KR20160120361A - 먼지의 종류를 판별하는 방법 및 장치 - Google Patents

먼지의 종류를 판별하는 방법 및 장치 Download PDF

Info

Publication number
KR20160120361A
KR20160120361A KR1020150048834A KR20150048834A KR20160120361A KR 20160120361 A KR20160120361 A KR 20160120361A KR 1020150048834 A KR1020150048834 A KR 1020150048834A KR 20150048834 A KR20150048834 A KR 20150048834A KR 20160120361 A KR20160120361 A KR 20160120361A
Authority
KR
South Korea
Prior art keywords
dust
sensing data
similarity
type
determining
Prior art date
Application number
KR1020150048834A
Other languages
English (en)
Inventor
김동한
김동회
조원서
이범주
Original Assignee
경희대학교 산학협력단
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 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Priority to KR1020150048834A priority Critical patent/KR20160120361A/ko
Publication of KR20160120361A publication Critical patent/KR20160120361A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/59—Transmissivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1402—Data analysis by thresholding or gating operations performed on the acquired signals or stored data

Landscapes

  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

본 발명은 먼지의 종류를 판별하는 방법 및 장치에 관한 것으로서, 일실시예에 따른 먼지 종류 판별 방법은 먼지에 조사되는 빛의 투과 및 반사 중에서 적어도 하나의 특성이 반영된 센싱 데이터를 수집하는 단계, 상기 수집된 센싱 데이터의 필터링을 수행하는 단계, 유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 단계, 및 상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 단계를 포함한다.

Description

먼지의 종류를 판별하는 방법 및 장치{method and apparatus of distinguishing type of dust}
본 발명은 먼지의 유무나 양을 판단하는 기술에 보다 진보하여 먼지의 종류를 판별하는 기술적 사상에 관한 것이다.
산업 사회에서 지식기반 첨단사회로 발전함에 따라 로봇은 이제 단순 노동대체 수단에서 인간과 공존하는 서비스 실현 수단으로 진화하고 있다. 소득수준의 향상과 고령화 사회의 도래 등에 대응하여 로봇 수요가 크게 늘어날 것으로 전망된다. 세계적인 미래학자들도 수년 이내에 컴퓨터처럼 로봇의 사용이 보편화 될 것으로 예상하고 있다. 우리나라 로봇산업의 출발은 다소 늦었지만 최근 로봇 시장의 증가율은 매년 증가하고 있는 추세이다.
최근 서비스 로봇 시장을 이끌고 있는 청소 로봇은 이미 초기 시장이 구축되어, 인간의 생활 패턴 변화를 주도할 수 있는 새로운 생활 가전으로서 그 시장 규모가 지속적으로 확대 되어가고 있다. 또한 청소 로봇은 일반인들에게 로봇에 대한 기술적 접근성을 높여 줌으로써 연구 차원에서 보여지던 로봇 기술의 비 현실성, 비 실용성에서 탈피하여 실제 생활에서 로봇이 유익한 서비스를 제공하고 있는 예를 제시함으로써 기타 서비스 로봇에 대한 친밀도를 높여주고 있다.
이에 따라 전 세계 로봇 및 가전 업체, 그리고 연구 기관에서 소비자가 원하는 청소 성능을 확보하고 이를 기반으로 청소로봇 시장 점유율 확대를 통한 경쟁 우위를 선점하기 위해 필요로 하는 청소 로봇의 핵심 부품 및 모듈의 기술 개발에 박차를 가하고 있는 추세이다.
(특허문헌) 대한민국 특허공보 제10-1273766호
흡입되는 먼지의 종류를 판별하는 기술을 제공한다.
본 발명의 실시예에 따른 먼지 종류 판별 방법은 먼지에 조사되는 빛의 투과 및 반사 중에서 적어도 하나의 특성이 반영된 센싱 데이터를 수집하는 단계, 상기 수집된 센싱 데이터의 필터링을 수행하는 단계, 유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 단계, 및 상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 단계를 포함한다.
여기서, 상기 필터링을 수행하는 단계는, 상기 수집된 센싱 데이터의 평균값(Average, AVR)을 산출하고, 상기 센싱 데이터에 상기 산출된 평균값을 적용하는 단계를 포함한다.
또한, 상기 필터링을 수행하는 단계는, 상기 수집된 센싱 데이터의 평균이동필터값(Moving Average. M/V)을 산출하고, 상기 센싱 데이터에 상기 산출된 평균이동필터값을 적용하는 단계를 포함한다.
여기서, 상기 유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 단계는, 이전에 측정된 제1 센싱 데이터와 현재 측정된 제2 센싱 데이터 간 차이에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 단계를 포함한다.
또한, 상기 유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 단계는, 상기 제1 센싱 데이터 및 상기 제2 센싱 데이터 각각에 대한 로데이터, 평균값, 평균이동필터값 중에서 적어도 하나에 대한 유사도를 판별하는 단계를 포함한다.
여기서, 상기 필터링된 센싱 데이터의 유사도를 판별하는 단계는, 상기 제1 센싱 데이터에 상응하는 제1 함수와 상기 제2 센싱 데이터에 상응하는 제2 함수의 차이를 픽셀 단위의 도메인 상에서 비교하는 단계를 포함한다.
여기서, 상기 도메인은 상기 먼지에 의해 투과 또는 반사되는 빛을 수광하는 수광소자의 순서를 식별하는 축과 상기 수광된 빛에 의해서 생성되는 개별 센싱 데이터의 순서를 식별하는 축으로 형성된다.
여기서, 상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 단계는, 적어도 하나 이상의 먼지 종류와 이에 상응하는 유사도가 기록된 테이블을 참고하여 상기 먼지에 대한 종류를 결정하는 단계를 포함한다.
또한, 상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 단계는, 상기 판별된 유사도로써 상기 테이블을 파싱하여 상기 판별된 유사도와 임계값 이상의 유사도를 갖는 먼지 종류를 독출하는 단계를 더 포함한다.
본 발명의 실시예에 따른 먼지 종류 판별 방법은 미리 지정된 시간대에 서버로부터 상기 테이블을 수신하고, 메모리에 기록하는 단계를 더 포함한다.
본 발명의 또 다른 양태에 따른 먼지 종류 판별 장치은 먼지에 조사되는 빛의 투과 및 반사 중에서 적어도 하나의 특성이 반영된 센싱 데이터를 수집하는 수집부, 상기 수집된 센싱 데이터의 평균값(Average, AVR) 및 평균이동필터값(Moving Average. M/V) 중에서 적어도 하나를 산출하고, 상기 센싱 데이터에 상기 산출된 값을 적용하는 필터링 처리부, 유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 판별부, 및 상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 결정부를 포함한다.
여기서, 상기 판별부는, 이전에 측정된 제1 센싱 데이터와 현재 측정된 제2 센싱 데이터 간 차이에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별한다.
여기서, 상기 판별부는, 상기 제1 센싱 데이터에 상응하는 제1 함수와 상기 제2 센싱 데이터에 상응하는 제2 함수의 차이를 픽셀 단위의 도메인 상에서 비교하되, 상기 도메인은 상기 먼지에 의해 투과 또는 반사되는 빛을 수광하는 수광소자의 순서를 식별하는 축과 상기 수광된 빛에 의해서 생성되는 개별 센싱 데이터의 순서를 식별하는 축으로 형성된다.
여기서, 상기 판별부는, 적어도 하나 이상의 먼지 종류와 이에 상응하는 유사도가 기록된 테이블을 참고하여 상기 먼지에 대한 종류를 결정한다.
본 발명의 또 다른 양태에 따른 먼지 종류 판별 프로그램은 기록매체에 저장되는 먼지 종류 판별 프로그램으로서, 상기 프로그램은 컴퓨팅 시스템에서 실행되는, 먼지에 조사되는 빛의 투과 및 반사 중에서 적어도 하나의 특성이 반영된 센싱 데이터를 수집하는 명령어 세트, 상기 수집된 센싱 데이터의 필터링을 수행하는 명령어 세트, 유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 명령어 세트, 및 상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 명령어 세트를 포함한다.
본 발명의 실시예들에 따르면, 흡입되는 먼지의 종류를 판별함으로써, 청소 관련 기기들의 기능을 보다 정밀하게 구현할 수 있다
도 1은 본 발명의 실시예에 따른 먼지 종류 판별 방법을 구현하기 위한 구조를 설명하는 도면이다.
도 2는 본 발명의 실시예에 따른 먼지 종류 판별 방법을 설명하는 흐름도이다.
도 3은 센싱 데이터의 필터링을 보다 구체적으로 설명하는 도면이다.
도 4는 이전에 측정된 센싱 데이터와 현재 측정되는 센싱 데이터를 비교하는 실시예를 설명하는 도면이다.
도 5는 판별된 유사도에 따라 먼지에 대한 종류를 결정하는 실시예를 설명하는 도면이다.
도 6은 본 발명의 실시예에 따른 먼지 종류 판별 장치를 설명하는 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.
본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만, 예컨대 본 발명의 개념에 따른 권리 범위로부터 벗어나지 않은 채, 제1 구성 요소는 제2 구성 요소로 명명될 수 있고 유사하게 제2 구성 요소는 제1 구성 요소로도 명명될 수 있다.
어떤 구성 요소가 다른 구성 요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는 중간에 다른 구성 요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성 요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다
이하, 본 명세서에 첨부된 도면들을 참조하여 본 발명의 실시 예들을 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 먼지 종류 판별 방법을 구현하기 위한 시스템 구조(100)를 설명하는 도면이다.
본 발명은 먼지 흡입장치(110)가 수집하는 센싱 데이터와 데이터베이스에 기록된 정보를 이용하여 센싱 데이터에 상응하는 먼지의 종류를 판별할 수 있다. 먼지 흡입장치(110)는 청소로봇 등에 설치될 수 있고, 일정 방향의 공기 흐름을 통해 먼지의 흐름(흡입)을 발생시킬 수 있는 수단을 포함할 수 있다.
이때, 먼지 흡입장치(110)가 수집하는 센싱 데이터는 오류가 발생할 수 있는데, 오류로 인한 판별 결과의 정확도를 높일 수 있도록 센싱 데이터에 대한 필터링을 수행할 수 있다. 일례로, 먼지 흡입장치(110)의 측정 잡음이나, 먼지가 먼지 흡입장치(110)의 센서를 지날 때 먼지의 분포가 일정하지 못한 특성으로 인해 유사도 판별에 오류가 발생할 수 있다.
따라서, 판별 오류를 줄이고자 센싱 데이터에 대한 전처리 과정으로서 필터링이 필요하다. 본 발명은 센서를 통해 측정된 값을 필터링 하는 방법으로 평균치를 이용하는 평균 방법과 평균이동필터방법을 사용할 수 있다.
먼지 흡입장치(110)는 공기를 흡입하면서 적외선 센서들로 구성되어 있으며, 빛을 발생하는 발광소자와 먼지에 반사되거나 통과되는 빛을 검출하는 수광소자를 포함한다.
흡입장치(110)는 한 개의 발광부와 다수의 수광부를 사용하여 먼지가 센서의 중앙부를 지나면, 수광소자에 검출된 정보를 센싱 데이터로서 출력할 수 있다.
이에, 본 발명은 센싱 데이터를 필터링한 결과값, 센싱 데이터, 데이터베이스(120)에 기록된 정보를 참고하여 먼지의 종류를 판별할 수 있다.
결국, 본 발명은 먼지에 대한 단순 유무나 양의 정도를 판단하는 것에 더해 먼지의 종류를 판단함으로써 보다 나은 기술적 효과를 기대할 수 있다.
도 2는 본 발명의 일실시예에 따른 먼지 종류 판별 방법을 설명하는 흐름도이다.
본 발명의 일실시예에 따른 먼지 종류 판별 방법은 센싱 데이터를 수집할 수 있다(단계 201). 센싱 데이터는 먼지에 조사되는 빛의 투과 및 반사 중에서 적어도 하나의 특성이 반영된 데이터로서 먼지의 종류와 밀도에 따라 투과되고 반사되어 그 크기가 달라진다.
다음으로, 본 발명의 일실시예에 따른 먼지 종류 판별 방법은 수집된 센싱 데이터에 대한 필터링을 수행할 수 있다(단계 202). 필터링 과정에서는 데이터들의 평균치를 구하는 평균 방법(Average. AVR)과 평균이동필터방법(Moving Average. M/V)을 사용하여 성능을 비교할 수 있다.
같은 종류의 먼지라고 하더라도, 측정 잡음이나 먼지가 센서를 지날 때 분포가 일정하지 못한 특성에 따라 센싱 데이터가 달라질 수 있어 유사도의 판별에 오류를 유발할 수 있다. 이를 위해 필터링 과정이 필요한데, 필터링에 대해서는 이하 도 3에서 상세히 설명토록 한다.
도 3은 센싱 데이터의 필터링을 보다 구체적으로 설명하는 도면이다.
본 발명의 일실시예에 따른 필터링은 수집된 센싱 데이터의 평균값(Average, AVR)을 산출하여 수집된 센싱 데이터에 산출된 평균값을 적용하여 수행할 수 있다. 또한, 본 발명의 다른 실시예에 따른 필터링은 수집된 센싱 데이터의 평균이동필터값(Moving Average. M/V)을 산출하고, 센싱 데이터에 산출된 평균이동필터값을 적용하여 수행할 수 있다.
먼저, 본 발명의 일실시예에 따르면, 아래 [수학식 1]을 이용하여 평균값(Average, AVR)을 산출하여 필터링을 수행할 수 있다.
[수학식 1]
Figure pat00001

Figure pat00002
는 i번째 수광부 센서의 평균값을 의미하고,
Figure pat00003
는 측정 순서에 따른 센싱 데이터를 의미하며, i는 수광소자의 순서, j는 센싱 데이터의 순서를 의미한다.
아래 [표 1]의 값들은 5개의 수광부 센서에서 측정된 로데이터(Raw Data)이며, [표 1]에서 보는 바와 같이 발광소자에 마주하는 수광소자(수광부1)의 데이터 변화폭이 가장 크며 같은 투과성 빛을 감지하는 수광소자(수광부 2)의 변화도 크게 나타난다. 나머지 수광소자들(수광부 3, 4, 5)는 반사되는 빛의 양이 적어 데이터 값이 조금씩 증가하는 모습으로 나타날 수 있다.
[표 1]
Figure pat00004
다음으로, 아래 [표 2]의 값들은 [표 1]에 상응하여, 수광소자 별로 15개 값의 평균값을 나타낸다. 여기서 15개의 데이터가 평균 방법에 사용 되었으므로 평균데이터는 약 2초마다 갱신될 수 있다. 평균 방법을 이용하면 로데이터(Raw Data)에서 발생할 수 있는 측정 잡음을 줄일 수 있다.
[표 2]
Figure pat00005
평균이동필터 방법은 반복적 자료처리라고도 하며, 이를 수식으로 나타내면 [수학식 2]와 같다.
[수학식 2]
Figure pat00006
[수학식 2]에서 보는 바와 같이 i번째 수광부 센서의 필터링된 값은 현재 로데이터인
Figure pat00007
과 t-n+1개의 과거 값
Figure pat00008
사이에서 측정 된 n개의 값들의 평균이다.
[표 3]의 값들은 [표 1]의 측정 데이터를 [수학식 2]에 기반하는 평균이동필터 방법을 통해 필터링한 데이터들이다.
[표 3]
Figure pat00009
[표 3]에서 보는 바와 같이, [수학식 2]에 따른 평균이동필터방법을 사용하여 센싱 데이터를 필터링 함으로써, [표 1]에서 표현된 데이터 값들의 변화가 작아진 모습을 확인할 수 있다. 즉, 평균이동필터방법을 통해 센싱 데이터에 대한 측정 잡음을 줄일 수 있다.
다시 도 2를 참고하면, 본 발명의 일실시예에 따른 먼지 종류 판별 방법은 필터링된 먼지에 대한 유사도를 판별할 수 있다(단계 203).
유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하기 위해, 본 발명의 일실시예에 따른 먼지 종류 판별 방법은 이전에 측정된 제1 센싱 데이터와 현재 측정된 제2 센싱 데이터 간 차이에 기초하여 필터링된 먼지의 유사도를 판별한다.
예를 들어, 본 발명의 일실시예에 따른 먼지 종류 판별 방법은 이전에 측정된 제1 센싱 데이터에 해당하는 제1 함수와, 데이터와 현재 측정된 제2 센싱 데이터에 해당하는 제2 함수를 대비할 수 있다. 이때, 필터링된 먼지의 유사도를 판별하기 위해 제1 센싱 데이터 및 제2 센싱 데이터 각각에 대한 로데이터, 평균값, 평균이동필터값 중에서 적어도 하나에 대한 유사도를 판별할 수 있다.
또한, 본 발명의 일실시예에 따른 먼지 종류 판별 방법은 필터링된 먼지의 유사도를 판별하기 위해, 제1 센싱 데이터에 상응하는 제1 함수와 제2 센싱 데이터에 상응하는 제2 함수의 차이를 픽셀 단위의 도메인 상에서 비교할 수 있다. 이 때의 도메인은 먼지에 의해 투과 또는 반사되는 빛을 수광하는 수광소자의 순서를 식별하는 축과 수광된 빛에 의해서 생성되는 개별 센싱 데이터의 순서를 식별하는 축으로 형성될 수 있다.
도 4는 이전에 측정된 센싱 데이터와 현재 측정되는 센싱 데이터를 비교하는 실시예를 설명하는 도면이다.
도 4를 살펴보면, f(i, j)는 제1 센싱 데이터 (이전에 측정된 값들)의 함수이며, g(i, j)는 두 번째 데이터 세트 (현재 측정된 값들)의 함수이다. 그리고 i는 수광부의 순서, j는 데이터의 순서를 의미하며, n은 센싱 데이터를 구성하는 각 데이터의 개수를 나타내고, m은 수광소자의 개수를 의미한다.
도메인(410)에 표현되는 제1 센싱 데이터와 도메인(420)에 표현되는 제2 센싱 데이터는 도면부호 430, 440과 같이 서로 상응하는 픽셀 별로 유사도가 계산될 수 있다.
이를 기반으로 살펴보면, 제1 센싱 데이터와 제2 센싱 데이터 간의 유사도는 [수학식 3]을 이용하여 계산될 수 있다.
[수학식 3]
Figure pat00010
따라서, [수학식 3]을 통해 계산된 값, 즉 유사도가 작을수록 두 개의 데이터 세트는 유사하다는 것을 알 수 있으며, 이 유사도를 가지고 먼지의 종류를 구별 할 수 있다.
예를 들어, [수학식 3]에 의해서 산출되는 유사도는 [표 4] 및 [표 5]의 형태로 계산될 수 있다.
먼저, [표 4]는 일정양의 쌀을 먼지검출장치에 10초 동안 통과 시킨 뒤에 산출되는 각각 10개의 데이터 세트를 나타낸다.
또한, 저장된 센싱 데이터들을 원본데이터인 "Raw"와, 평균 방법을 통해 필터링된 "AVR"과, 원본 데이터를 초단위 100개의 데이터로 평균이동필터링한 "M/A"로 구성할 수 있다. 그리고 [수학식 3]을 이용해 두 개의 데이터 세트를 골라 서로 번갈아 가며 유사도를 판단함으로써, [표 4] 및 [표 5]를 생성할 수 있다.
[표 4]
Figure pat00011
[표 5]
Figure pat00012
즉, [표 4]는 쌀에 대한 유사도로서, 이후에 먼지로부터 산출되는 유사도가 [표 4]와 임계값 이상으로 유사하다면 이 먼지는 쌀로 판별할 수 있다. 마찬가지로, [표 5]는 깨에 대한 유사도로 저장 및 유지되고, 이후에 먼지로부터 산출되는 유사도가 [표 5]와 임계값 이상으로 유사하다면 이 때의 먼지는 깨로 판별할 수 있다.
다시 도 2를 살펴보면, 본 발명의 일실시예에 따른 먼지 종류 판별 방법은 판별된 유사도에 따라 먼지에 대한 종류를 결정할 수 있다(단계 204).
즉, 본 발명은 판별된 유사도에 따라 먼지에 대한 종류를 결정하기 위해, 적어도 하나 이상의 먼지 종류와 이에 상응하는 유사도가 기록된 테이블을 참고하여 먼지에 대한 종류를 결정할 수 있다.
판별된 유사도에 따라 먼지에 대한 종류를 결정하는 방법은 도 5에서 상세히 설명한다.
도 5는 판별된 유사도에 따라 먼지에 대한 종류를 결정하는 실시예를 설명하는 도면이다.
본 발명의 일실시예에 따른 먼지 종류 판별 방법은 미리 지정된 시간대에 서버로부터 테이블을 수신하고, 메모리에 기록할 수 있다(단계 501). 일례로, 소음으로 인해 일반적으로 청소를 하지 않는 시간대인 새벽 시간대에 서버의 데이터베이스로부터 테이블을 수신하여 메모리에 기록할 수 있다.
일례로, 본 발명은 판별된 유사도에 따라 먼지에 대한 종류를 결정하기 위해, 판별된 유사도로써 테이블을 파싱하여 판별된 유사도와 임계값 이상의 유사도를 갖는 먼지 종류를 독출할 수 있다(단계 502).
본 발명의 일실시예에 따른 먼지 종류 판별 방법은 계산된 유사도에 상응하는 먼지 종류를 테이블로부터 판별할 수 있다. 본 발명은 유사도 판별의 정확도를 높이기 위해, 먼지에 대한 로데이터, 평균값, 평균이동필터값(Moving Average. M/V)을 데이터베이스에 기록된 테이블과 비교할 수 있다. 이때, 데이터베이스에 기록된 테이블과 센싱 데이터에 대한 유사도를 판별하고, 판별 결과 유사도가 임계값 이상으로 계산되는 데이터의 종류가 먼지의 종류라고 판별할 수 있다.
도 6은 본 발명의 일실시예에 따른 먼지 종류 판별 장치(600)를 설명하는 도면이다.
일실시예에 따른 먼지 종류 판별 장치(600)는 흡입되는 먼지에 대한 종류를 판별할 수 있다.
이를 위해, 일실시예에 따른 먼지 종류 판별 장치(600)는 수집부(610), 필터링 처리부(620), 판별부(630), 결정부(640), 및 저장부(650)를 포함할 수 있다.
먼저, 수집부(610)는 먼지에 조사되는 빛의 투과 및 반사 중에서 적어도 하나의 특성이 반영된 센싱 데이터를 수집할 수 있다. 센싱 데이터는 센싱 데이터는 먼지에 조사되는 빛의 투과 및 반사 중에서 적어도 하나의 특성이 반영된 데이터로서 먼지의 종류와 밀도에 따라 투과되고 반사되어 빛의 양이 달라질 수 있다.
필터링 처리부(620)는 수집된 센싱 데이터의 평균값(Average, AVR) 및 평균이동필터값(Moving Average. M/V) 중에서 적어도 하나를 산출하고, 센싱 데이터에 산출된 값을 적용할 수 있다. 같은 종류의 먼지라고 하더라도, 측정 잡음이나 먼지가 센서를 지날 때 분포가 일정하지 못한 특성에 따라 센싱 데이터가 달라질 수 있어 유사도의 판별에 오류를 유발할 수 있는데, 필터링 처리를 통해 이러한 문제를 줄일 수 있다.
판별부(630)는 유사도 판별 알고리즘에 기초하여 필터링된 먼지의 유사도를 판별할 수 있다.
일실시예에 따른 판별부(630)는 이전에 측정된 제1 센싱 데이터와 현재 측정된 제2 센싱 데이터 간 차이에 기초하여 필터링된 먼지의 유사도를 판별할 수 있다. 일례로, 판별부(630)는 이전에 측정된 제1 센싱 데이터에 해당하는 제1 함수와, 데이터와 현재 측정된 제2 센싱 데이터에 해당하는 제2 함수를 대비할 수 있다. 이때, 판별부(630)는 필터링된 먼지의 유사도를 판별하기 위해 제1 센싱 데이터 및 제2 센싱 데이터 각각에 대한 로데이터, 평균값, 평균이동필터값 중에서 적어도 하나에 대한 유사도를 판별할 수 있다.
또한, 판별부(630)는 필터링된 먼지의 유사도를 판별하기 위해, 제1 센싱 데이터에 상응하는 제1 함수와 제2 센싱 데이터에 상응하는 제2 함수의 차이를 픽셀 단위의 도메인 상에서 비교할 수 있다. 이 때의 도메인은 먼지에 의해 투과 또는 반사되는 빛을 수광하는 수광소자의 순서를 식별하는 축과 수광된 빛에 의해서 생성되는 개별 센싱 데이터의 순서를 식별하는 축으로 형성될 수 있다.
결정부(640)는 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정할 수 있다. 이를 위해, 결정부(640)는 판별된 유사도를 색인으로 하여 테이블를 파싱하고, 기록된 먼지 종류들 중에서 판별된 유사도와 임계값 이상의 유사도를 갖는 먼지 종류를 식별하고, 식별된 먼지 종류를 흡입된 먼지의 종류로 결정할 수 있다.
저장부(650)는 데이터베이스(660)에 기록된 테이블을 미리 지정된 시간 대에 다운로드하여 저장하고 이를 유지할 수 있다. 이를 위해, 저장부(650)는 메모리 등의 저장 수단을 포함할 수 있다.
결국, 본 발명을 이용하면 흡입되는 먼지의 종류를 판별함으로써, 청소로봇 등의 기능을 보다 정밀하게 구현할 수 있다.
본 발명의 일실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100 시스템 구조 110 먼지 흡입장치
600 먼지 종류 판별 장치 610 수집부
620 필터링 처리부 630 판별부
640 결정부 650 저장부
660 데이터베이스

Claims (15)

  1. 먼지에 조사되는 빛의 투과 및 반사 중에서 적어도 하나의 특성이 반영된 센싱 데이터를 수집하는 단계;
    상기 수집된 센싱 데이터의 필터링을 수행하는 단계;
    유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 단계; 및
    상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 단계
    를 포함하는 먼지 종류 판별 방법.
  2. 제1항에 있어서,
    상기 필터링을 수행하는 단계는,
    상기 수집된 센싱 데이터의 평균값(Average, AVR)을 산출하고, 상기 센싱 데이터에 상기 산출된 평균값을 적용하는 단계
    를 포함하는 먼지 종류 판별 방법.
  3. 제1항에 있어서,
    상기 필터링을 수행하는 단계는,
    상기 수집된 센싱 데이터의 평균이동필터값(Moving Average. M/V)을 산출하고, 상기 센싱 데이터에 상기 산출된 평균이동필터값을 적용하는 단계
    를 포함하는 먼지 종류 판별 방법.
  4. 제1항에 있어서,
    상기 유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 단계는,
    이전에 측정된 제1 센싱 데이터와 현재 측정된 제2 센싱 데이터 간 차이에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 단계
    를 포함하는 먼지 종류 판별 방법.
  5. 제4항에 있어서,
    상기 유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 단계는,
    상기 제1 센싱 데이터 및 상기 제2 센싱 데이터 각각에 대한 로데이터, 평균값, 평균이동필터값 중에서 적어도 하나에 대한 유사도를 판별하는 단계
    를 포함하는 먼지 종류 판별 방법.
  6. 제4항에 있어서,
    상기 필터링된 센싱 데이터의 유사도를 판별하는 단계는,
    상기 제1 센싱 데이터에 상응하는 제1 함수와 상기 제2 센싱 데이터에 상응하는 제2 함수의 차이를 픽셀 단위의 도메인 상에서 비교하는 단계를 포함하는 먼지 종류 판별 방법.
  7. 제6항에 있어서,
    상기 도메인은 상기 먼지에 의해 투과 또는 반사되는 빛을 수광하는 수광소자의 순서를 식별하는 축과 상기 수광된 빛에 의해서 생성되는 개별 센싱 데이터의 순서를 식별하는 축으로 형성되는 먼지 종류 판별 방법.
  8. 제1항에 있어서,
    상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 단계는,
    적어도 하나 이상의 먼지 종류와 이에 상응하는 유사도가 기록된 테이블을 참고하여 상기 먼지에 대한 종류를 결정하는 단계
    를 포함하는 먼지 종류 판별 방법.
  9. 제8항에 있어서,
    상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 단계는,
    상기 판별된 유사도로써 상기 테이블을 파싱하여 상기 판별된 유사도와 임계값 이상의 유사도를 갖는 먼지 종류를 독출하는 단계
    를 더 포함하는 먼지 종류 판별 방법.
  10. 제8항에 있어서,
    미리 지정된 시간대에 서버로부터 상기 테이블을 수신하고, 메모리에 기록하는 단계를 더 포함하는 먼지 종류 판별 방법.
  11. 적어도 하나의 프로세서를 포함하는 먼지 종류 판별 장치에 있어서, 상기 적어도 하나의 프로세서에 의해 적어도 일시적으로 구현되는:
    먼지에 조사되는 빛의 투과 및 반사 중에서 적어도 하나의 특성이 반영된 센싱 데이터를 수집하는 수집부;
    상기 수집된 센싱 데이터의 평균값(Average, AVR) 및 평균이동필터값(Moving Average. M/V) 중에서 적어도 하나를 산출하고, 상기 센싱 데이터에 상기 산출된 값을 적용하는 필터링 처리부;
    유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 판별부; 및
    상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 결정부
    를 포함하는 먼지 종류 판별 장치.
  12. 제11항에 있어서,
    상기 판별부는,
    이전에 측정된 제1 센싱 데이터와 현재 측정된 제2 센싱 데이터 간 차이에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 먼지 종류 판별 장치.
  13. 제12항에 있어서,
    상기 판별부는,
    상기 제1 센싱 데이터에 상응하는 제1 함수와 상기 제2 센싱 데이터에 상응하는 제2 함수의 차이를 픽셀 단위의 도메인 상에서 비교하되,
    상기 도메인은 상기 먼지에 의해 투과 또는 반사되는 빛을 수광하는 수광소자의 순서를 식별하는 축과 상기 수광된 빛에 의해서 생성되는 개별 센싱 데이터의 순서를 식별하는 축으로 형성되는 먼지 종류 판별 장치.
  14. 제11항에 있어서,
    상기 판별부는,
    적어도 하나 이상의 먼지 종류와 이에 상응하는 유사도가 기록된 테이블을 참고하여 상기 먼지에 대한 종류를 결정하는 먼지 종류 판별 장치.
  15. 기록매체에 저장되는 먼지 종류 판별 프로그램으로서, 상기 프로그램은 컴퓨팅 시스템에서 실행되는:
    먼지에 조사되는 빛의 투과 및 반사 중에서 적어도 하나의 특성이 반영된 센싱 데이터를 수집하는 명령어 세트;
    상기 수집된 센싱 데이터의 필터링을 수행하는 명령어 세트;
    유사도 판별 알고리즘에 기초하여 상기 필터링된 센싱 데이터의 유사도를 판별하는 명령어 세트; 및
    상기 판별된 유사도에 따라 상기 먼지에 대한 종류를 결정하는 명령어 세트
    를 포함하는 먼지 종류 판별 프로그램.

KR1020150048834A 2015-04-07 2015-04-07 먼지의 종류를 판별하는 방법 및 장치 KR20160120361A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150048834A KR20160120361A (ko) 2015-04-07 2015-04-07 먼지의 종류를 판별하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150048834A KR20160120361A (ko) 2015-04-07 2015-04-07 먼지의 종류를 판별하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20160120361A true KR20160120361A (ko) 2016-10-18

Family

ID=57244356

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150048834A KR20160120361A (ko) 2015-04-07 2015-04-07 먼지의 종류를 판별하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20160120361A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200003664A (ko) * 2018-07-02 2020-01-10 주식회사 케이티 공기질 데이터의 보정 로직을 생성하는 장치 및 방법
KR102077692B1 (ko) * 2019-07-15 2020-02-14 주식회사 오디텍 광산란기반의 먼지센서
CN112711613A (zh) * 2020-11-27 2021-04-27 浙江海普发科技有限公司 基于智能判断用电行为的电器偏好分析方法
KR102670697B1 (ko) * 2022-12-26 2024-05-30 경북대학교 산학협력단 먼지 센싱 방법 및 이를 수행하는 먼지 센싱 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101273766B1 (ko) 2011-03-18 2013-06-12 경희대학교 산학협력단 진공청소기의 먼지 검출장치 및 먼지 검출방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101273766B1 (ko) 2011-03-18 2013-06-12 경희대학교 산학협력단 진공청소기의 먼지 검출장치 및 먼지 검출방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200003664A (ko) * 2018-07-02 2020-01-10 주식회사 케이티 공기질 데이터의 보정 로직을 생성하는 장치 및 방법
KR102077692B1 (ko) * 2019-07-15 2020-02-14 주식회사 오디텍 광산란기반의 먼지센서
CN112711613A (zh) * 2020-11-27 2021-04-27 浙江海普发科技有限公司 基于智能判断用电行为的电器偏好分析方法
CN112711613B (zh) * 2020-11-27 2022-07-29 浙江海普发科技有限公司 基于智能判断用电行为的电器偏好分析方法
KR102670697B1 (ko) * 2022-12-26 2024-05-30 경북대학교 산학협력단 먼지 센싱 방법 및 이를 수행하는 먼지 센싱 장치

Similar Documents

Publication Publication Date Title
WO2021072887A1 (zh) 异常流量监测方法、装置、设备及存储介质
KR101734829B1 (ko) 지역성 말투를 구분하는 음성 데이터 인식 방법, 장치 및 서버
US10565699B2 (en) Apparatus and method for detecting anomaly in plant pipe using multiple meta-learning
KR20160120361A (ko) 먼지의 종류를 판별하는 방법 및 장치
CN117407661B (zh) 一种用于设备状态检测的数据增强方法
JPWO2014132612A1 (ja) システム分析装置、及び、システム分析方法
CN110858072B (zh) 设备运行状态的确定方法及装置
CN110375736B (zh) 智能设备的路径规划方法、系统、设备及可读存储介质
CN116597864A (zh) 一种嗓音检测方法及装置
US20220113420A1 (en) Plane detection method and device based on laser sensor
JP5791555B2 (ja) 状態追跡装置、方法、及びプログラム
CN108446359B (zh) 信息推荐方法和装置
Chen et al. Modelling of content-aware indicators for effective determination of shot boundaries in compressed MPEG videos
CN113448761A (zh) 一种根因定位方法及装置
JP2008140100A (ja) 情報処理装置及びデータ判定方法及びプログラム
JP2013182468A (ja) パラメータ値設定誤り検出システム、パラメータ値設定誤り検出方法およびパラメータ値設定誤り検出プログラム
CN106852171B (zh) 基于声音信息的用户多个行为识别方法
EP3722161A1 (en) A method for detecting the application of scratches and bumps
CN112633512A (zh) 基于神经网络的数据处理装置、方法及可读存储介质
CN115510998A (zh) 交易异常值检测方法及装置
KR102299660B1 (ko) 이상 탐지 방법 및 이상 탐지 장치
CN107229621B (zh) 差异数据的清洗方法及装置
TW201833535A (zh) 用於調諧經調變晶圓之敏感度及判定用於經調變晶圓之處理視窗之系統，方法以及非暫時性電腦可讀媒體
CN109655884B (zh) 一种速度拾取异常点去除方法及系统
CN112116433A (zh) 订单归因方法及装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment