KR20210056108A - 스마트 양식 수조용 히트펌프 시스템 - Google Patents
스마트 양식 수조용 히트펌프 시스템 Download PDFInfo
- Publication number
- KR20210056108A KR20210056108A KR1020190142790A KR20190142790A KR20210056108A KR 20210056108 A KR20210056108 A KR 20210056108A KR 1020190142790 A KR1020190142790 A KR 1020190142790A KR 20190142790 A KR20190142790 A KR 20190142790A KR 20210056108 A KR20210056108 A KR 20210056108A
- Authority
- KR
- South Korea
- Prior art keywords
- seawater
- tank
- supply line
- unit
- aquaculture
- Prior art date
Links
- 241000251468 Actinopterygii Species 0.000 title abstract description 14
- 239000013535 sea water Substances 0.000 claims abstract description 109
- 238000009360 aquaculture Methods 0.000 claims abstract description 87
- 244000144974 aquaculture Species 0.000 claims abstract description 87
- 239000002351 wastewater Substances 0.000 claims abstract description 53
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 49
- 238000005265 energy consumption Methods 0.000 claims abstract description 8
- 238000011084 recovery Methods 0.000 claims abstract description 8
- 238000003860 storage Methods 0.000 claims abstract description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 32
- 238000012544 monitoring process Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 2
- 239000012530 fluid Substances 0.000 description 11
- 238000010438 heat treatment Methods 0.000 description 10
- 239000002918 waste heat Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000009313 farming Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000005338 heat storage Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 4
- 238000011001 backwashing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000010802 sludge Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005868 electrolysis reaction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000015170 shellfish Nutrition 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241001474374 Blennius Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
- A01K63/06—Arrangements for heating or lighting in, or attached to, receptacles for live fish
- A01K63/065—Heating or cooling devices
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/10—Culture of aquatic animals of fish
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
- A01K63/003—Aquaria; Terraria
- A01K63/006—Accessories for aquaria or terraria
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
- F24H4/00—Fluid heaters characterised by the use of heat pumps
- F24H4/02—Water heaters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/60—Fishing; Aquaculture; Aquafarming
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Engineering & Computer Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Combustion & Propulsion (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Thermal Sciences (AREA)
- Zoology (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
본 발명은, 양식을 위한 양식장 수조; 해수를 공급받아 상기 양식장 수조에 사용하는 해수를 공급하는 해수조; 상기 양식장 수조에서 사용한 오폐수가 배출되는 배수라인에 설치된 오폐수 열교환부; 상기 오폐수를 순환시키는 순환부; 상기 해수조로부터 해수를 공급받아 상기 오폐수 열교환부에 거쳐서 상기 해수보다 승온된 해수를 상기 양식장 수조로 공급하는 제 1 공급라인; 상기 해수조로부터 해수를 공급받아 상기 오폐수 열교환부에 거쳐서 상기 해수보다 승온된 해수를 저장하고, 보일러를 통해서 추가로 승온하는 것이 가능한 온수조; 상기 온수조로부터 해수를 공급받아 상기 양식장 수조로 공급하는 제 2 공급라인; 상기 해수조로부터 해수를 공급받아 상기 해수를 상기 양식장 수조로 공급하는 제 3 공급라인; 및 상기 온수부 앞의 위치에서 제 1 공급라인에서 상기 해수조로 해수를 회수시키는 회수부;를 포함하고, 상기 양식장 수조 및 상기 해수조의 온도 및 저수량를 각각 검출하는 제 1 센서부 및 제 2 센서부, 그리고 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인의 해수 온도를 검출하는 제 3 센서부, 제 4 센서부, 및 제 5 센서부; 및 상기 양식장 수조에서 필요로 하는 온도의 해수량을 최저의 에너지 소비로 공급하기 위하여 계산하는 제어부;를 더 구비하고, 상기 제어부의 제어에 따라서, 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인을 통한 해수의 공급량이 조절되는 것을 특징으로 하는, 양식 수조용 히트펌프 시스템을 개시한다.
Description
본 발명은 스마트 양식 수조용 히트펌프 시스템에 관한 것으로, 보다 상세하게는, 오폐수 열교환부에서, 다수의 튜브를 일일이 한 개씩 청소하지 않고 복수 개의 노즐을 회전시키면서 세척하는 것이 가능하도록 랙앤 피니언 기어(랙과 피니언 기어)를 이용한 기구에 부착될 수 있는 구조를 채택한 스마트 양식 수조용 히트펌프 시스템, 양식장 수조 및 해수조의 온도 및 저수량를 각각 검출하는 제 1 센서부 및 제 2 센서부, 그리고 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인의 해수 온도를 검출하는 제 3 센서부, 제 4 센서부, 및 제 5 센서부를 이용하여, 제어부에서 양식장 수조에서 필요로 하는 온도의 해수량을 최저의 에너지 소비로 공급하기 위한 방안을 계산하여 제어부의 제어에 따라서, 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인을 통한 해수의 공급량을 조절하는 것이 가능한, 스마트 양식 수조용 히트펌프 시스템, 나아가 모니터링부를 통해서, 촬영 카메라에서 획득한 영상 정보 및 센서부에서 센싱한 센싱 정보에 기초하여, 이전에 고장시의 영상 정보 및 센싱 정보와의 비교를 통해서, 양식 수조용 히트펌프 시스템의 고장을 사전 예측하는 것이 가능한, 스마트 양식 수조용 히트펌프 시스템에 관한 것이다.
양식업은 양식장에서 물고기를 기르는 것으로, 못 양식, 유수식 양식, 가두리 양식, 순환 여과식 양식, 방류 재포 양식 등의 방식이 있다. 이와 같은 양식업은 최근까지도 전통산업 수준에 머물러왔지만, 최근에는 ICT, 로봇, 인공지능, 빅데이터 등 4차산업혁명 기술이 융합된 첨단 산업으로 탈바꿈되고 있다. 미국의 기업컨설팅 업체인 테크 캐스트는 2025년 양식 기술의 시장 규모가 223조원에 육박할 것으로 전망하였다.
한편 유가 상승과 인력난 문제로 연근해에서 하는 어업은 레드오션으로 접어들었고, 상술한 바와 같이, 양식 산업은 급속도로 성장하고 있으나, 육상에서 양식을 할 때는 겨울철 수온을 올려주기 위해 기름보일러를 많이 사용해 왔지만, 유가의 변동성으로 어가에서는 기름 보일러 사용에 대한 부담을 갖고 있던 실정이었다.
이런 상황에서 최근 보급되고 있는 양식장의 히트펌프는 대체 에너지 시설로 주목을 받고 있으며, 정부에서도 면세유 공급을 줄이고 환경문제도 개선하기 위해 보일러 시설을 제거하고 히트펌프 시설을 하는 경우 시설비에 대한 보조사업을 시행했었다. 이를 통해서 수산분야 양식장 히트펌프의 수요가 급격히 증가하였다.
관련한 양식장의 히트펌프의 종래기술로서, 대한민국 등록특허공보 제10-1401453호(발명의 명칭 : 양식장의 히트펌프 장치(HEAT PUMP APPARATUS OF FISH FARMS), 등록일 : 2014.05.23)에서는, "본 발명은 양식장의 히트펌프 장치에 관한 것으로, 다수 펌프에 각각 차음부재가 부착된 케이싱으로 밀폐시키고 배관 노출공에는 별도의 차폐부재를 이용하여 밀폐하며, 펌프 케이싱을 일정높이 이상으로 위치시켜 해수와 빗물에 의한 부식 가능성을 감소시키고, 펌프 받침대도 방진 구조로 형성하여 소음과 진동을 억제하도록 한 양식장의 히트펌프 장치를 제공함에 그 목적이 있다. 본 발명을 적용하면, 첫째 압축기와 해수펌프의 소음을 저감하는 구조로 이루어져 양식 어패류의 성장저해 요인을 제거해주고 양식장내 소음 환경을 개선한 효과를 갖고, 둘째 양식장내 히트펌프와 같이 설치되는 해수펌프에 케이싱을 구성함으로써 해수, 염기 및 빗물이 유입되는 것을 막아주어 펌프 수명을 연장시켜주고 고장을 줄여주며, 펌프 케이싱을 별도의 지지대 상면에 구성함으로써 양식수조에서 어패류를 인출할 때 해수가 펌프케이싱에 튀거나 유입되는 것을 방지하도록 한 장점이 있는 기술""을 개시하고 있다.
한편, 대한민국 등록특허공보 제10-1632202호(발명의 명칭 : 바닥코일 가온 방식 양식 수조용 히트펌프 시스템, 등록일 : 2016.06.15)에서는, "바닥코일 가온 방식 양식 수조용 히트펌프 시스템이 개시된다. 개시되는 바닥코일 가온 방식 양식 수조용 히트펌프 시스템은 양식 수조의 바닥에 배치되어 상기 양식 수조 내의 물을 데울 수 있는 수조 바닥 가온 코일; 상기 수조 바닥 가온 코일을 경유하면서 열을 전달할 수 있는 가온 순환 유체가 수용되는 축열조; 상기 가온 순환 유체가 상기 축열조와의 사이에서 순환되면서 데워질 수 있는 폐열 히트 펌프; 폐열을 함유한 채로 상기 양식 수조에서 배출되는 폐수가 수용되는 폐열 수조; 상기 폐열 히트 펌프와의 사이에서 순환되는 폐순환 유체가 상기 폐열 수조에서 유출된 상기 폐수와 열교환되면서 데워질 수 있는 가온 열교환기; 및 상기 가온 열교환기를 역세(back washing)시킬 수 있는 역세용 전기분해조;를 포함하고, 상기 양식 수조로 열을 전달하는 가온 운전 시에는, 상기 폐열 수조에 수용된 상기 폐수가 상기 가온 열교환기를 경유하면서, 상기 폐열 히트 펌프와 상기 가온 열교환기 사이를 순환하는 상기 폐순환 유체와 열교환됨으로써, 상기 폐순환 유체가 데워지고, 상기 가온 열교환기를 경유하면서 데워진 상기 폐순환 유체가 상기 폐열 히트 펌프를 경유하면서, 상기 폐열 히트 펌프를 거쳐 상기 축열조에 수용되는 상기 가온 순환 유체와 열교환됨으로써, 상기 가온 순환 유체가 데워지며, 상기 폐열 히트 펌프를 경유하면서 데워진 후 상기 축열조에 수용된 상기 가온 순환 유체가 상기 수조 바닥 가온 코일을 경유하면서 상기 양식 수조 내부를 가열시키고, 상기 가온 열교환기를 역세시키는 역세 운전 시에는, 상기 역세용 전기분해조를 경유하면서 전기분해된 외부 세척수가 상기 가온 열교환기를 경유하면서 상기 가온 열교환기를 역세시키는 것을 특징으로 하는 기술"을 개시하고 있다.
그러나, 상술한 2개의 특허문헌에서는, 양식장 수조 및 해수조의 온도 및 저수량를 각각 검출하는 제 1 센서부 및 제 2 센서부, 그리고 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인의 해수 온도를 검출하는 제 3 센서부, 제 4 센서부, 및 제 5 센서부를 이용하여, 제어부에서 양식장 수조에서 필요로 하는 온도의 해수량을 최저의 에너지 소비로 공급하기 위한 방안을 계산하여 제어부의 제어에 따라서, 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인을 통한 해수의 공급량을 조절하는 것이 가능한, 스마트 양식 수조용 히트펌프 시스템, 나아가 모니터링부를 통해서, 촬영 카메라에서 획득한 영상 정보 및 센서부에서 센싱한 센싱 정보에 기초하여, 이전에 고장시의 영상 정보 및 센싱 정보와의 비교를 통해서, 양식 수조용 히트펌프 시스템의 고장을 사전 예측하는 것이 가능한, 스마트 양식 수조용 히트펌프 시스템에 대한 개시는 전혀 없었다.
본 발명은 상술한 문제점을 해결하기 위하여 창출된 것으로, 본 발명은 오폐수 열교환부에서, 다수의 튜브를 일일이 한 개씩 청소하지 않고 복수 개의 노즐을 회전시키면서 세척하는 것이 가능하도록 랙앤 피니언 기어를 이용한 기구에 부착될 수 있는 구조를 채택한 스마트 양식 수조용 히트펌프 시스템을 제공하는 것을 그 목적으로 한다.
또한, 본 발명의 또 다른 목적은 양식장 수조 및 해수조의 온도 및 저수량를 각각 검출하는 제 1 센서부 및 제 2 센서부, 그리고 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인의 해수 온도를 검출하는 제 3 센서부, 제 4 센서부, 및 제 5 센서부를 이용하여, 제어부에서 양식장 수조에서 필요로 하는 온도의 해수량을 최저의 에너지 소비로 공급하기 위한 방안을 계산하여 제어부의 제어에 따라서, 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인을 통한 해수의 공급량을 조절하는 것이 가능한, 스마트 양식 수조용 히트펌프 시스템을 제공하는 것이다.
또한, 본 발명은 모니터링부를 통해서, 촬영 카메라에서 획득한 영상 정보 및 센서부에서 센싱한 센싱 정보에 기초하여, 이전에 고장시의 영상 정보 및 센싱 정보와의 비교를 통해서, 양식 수조용 히트펌프 시스템의 고장을 사전 예측하는 것이 가능한, 스마트 양식 수조용 히트펌프 시스템을 제공하는 것을 또 다른 목적으로 한다.
또한, 스마트 양식 수조용 히프펌프 시스템의 모니터링부에서, 특히 촬영 카메라의 저해상도의 이미지를 흐릿한 영역을 최소화하고 샤프한 고해상도의 이미지로 변환하는 것이 가능한 인공지능 카메라 기능을 갖는, 스마트 양식 수조용 히트펌프 시스템을 제공하는 것을 또 다른 목적으로 한다.
상기의 목적을 달성하기 위한 본 발명에 따른 스마트 양식 수조용 히트펌프 시스템은, 양식을 위한 양식장 수조; 해수를 공급받아 상기 양식장 수조에 사용하는 해수를 공급하는 해수조; 상기 양식장 수조에서 사용한 오폐수가 배출되는 배수라인에 설치된 오폐수 열교환부; 상기 오폐수를 순환시키는 순환부; 상기 해수조로부터 해수를 공급받아 상기 오폐수 열교환부에 거쳐서 상기 해수보다 승온된 해수를 상기 양식장 수조로 공급하는 제 1 공급라인; 상기 해수조로부터 해수를 공급받아 상기 오폐수 열교환부에 거쳐서 상기 해수보다 승온된 해수를 저장하고, 보일러를 통해서 추가로 승온하는 것이 가능한 온수조; 상기 온수조로부터 해수를 공급받아 상기 양식장 수조로 공급하는 제 2 공급라인; 상기 해수조로부터 해수를 공급받아 상기 해수를 상기 양식장 수조로 공급하는 제 3 공급라인; 및 상기 온수부 앞의 위치에서 제 1 공급라인에서 상기 해수조로 해수를 회수시키는 회수부;를 포함하고, 상기 오폐수 열교환부는, 쉘과 상기 쉘 내에 위치한 다수의 튜브로 이루어진 히트 펌프를 포함하며, 상기 다수의 튜브를 일일이 한 개씩 청소하지 않고 복수 개의 노즐을 회전시키면서 세척하는 것이 가능하도록 랙앤 피니언 기어를 이용한 기구에 부착될 수 있는 구조를 채택한다.
또한, 상기 양식장 수조 및 상기 해수조의 온도 및 저수량를 각각 검출하는 제 1 센서부 및 제 2 센서부, 그리고 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인의 해수 온도를 검출하는 제 3 센서부, 제 4 센서부, 및 제 5 센서부; 및 상기 양식장 수조에서 필요로 하는 온도의 해수량을 최저의 에너지 소비로 공급하기 위하여 계산하는 제어부;를 더 구비하고, 상기 제어부의 제어에 따라서, 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인을 통한 해수의 공급량이 조절될 수 있다.
또한, 상기 양식장 수조, 상기 해수조, 상기 오페수 열교환부, 상기 배수라인, 상기 순환부, 상기 제 1 공급라인, 상기 보일러, 상기 온수조, 상기 제 2 공급라인, 제 3 공급라인, 및 상기 회수부를 각각 모니터링하되 절전을 위하여 소정의 주기마다 정지화상으로 모니터링하는, 촬영 카메라 및 센서부를 포함하는, 모니터링부;를 더 포함하고, 상기 모니터링부에서는, 상기 촬영 카메라에서 획득한 영상 정보 및 상기 센서부에서 센싱한 센싱 정보에 기초하여, 이전에 고장시의 영상 정보 및 센싱 정보와의 비교를 통해서, 상기 양식 수조용 히트펌프 시스템의 고장을 사전 예측하는 것이 가능하다.
또한, 상기 양식장 수조 및 상기 오폐수 열교환부 사이에 설치되어, 상기 오폐수 열교환부의 고장을 방지하고 열교환 효율을 높일 수 있도록, 상기 양식장 수조에서 배출되는 오폐수로부터 이물질을 제거하는 이물질 제거부;를 더 포함할 수 있다.
또한, 상기 순환부는, 상기 오폐수 열교환부에 설치되는 압력센서에 의해 상기 오폐수의 과잉 방류에 대응된 유입압력에 대한 신호에 연동하여, 오폐수 펌프를 구동하도록 모터 제어부에 의해 제어되는 모터로 구동되는 것이 바람직하다.
또한, 상기 촬영 카메라에서 획득한 정지 화상에 대한 영상 정보의 해상도를 높이는 데이터 처리부;를 더 구비하고, 상기 데이터 처리부는, 저장된 인공지능 변수들을 이용하여, 상기 모니터링부에서 모니터링하는 대상체에 대하여 획득한 적어도 2개 이상의 촬영 카메라에서의 적어도 2개 이상의 이미지 데이터의 해상도를 높이는 처리를 하되, 상기 인공지능 변수들은 적어도 2개 이상의 이미지 데이터에 대해서, 판별자 네트워크를 인공지능 학습하는 과정과 생성자 네트워크를 인공지능 학습하는 과정을 반복하는 인공지능 네트워크로 학습한다.
본 발명에 따른 스마트 양식 수조용 히트펌프 시스템에 의하면,
첫째, 오폐수 열교환부는, 쉘과 상기 쉘 내에 위치한 다수의 튜브로 이루어진 히트 펌프를 포함하는데, 다수의 튜브를 일일이 한 개씩 청소하지 않고 복수 개의 노즐을 회전시키면서 세척하는 것이 가능하도록 랙앤 피니언 기어를 이용한 기구에 부착될 수 있는 구조를 채택한다.
둘째, 양식장 수조 및 해수조의 온도 및 저수량를 각각 검출하는 제 1 센서부 및 제 2 센서부, 그리고 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인의 해수 온도를 검출하는 제 3 센서부, 제 4 센서부, 및 제 5 센서부를 이용하여, 제어부에서 양식장 수조에서 필요로 하는 온도의 해수량을 최저의 에너지 소비로 공급하기 위한 방안을 계산하여 제어부의 제어에 따라서, 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인을 통한 해수의 공급량을 조절하는 것이 가능하다.
셋째, 모니터링부를 통해서, 촬영 카메라에서 획득한 영상 정보 및 센서부에서 센싱한 센싱 정보에 기초하여, 이전에 고장 시의 영상 정보 및 센싱 정보와의 비교를 통해서, 양식 수조용 히트펌프 시스템의 고장을 사전 예측하는 것이 가능ㅎ하다.
넷째, 스마트 양식 수조용 히프펌프 시스템의 모니터링부에서, 특히 촬영 카메라의 저해상도의 이미지를 흐릿한 영역을 최소화하고 샤프한 고해상도의 이미지로 변환하는 것이 가능한 인공지능 카메라 기능을 갖는, 스마트 양식 수조용 히트펌프 시스템을 제공할 수 있다.
즉, 저해상도 이미지 2개 이상으로 만들어진 저해상도 결합 이미지를 생성자 네트워크(230)를 통하여 변환된 생성이미지 
는 샤프하면서도 고해상도를 갖는 이미지가 만들어질 수 있다. 따라서 상대적으로 저렴한 가격, 또는 중고의 저해상도 카메라 렌즈를 통하여 촬영하더라도, 고해상도 이미지를 획득할 수 있어서, 양식 수조용 히트펌프 시스템 고장의 사전 예측의 정확도를 높이는 것이 가능하다.
도 1은 본 발명의 일 실시예에 따른 스마트 양식 수조용 히트펌프 시스템의 개략적인 블록도이다.
도 2는 본 발명의 일 실시예에 따른 스마트 양식 수조용 히트펌프 시스템에서의 히트펌프의 자동 세척에 대해서 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 카메라 시스템(100)의 구성도이다.
도 4는 본 발명의 실시예에 따른 인공지능 카메라 시스템에서의 인공지능 네트워크로 인공지능 학습하는 방법을 설명하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 스마트 양식 수조용 히트펌프 시스템에서의 히트펌프의 자동 세척에 대해서 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 카메라 시스템(100)의 구성도이다.
도 4는 본 발명의 실시예에 따른 인공지능 카메라 시스템에서의 인공지능 네트워크로 인공지능 학습하는 방법을 설명하는 도면이다.
이하 첨부된 도면을 참조하면서 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
(스마트 양식 수조용 히트펌프 시스템)
도 1은 본 발명의 일 실시예에 따른 스마트 양식 수조용 히트펌프 시스템의 개략적인 블록도이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 스마트 양식 수조용 히트펌프 시스템은, 양식장 수조(10), 해수조(20), 오폐수 열교환부(30), 순환부(90), 온수조(50), 제 1 공급라인(40), 제 2 공급라인(42), 제 3 공급라인(44), 회수부(60), 제어부(미도시), 및 모니터링부(미도시) 등을 포함한다.
양식장 수조(10)는 양식을 위한 수조를 말하며, 수조의 형태는 인공적인 수조는 물론이고 자연 수조의 형태도 가능하다. 해수조(20)는 해수를 공급받아 양식장 수조에 사용하는 해수를 공급하는 수조이다.
오폐수 열교환부(30)는, 양식장 수조(10)에서 사용한 오폐수가 배출되는 배수라인에 설치된 구성이다. 순환부(90)는 오폐수를 순환시키는 구성으로, 상술한 오폐수 열교환부(30)에 설치되는 압력센서에 의해 오폐수의 과잉 방류에 대응된 유입 압력에 대한 신호에 연동하여, 오폐수 펌프를 구동하도록 모터 제어부에 의해 제어되는 모터로 구동된다.
제 1 공급라인(40)은 해수조(20)로부터 해수를 공급받아 오폐수 열교환부(30)에 거쳐서 해수보다 승온된 해수를 양식장 수조(10)로 공급한다. 온수조(50)는 해수조(20)로부터 해수를 공급받아 오폐수 열교환부(30)에 거쳐서 해수보다 승온된 해수를 저장하고, 별도의 보일러(55)를 통해서 추가로 승온된 해수를 제 2 공급라인(42)을 통해서 양식장 수조(10)에 공급하는 것이 가능하다. 제 3 공급라인(44)은 해수조(20)로부터 해수를 공급받아 해수를 양식장 수조(10)로 공급하는 것이 가능하다.
또한, 회수부(60)는 온수조(50) 앞의 위치에서 제 1 공급라인(40)에서 해수조(20)로 해수를 회수시키는 구성이다.
또한 양식장 수조(10) 및 해수조(20)의 온도 및 저수량를 각각 검출하는 제 1 센서부 및 제 2 센서부, 그리고 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인의 해수 온도를 검출하는 제 3 센서부, 제 4 센서부, 및 제 5 센서부를 더 포함한다.
또한, 제어부(미도시)는 양식장 수조(10)에서 필요로 하는 온도의 해수량을 최저의 에너지 소비로 공급하기 위하여 계산하는 구성이다. 제어부의 제어에 따라서, 제 1 공급라인(40), 제 2 공급라인(42), 및 제 3 공급라인(44)에 존재하는 밸브, 예를 들어 전자제어밸브를 통해 해수의 공급량이 적절히 조절될 수 있다. 이를 통해서 에너지 소비를 최소화하여, 에너지 효율을 극대화한다. 여기서 유량 센서를 활용하여, 열원의 질량유량 * 열원의 입출구 온도차이값 = 작동유체의 질량유량 * 작동유체의 입출구 온도차이값이라는 계산식을 이용하여, 온도센서의 숫자를 줄이고도 온도를 추정하는 것도 가능하다.
또한, 모니터링부(미도시)를 더 포함할 수 있다. 모니터링부는, 양식장 수조(10), 해수조(20), 오페수 열교환부(30), 배수라인(46), 순환부(90), 제 1 공급라인(40), 보일러(55), 온수조(50), 제 2 공급라인(42), 제 3 공급라인(44), 및 회수부(60)를 각각 모니터링하되 절전을 위하여 소정의 주기마다 정지화상으로 모니터링을 한다. 물론 동영상으로 실시간 모니터링할 수도 있지만, 절전을 위해서 소정의 주기 또는 정해진 시각마다 정지화상을 촬영한다.
나아가, 모니터링부는 촬영 카메라 및 센서부를 포함하여, 모니터링부에서는, 촬영 카메라에서 획득한 영상 정보 및 센서부에서 센싱한 센싱 정보에 기초하여, 이전에 고장시의 영상 정보 및 센싱 정보와의 비교를 통해서, 양식 수조용 히트펌프 시스템의 고장을 사전 예측한다. 이전에 고장시의 영상 정보 및 센싱 정보를 데이터베이스(미도시)에 저장하고, 미리 영상 처리를 통해서 특징점의 집합들이나 사고 전에 일어나는 영상 정보나 센싱 정보에서의 선행 패턴(이전의 패턴)을 저장해 놓는 것이 가능하다.
또한, 이물질 제거부(70)를 더 포함할 수 있다. 양식장 수조(10) 및 오폐수 열교환부(30) 사이에 설치되어, 오폐수 열교환부(30)의 고장을 방지하고 열교환 효율을 높일 수 있도록, 양식장 수조(10)에서 배출되는 오폐수로부터 이물질을 제거하는 구성으로, 필터의 형태일 수 있다. 이물질에는, 해수에서 발견될 수 있는 해조류나 양식장 내의 어류 중 죽은 어류의 사체 등일 수 있다.
또한, 데이터 처리부(미도시)를 더 구비한다. 데이터 처리부는, 촬영 카메라에서 획득한 정지 화상에 대한 영상 정보의 해상도를 높이는 구성으로, 미리 저장된 인공지능 변수들을 이용하여, 상술한 모니터링부에서 모니터링하는 대상체, 예를 들어 오폐수 열교환부의 부품 등에 대하여 획득한 적어도 2개 이상의 촬영 카메라에서의 적어도 2개 이상의 이미지 데이터의 해상도를 높이는 처리를 하되, 인공지능 변수들은 적어도 2개 이상의 이미지 데이터에 대해서, 판별자 네트워크를 인공지능 학습하는 과정과 생성자 네트워크를 인공지능 학습하는 과정을 반복하는 인공지능 네트워크로 학습한다.
(히트펌프의 자동 세척)
스마트 양식 수조용 히트펌프 시스템에서의 고장 원인 중 가장 큰 원인은 슬러지로 인한 히트 펌프의 가동 중지이다. 이와 같은 가동 중지를 막기 위하여 IoT센싱에 의한 고장 예측 데이터를 축적한다.
쉘앤 튜브 히트펌프(shell & tube heat pump)의 쉘과 튜브에는 모니터링을 위한 IoT센서들이 장착되어 가동 데이터를 축적한다. 각 부위의 모니터링 센서로부터의 측정값은 빅 데이터로 저장됨과 동시에 모니터링 프로그램으로 보내져 이벤트 발생여부를 점검하게 된다. 이상 신호가 감지될 경우, 즉각 이에 대한 분석을 시행한다. 미리 설정된 설정값보다 높은 측정값이 연속될 경우 능동적으로 튜브 세척이 필요함을 알람을 통해서 경고하는 것도 가능하다.
튜브 세척 경고가 발생되면, 즉시 펌프의 가동을 중지하고 세척을 실시한다. 다수의 튜브를 일일이 한 개씩 청소하기 보다는 랙앤 피니언 기어(랙과 피니언 기어)를 이용한 기구를 부착하여 여러 개의 노즐을 회전시키면서 보다 빠른 시간에 작업을 완료할 수 있도록, 랙앤 피니언 기어를 이용한 기구를 부착하는 구조를 갖도록 한다.
도 2에 도시된 바와 같이, 슬러지 센싱은 다음과 같이 한다. 각 측정 포인트의 센서에서 측정되는 장기간의 데이터를 축적한다. 특정 위치의 센서온도가 상승하고, 온도 상승 감지로 인해 이벤트 모드를 전환한다. 분석된 패턴의 유사성 판단을 통해서 경고를 보낸다. 나아가, 회전형 튜브 슬러지 세척기를 부착할 수 있는 구조를 채택한다.
요컨대, 오폐수 열교환부는, 쉘과 상기 쉘 내에 위치한 다수의 튜브로 이루어진 히트 펌프를 포함하며, 다수의 튜브를 일일이 한 개씩 청소하지 않고 복수 개의 노즐을 회전시키면서 세척하는 것이 가능하도록 랙앤 피니언 기어(랙과 피니언기어)를 이용한 기구에 부착될 수 있는 구조를 채택한 것을 특징으로 한다.
(인공지능 카메라 시스템 구성)
도 3은 본 발명의 제 1 실시예에 따른 인공지능 카메라 시스템(100)의 구성도이다. 도 3에 도시된 바와 같이, 데이터 촬영부(110), 데이터 저장부(120) 및 데이터 처리부(130)를 포함한다.
여기서, 데이터 촬영부(110)는, 스마트 양식 수조용 히트펌프 시스템에서 촬영을 하는 피사체에 대하여 이미지 데이터를 획득하기 위한 구성으로, 통상 카메라 등으로 구현된다. 여기서, 데이터 촬영부(110)는 피사체에 대하여 이미지 데이터를 획득하기 위하여 카메라 모듈(101)을 구비하며, 하나의 카메라 모듈(101)로 촬영시 피사체에 대하여 2개 이상의 이미지 데이터를 획득할 수도 있다. 여기서 2개 이상의 이미지 데이터들은 미소하게 다른 위치에서 촬영될 수 있다. 또는 2개 이상의 카메라 모듈을 이용하여 촬영하여 2개 이상의 이미지 데이터들을 획득할 수도 있다.
또한, 데이터 저장부(120)는 데이터 촬영부(100)에서 획득된 이미지 데이터 및 인공지능 변수들을 저장하기 위한 구성이다. 여기서 데이터 저장부(120)에서 저장되는 이미지 데이터나 인공지능 변수는 실시간으로 받아서 저장했다가 삭제하는 휘발성 메모리에 저장되는 경우도 포함한다.
또한, 데이터 처리부(130)는 저장된 이미지 데이터를 저장된 인공지능 변수들을 이용하여 해상도를 높이는 처리를 하는 구성이다. 여기서, 데이터 저장부(120)에 저장되고 데이터 처리부(130)에서 이미지의 해상도를 높이는 처리를 하는데 사용되는 인공지능 변수들은 적어도 2개 이상의 이미지 데이터에 대해서, 판별자 네트워크를 인공지능 학습하는 과정 및 생성자 네트워크를 인공지능 학습하는 과정을 반복하여, 생성자 네트워크(230)와 판별자 네트워크(260)의 두 네트워크를 상호 적대적으로 학습시키는 인공지능 네트워크(생성적 적대 네트워크(Generative Adversarial Network: GAN))로 인공지능 학습을 할 수 있다.
(결합 이미지 생성)
도 4는 본 발명의 실시예에 따른 인공지능 카메라 시스템에서의 인공지능 네트워크로 인공지능 학습하는 방법을 설명하는 도면이다.
도 4에 도시된 바와 같이, 저해상도의 이미지로부터 고해상도의 이미지를 생성할 때 샤프한 에지들을 구현하기 위하여 본 발명의 인공지능 네트워크는, 생성자 네트워크(230)와 판별자 네트워크(260)의 두 네트워크를 상호 적대적으로 학습시킬 수 있다.
또한, 데이터 촬영부(110)에 의하여 촬영하여 획득한 저해상도 이미지 z1, ..., zn (210) 를 다음과 같은 방법에 의하여 결합 이미지 z (220)를 획득한다. 저해상도 이미지 z1, z2 의 크기가 W(가로) x H(세로) x C(채널수) 라 할 때 이 두 이미지의 결합 이미지 z는 W × H × 2C 의 차원을 갖는 이미지로 정의할 수 있다.
즉, 다음 수학식 1과 같이 된다.
여기서, i=1,2, ..., W이고, j=1,2, ...., H이고, k=1,2,...,2C이고, W, H, 및 C는 자연수이다.
또는 다음과 같이 결합 이미지 z를 만들 수도 있다.
여기서, i=1,2, ..., W이고, j=1,2, ...., H이고, k=1,2,...,C이고, W, H, 및 C는 자연수이다.
이외에도 2개의 저해상도 이미지를 결합하는 방법은, 본 발명의 내용 내에서 다양하게 변형하여 구현할 수 있다. 상기의 결합 방법에 대해서는 편의상 n=2로 두었지만, 반드시 이에 한정하는 것은 아니다. 본 발명의 내용 내에서 얼마든지 n=3,4,... 등으로 확장할 수 있음은 물론이다.
예컨대 n=r×r과 같은 경우 (예: n=4=2×2)에는 상기와 같은 결합 방법은 채널수를 증가시키는 방법 외에도 픽셀셔플러(pixel shuffler)를 이용하여 이미지의 크기를 확장할 수도 있다. 픽셀셔플러는 W × H × C 크기의 이미지를 rW × rH × C의 크기 이미지로 확장하는 것으로, r=2인 경우, 예컨대 z1이미지에서 (i, j) 위치의 픽셀을 r × r (예:2×2)로 확장하되, z2, z3, z4에서 해당되는 각 픽셀을 다음의 수학식4처럼 결합하는 것이다. 즉, 4개의 이미지 z1, z2, z3, z4인 경우, 저해상도 결합이미지 z를 수학식3으로 생성한다.
여기서, i=1,2, ..., W이고, j=1,2, ...., H이고, k=1,2,...,C이고, W, H, 및 C는 자연수이다.
(인공지능 학습)
상술한 바와 같이 저해상도 결합 이미지 z를 획득한 후, 다음과 같은 방법으로 인공지능 학습을 시킨다.
N개의 고해상도 이미지 x를 포함하는 고해상도 이미지들의 집합을 
라고 하고, N개의 저해상도 결합 이미지를 나타내는 데이터 z를 포함하는 저해상도 결합 이미지들의 집합을 
라고 할 때, 생성자 네트워크의 인공지능 변수 벡터 
는 고정시킨 상황에서, 저해상도 결합 이미지를 나타내는 데이터 z에 대하여, 생성자 네트워크(230)를 거쳐 생성이미지 
(240)를 얻고 이를 다시 판별자 네트워크(260)로 거치며 얻은 최종 변환된 값 
을 0(거짓)(270)으로 되게 하고, 동시에 고해상도 이미지 x들을 판별자 네트워크(260)로 입력하였을 때의 변환값 
는 1(참)(270)이 되도록, 즉 수학식 5를 포함하는 비용함수(cost function)을 최소화 되도록, 판별자 네트워크의 인공지능 변수 벡터(θ)를 학습시킨다.
다시 말해, 생성자 네트워크(230)의 인공지능 변수 벡터 
는 고정시킨다. 이것은 판별자가 저해상도 결합 이미지로부터 생성된 이미지는 판별자 네트워크(260)를 거치면서 거짓으로 판명나게 하고 원래의 고해상도 이지미는 판별자 네트워크(260)를 거치면서 참으로 판명나게 학습시키는 과정이다.
다음으로, 수학식5를 포함하는 비용함수가 최소화되도록, 즉 판별자 네트워크(260)의 인공지능 변수 벡터(θ)는 고정시키고, N개의 저해상도 결합 이미지 z들의 생성자 네트워크(230)를 거쳐 나온 생성이미지 
(240)를 판별자 네트워크(260)를 거치면서 참이 되게 하는 인공지능 학습 과정이다. 즉 생성자 네트워크(230)는 판별자를 속이는 역할을 하게 하는 인공지능 학습 과정이다.
이와 같이, 인공지능 학습 네트워크를 통하여 저해상도 데이터 z로부터 생성자 네트워크(230)를 통하여 인공지능 변수 벡터 
를 최적화되게 학습시킬 수 있다. 이로부터 변환된 생성이미지 
는 고해상도 이미지를 샤프하게 복원할 수 있다.
여기서, 
는 상기 저해상도 결합 이미지를 나타내는 데이터 z들의 생성자 네트워크를 거친 생성이미지 
를 다시 판별자 네트워크로 거쳐 얻은 최종 변환된 이미지이다.
나아가, 상기 인공지능 학습과정 중에 수학식 6을 포함하는 비용함수에 저해상도 이미지 z를 생성자 네트워크(260)를 통하여 학습된 이미지의 각 픽셀 
이 해당 고해상도 이미지의 픽셀 
와 같아지도록 제약하는 수학식 6으로 표현되는 비용함수를 같이 추가로 포함시켜 학습시킬 수도 있다.
여기서 W, H는 이미지의 가로와 세로를 각각 나타낸다.
나아가, 수학식 6 대신에 수학식 7로 표현되는 제약조건을 추가하여 학습시킬 수도 있다.
여기서, 
는 고해상도 이미지 x에 대한 VGG(Visual Geometry Group)의 네트워크의 레이어 l에서 i번째 특징지도(feature map)의 j번째 원소를 나타낸다. 한편, 
는 저해상도 결합 이미지 z를 생성자 네트워크(230)를 통하여 변환되어 생성된 
의 VGG의 네트워크의 레이어 l에서 i번째 특징지도의 j번째 원소를 나타낸다. 즉, 수학식 7은 저해상도 결합 이미지로부터 변환된 이미지의 콘텐츠가 고해상도의 콘텐츠를 갖게 되도록 하는 제약조건일 수 있다.
참고로, VGG는 옥스퍼드 대학에서 제안한 컨벌류션 신경망(CNN) 모델로 이미지 분류에 매우 성공적인 모델이다. 본 발명의 VGG 네트워크는 VGG19 모델을 택할 수 있다. VGG19 모델은 16개의 컨벌류션(convolution)과 5개의 max pooling 및 3개의 FC(Fully Connected) 모델로 구성된다.
이와 같이 저해상도 이미지를 2개 이상 획득하고 이를 결합하여 만들어진 저해상도 결합 이미지로부터 인공지능 네트워크를 학습과정을 통하여 생성자 네트워크(230)를 학습하고, 이로부터 변환된 생성이미지 
는 고해상도 이미지 x 들이 분포되어 있는 다양체(submanifold)에 속하게 할 수 있다. 즉 샤프하면서도 고해상도를 최대로 복원하는 이미지를 생성할 수 있다.
이상과 같이, 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술 사상과 아래에 기재될 청구범위의 균등 범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.
(부호의 설명)
10...양식장 수조
20...해수조
30...오폐수 열교환부
40...제 1 공급 라인
42...제 2 공급 라인
44...제 3 공급 라인
46...배수 라인
50...온수조
55...보일러
60...회수부
70...이물질 제거부
80...제어밸브
90...순환부
100...인공지능 카메라 시스템
101...카메라 모듈
110...데이터 촬영부
120...데이터 저장부
130...데이터 처리부
Claims (6)
- 양식을 위한 양식장 수조;
해수를 공급받아 상기 양식장 수조에 사용하는 해수를 공급하는 해수조;
상기 양식장 수조에서 사용한 오폐수가 배출되는 배수라인에 설치된 오폐수 열교환부;
상기 오폐수를 순환시키는 순환부;
상기 해수조로부터 해수를 공급받아 상기 오폐수 열교환부에 거쳐서 상기 해수보다 승온된 해수를 상기 양식장 수조로 공급하는 제 1 공급라인;
상기 해수조로부터 해수를 공급받아 상기 오폐수 열교환부에 거쳐서 상기 해수보다 승온된 해수를 저장하고, 보일러를 통해서 추가로 승온하는 것이 가능한 온수조;
상기 온수조로부터 해수를 공급받아 상기 양식장 수조로 공급하는 제 2 공급라인;
상기 해수조로부터 해수를 공급받아 상기 해수를 상기 양식장 수조로 공급하는 제 3 공급라인; 및
상기 온수부 앞의 위치에서 제 1 공급라인에서 상기 해수조로 해수를 회수시키는 회수부;를 포함하고,
상기 오폐수 열교환부는, 쉘과 상기 쉘 내에 위치한 다수의 튜브로 이루어진 히트 펌프를 포함하며, 상기 다수의 튜브를 일일이 한 개씩 청소하지 않고 복수 개의 노즐을 회전시키면서 세척하는 것이 가능하도록 랙앤 피니언 기어를 이용한 기구에 부착될 수 있는 구조를 채택한 것을 특징으로 하는,
양식 수조용 히트펌프 시스템.
- 제 1 항에 있어서,
상기 양식장 수조 및 상기 해수조의 온도 및 저수량를 각각 검출하는 제 1 센서부 및 제 2 센서부, 그리고 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인의 해수 온도를 검출하는 제 3 센서부, 제 4 센서부, 및 제 5 센서부; 및
상기 양식장 수조에서 필요로 하는 온도의 해수량을 최저의 에너지 소비로 공급하기 위하여 계산하는 제어부;를 더 구비하고,
상기 제어부의 제어에 따라서, 제 1 공급라인, 제 2 공급라인, 및 제 3 공급라인을 통한 해수의 공급량이 조절되는 것을 특징으로 하는,
양식 수조용 히트펌프 시스템.
- 제 2 항에 있어서,
상기 양식장 수조, 상기 해수조, 상기 오페수 열교환부, 상기 배수라인, 상기 순환부, 상기 제 1 공급라인, 상기 보일러, 상기 온수조, 상기 제 2 공급라인, 제 3 공급라인, 및 상기 회수부를 각각 모니터링하되 절전을 위하여 소정의 주기마다 정지화상으로 모니터링하는, 촬영 카메라 및 센서부를 포함하는, 모니터링부;를 더 포함하고,
상기 모니터링부에서는, 상기 촬영 카메라에서 획득한 영상 정보 및 상기 센서부에서 센싱한 센싱 정보에 기초하여, 이전에 고장시의 영상 정보 및 센싱 정보와의 비교를 통해서, 상기 양식 수조용 히트펌프 시스템의 고장을 사전 예측하는 것을 특징으로 하는,
양식 수조용 히트펌프 시스템.
- 제 3 항에 있어서,
상기 양식장 수조 및 상기 오폐수 열교환부 사이에 설치되어, 상기 오폐수 열교환부의 고장을 방지하고 열교환 효율을 높일 수 있도록, 상기 양식장 수조에서 배출되는 오폐수로부터 이물질을 제거하는 이물질 제거부;를 더 포함하는,
양식 수조용 히트펌프 시스템.
- 제 4 항에 있어서,
상기 순환부는, 상기 오폐수 열교환부에 설치되는 압력센서에 의해 상기 오폐수의 과잉 방류에 대응된 유입압력에 대한 신호에 연동하여, 오폐수 펌프를 구동하도록 모터 제어부에 의해 제어되는 모터로 구동되는 것을 특징으로 하는,
양식 수조용 히트펌프 시스템.
- 제 5 항에 있어서,
상기 촬영 카메라에서 획득한 정지 화상에 대한 영상 정보의 해상도를 높이는 데이터 처리부;를 더 구비하고,
상기 데이터 처리부는, 저장된 인공지능 변수들을 이용하여, 상기 모니터링부에서 모니터링하는 대상체에 대하여 획득한 적어도 2개 이상의 촬영 카메라에서의 적어도 2개 이상의 이미지 데이터의 해상도를 높이는 처리를 하되, 상기 인공지능 변수들은 적어도 2개 이상의 이미지 데이터에 대해서, 판별자 네트워크를 인공지능 학습하는 과정과 생성자 네트워크를 인공지능 학습하는 과정을 반복하는 인공지능 네트워크로 학습한 것을 특징으로 하는,
양식 수조용 히트펌프 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190142790A KR102324832B1 (ko) | 2019-11-08 | 2019-11-08 | 스마트 양식 수조용 히트펌프 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190142790A KR102324832B1 (ko) | 2019-11-08 | 2019-11-08 | 스마트 양식 수조용 히트펌프 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210056108A true KR20210056108A (ko) | 2021-05-18 |
| KR102324832B1 KR102324832B1 (ko) | 2021-11-09 |
Family
ID=76158762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190142790A KR102324832B1 (ko) | 2019-11-08 | 2019-11-08 | 스마트 양식 수조용 히트펌프 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102324832B1 (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101258564B1 (ko) * | 2012-05-10 | 2013-05-02 | 공경석 | 양어장용 히트펌프 열원보충 및 열교환기 세정시스템 |
| KR20150033216A (ko) * | 2013-09-23 | 2015-04-01 | 이상훈 | 바닥코일 가온 방식 양식 수조용 폐열 및 지열 이용 히트펌프 시스템 |
| KR20150001996U (ko) * | 2013-11-18 | 2015-05-28 | 한용철 | 양식장용 히트 펌프 시스템 |
| KR20160125091A (ko) * | 2015-04-21 | 2016-10-31 | 정우종 | 히트펌프 시스템을 이용한 양식장 해수 냉온장치 |
| KR20190023155A (ko) * | 2017-08-28 | 2019-03-08 | 주식회사 아르고테크놀리지 | 양식장 펌프 관리 시스템 |
| KR102039916B1 (ko) * | 2019-06-13 | 2019-11-04 | 제이아이플랜트 주식회사 | 열교환기용 튜브 세척장치 |
-
2019
- 2019-11-08 KR KR1020190142790A patent/KR102324832B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101258564B1 (ko) * | 2012-05-10 | 2013-05-02 | 공경석 | 양어장용 히트펌프 열원보충 및 열교환기 세정시스템 |
| KR20150033216A (ko) * | 2013-09-23 | 2015-04-01 | 이상훈 | 바닥코일 가온 방식 양식 수조용 폐열 및 지열 이용 히트펌프 시스템 |
| KR101632202B1 (ko) | 2013-09-23 | 2016-06-21 | 이상훈 | 바닥코일 가온 방식 양식 수조용 히트펌프 시스템 |
| KR20150001996U (ko) * | 2013-11-18 | 2015-05-28 | 한용철 | 양식장용 히트 펌프 시스템 |
| KR20160125091A (ko) * | 2015-04-21 | 2016-10-31 | 정우종 | 히트펌프 시스템을 이용한 양식장 해수 냉온장치 |
| KR20190023155A (ko) * | 2017-08-28 | 2019-03-08 | 주식회사 아르고테크놀리지 | 양식장 펌프 관리 시스템 |
| KR102039916B1 (ko) * | 2019-06-13 | 2019-11-04 | 제이아이플랜트 주식회사 | 열교환기용 튜브 세척장치 |
Non-Patent Citations (1)
| Title |
|---|
| 1. 대한민국 등록특허공보 제10-1401453호(발명의 명칭 : 양식장의 히트펌프 장치(HEAT PUMP APPARATUS OF FISH FARMS), 등록일 : 2014.05.23) |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102324832B1 (ko) | 2021-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102234697B1 (ko) | 수중드론을 이용하는 어망감시장치, 및 그 장치의 제어방법 | |
| JP6941083B2 (ja) | 水処理方法および水処理システム | |
| KR101772814B1 (ko) | 발전소 온배수를 이용한 스마트 빌딩양식 통합 관제시스템 | |
| CN116503335B (zh) | 一种水生物监测系统、方法、装置和存储介质 | |
| JP2011047801A (ja) | 水質監視装置 | |
| KR101610485B1 (ko) | 감지 조류 제거 시스템 및 방법 | |
| KR102324832B1 (ko) | 스마트 양식 수조용 히트펌프 시스템 | |
| KR101235053B1 (ko) | 녹조제거초음파장비 | |
| KR20110034780A (ko) | 단조 프레스기의 유압유 누유 영역 영상 감지 시스템 | |
| Lai et al. | Automatic measuring shrimp body length using CNN and an underwater imaging system | |
| CN114005064A (zh) | 一种基于机器视觉技术的生物式水体污染预警方法及装置 | |
| Kobayashi et al. | Aqua colony for fully automated aquaculture | |
| CN111273620A (zh) | 一种基于物联网的供水设备监控管理系统 | |
| CN213463485U (zh) | 一种恒温养殖池 | |
| CN114119662A (zh) | 鱼类检测视觉系统中的图像处理方法及其系统 | |
| CN105424091B (zh) | 水生生物生存环境状态预警方法及系统 | |
| CN114913456A (zh) | 一种基于自注意力网络的猪群出栏、投食估测系统 | |
| EP4157495A1 (en) | Apparatus and methods for cleaning reverse osmosis systems | |
| KR102379741B1 (ko) | 공압을 이용한 양식 자동화 장치 | |
| CN207933176U (zh) | 应用于冷却水系统的废水回收系统 | |
| CN109870452A (zh) | 一种水生态健康评价仪 | |
| KR102374823B1 (ko) | 해상지주를 활용한 4차산업혁명 해상주거관광생태통합 사물인터넷, 무인 로봇 양식장 | |
| Lech et al. | Monitoring the Uniformity of Fish Feeding Based on Image Feature Analysis | |
| KR102624053B1 (ko) | 양식장용 공압식 사료공급장치 | |
| JP7424112B2 (ja) | 水質判定装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |