스 기반)이 더 포함될 수 있다.
앞서 설명된, 엔트로피를 이용한 유효 냄새 검출 시점 검출을 위한 엔트로피 계산 및 그에 따른 유효 냄새 샘플 선정과, 상관계수 계산, 계산된 상관계수를 근거로 한 냄새 인식의 일부 기능을 상기 꽃냄새 획득 모듈에서 수행되도록 구성하거나, 상기 대부분의 기능들이 상기 MCU에서 수행되도록 구성될 수 있다.
표 1은 본 발명에 따른 냄새 인식을 위해 사용할 수 있는 센서들의 일부 예이다.
목표 냄새 정보의 획득을 위하여 일반적으로 전자코에 주로 사용되는 것은 SnO2로 대표적인 산화물 반도체 소자(MOS), 부피탄성파를 이용한 수정 마이크로밸런스(Quartz crystal microbalance: QCM) 소자, 표면탄성파를 이용한 SAW 소자, 전도성 고분자 소자 등이 사용될 수 있다. 특히, MOS 센서는 대상 물질에 따라 인간의 후각범위를 상회하는 감도를 나타내기도 하며 수명이 길고 습도(수분)의 영향을 잘 받지 않으며, 센서의 선택성은 표면 촉매층의 종류에 따라 변하고 휘발 성분이 센서의 표면과 접촉해 감지 재료와 반응하면 전기전도성으로 바뀌는 응답 특성을 갖 는다. 또한 다수의 센서 조합으로 구성된 센서 어레이의 사용은 각 개별 센서가 반응하는 응답 패턴으로부터 어떤 특정 냄새의 존재를 보다 확실하게 검출함과 동시에 해당 냄새의 정량을 보다 신뢰성 있게 표현할 수 있다.
Figure 112008086175683-PAT00034
도 2는 본 발명의 일실시예에 따른 냄새 인식을 위한 (a)센서 어레이 및 (b)냄새 흡입 장치를 나타낸 것이다.
도 2(a)에서는 MOS를 이용한 센서 어레이 기반의 냄새 획득 모듈을 구현하였다. 구체적으로, 꽃냄새 데이터를 획득하기 위한 센서 어레이와 센서의 히팅 전원 및 회로 전원 장치, A/D 변환 및 데이터 처리를 수행하는 MCU(C8051F350) 그리고 취득된 데이터를 전송하기 위한 블루투스 기반의 통신 모듈(FB115BC)을 나타내었다.
이상, 본 명세서에서는, 센서어레이에 의해 취해지는 샘플들의 반응치, 상관계수, 상관계수의 평균값 등에 대한 구체적 수치를 제시하지는 않았으나, 이 분야에서 통상의 지식을 가진 기술자에게는 본 명세서를 읽은 후 본 발명을 이해하고 실시하는데 전혀 문제가 없을 것이라는 것이 자명하다.
또한, 본 발명에 따른 상관계수를 이용한 냄새 인식 시스템의 구성 요소간의 동작에 관하여 상세히 설명하지 않았으나, 본 발명의 출원시 이 분야에서 알려진 기술 수준으로부터 충분히 실시할 수 있다는 것이 자명하다.
본 발명은, 상관계수를 이용한 꽃향기(아로마 오일) 인식에 적용될 수 있다. 센서어레이를 통해 입력되는 꽃향기 샘플들을 획득하고 꽃향기의 검출 시점을 기준으로 샘플들의 반응 정도와 미리 정해진 종류(예를 들어, 12종)의 꽃향기 참조모델들에 대한 샘플들 간의 상관계수를 계산한 후, 각 꽃향기 참조모델별 전체 센서에 있어서의 상관계수의 평균값을 구하여, 상기 센서어레이를 통해 입력되고 있는 꽃향기가 상기 상관계수의 평균값이 가장 큰 참조모델에 해당하는 꽃향기인 것으로 인식할 수 있다.
또한, 본 발명은, 과도한 탐색 및 복잡한 수학적 계산에 의존하지 않고, 상관 정도에 따른 특징별 클러스터링이 가능하기 때문에, 실시간 처리가 필요한 PDA, 휴대폰, 지능형 로봇 등과 같은 임베디드 시스템에 적용할 수 있다.
도 1은 본 발명의 일실시예에 따른 상관계수를 이용한 냄새 인식 방법의 흐름도를 나타낸 것이다.
도 2는 본 발명의 일실시예에 따른 냄새 인식을 위한 (a)센서 어레이 및 (b)냄새 흡입 장치를 나타낸 것이다.

Claims (11)

  1. 센서어레이를 구성하는 K개의 센서들에 의해 감지되는 냄새가 미리 정해진 m개의 냄새 중 어느 냄새에 해당하는지를 상관계수를 이용하여 인식하는 방법으로서,
    센서들을 통해 취하는 냄새 샘플들 중 T개의 샘플들을 선정하는 단계; 및
    상기 선정된 T개의 샘플들 및 상기 m개의 냄새에 대응되는 미리 정해진 m개의 참조 모델에 대한 T개의 샘플들 간의 각 센서에서의 상관계수 rk를 각각 구하고, 참조 모델별 상기 상관계수 rk의 평균값
    Figure 112008086175683-PAT00035
    을 구하는 단계를 포함하는 것을 특징으로 하는 상관계수를 이용한 냄새 인식 방법.
  2. 제1항에 있어서,
    상기 T개의 샘플들을 선정하는 단계는,
    개별 센서에 대한 프레임 단위의 엔트로피가 미리 정한 임계값 이상인 상태로 일정 프레임동안 지속되기 시작하는 시점부터의 T개의 샘플들을 선정하는 것을 특징으로 하는 상관계수를 이용한 냄새 인식 방법.
  3. 제1항에 있어서,
    상기 각 센서에서의 상관계수 rk는 다음의 식에 의해 구하는 것을 특징으로 하는 상관계수를 이용한 냄새 인식 방법.
    Figure 112008086175683-PAT00036
    (여기서, k는 센서의 번호, 1≤k≤K, Xki는 k번째 센서에서 감지된 i번째 샘플의 반응치, 1≤i≤T,
    Figure 112008086175683-PAT00037
    는 k번째 센서에서 취한 반응치의 평균, Yki는 k번째 센서에서의 특정 참조 모델의 i번째 샘플의 반응치,
    Figure 112008086175683-PAT00038
    는 k번째 센서에서의 특정 참조 모델에 대한 반응치의 평균)
  4. 제2항에 있어서,
    상기 개별 센서에 대한 프레임 단위의 엔트로피는 이하의 식에 의해 구하는 것을 특징으로 하는 상관계수를 이용한 냄새 인식 방법.
    Figure 112008086175683-PAT00039
    (여기서,
    Figure 112008086175683-PAT00040
    은 전체 반응치 범위를 L로 나눈 경우에 있어서 특정 범위 l이 한 프레임 내에서 발생할 확률, 0≤l≤L-1)
  5. 제2항에 있어서,
    상기 T개의 샘플들 직전의 소정 개수의 샘플들의 평균값을 구하고, 상기 T개의 샘플들 각각의 반응치로부터 상기 평균값을 차감하는 단계를 더 포함하며,
    상기 각 센서에서의 상관계수 rk를 구하는 단계에서의 상기 선정된 T개의 샘플들은 각각의 반응치로부터 상기 평균값을 차감한 값을 갖는 샘플들인 것을 특징으로 하는 상관계수를 이용한 냄새 인식 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 참조 모델별 상기 상관계수 rk의 평균값
    Figure 112008086175683-PAT00041
    은 이하의 식에 의해 구하는 것을 특징으로 하는 상관계수를 이용한 냄새 인식 방법.
    Figure 112008086175683-PAT00042
  7. 냄새를 감지하는 K개의 센서로 구성된 센서어레이; 상기 센서어레이의 센서들을 항온 상태로 유지하기 위한 센서용 전원; 및 A/D 변환 및 데이터 처리를 수행하는 MCU(Micro Controller Unit)를 포함하도록 구성되어,
    센서들에 의해 감지되는 냄새가 미리 정해진 m개의 냄새 중 어느 냄새에 해당하는지를 상관계수를 이용하여 인식하는 냄새 인식 시스템으로서,
    상기 MCU는,
    개별 센서에 대한 프레임 단위의 엔트로피가 미리 정한 임계값 이상인 상태로 일정 프레임동안 지속되기 시작하는 시점부터 T개의 샘플들을 선정하여, 상기 선정된 T개의 샘플들 및 상기 m개의 냄새에 대응되는 미리 정해진 m개의 참조 모델 에 대한 T개의 샘플들 간의 각 센서에서의 상관계수 rk를 각각 구하고, m개의 참조 모델별 상기 상관계수 rk의 평균값
    Figure 112008086175683-PAT00043
    을 구하도록 구성된 것을 특징으로 하는 상관계수를 이용한 냄새 인식 시스템.
  8. 제7항에 있어서,
    상기 각 센서에서의 상관계수 rk를 구하기 위한 상기 선정된 T개의 샘플들은, 상기 T개의 샘플들 직전의 소정 개수의 샘플들의 평균값을 구하고, 상기 T개의 샘플들 각각의 반응치로부터 상기 평균값을 차감한 값을 갖는 것을 특징으로 하는 상관계수를 이용한 냄새 인식 시스템.
  9. 제7항에 있어서,
    상기 각 센서에서의 상관계수 rk는 다음의 식에 의해 구하는 것을 특징으로 하는 상관계수를 이용한 냄새 인식 시스템.
    Figure 112008086175683-PAT00044
    (여기서, k는 센서의 번호, 1≤k≤K, Xki는 k번째 센서에서 감지된 i번째 샘플의 반응치, 1≤i≤T,
    Figure 112008086175683-PAT00045
    는 k번째 센서에서 취한 반응치의 평균, Yki는 k번째 센서에서의 특정 참조 모델의 i번째 샘플의 반응치,
    Figure 112008086175683-PAT00046
    는 k번째 센서에서의 특정 참조 모델에 대한 반응치의 평균)
  10. 제7항에 있어서,
    상기 개별 센서에 대한 프레임 단위의 엔트로피는 이하의 식에 의해 구하는 것을 특징으로 하는 상관계수를 이용한 냄새 인식 시스템.
    Figure 112008086175683-PAT00047
    (여기서,
    Figure 112008086175683-PAT00048
    은 전체 반응치 범위를 L로 나눈 경우에 있어서 특정 범위 l이 한 프레임 내에서 발생할 확률, 0≤l≤L-1)
  11. 제7항에 있어서,
    상기 참조 모델별 상기 상관계수 rk의 평균값
    Figure 112008086175683-PAT00049
    은 이하의 식에 의해 구하는 것을 특징으로 하는 상관계수를 이용한 냄새 인식 시스템.
    Figure 112008086175683-PAT00050
KR1020080127435A 2008-12-15 2008-12-15 상관계수를 이용한 냄새 인식 방법 및 시스템 KR101002491B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080127435A KR101002491B1 (ko) 2008-12-15 2008-12-15 상관계수를 이용한 냄새 인식 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080127435A KR101002491B1 (ko) 2008-12-15 2008-12-15 상관계수를 이용한 냄새 인식 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20100068918A true KR20100068918A (ko) 2010-06-24
KR101002491B1 KR101002491B1 (ko) 2010-12-17

Family

ID=42367104

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080127435A KR101002491B1 (ko) 2008-12-15 2008-12-15 상관계수를 이용한 냄새 인식 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101002491B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2407820A1 (en) 2010-07-16 2012-01-18 LG Display Co., Ltd. Liquid crystal display device
KR20190027263A (ko) * 2017-09-06 2019-03-14 주식회사 과학기술분석센타 냄새 측정 장치 및 그 동작방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102313821B1 (ko) * 2016-09-30 2021-10-18 (주) 솔 유동 채널을 갖는 렌즈프리 cmos 광 어레이 센서 패키지 모듈의 유체흐름 특성 평가 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5469369A (en) 1992-11-02 1995-11-21 The United States Of America As Represented By The Secretary Of The Navy Smart sensor system and method using a surface acoustic wave vapor sensor array and pattern recognition for selective trace organic vapor detection
KR100315314B1 (ko) 2000-05-06 2001-11-26 손원열 가스 분석, 농도추정 및 측정, 측정 데이터 보정방법과그의 표시방법
JP3882720B2 (ja) 2002-02-19 2007-02-21 株式会社島津製作所 におい測定装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2407820A1 (en) 2010-07-16 2012-01-18 LG Display Co., Ltd. Liquid crystal display device
KR20190027263A (ko) * 2017-09-06 2019-03-14 주식회사 과학기술분석센타 냄새 측정 장치 및 그 동작방법

Also Published As

Publication number Publication date
KR101002491B1 (ko) 2010-12-17

Similar Documents

Publication Publication Date Title
Vlasov et al. Nonspecific sensor arrays (" electronic tongue") for chemical analysis of liquids (IUPAC Technical Report)
Sohn et al. Characterisation of humidity dependence of a metal oxide semiconductor sensor array using partial least squares
KR101852074B1 (ko) 가스 분류를 위한 전자코 시스템 및 방법
Reimann et al. Sensor arrays, virtual multisensors, data fusion, and gas sensor data evaluation
US11428658B2 (en) Gas sensing device and method for operating a gas sensing device
US11536678B2 (en) Gas sensing device and method for operating a gas sensing device
CN112198209B (zh) 一种甲醛检测方法及甲醛检测装置
CN110869754A (zh) 多气体感测系统
Guillot E-noses: Actual limitations and perspectives for environmental odour analysis
KR101002491B1 (ko) 상관계수를 이용한 냄새 인식 방법 및 시스템
Ansari et al. A novel technique of mixed gas identification based on the group method of data handling (GMDH) on time-dependent MOX gas sensor data
JP2006275606A (ja) ガス検出方法及びガス検出装置
Illahi et al. Electronic Nose Technology and Application: A Review
US11971397B2 (en) Gas sensing device for sensing one or more gases in a mixture of gases
Ionescu et al. Dealing with humidity in the qualitative analysis of CO and NO2 using a WO3 sensor and dynamic signal processing
Delpha et al. Discrimination and identification of a refrigerant gas in a humidity controlled atmosphere containing or not carbon dioxide: application to the electronic nose
Yang et al. A matched-profile method for simple and robust vapor recognition in electronic nose (E-nose) system
CN109239207B (zh) 基于电子鼻的气味识别方法、装置和电子鼻系统
US11531016B2 (en) Method of operating gas sensors and corresponding device, sensor and program product
CN112782233B (zh) 一种基于阵列气体传感器的气体识别方法
Bax et al. Odour nuisance monitoring
Szczurek et al. Gas sensor array with broad applicability
KR102031900B1 (ko) 화학 물질 검출용 반도체형 센서, 검출 방법 및 검출 시스템
Saeed et al. Experimental use of electronic nose for analysis of volatile organic compound (VOC)
Raman et al. Detecting and recognizing chemical targets in untrained backgrounds with temperature programmed sensors

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20131007

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140923

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee