KR20190119210A - 센서 기반 실시간 악취 분류 장치 및 방법 - Google Patents
센서 기반 실시간 악취 분류 장치 및 방법 Download PDFInfo
- Publication number
- KR20190119210A KR20190119210A KR1020180037408A KR20180037408A KR20190119210A KR 20190119210 A KR20190119210 A KR 20190119210A KR 1020180037408 A KR1020180037408 A KR 1020180037408A KR 20180037408 A KR20180037408 A KR 20180037408A KR 20190119210 A KR20190119210 A KR 20190119210A
- Authority
- KR
- South Korea
- Prior art keywords
- odor
- classification
- real
- substances
- time
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000000126 substance Substances 0.000 claims abstract description 74
- 230000007613 environmental effect Effects 0.000 claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 235000019645 odor Nutrition 0.000 claims description 144
- 238000004458 analytical method Methods 0.000 claims description 42
- 231100000676 disease causative agent Toxicity 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 9
- 230000035943 smell Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 230000008786 sensory perception of smell Effects 0.000 description 2
- 241001122767 Theaceae Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- 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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- 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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
- G01P13/02—Indicating direction only, e.g. by weather vane
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
-
- G01N2033/0068—
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
실시간 악취 분류 장치 및 방법이 제공된다. 일실시예에서, 실시간 악취 분류 장치는 악취와 연관된 복수의 물질의 농도를 측정하는 원인 물질 검출부 및 상기 복수의 물질의 농도를 측정하는 시점의 환경 변수를 측정하는 환경 변수 측정부를 포함하는 멀티 오퍼레이션 센서부, 및 상기 복수의 물질 각각의 검출 여부에 기초하여 악취의 1차 분류를 수행하고, 상기 복수의 물질 각각의 농도 및 상기 환경 변수에 기초하여 악취의 2차 분류를 수행하는 냄새 분류부를 포함한다.
Description
센서 기반 실시간 악취 분류 장치 및 방법에 연관되며, 보다 구체적으로는 2개 이상의 물질에 반응하는 멀티 오퍼레이션 센서를 이용하여 측정된 데이터에 대한 다차원 데이터 패턴 분석을 통해 악취를 실시간으로 분류하는 장치 및 방법에 연관된다.
악취를 평가하는 방법으로 악취의 세기, 불쾌도, 발생 빈도 등을 사람이 직접 측정하는 방법이 많이 이용된다. 그러나 사람의 후각은 냄새에 대한 순응 및 피로 현상이 있고 그 감지 능력에 있어서도 개인 차가 심하여 객관적인 지표로 삼기에 적절하지 않다.
또한, 민원 발생 빈도가 높은 주요 악취의 경우, 사람이 직접 냄새를 구별하는 경우 냄새의 세기를 여러 단계로 구분하여 측정하기 어려운 측면이 있다.
이러한 점을 보완하기 위해 냄새의 희석배수를 이용하여 냄새의 세기를 측정하는 방법이 존재하지만, 이러한 방법 역시 사람의 후각에 의존하는 방법이라는 점에서 객관성 및 일관성에 한계가 있다.
사람의 후각에 의존하지 않고 센서 기반으로 냄새의 성분을 분석하는 방법이 있으나, 시간과 비용이 많이 소모되는 경우가 많아 악취를 실시간으로 분류하기에는 부적합하다. 또한, 센서 칩의 특성 상 복합 악취 발생 시에 센서가 검출 대상 물질 이외의 다른 물질에 반응할 가능성을 배제할 수 없어 물질 검출 및 냄새 분류의 신뢰도에 문제가 있다.
일측에 따르면, 실시간 악취 분류 장치는 악취와 연관된 복수의 물질의 농도를 측정하는 원인 물질 검출부 및 상기 복수의 물질의 농도를 측정하는 시점의 환경 변수를 측정하는 환경 변수 측정부를 포함하는 멀티 오퍼레이션 센서부, 및 상기 복수의 물질 각각의 검출 여부에 기초하여 악취의 1차 분류를 수행하고, 상기 복수의 물질 각각의 농도 및 상기 환경 변수에 기초하여 악취의 2차 분류를 수행하는 냄새 분류부를 포함한다.
일실시예에서, 상기 원인 물질 검출부는 복수의 센서 엘리먼트를 포함하고, 상기 복수의 센서 엘리먼트의 적어도 일부는 2개 이상의 물질에 반응할 수 있도록 구성된다.
일실시예에서, 상기 복수의 센서 엘리먼트는 p차원 공간 내에 배치되고, 상기 1차 분류는 데이터베이스 또는 빅 데이터를 참조하는 p차원 데이터 패턴 분석을 통해 수행된다.
일실시예에서, 상기 농도 및 상기 환경 변수는 총 q가지의 수치로 측정되고, 상기 2차 분류는 데이터베이스 또는 빅 데이터를 참조하는 p+q차원 데이터 패턴 분석을 통해 수행된다.
일실시예에서, 상기 환경 변수는 온도, 상대습도, 및 기압 중 적어도 하나를 포함한다.
일실시예에서, 상기 환경 변수는 풍향 및 풍속을 포함하고, 상기 실시간 악취 분류 장치는, 상기 냄새 분류부의 2차 분류 수행 결과 및 상기 풍향 및 상기 풍속에 기초하여 냄새 발생원의 종류 및 위치를 결정하는 냄새 발생원 추적부를 더 포함한다.
일실시예에서, 상기 실시간 악취 분류 장치는 상기 냄새 분류부에서 식별할 하나 이상의 악취를 미리 지정하는 냄새 지정부를 더 포함한다.
다른 일측에 따르면, 실시간 악취 분류 장치는 p차원 공간 내에 배치되는 복수의 센서 엘리먼트를 이용하여 악취와 연관된 복수의 물질의 농도를 측정하는 원인 물질 검출부 및 상기 복수의 물질의 농도를 측정하는 시점의 환경 변수 - 상기 농도 및 상기 환경 변수는 총 q가지의 수치로 측정됨 - 를 측정하는 환경 변수 측정부를 포함하는 멀티 오퍼레이션 센서부, 및 상기 복수의 물질 각각의 검출 여부에 기초하여 데이터베이스 또는 빅 데이터를 참조하는 p차원 데이터 패턴 분석을 통해 악취의 1차 분류를 수행하고, 상기 복수의 물질 각각의 농도 및 상기 환경 변수에 기초하여 데이터베이스 또는 빅 데이터를 참조하는 p+q차원 데이터 패턴 분석을 통해 악취의 2차 분류를 수행하는 냄새 분류부를 포함한다.
일실시예에서, 상기 복수의 센서 엘리먼트의 적어도 일부는 2개 이상의 물질에 반응할 수 있도록 구성된다.
다른 일측에 따르면, 실시간 악취 분류 방법은 악취와 연관된 복수의 물질의 농도를 측정하는 단계, 상기 복수의 물질의 농도를 측정하는 시점의 환경 변수를 측정하는 단계, 상기 복수의 물질 각각의 검출 여부에 기초하여 악취의 1차 분류를 수행하는 단계, 및 상기 복수의 물질 각각의 농도 및 상기 환경 변수에 기초하여 악취의 2차 분류를 수행하는 단계를 포함한다.
일실시예에서, 상기 원인 물질의 농도를 측정하는 단계는 복수의 센서 엘리먼트를 이용하고, 상기 복수의 센서 엘리먼트의 적어도 일부는 2개 이상의 물질에 반응할 수 있도록 구성된다.
일실시예에서, 상기 복수의 센서 엘리먼트는 p차원 공간 내에 배치되고, 상기 1차 분류는 데이터베이스 또는 빅 데이터를 참조하는 p차원 데이터 패턴 분석을 통해 수행된다.
일실시예에서, 상기 농도 및 상기 환경 변수는 총 q가지의 수치로 측정되고, 상기 2차 분류는 데이터베이스 또는 빅 데이터를 참조하는 p+q차원 데이터 패턴 분석을 통해 수행된다.
일실시예에서, 상기 환경 변수는 온도, 상대습도, 및 기압 중 적어도 하나를 포함한다.
일실시예에서, 상기 환경 변수는 풍향 및 풍속을 포함하고, 상기 실시간 악취 분류 방법은, 상기 2차 분류 수행 결과 및 상기 풍향 및 상기 풍속에 기초하여 냄새 발생원의 종류 및 위치를 결정하는 단계를 더 포함한다.
일실시예에서, 실시간 악취 분류 방법은 상기 악취의 1차 분류를 수행하는 단계 및 상기 악취의 2차 분류를 수행하는 단계에서 식별할 하나 이상의 악취를 미리 지정하는 단계를 더 포함한다.
다른 일측에 따르면, 실시간 악취 분류 방법은 p차원 공간 내에 배치되는 복수의 센서 엘리먼트를 이용하여 악취와 연관된 복수의 물질의 농도를 측정하는 단계, 상기 복수의 물질의 농도를 측정하는 시점의 환경 변수 - 상기 농도 및 상기 환경 변수는 총 q가지의 수치로 측정됨 - 를 측정하는 단계, 상기 복수의 물질 각각의 검출 여부에 기초하여 데이터베이스 또는 빅 데이터를 참조하는 p차원 데이터 패턴 분석을 통해 악취의 1차 분류를 수행하는 단계, 및 상기 복수의 물질 각각의 농도 및 상기 환경 변수에 기초하여 데이터베이스 또는 빅 데이터를 참조하는 p+q차원 데이터 패턴 분석을 통해 악취의 2차 분류를 수행하는 단계를 포함한다.
일실시예에서, 상기 복수의 센서 엘리먼트의 적어도 일부는 2개 이상의 물질에 반응할 수 있도록 구성된다.
도 1은 일실시예에 따른 실시간 악취 분류 장치를 설명하기 위한 블록도이다.
도 2는 일실시예에 따른 실시간 악취 분류 장치의 멀티 오퍼레이션 센서부를 설명하기 위한 블록도이다.
도 3은 일실시예에 따른 실시간 악취 분류 장치의 원인 물질 검출부를 설명하기 위한 도면이다.
도 4는 일실시예에 따른 실시간 악취 분류 장치의 원인 물질 검출부를 설명하기 위한 도면이다.
도 5은 일실시예에 따른 실시간 악취 분류 장치의 데이터 패턴 분석 방식을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 실시간 악취 분류 장치의 데이터 패턴 분석 방식을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 실시간 악취 분류 방법을 설명하기 위한 흐름도이다.
도 2는 일실시예에 따른 실시간 악취 분류 장치의 멀티 오퍼레이션 센서부를 설명하기 위한 블록도이다.
도 3은 일실시예에 따른 실시간 악취 분류 장치의 원인 물질 검출부를 설명하기 위한 도면이다.
도 4는 일실시예에 따른 실시간 악취 분류 장치의 원인 물질 검출부를 설명하기 위한 도면이다.
도 5은 일실시예에 따른 실시간 악취 분류 장치의 데이터 패턴 분석 방식을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 실시간 악취 분류 장치의 데이터 패턴 분석 방식을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 실시간 악취 분류 방법을 설명하기 위한 흐름도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 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.
이하에서, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 권리범위는 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 실시간 악취 분류 장치를 설명하기 위한 블록도이다. 일실시예에서, 실시간 악취 분류 장치(100)는 멀티 오퍼레이션 센서부(110), 냄새 분류부(120), 및 냄새 발생원 추적부(130)를 포함할 수 있다. 일실시예에서, 실시간 악취 분류 장치(100)는 냄새 지정부(미도시)를 더 포함할 수 있다.
일실시예에서, 멀티 오퍼레이션 센서부(110)는 악취와 연관된 복수의 물질을 검출하고 그 농도를 측정할 수 있는 하나 이상의 센서 엘리먼트를 포함할 수 있다. 각 센서 엘리먼트는 하나의 특정 물질에만 반응하는 센서 엘리먼트일 수도 있고, 센서 엘리먼트의 종류 및 특성에 따라 2개 이상의 물질에 반응할 수 있는 멀티 오퍼레이션(multi-operation) 센서일 수도 있다.
일반적으로, 종래의 악취 분류 시스템은 특정 물질의 검출에 특정 센서가 일대일로 매칭되는 방식을 많이 이용하기 때문에 2개 이상의 물질에 반응하는 센서를 효과적으로 활용하기 어려웠으나, 제안되는 악취 분류 장치는 아래에서 설명되는 데이터 패턴 분석을 통해 복합적인 악취에 대하여도 정확한 분류 및 식별이 가능하다.
일실시예에서, 멀티 오퍼레이션 센서부(110)는 온도, 상대습도, 및 기압 등의 환경 변수를 측정할 수 있는 센서를 포함할 수 있다. 또한, 멀티 오퍼레이션 센서부(110)는 냄새원 추적을 위하여 풍향 및 풍속 등의 환경 변수를 측정할 수 있는 센서를 포함할 수 있다.
일반적으로, 종래의 악취 분류 시스템은 물질의 검출 여부 및 농도만을 고려하여 냄새를 분류하는 방식을 이용하였으나, 제안되는 악취 분류 장치는 농도 측정 당시의 온도, 상대습도, 및 기압과 같은 환경 변수가 원인 물질의 검출 여부 또는 원인 물질의 측정 농도에 미치는 영향을 데이터 패턴 분석에 추가적으로 반영함으로써 복합적인 악취의 분류 및 식별의 정확도를 향상시킬 수 있다. 또한, 악취 분류 장치는 풍향 및 풍속과 같은 환경 변수를 함께 측정하여 이를 냄새원의 위치 추적에 활용할 수 있다.
일실시예에서, 냄새 분류부(120)는 악취와 연관된 복수의 물질 각각의 검출 여부에 기초하여 악취의 1차 분류를 수행할 수 있다. 예를 들어, 멀티 오퍼레이션 센서부(110)에 포함된 n개의 센서 엘리먼트에 의해 물질의 검출이 수행된 경우, n개의 센서 엘리먼트 중 어느 센서 엘리먼트가 측정 대상 악취에 반응했는지 여부를 기준으로 악취의 1차 분류가 수행될 수 있다.
일실시예에서, 악취의 1차 분류는 복수의 센서 엘리먼트의 공간적 배치를 고려하는 데이터 패턴 분석을 통해 수행될 수 있다. 제한적이지 않은 예로서, 복수의 센서 엘리먼트는 p차원 공간 내에 배치될 수 있으며, 악취의 1차 분류는 p차원 데이터를 기반으로 미리 구성된 데이터베이스 또는 실시간 접근 가능한 빅 데이터를 참조하여 p차원 데이터 패턴 분석을 통해 수행될 수 있다.
일실시예에서, 냄새 분류부(120)는 악취와 연관된 복수의 물질 각각의 농도 및/또는 환경 변수에 기초하여 악취의 2차 분류를 수행할 수 있다. 예를 들어, 멀티 오퍼레이션 센서부(110)에 포함된 n개의 센서 엘리먼트에서 측정된 농도 수치와 온도, 상대습도, 및 기압 등의 환경 변수 수치를 고려하여 악취의 2차 분류가 수행될 수 있다.
일실시예에서, 악취의 2차 분류는 멀티 오퍼레이션 센서부(110)에 서 측정된 q가지의 센서 값 측정 수치를 고려하여 다차원 데이터 패턴 분석을 통해 수행될 수 있다. 제한적이지 않은 예로서, 복수의 센서 엘리먼트가 p차원 공간 내에 배치되고 2차 분류에 반영될 센서 측정 수치의 종류가 총 q가지 종류인 경우, 악취의 2차 분류는 미리 구성된 데이터베이스 또는 실시간 접근 가능한 빅 데이터를 참조하여 p+q차원 데이터 패턴 분석을 통해 수행될 수 있다.
데이터 패턴 분석을 통한 악취의 분류에는 멀티 오퍼레이션 센서부(110)로부터 획득된 데이터 패턴과 데이터베이스 또는 빅 데이터 상에 존재하는 하나 이상의 대표적 냄새 패턴 간의 유사도 판단이 이용될 수 있다. 이를 위하여, 예를 들어 K-최근접 이웃(K-nearest neighbor algorithm), 선형 판별 분석(Linear discriminant analysis), 랜덤 포리스트(random forest) 등의 분류 알고리즘, 다차원 척도법(multidimensional scaling), 다변량 통계법(multivariate statistical methods), 및/또는 주성분 분석(principal component analysis)과 같은 차원 축소 방법론이 이용될 수 있다. 또한, 데이터 패턴 분석을 통한 악취의 분류에는 뉴럴 네트워크 및 기계 학습 방법이 대안적으로 및/또는 추가적으로 이용될 수 있다.
일실시예에서, 냄새 발생원 추적부(130)는 풍향 및 풍속 등의 환경 변수를 냄새 분류부의 분석 결과와 함께 이용하여 냄새 발생원의 종류 및 위치를 추정할 수 있다. 냄새 발생원의 종류 및 위치 추정에는 냄새 분석 결과 및 풍향, 풍속 이외에도 멀티 오퍼레이션 센서부(110)의 지리적 위치 또는 도시환경공학적 위치가 함께 고려될 수 있으며, 냄새 원인 물질의 종류에 따라서는 온도, 상대습도, 및 기압 등의 측정치가 함께 이용될 수 있다.
일실시예에서, 냄새 지정부는 냄새 분류부(120)에서 식별 대상으로 하는 악취의 종류 또는 구성성분을 미리 지정할 수 있다. 이와 같이 악취의 종류 또는 구성성분을 지정함에 따라 멀티 오퍼레이션 센서부(110)의 센서 엘리먼트의 구성 또는 배치를 지정된 악취에 적합하게 변경하거나 냄새 분류부(120)의 패턴 분석의 효율을 높일 수 있다.
도 2는 일실시예에 따른 실시간 악취 분류 장치의 멀티 오퍼레이션 센서부를 설명하기 위한 블록도이다. 일실시예에서, 멀티 오퍼레이션 센서부(200)는 원인 물질 검출부(210), 및 환경 변수 측정부(220)를 포함할 수 있다. 도 2에 도시된 멀티 오퍼레이션 센서부(200)는 예를 들어 도 1을 참조하여 설명된 실시간 악취 분류 장치의 구현에 이용될 수 있다.
일실시예에서, 원인 물질 검출부(210)는 악취와 연관된 하나 이상의 물질을 검출하거나 농도를 측정하는 센서 엘리먼트를 포함할 수 있다. 원인 물질 검출부(210)를 구성하는 센서 엘리먼트의 전부 또는 일부는 2개 이상의 물질에 반응하도록 구성될 수 있다.
제안되는 실시간 악취 분류 장치에서는 데이터베이스 또는 빅 데이터를 이용하여 데이터 패턴 분석을 수행하기 때문에, 2개 이상의 물질에 반응하는 멀티 오퍼레이션 센서를 포함하더라도 매우 여러 가지의 성분이 혼합된 복합적 악취에 대한 정확한 식별이 가능하다.
일실시예에서, 원인 물질 검출부(210)를 구성하는 복수의 센서 엘리먼트는 p차원 공간 내에 배치될 수 있다. 제한적이지 않은 예로서, 복수의 센서 엘리먼트는 1차원, 2차원 또는 3차원 공간 내에 균일한 간격을 가지고 배치되는 센서 엘리먼트의 집합을 구성할 수 있다. 배치되는 센서의 종류 및 간격은 분류 대상이 되는 악취의 특성에 따라 변경될 수 있으며, 동일한 종류의 센서가 p차원 공간 내에 일정한 빈도로 배치되거나 동일한 물질을 검출하는 상이한 종류의 센서가 함께 배치될 수 있다.
일실시예에서, 환경 변수 측정부(220)는 원인 물질 검출부(210)에서 원인 물질을 검출하거나 농도를 측정하는 시점의 환경 변수를 특정하는 하나 이상의 센서를 포함할 수 있다. 예를 들어, 환경 변수 측정부(220)는 온도 센서, 습도 센서, 기압 센서, 풍향 센서, 및/또는 풍속 센서를 포함할 수 있다.
바람직한 실시예에서, 원인 물질 검출부(210) 및 환경 변수 측정부(220)의 전부 또는 일부는 측정의 신뢰도를 높일 수 있도록 외부 영향을 최소화하는 하우징 내에 수용될 수 있다.
일실시예에서, 원인 물질 검출부(210) 및 환경 변수 측정부(220)는 지정된 구역 내의 복수의 지점에 분산 배치될 수 있다. 제한적이지 않은 예로서, 아파트 단지와 같은 주거 구역에서 발생하는 악취 분류를 위하여, 원인 물질 검출부(210) 및 환경 변수 측정부(220)는 아파트 단지 내 복수의 지점에 분산되어 배치될 수 있다.
도 3 및 도 4는 일실시예에 따른 실시간 악취 분류 장치의 원인 물질 검출부를 설명하기 위한 도면이다. 도 3 및 도 4에 도시된 복수의 센서 엘리먼트는 예를 들어 도 2를 참조하여 설명된 원인 물질 검출부의 구현에 이용될 수 있다.
도 3에 예시적으로 도시된 실시예를 참조하면, 2차원 평면 상에 복수의 센서 엘리먼트(SEa1, SEa2, SEa3, ? , SEan, SEb1, SEb2, SEb3, ? , SEbn)가 배치되어 있다. 각 센서 엘리먼트는 원인 물질의 존재 여부만을 검출하는 센서일 수도 있고, 원인 물질의 농도를 측정하는 센서일 수도 있다. 또한, 각 센서 엘리먼트는 하나의 특정 물질에만 반응하는 센서 엘리먼트일 수도 있고, 센서 엘리먼트의 종류 및 특성에 따라 2개 이상의 물질에 반응할 수 있는 멀티 오퍼레이션 센서일 수도 있다.
위에서도 설명된 바와 같이, 센서 엘리먼트의 전부 또는 일부가 2개 이상의 물질에 반응하더라도 데이터베이스 또는 빅 데이터를 이용하여 데이터 패턴 분석을 수행하기 때문에 복합적 악취에 대한 정확한 분류가 가능하다.
도 4에 예시적으로 도시된 실시예를 참조하면, 복수의 센서 엘리먼트 중 일부의 센서 엘리먼트 만이 원인 물질을 검출하여 반응하는 예가 도시된다. 2차원 평면 상에서 일부의 센서 엘리먼트가 원인 물질을 검출함에 따라, 2차원 패턴이 형성될 수 있다. 즉, p차원 공간 내에 센서 엘리먼트가 배치되어 있는 경우 기본적으로 p차원 패턴이 획득될 수 있다.
도 5 및 도 6은 일실시예에 따른 실시간 악취 분류 장치의 데이터 패턴 분석 방식을 설명하기 위한 도면이다. 예를 들어, 도 5 및 도 6에 도시된 데이터 패턴은 도 3 및 도 4를 참조하여 설명된 센서 엘리먼트에 의해 획득된 데이터 패턴을 도식적으로 표현한 결과일 수 있다.
도 5에 예시적으로 도시된 실시예를 참조하면, 2차원 평면 상에 배치된 복수의 센서 엘리먼트의 원인 물질 검출 여부에 따라 획득된 2차원 데이터 패턴이 도시된다. 즉, p차원 공간 내에 배치된 센서 엘리먼트로부터 p차원 패턴이 획득된 결과의 예시이다. 일실시예에서, 어느 센서 엘리먼트가 현재 측정 대상 악취에 반응했는지 여부를 기준으로 악취의 1차 분류가 수행될 수 있다. 악취의 1차 분류는 데이터베이스 또는 빅 데이터를 참조하여 대표 냄새 패턴과의 유사도 판단을 통해 수행될 수 있다.
도 6에 예시적으로 도시된 실시예를 참조하면, 2차원 평면 상에 배치된 복수의 센서 엘리먼트의 원인 물질 검출 여부 및 센서 엘리먼트에서 측정된 원인 물질의 농도 수치(총 1개의 측정 값)에 따라 획득된 3차원 데이터 패턴이 도시된다. 즉, p차원 공간 내에 배치된 센서 엘리먼트와 q가지의 측정 수치로부터 p+q차원 패턴이 획득된 결과의 예시이다. 일실시예에서, 악취의 2차 분류는 1차 분류 결과에 q가지의 센서 값 측정 수치를 추가적으로 고려하는 다차원 데이터 패턴 분석을 통해 수행될 수 있다. 악취의 2차 분류는 데이터베이스 또는 빅 데이터를 참조하여 대표 냄새 패턴과의 유사도 판단을 통해 수행될 수 있다.
이와 같이 1차 분류와 2차 분류를 구분하여 수행하는 다차원 패턴 분석 과정을 통해 데이터베이스 또는 빅 데이터 참조 시의 소요 시간 및 연산 효율을 높이면서도 악취 분류의 정확도를 유지할 수 있다.
도 7은 일실시예에 따른 실시간 악취 분류 방법을 설명하기 위한 흐름도이다. 예를 들어, 도 7에 도시된 실시간 악취 분류 방법은 도 1을 참조하여 설명된 실시간 악취 분류 장치를 이용하는 방법일 수 있다.
단계(710)에서, 센서부를 이용하여 복수의 물질의 농도 및 센싱 당시의 환경 변수를 측정할 수 있다. 구체적으로, 악취와 연관된 복수의 물질을 검출하고 그 농도를 측정할 수 있는 하나 이상의 센서 엘리먼트를 이용하여 복수의 물질의 농도를 측정할 수 있으며, 온도, 상대습도, 기압, 풍향 및 풍속 등의 환경 변수를 측정할 수 있는 센서를 이용하여 환경 변수를 측정할 수 있다.
단계(720)에서, 센서부 내의 각 센서 엘리먼트의 물질 검출 여부에 기초하여 냄새에 대한 1차 분류를 수행할 수 있다. 구체적으로, 악취와 연관된 복수의 물질에 대하여 각 센서 엘리먼트가 단계(710)에서 반응을 하였는지 여부를 기준으로 1차 분류가 수행될 수 있다. 악취의 1차 분류는 복수의 센서 엘리먼트의 공간적 배치를 고려하는 데이터 패턴 분석을 통해 수행될 수 있다.
단계(730)에서, 측정된 복수의 물질의 농도 및/또는 환경 변수의 측정치에 기초하여 악취에 대한 2차 분류를 수행할 수 있다. 구체적으로, 센서부에 포함된 복수의 센서 엘리먼트에서 측정된 농도 수치, 온도, 상대습도, 기압, 풍향 및 풍속 등의 환경 변수를 측정할 수 있는 센서에서 측정된 환경 변수 수치 중 적어도 일부를 고려하여 악취의 2차 분류가 수행될 수 있다. 악취의 2차 분류는 1차 분류 결과를 기반으로 센서의 측정 수치를 추가적으로 고려하는 다차원 데이터 패턴 분석을 통해 수행될 수 있다.
단계(740)에서, 냄새 분류 결과 및 환경 변수를 이용하여 냄새 발생원의 종류 및 위치를 결정할 수 있다. 구체적으로, 풍향 및 풍속 등의 환경 변수를 냄새 분류부의 분석 결과와 함께 이용하여 냄새 발생원의 종류 및 위치를 추정할 수 있다. 냄새 발생원의 종류 및 위치 추정에는 냄새 분석 결과 및 풍향, 풍속 이외에도 센서부의 지리적 위치 또는 도시환경공학적 위치가 함께 고려될 수 있으며, 냄새 원인 물질의 종류에 따라서는 온도, 상대습도, 및 기압 등의 측정치가 함께 이용될 수 있다.
이상에서 설명된 바와 같이, 제안되는 실시간 악취 분류 방법은 2개 이상의 물질에 반응하는 센서를 데이터 패턴 분석을 통해 효과적으로 활용하여 복합적인 악취에 대하여도 정확한 분류 및 식별이 가능하도록 하고 있으며, 원인 물질의 농도 측정 당시의 온도, 상대습도, 및 기압과 같은 환경 변수를 데이터 패턴 분석에 추가적으로 반영함으로써 복합적인 악취의 분류 및 식별의 정확도를 향상시킬 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 펌웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소, 펌웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 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 실시예를 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 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (17)
- 악취와 연관된 복수의 물질의 농도를 측정하는 원인 물질 검출부 및 상기 복수의 물질의 농도를 측정하는 시점의 환경 변수를 측정하는 환경 변수 측정부를 포함하는 멀티 오퍼레이션 센서부; 및
상기 복수의 물질 각각의 검출 여부에 기초하여 악취의 1차 분류를 수행하고, 상기 복수의 물질 각각의 농도 및 상기 환경 변수에 기초하여 악취의 2차 분류를 수행하는 냄새 분류부
를 포함하는, 실시간 악취 분류 장치. - 제1항에 있어서,
상기 원인 물질 검출부는 복수의 센서 엘리먼트를 포함하고, 상기 복수의 센서 엘리먼트의 적어도 일부는 2개 이상의 물질에 반응할 수 있도록 구성되는,
실시간 악취 분류 장치. - 제2항에 있어서,
상기 복수의 센서 엘리먼트는 p차원 공간 내에 배치되고, 상기 1차 분류는 데이터베이스 또는 빅 데이터를 참조하는 p차원 데이터 패턴 분석을 통해 수행되는,
실시간 악취 분류 장치. - 제3항에 있어서,
상기 농도 및 상기 환경 변수는 총 q가지의 수치로 측정되고, 상기 2차 분류는 데이터베이스 또는 빅 데이터를 참조하는 p+q차원 데이터 패턴 분석을 통해 수행되는,
실시간 악취 분류 장치. - 제1항에 있어서,
상기 환경 변수는 온도, 상대습도, 및 기압 중 적어도 하나를 포함하는,
실시간 악취 분류 장치. - 제1항에 있어서,
상기 환경 변수는 풍향 및 풍속을 포함하고,
상기 실시간 악취 분류 장치는,
상기 냄새 분류부의 2차 분류 수행 결과 및 상기 풍향 및 상기 풍속에 기초하여 냄새 발생원의 종류 및 위치를 결정하는 냄새 발생원 추적부
를 더 포함하는, 실시간 악취 분류 장치. - 제1항에 있어서,
상기 냄새 분류부에서 식별할 하나 이상의 악취를 미리 지정하는 냄새 지정부
를 더 포함하는, 실시간 악취 분류 장치. - p차원 공간 내에 배치되는 복수의 센서 엘리먼트를 이용하여 악취와 연관된 복수의 물질의 농도를 측정하는 원인 물질 검출부 및 상기 복수의 물질의 농도를 측정하는 시점의 환경 변수 - 상기 농도 및 상기 환경 변수는 총 q가지의 수치로 측정됨 - 를 측정하는 환경 변수 측정부를 포함하는 멀티 오퍼레이션 센서부; 및
상기 복수의 물질 각각의 검출 여부에 기초하여 데이터베이스 또는 빅 데이터를 참조하는 p차원 데이터 패턴 분석을 통해 악취의 1차 분류를 수행하고, 상기 복수의 물질 각각의 농도 및 상기 환경 변수에 기초하여 데이터베이스 또는 빅 데이터를 참조하는 p+q차원 데이터 패턴 분석을 통해 악취의 2차 분류를 수행하는 냄새 분류부
를 포함하는, 실시간 악취 분류 장치. - 악취와 연관된 복수의 물질의 농도를 측정하는 단계;
상기 복수의 물질의 농도를 측정하는 시점의 환경 변수를 측정하는 단계;
상기 복수의 물질 각각의 검출 여부에 기초하여 악취의 1차 분류를 수행하는 단계; 및
상기 복수의 물질 각각의 농도 및 상기 환경 변수에 기초하여 악취의 2차 분류를 수행하는 단계
를 포함하는, 실시간 악취 분류 방법. - 제9항에 있어서,
상기 복수의 물질의 농도를 측정하는 단계는 복수의 센서 엘리먼트를 이용하고, 상기 복수의 센서 엘리먼트의 적어도 일부는 2개 이상의 물질에 반응할 수 있도록 구성되는,
실시간 악취 분류 방법. - 제10항에 있어서,
상기 복수의 센서 엘리먼트는 p차원 공간 내에 배치되고, 상기 1차 분류는 데이터베이스 또는 빅 데이터를 참조하는 p차원 데이터 패턴 분석을 통해 수행되는,
실시간 악취 분류 방법. - 제11항에 있어서,
상기 농도 및 상기 환경 변수는 총 q가지의 수치로 측정되고, 상기 2차 분류는 데이터베이스 또는 빅 데이터를 참조하는 p+q차원 데이터 패턴 분석을 통해 수행되는,
실시간 악취 분류 방법. - 제9항에 있어서,
상기 환경 변수는 온도, 상대습도, 및 기압 중 적어도 하나를 포함하는,
실시간 악취 분류 방법. - 제9항에 있어서,
상기 환경 변수는 풍향 및 풍속을 포함하고,
상기 실시간 악취 분류 방법은,
상기 2차 분류 수행 결과 및 상기 풍향 및 상기 풍속에 기초하여 냄새 발생원의 종류 및 위치를 결정하는 단계
를 더 포함하는, 실시간 악취 분류 방법. - 제9항에 있어서,
상기 악취의 1차 분류를 수행하는 단계 및 상기 악취의 2차 분류를 수행하는 단계에서 식별할 하나 이상의 악취를 미리 지정하는 단계
를 더 포함하는, 실시간 악취 분류 방법. - p차원 공간 내에 배치되는 복수의 센서 엘리먼트를 이용하여 악취와 연관된 복수의 물질의 농도를 측정하는 단계;
상기 복수의 물질의 농도를 측정하는 시점의 환경 변수 - 상기 농도 및 상기 환경 변수는 총 q가지의 수치로 측정됨 - 를 측정하는 단계;
상기 복수의 물질 각각의 검출 여부에 기초하여 데이터베이스 또는 빅 데이터를 참조하는 p차원 데이터 패턴 분석을 통해 악취의 1차 분류를 수행하는 단계; 및
상기 복수의 물질 각각의 농도 및 상기 환경 변수에 기초하여 데이터베이스 또는 빅 데이터를 참조하는 p+q차원 데이터 패턴 분석을 통해 악취의 2차 분류를 수행하는 단계
를 포함하는, 실시간 악취 분류 방법. - 제9항 또는 제16항에 따른 실시간 악취 분류 방법을 실행하는 프로그램이 기록된 컴퓨터 판독 가능 기록 매체.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180037408A KR102106561B1 (ko) | 2018-03-30 | 2018-03-30 | 센서 기반 실시간 악취 분류 장치 및 방법 |
| CN201910234530.5A CN110320323A (zh) | 2018-03-30 | 2019-03-26 | 基于传感器的实时恶臭分类装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180037408A KR102106561B1 (ko) | 2018-03-30 | 2018-03-30 | 센서 기반 실시간 악취 분류 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190119210A true KR20190119210A (ko) | 2019-10-22 |
| KR102106561B1 KR102106561B1 (ko) | 2020-05-04 |
Family
ID=68113063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180037408A KR102106561B1 (ko) | 2018-03-30 | 2018-03-30 | 센서 기반 실시간 악취 분류 장치 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102106561B1 (ko) |
| CN (1) | CN110320323A (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102199905B1 (ko) * | 2020-09-25 | 2021-01-11 | 주식회사 데일리블록체인 | 기상장과 인공신경망을 이용한 복합 악취 예측 시스템 |
| KR102240396B1 (ko) * | 2019-10-31 | 2021-04-14 | 주식회사 태성환경연구소 | 실시간 악취 추적 통합 모니터링 시스템 |
| KR102240397B1 (ko) * | 2019-10-31 | 2021-04-14 | 주식회사 태성환경연구소 | 실시간 차량용 악취 측정 장치를 이용한 악취 추적 시스템 |
| WO2021085740A1 (ko) * | 2019-10-31 | 2021-05-06 | 주식회사 태성환경연구소 | 실시간 대기 확산 모니터링 시스템 |
| CN114413455A (zh) * | 2021-12-13 | 2022-04-29 | 珠海格力电器股份有限公司 | 味道检测方法及装置 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220135470A (ko) | 2021-03-30 | 2022-10-07 | 한국과학기술원 | 병원내 후각 환경 관리 시스템 |
| KR20220135469A (ko) | 2021-03-30 | 2022-10-07 | 한국과학기술원 | 병원내 악취 분류 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005030909A (ja) * | 2003-07-11 | 2005-02-03 | Shimadzu Corp | におい分布測定方法並びに装置、及びにおい発生源特定装置 |
| JP4941453B2 (ja) * | 2008-10-31 | 2012-05-30 | 株式会社島津製作所 | におい測定装置 |
| KR20140092584A (ko) * | 2013-01-16 | 2014-07-24 | 변형기 | 복합 악취 분석 시스템 및 방법 |
| KR101639796B1 (ko) * | 2015-12-31 | 2016-07-15 | (주)센코 | 가스센서를 이용한 악취측정 장치 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2639582B1 (en) * | 2012-03-15 | 2015-07-01 | Sensirion AG | Odour and/or gas identification system |
| WO2016031080A1 (ja) * | 2014-08-29 | 2016-03-03 | 株式会社アロマビット | 嗅覚システム、匂い識別装置、匂い識別方法 |
| CN105911219A (zh) * | 2016-04-08 | 2016-08-31 | 北京盈盛恒泰科技有限责任公司 | 一种污染气体监测预警系统及方法 |
| CN106290207A (zh) * | 2016-07-21 | 2017-01-04 | 青岛博睿光电科技有限公司 | 一种开放光程式的恶臭气体监测溯源装置和方法 |
| CN206362601U (zh) * | 2017-01-06 | 2017-07-28 | 北京安普兑电子科技有限公司 | 一种气体检测装置 |
| CN206362736U (zh) * | 2017-01-06 | 2017-07-28 | 北京安普兑电子科技有限公司 | 气体监测系统 |
| CN107742139B (zh) * | 2017-10-31 | 2020-10-16 | 北京小米移动软件有限公司 | 用于清除异味的处理方法、装置以及存储介质 |
-
2018
- 2018-03-30 KR KR1020180037408A patent/KR102106561B1/ko active IP Right Grant
-
2019
- 2019-03-26 CN CN201910234530.5A patent/CN110320323A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005030909A (ja) * | 2003-07-11 | 2005-02-03 | Shimadzu Corp | におい分布測定方法並びに装置、及びにおい発生源特定装置 |
| JP4941453B2 (ja) * | 2008-10-31 | 2012-05-30 | 株式会社島津製作所 | におい測定装置 |
| KR20140092584A (ko) * | 2013-01-16 | 2014-07-24 | 변형기 | 복합 악취 분석 시스템 및 방법 |
| KR101639796B1 (ko) * | 2015-12-31 | 2016-07-15 | (주)센코 | 가스센서를 이용한 악취측정 장치 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102240396B1 (ko) * | 2019-10-31 | 2021-04-14 | 주식회사 태성환경연구소 | 실시간 악취 추적 통합 모니터링 시스템 |
| KR102240397B1 (ko) * | 2019-10-31 | 2021-04-14 | 주식회사 태성환경연구소 | 실시간 차량용 악취 측정 장치를 이용한 악취 추적 시스템 |
| WO2021085740A1 (ko) * | 2019-10-31 | 2021-05-06 | 주식회사 태성환경연구소 | 실시간 대기 확산 모니터링 시스템 |
| KR102199905B1 (ko) * | 2020-09-25 | 2021-01-11 | 주식회사 데일리블록체인 | 기상장과 인공신경망을 이용한 복합 악취 예측 시스템 |
| CN114413455A (zh) * | 2021-12-13 | 2022-04-29 | 珠海格力电器股份有限公司 | 味道检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102106561B1 (ko) | 2020-05-04 |
| CN110320323A (zh) | 2019-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102106561B1 (ko) | 센서 기반 실시간 악취 분류 장치 및 방법 | |
| KR102569560B1 (ko) | 분광 분류를 위한 감소된 거짓 양성 식별 | |
| US11921433B2 (en) | Optical metrology in machine learning to characterize features | |
| Li et al. | Sensor fault detection with generalized likelihood ratio and correlation coefficient for bridge SHM | |
| US20180120277A1 (en) | Apparatus and method for generation of olfactory information capable of calibration based on pattern recognition model | |
| KR20220149498A (ko) | 분광 정량화를 위한 감소된 오긍정 식별 | |
| CN102265227A (zh) | 用于在机器状况监视中创建状态估计模型的方法和设备 | |
| Oliker et al. | Minimum volume ellipsoid classification model for contamination event detection in water distribution systems | |
| US11265232B2 (en) | IoT stream data quality measurement indicator and profiling method and system therefor | |
| JP6731710B2 (ja) | ガス分析システム、及び、ガス分析方法 | |
| JP6909413B2 (ja) | 因果関係学習方法、プログラム、装置および異常分析システム | |
| KR101695562B1 (ko) | 센서 데이터를 활용한 유한요소 모델 동기화 및 실시간 구조 건전성 평가 | |
| JP6361035B2 (ja) | ガス検出方法およびガス検出装置 | |
| Yang et al. | Power-error analysis of sensor array regression algorithms for gas mixture quantification in low-power microsystems | |
| Li et al. | Sensor fault localization with accumulated residual contribution rate for bridge SHM | |
| Gul et al. | Application of pattern recognition techniques to identify structural change in a laboratory specimen | |
| Greś et al. | Hankel matrix-based Mahalanobis distance for fault detection robust towards changes in process noise covariance | |
| Mirshahi et al. | Statistical measurement validation with application to electronic nose technology | |
| EP4379618A1 (en) | Computer implemented method for determining a quality result for input data of a data model | |
| JP3896928B2 (ja) | におい測定装置 | |
| CA2985617A1 (en) | Method and apparatus for non-intrusive program tracing for embedded computing systems | |
| Döhler et al. | Optimal sensor placement with a statistical criterion for subspace-based damage detection | |
| Turrisi et al. | Damage detection using supervised machine learning algorithms for real-world engineering structures | |
| WO2023210208A1 (ja) | 成分濃度推定システム及び成分濃度推定方法 | |
| Horner et al. | Structural damage detection through vibrational feature analysis with missing data |
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 |