KR20220096158A - 전자 장치 및 그 제어 방법 - Google Patents

전자 장치 및 그 제어 방법 Download PDF

Info

Publication number
KR20220096158A
KR20220096158A KR1020200188365A KR20200188365A KR20220096158A KR 20220096158 A KR20220096158 A KR 20220096158A KR 1020200188365 A KR1020200188365 A KR 1020200188365A KR 20200188365 A KR20200188365 A KR 20200188365A KR 20220096158 A KR20220096158 A KR 20220096158A
Authority
KR
South Korea
Prior art keywords
information
clothing
clothes
cleaner
electronic device
Prior art date
Application number
KR1020200188365A
Other languages
English (en)
Inventor
강성훈
김민근
김지연
이재영
최홍석
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020200188365A priority Critical patent/KR20220096158A/ko
Priority to PCT/KR2021/019841 priority patent/WO2022145896A1/ko
Publication of KR20220096158A publication Critical patent/KR20220096158A/ko
Priority to US18/343,375 priority patent/US20230333059A1/en

Links

Images

Classifications

    • 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
    • G01N29/04—Analysing solids
    • G01N29/041—Analysing solids on the surface of the material, e.g. using Lamb, Rayleigh or shear waves
    • 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
    • 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
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8803—Visual inspection
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
    • G01N22/02—Investigating the presence of flaws
    • 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
    • G01N29/04—Analysing solids
    • G01N29/043—Analysing solids in the interior, e.g. by shear waves
    • 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
    • G01N29/04—Analysing solids
    • G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
    • G01N29/046—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks using the echo of particles imparting on a surface; using acoustic emission of particles
    • 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
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4481—Neural networks
    • 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
    • G01N33/0086—
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G01N2033/0078—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 testing material properties on manufactured objects
    • G01N2033/0086—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 testing material properties on manufactured objects clothes; hosiery
    • 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
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
    • 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
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • 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
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G01N2201/1296—Using chemometrical methods using neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0237—Thin materials, e.g. paper, membranes, thin films

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Acoustics & Sound (AREA)
  • Electromagnetism (AREA)
  • Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Control Of Washing Machine And Dryer (AREA)

Abstract

전자 장치가 개시된다. 전자 장치는 초음파 센서, 전자파 센서, 적어도 하나의 명령어를 저장하는 메모리 및 메모리와 전기적으로 연결된 프로세서를 포함하고, 프로세서는, 의류 방향으로 초음파를 조사하도록 초음파 센서를 제어하고, 의류에 의해 반사된 초음파가 초음파 센서를 통해 수신되면, 수신된 초음파에 기초하여 음향 정보를 획득하고, 의류 방향으로 전자파를 조사하도록 전자파 센서를 제어하고, 의류에 의해 반사된 전자파가 전자파 센서를 통해 수신되면, 수신된 전자파에 기초하여 스펙트럼 정보를 획득하며, 음향 정보 및 스펙트럼 정보를 신경망 모델에 입력하여 의류의 오염도 정보를 획득한다.

Description

전자 장치 및 그 제어 방법 { Electronic device and control method thereof }
본 발명은 전자 장치 및 그 제어 방법에 관한 것으로, 더욱 상세하게는, 오염도 정보를 이용하는 전자 장치 및 그 제어 방법에 관한 것이다.
전자 기술의 발달에 힘입어 다양한 유형의 전자 기기가 개발 및 보급되고 있다. 최근에는 더 새롭고 다양한 기능을 원하는 사용자의 니즈(needs)에 부합하기 위하여 다양한 유형의 전자 기기가 개발 및 보급되고 있는 실정이다.
종래에 세탁기만을 이용하여 의류를 관리, 세탁하던 시대에서 최근에는 의류 관리기, 건조기, 제습기 등 다양한 형태의 전자 기기를 이용하여 의류를 관리 유지, 건조, 세탁하고 있다.
의류를 구성할 수 있는 옷감은 매우 다양하며, 사람이 의류를 착용한 상태에서 활동을 수행하므로 의류의 오염, 이염 및 이물질은 다양할 수 밖에 없다.
의류의 특성과 오염물의 특성을 고려하여 의류에 최적화된 유지 관리, 세탁, 건조 방법을 제공하는 장치에 대한 요구가 지속적으로 있었으며, 이를 위해서는 의류와 오염물의 종류, 특성을 높은 신뢰도로 감지하기 위한 장치 및 방법에 대한 요구가 있었다.
본 개시는 상술한 필요성에 따른 것으로, 본 개시의 목적은, 복수의 신경망 모델을 이용하여 의류의 오염도 정보를 획득하는 전자 기기 및 그 제어 방법을 제공함에 있다.
이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따른 전자 장치는, 초음파 센서, 전자파 센서, 적어도 하나의 명령어를 저장하는 메모리 및 상기 메모리와 전기적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 의류 방향으로 초음파를 조사하도록 상기 초음파 센서를 제어하고, 상기 의류에 의해 반사된 초음파가 상기 초음파 센서를 통해 수신되면, 상기 수신된 초음파에 기초하여 음향 정보를 획득하고, 상기 의류 방향으로 전자파를 조사하도록 상기 전자파 센서를 제어하고, 상기 의류에 의해 반사된 전자파가 상기 전자파 센서를 통해 수신되면, 상기 수신된 전자파에 기초하여 스펙트럼 정보를 획득하며, 상기 음향 정보 및 상기 스펙트럼 정보를 신경망 모델에 입력하여 상기 의류의 오염도 정보를 획득한다.
여기서, 상기 의류의 오염도 정보는, 오염물의 위치, 상기 오염물의 상태, 상기 오염물의 성분, 또는 상기 오염물의 면적, 상기 오염물의 색상 중 적어도 하나를 포함하며, 상기 오염물의 상태는, 고체 상태 또는 액체 상태 중 적어도 하나를 포함하며, 상기 오염물의 성분은, 수용성, 지용성 또는 복합성 중 적어도 하나를 포함할 수 있다.
또한, 상기 프로세서는, 상기 의류의 오염도 정보에 기초하여 오염물을 제거하기 위한 클리너(Cleaner) 정보를 획득하고, 상기 클리너 정보는, 지용성 클리너, 수용성 클리너 및 복합성 클리너 각각의 혼용 비율을 포함할 수 있다.
또한, 전자 장치는 통신부 및 디스플레이를 더 포함하며, 상기 프로세서는, 상기 의류의 오염도 정보를 상기 통신부를 통해 외부 서버로 전송하며, 상기 외부 서버로부터 상기 오염도 정보에 대응되는 오염물 제거 방법에 대한 정보가 수신되면, 상기 수신된 정보를 제공하도록 상기 디스플레이를 제어할 수 있다.
여기서, 상기 프로세서는, 상기 음향 정보 및 상기 스펙트럼 정보를 상기 신경망 모델에 입력하여 상기 의류의 재질 정보를 획득하며, 상기 재질 정보는, 면, 울(Wool), 퍼(Fur), 모, 나일론, 폴리에스테르, 가죽 또는 데님 중 적어도 하나를 포함할 수 있다.
여기서, 상기 프로세서는, 상기 오염도 정보 및 상기 재질 정보에 기초하여 상기 의류의 재질에 대응되는 클리너 정보를 획득하고, 상기 클리너 정보는, 지용성 클리너, 수용성 클리너 및 복합성 클리너 각각의 혼용 비율을 포함할 수 있다.
또한, 전자 장치는, 통신부를 더 포함하며, 상기 프로세서는, 상기 오염도 정보, 상기 재질 정보 또는 상기 클리너 정보 중 적어도 하나를 외부 장치로 전송하도록 상기 통신부를 제어하고, 상기 외부 장치는, 의류 관리기, 세탁기, 건조기 또는 전기다리미 중 적어도 하나를 포함할 수 있다.
또한, 전자 장치는, 디스플레이를 더 포함하며, 상기 메모리는, 복수의 재질 각각에 대응되는 의류 관리 정보를 저장하며, 상기 프로세서는, 상기 복수의 의류 관리 정보 중 상기 의류의 재질에 대응되는 의류 관리 정보를 획득하며, 상기 획득된 의류 관리 정보를 상기 디스플레이를 통해 제공할 수 있다.
또한, 전자 장치는, 촉각 센서를 더 포함하며, 상기 프로세서는, 상기 촉각 센서를 통해 획득된 마찰 계수, 상기 음향 정보 및 상기 스펙트럼 정보를 상기 신경망 모델이 입력하여 상기 오염도 정보를 획득할 수 있다.
본 개시의 일 실시 예에 따른 전자 장치는, 현미경, 전자파 센서, 적어도 하나의 명령어를 저장하는 메모리 및 상기 메모리와 전기적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 현미경을 통해 상기 의류의 확대 이미지를 획득하면, 상기 수신된 확대 이미지에 기초하여 상기 의류를 구성하는 섬유에 대한 정보를 획득하고, 상기 의류에 의해 반사된 상기 전자파가 상기 전자파 센서를 통해 수신되면, 상기 수신된 전자파에 기초하여 스펙트럼 정보를 획득하며, 상기 섬유에 대한 정보 및 상기 스펙트럼 정보를 신경망 모델에 입력하여 상기 의류의 재질 정보 및 오염도 정보를 획득한다.
여기서, 상기 프로세서는, 상기 섬유에 대한 정보 및 상기 재질 정보에 기초하여 상기 의류에 대응되는 의류 관리 정보를 획득할 수 있다.
본 개시의 일 실시 예에 따른 전자 장치는 하이퍼 스펙트럴 카메라(Hyperspectral camera), 적어도 하나의 명령어를 저장하는 메모리 및 상기 메모리와 전기적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 의류를 촬영하도록 상기 하이퍼 스펙트럴 카메라를 제어하고, 상기 의류를 촬영한 이미지가 상기 하이퍼 스펙트럴 카메라로부터 수신되면, 상기 수신된 이미지에 기초하여 픽셀 별 분광 스펙트럼을 획득하며, 상기 픽셀 별 분광 스펙트럼을 신경망 모델에 입력하여 상기 의류의 오염도 정보를 획득한다.
한편, 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법은, 의류 방향으로 초음파를 조사하는 단계, 상기 의류에 의해 반사된 초음파가 수신되면, 상기 수신된 초음파에 기초하여 음향 정보를 획득하는 단계, 상기 의류 방향으로 전자파를 조사하는 단계, 상기 의류에 의해 반사된 전자파가 수신되면, 상기 수신된 전자파에 기초하여 스펙트럼 정보를 획득하는 단계 및 상기 음향 정보 및 상기 스펙트럼 정보를 신경망 모델에 입력하여 상기 의류의 오염도 정보를 획득하는 단계를 포함한다.
여기서, 상기 의류의 오염도 정보는, 오염물의 위치, 상기 오염물의 상태, 상기 오염물의 성분, 또는 상기 오염물의 면적, 상기 오염물의 색상 중 적어도 하나를 포함하며, 상기 오염물의 상태는, 고체 상태 또는 액체 상태 중 적어도 하나를 포함하며, 상기 오염물의 성분은, 수용성, 지용성 또는 복합성 중 적어도 하나를 포함할 수 있다.
또한, 제어 방법은, 상기 의류의 오염도 정보에 기초하여 오염물을 제거하기 위한 클리너(Cleaner) 정보를 획득하는 단계를 더 포함하며, 상기 클리너 정보는, 지용성 클리너, 수용성 클리너 및 복합성 클리너 각각의 혼용 비율을 포함할 수 있다.
또한, 제어 방법은, 상기 의류의 오염도 정보를 외부 서버로 전송하는 단계 및 상기 외부 서버로부터 상기 오염도 정보에 대응되는 오염물 제거 방법에 대한 정보가 수신되면, 상기 수신된 정보를 제공하는 단계를 더 포함할 수 있다.
또한, 제어 방법은, 상기 음향 정보 및 상기 스펙트럼 정보를 상기 신경망 모델에 입력하여 상기 의류의 재질 정보를 획득하는 단계를 더 포함하며, 상기 재질 정보는, 면, 울(Wool), 퍼(Fur), 모, 나일론, 폴리에스테르, 가죽 또는 데님 중 적어도 하나를 포함할 수 있다.
여기서, 제어 방법은, 상기 오염도 정보 및 상기 재질 정보에 기초하여 상기 의류의 재질에 대응되는 클리너 정보를 획득하는 단계를 더 포함하며, 상기 클리너 정보는, 지용성 클리너, 수용성 클리너 및 복합성 클리너 각각의 혼용 비율을 포함할 수 있다.
여기서, 제어 방법은, 상기 오염도 정보, 상기 재질 정보 또는 상기 클리너 정보 중 적어도 하나를 외부 장치로 전송하는 단계를 더 포함하며, 상기 외부 장치는, 의류 관리기, 세탁기, 건조기 또는 전기다리미 중 적어도 하나를 포함할 수 있다.
또한, 상기 전자 장치는, 복수의 재질 각각에 대응되는 의류 관리 정보를 저장하며, 제어 방법은, 상기 복수의 의류 관리 정보 중 상기 의류의 재질에 대응되는 의류 관리 정보를 획득하는 단계 및 상기 획득된 의류 관리 정보를 제공하는 단계를 더 포함할 수 있다.
상술한 바와 같이 본 개시의 다양한 실시 예에 따르면, 의류의 재질과 의류의 오염 정도를 식별할 수 있다.
의류의 재질과 오염 정보를 구체적으로 식별함에 따라 의류의 손상을 최소화하면서 오염물을 효과적으로 제거하기 위한 방법을 사용자에게 제공할 수 있고, 의류 관련 디바이스로 해당 방법을 전송할 수도 있다.
의류의 재질을 식별하여 해당 의류를 적절히 관리, 케어하기 위한 방법을 사용자에게 제공할 수 있고, 의류 관련 디바이스로 해당 방법을 전송할 수도 있다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치를 개략적으로 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시 에에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.
도 3은 본 개시의 일 실시 예에 따른 초음파 센서를 설명하기 위한 도면이다.
도 4는 본 개시의 일 실시 예에 따른 전자파 센서를 설명하기 위한 도면이다.
도 5는 본 개시의 일 실시 예에 따른 오염도 정보를 설명하기 위한 도면이다.
도 6은 본 개시의 일 실시 예에 따른 클리너 정보를 설명하기 위한 도면이다.
도 7은 본 개시의 일 실시 예에 따른 재질 정보를 설명하기 위한 도면이다.
도 8은 본 개시의 일 실시 예에 따른 재질 정보에 따른 클리너 정보를 설명하기 위한 도면이다.
도 9는 본 개시의 일 실시 예에 따른 외부 기기와 통신하는 전자 장치를 설명하기 위한 도면이다.
도 10은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 설명하기 위한 상세 블록도이다.
도 11은 본 개시의 다른 실시 예에 따른 마찰 계수를 설명하기 위한 도면이다.
도 12는 본 개시의 다른 실시 예에 따른 전자 장치를 설명하기 위한 도면이다.
도 13은 본 개시의 일 실시 예에 따른 섬유에 대한 정보를 설명하기 위한 도면이다.
도 14는 본 개시의 다른 실시 예에 따른 전자 장치를 설명하기 위한 도면이다.
도 15는 본 개시의 일 실시 예에 따른 픽셀 별 분광 스펙트럼을 설명하기 위한 도면이다.
도 16은 본 개시의 일 실시 예에 따른 전자 장치를 활용 예를 설명하기 위한 도면이다.
도 17은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
이하에서는 첨부 도면을 참조하여 본 개시를 상세히 설명한다.
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
A 또는/및 B 중 적어도 하나라는 표현은 "A" 또는 "B" 또는 "A 및 B" 중 어느 하나를 나타내는 것으로 이해되어야 한다.
본 명세서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 어떤 구성요소가 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 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.
본 개시에서 "모듈" 혹은 "부"는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈" 혹은 복수의 "부"는 특정한 하드웨어로 구현될 필요가 있는 "모듈" 혹은 "부"를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서(미도시)로 구현될 수 있다.
본 명세서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
이하 첨부된 도면들을 참조하여 본 개시의 일 실시 예를 보다 상세하게 설명한다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치를 개략적으로 설명하기 위한 도면이다.
도 1을 참조하면, 본 개시의 일 실시 예에 따른 전자 장치(100)는 복수의 센서를 구비하며, 복수의 센서를 통해 획득한 센싱 값에 기초하여 의류(10)의 재질(또는, 옷감), 의류(10)의 오염도 정보를 획득할 수 있다.
여기서, 전자 장치(100)는 의류 관련 디바이스의 일 구성 요소일 수도 있으며, 독립적인 디바이스일 수도 있다. 여기서, 의류 관련 디바이스는 의류 관리기, 세탁기, 건조기, 전기 다리미 등을 포함하며, 전자 장치(100)는 상술한 의류 관련 디바이스의 일 구성 요소로서, 의류 관련 디바이스의 구동 간에 의류(10)의 재질, 의류(10)의 오염도 정보를 획득하여 의류 관련 디바이스에 구비된 프로세서(미도시)로 전송할 수 있다. 한편, 도 1은 설명의 편의상 사람이 착용하는 의류(예를 들어, 상의, 하의, 언더웨어 등)만을 상정하여 도시하였으나, 본 개시에 따른 의류는 옷, 커튼, 카펫, 커버 등 섬유로 구성된 다양한 형태를 포함함은 물론이다.
다른 예로, 전자 장치(100)는 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 의료기기, 카메라, 가상 현실(virtual reality(VR)) 구현 장치 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시예들에서, 전자 장치(100)는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 의류 관리기, 세탁기, 건조기, 전기 다리미, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시 예에서, 전자 장치(100)는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.
이하에서는 설명의 편의를 위해 전자 장치(100)가 복수의 센서를 구비하는 독립적인 디바이스로 구현된 경우를 상정하여 설명하도록 한다.
특히, 본 개시의 일 실시 예에 따른 전자 장치(100)는 초음파 센서(110) 및 전자파 센서(120)를 구비할 수 있다. 여기서, 초음파 센서(110)는 의류(10) 방향으로 초음파를 조사한 뒤, 의류(10)에 의해 반사된 초음파를 수신하여 음향 정보를 획득할 수 있다.
전자파 센서(120)는 의류(10) 방향으로 전자파를 조사한 뒤, 의류(10)에 의해 반사된 전자파를 수신하여 스펙트럼 정보를 획득할 수 있다.
일 실시 예에 따른 전자 장치(100)는 음향 정보 및 스펙트럼 정보에 기초하여 의류(10)의 오염도 정보, 의류(10)의 재질(또는, 옷감)을 획득할 수 있다. 이에 대한 구체적인 설명은 도 2를 참조하여 하도록 한다.
도 2는 본 개시의 일 실시 에에 따른 전자 장치의 구성을 설명하기 위한 블록도이다.
도 2를 참조하면, 본 개시의 일 실시 예에 따른 전자 장치(100)는 초음파 센서(110), 전자파 센서(120), 메모리(130) 및 프로세서(140)를 포함한다.
일 실시 예에 따른 초음파 센서(110)는 초음파를 조사(또는, 방사)하거나 수신하는 구성이다. 초음파 센서(110)는 초음파를 조사하고, 오브젝트에 의해 반사되거나 굴절된 초음파를 수신하여 초음파 센서(110)로부터 오브젝트까지의 거리, 오브젝트의 방향 또는 오브젝트의 고유 음향 정보를 획득할 수 있다. 여기서, 오브젝트는 의류(10)를 포함할 수 있다. 고유 음향 정보는 특성 음향 임피던스(acoustic impedance)(또는, 특성 임피던스(characteristic impedance))를 포함할 수 있다. 특성 음향 임피던스는 매질 즉, 의류(10) 또는 오염물 내에서 입자 속도에 대한 음압의 비를 의미한다. 의류(10)의 재질 또는 오염물의 종류에 따라 특성 음향 임피던스는 상이하므로, 특성 음향 임피던스는 매질의 고유한 물성을 의미한다.
이에 대한 구체적인 설명은 도 3을 참조하여 하도록 한다.
도 3은 본 개시의 일 실시 예에 따른 초음파 센서를 설명하기 위한 도면이다.
도 3을 참조하면, 전자 장치(100)에 구비된 초음파 센서(110)는 프로세서(140)의 제어에 따라 의류(10) 방향으로 초음파를 조사할 수 있다.
이어서, 초음파 센서(110)는 의류에 의해 반사되거나 굴절된 초음파를 수신하며, 프로세서(140)는 수신된 초음파에 기초하여 음향 정보 예를 들어, 특성 음향 임피던스를 획득할 수 있다.
도 3은 설명의 편의를 위해 의류(10)의 전면 전체로 초음파를 조사하며, 의류(10) 또는 의류(10) 내의 오염물(20)에 의해 반사되거나 굴절된 초음파를 수신하는 것으로 도시하였으나, 이는 일 예시에 불과하며 이에 한정되지 않음은 물론이다.
일 예로, 초음파 센서(110)는 프로세서(140)의 제어에 따라 또는 초음파 센서(110)와 의류(10) 간의 거리에 따라 의류(10)의 일부분으로만 초음파를 조사할 수도 있고, 의류(10) 내의 오염물로만 초음파를 조사할 수도 있음은 물론이다. 예를 들어, 초음파 센서(110)는 의류(10) 내의 오염물(예를 들어, 음식물, 와인, 화장품, 먼지, 잉크 등)에 초음파를 조사한 뒤, 오염물에 의해 굴절 및 반사된 초음파를 수신할 수 있다. 이어서, 프로세서(140)는 수신된 초음파에 기초하여 오염물에 대응되는 특성 음향 임피던스를 획득할 수 있다.
도 2로 돌아와서, 본 개시의 일 실시 예에 따른 전자 장치(100)는 전자파 센서(120)를 포함한다. 일 실시 예에 따른 전자파 센서(120)는 프로세서(140)의 제어에 따라 의류(10) 방향으로 실시간, 또는 일정 시간 간격으로 전자파를 조사하며, 의류(10)에 의해 굴절 또는 반사된 전자파를 수신(또는, 감지)할 수 있다. 여기서, 전자파 즉, 전자기파(electromagnetic waves)는 전기장과 자기장이 시간에 따라 변함에 따라 발생하는 파동을 의미할 수 있다. 전자기파는 가시광선 외에도 X선, 적외선, 자외선, 라디오 파, 마이크로 파 등을 포함한다.
예를 들어, 전자 장치(100)에 구비된 전자파 센서(120)는 0.76㎛ 내지 400㎛ 파장의 적외선을 조사(또는, 방출)할 수 있다. 이어서, 전자파 센서(120)는 의류(10)에 의해 반사된 적외선을 수신(또는, 수집)하며, 프로세서(140)는 반사된 적외선에 기초하여 분광 스펙트럼을 획득할 수 있다. 여기서, 분광 스펙트럼은 물질(예를 들어, 의류(10) 또는 의류(10) 내의 오염물)의 각 파장의 적외선에 대한 투과율을 나타내는 스펙트럼이다. 물질에 따라 고유의 분광 스펙트럼을 가지므로, 프로세서(140)는 분광 스펙트럼을 이용하여 의류(10)의 재질, 오염물의 종류를 식별할 수 있다.
이에 대한 구체적인 설명은 도 4를 참조하여 하도록 한다.
도 4는 본 개시의 일 실시 예에 따른 전자파 센서를 설명하기 위한 도면이다.
도 4를 참조하면, 전자 장치(100)에 구비된 전자파 센서(120)는 프로세서(140)의 제어에 따라 의류(10) 방향으로 전자파를 조사할 수 있다. 예를 들어, 전자파 센서(120)는 근적외선 분광계로 구현되어 900nm 내지 1,700nm의 파장 범위에서 작동할 수 있다. 프로세서(140)는 전자파 센서(120)가 의류(10) 방향으로 근적외선을 조사하도록 제어하며, 근적외선 분광계를 이용하여 분광 스펙트럼을 획득할 수 있다. 이어서, 프로세서(140)는 분광 스펙트럼에 기초하여 의류(10)의 재질(예를 들어, 옷감, 섬유의 구성 비율)), 오염물의 종류 등을 식별할 수 있다.
한편, 도 3에서 설명한 바와 같이, 도 4는 설명의 편의를 위해 전자파 센서(120)가 의류(10)의 전면 전체로 전자파를 조사하며, 의류(10) 또는 의류(10) 내의 오염물에 의해 반사되거나 굴절된 전자파를 수신하는 것으로 도시하였으나, 이는 일 예시에 불과하며 이에 한정되지 않음은 물론이다.
도 2로 돌아와서, 본 개시의 일 실시 예에 따른 전자 장치(100)는 메모리(130)를 구비한다.
메모리(130)는 프로세서(140)에 포함된 롬(ROM)(예를 들어, EEPROM(electrically erasable programmable read-only memory)), 램(RAM) 등의 내부 메모리로 구현되거나, 프로세서(140)와 별도의 메모리로 구현될 수도 있다. 이 경우, 메모리(130)는 데이터 저장 용도에 따라 전자 장치(100)에 임베디드된 메모리 형태로 구현되거나, 전자 장치(100)에 탈부착이 가능한 메모리 형태로 구현될 수도 있다. 예를 들어, 전자 장치(100)의 구동을 위한 데이터의 경우 전자 장치(100)에 임베디드된 메모리에 저장되고, 전자 장치(100)의 확장 기능을 위한 데이터의 경우 전자 장치(100)에 탈부착이 가능한 메모리에 저장될 수 있다. 한편, 전자 장치(100)에 임베디드된 메모리의 경우 휘발성 메모리(예: DRAM(dynamic RAM), SRAM(static RAM), 또는 SDRAM(synchronous dynamic RAM) 등), 비휘발성 메모리(non-volatile Memory)(예: OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, 플래시 메모리(예: NAND flash 또는 NOR flash 등), 하드 드라이브, 또는 솔리드 스테이트 드라이브(solid state drive(SSD)) 중 적어도 하나로 구현되고, 전자 장치(100)에 탈부착이 가능한 메모리의 경우 메모리 카드(예를 들어, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital), MMC(multi-media card) 등), USB 포트에 연결가능한 외부 메모리(예를 들어, USB 메모리) 등과 같은 형태로 구현될 수 있다.
특히, 본 개시의 일 실시 예에 따른 메모리(130)는 신경망 모델(1)을 저장할 수 있다.
본 개시의 일 실시 예에 따른 전자 장치(100)는 프로세서(140)를 구비하며, 프로세서(140)는 전자 장치(100)의 전반적인 동작을 제어한다.
일 실시 예에 따라 프로세서(140)는 디지털 영상 신호를 처리하는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로 프로세서(microprocessor), AI(Artificial Intelligence) 프로세서, T-CON(Timing controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(140)는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(Field Programmable gate array) 형태로 구현될 수도 있다.
본 개시에 따른 인공지능과 관련된 기능은 프로세서(140)와 메모리(130)를 통해 동작된다. 프로세서(140)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리(130)에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
특히, 프로세서(140)는 상술한 바와 같이, 초음파 센서(110)를 통해 수신된 초음파에 기초하여 음향 정보(예를 들어, 특성 음향 임피던스))를 획득하고, 전자파 센서(120)를 통해 수신된 전자파에 기초하여 스펙트럼 정보를 획득할 수 있다.
이어서, 프로세서(140)는 음향 정보 및 스펙트럼 정보를 신경망 모델에 입력하여 의류(10)의 오염도 정보를 획득할 수 있다.
이에 대한 구체적인 설명은 도 5를 참조하여 하도록 한다.
도 5는 본 개시의 일 실시 예에 따른 오염도 정보를 설명하기 위한 도면이다.
도 5를 참조하면, 프로세서(140)는 음향 정보 및 스펙트럼 정보를 신경망 모델(1)에 입력하여 오염도 정보를 획득할 수 있다. 여기서, 오염도 정보는 의류(10) 내 오염물의 위치, 오염물의 상태, 오염물의 성분, 오염물의 면적(또는, 양, 크기, 두께) 또는 오염물의 색상 중 적어도 하나를 포함할 수 있다. 한편, 오염물은 오염물 외에도 이물질, 이염(migration) 정도를 포함함은 물론이다.
여기서, 오염물의 상태는 액체, 고체 또는 반고체 중 어느 하나를 의미할 수 있다. 오염물의 성분은 수용성, 지용성(또는, 유용성(油溶性) 또는 복합성(예를 들어, 수용성 및 지용성의 혼합 비율) 중 어느 하나를 의미할 수 있다.
본 개시의 일 실시 예에 따른 신경망 모델(1)은 음향 성분과 스펙트럼 정보에 기초하여 의류(10) 내 오염물의 위치, 상태, 성분, 면적 또는 색상 중 적어도 하나를 포함하는 오염도 정보를 출력하도록 학습된 모델일 수 있다.
한편, 신경망 모델, 인공 지능 모델이 학습된다는 것은, 기본 인공 지능 모델(예를 들어 임의의 랜덤한 파라미터를 포함하는 인공 지능 모델)이 학습 알고리즘에 의하여 다수의 훈련 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 별도의 서버 및/또는 시스템을 통해 이루어질 수 있으나, 이에 한정되는 것은 아니며 전자 장치(100)에서 이루어질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning), 전이 학습(transfer learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
일 실시 예에 따른 신경망 모델(1)은 CNN (Convolutional Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등으로 구현될 수 있으나, 이에 한정되지 않는다.
도 2로 돌아와서, 본 개시의 일 실시 예에 따른 프로세서(140)는 의류(10)의 오염도 정보에 기초하여 오염물을 제거하기 위한 클리너(Cleaner) 정보를 획득할 수 있다.
이에 대한 구체적인 설명은 도 6을 참조하여 설명하도록 한다.
도 6은 본 개시의 일 실시 예에 따른 클리너 정보를 설명하기 위한 도면이다.
도 6을 참조하면, 본 개시의 일 실시 예에 따른 메모리(130)는 복수의 오염도 정보 각각에 대응되는 클리너 정보를 DB 형태 또는 알고리즘(Algorithm) 형태로 저장할 수 있다.
예를 들어, 메모리(130)에 저장된 DB는 오염도 정보에 포함된 오염물의 위치 및 오염물의 면적에 따라 해당 오염물을 제거하기 위해 요구되는 클리너의 양에 대한 정보를 포함할 수 있다.
다른 예로, 메모리(130)에 저장된 알고리즘은 오염도 정보에 포함된 오염물의 위치 및 오염물의 면적을 파라미터로 하여 해당 오염물을 제거하기 위해 요구되는 클리너의 양을 산출할 수 있다.
또한, 메모리(130)에 저장된 DB는 오염도 정보에 포함된 오염물의 성분(예를 들어, 수용성, 지용성 또는 복합성) 및 오염물의 색상에 따라 해당 오염물을 제거하기 위해 요구되는 클리너의 조합에 대한 정보를 포함할 수 있다.
여기서, 클리너의 조합에 대한 정보는 계면 활성제, 산도 조절제, 착향제, 소독제, 단백질 분해 효소 등 다양한 유형의 클리너 중 해당 오염물을 제거하기 위해 요구되는 클러너에 대한 정보를 포함할 수 있다.
다른 예로, 메모리(130)에 저장된 알고리즘은 오염도 정보에 포함된 오염물의 성분 및 오염도의 색상을 파라미터로 하여 해당 오염물을 제거하기 위해 요구되는 클리너의 조합 및 혼용 비율을 산출할 수 있다.
예를 들어, 도 6을 참조하면, 프로세서(140)는 의류(10) 내의 오염물이 유용성 오염물로 식별되면, 메모리(130)에 저장된 알고리즘을 이용하여 해당 수용성 오염물을 제거하기 위한 클리너에 대한 정보로서 계면 활성제, 착향제 및 소독제의 조합 및 혼용 비율을 획득할 수 있다.
다른 예로, 프로세서(140)는 의류(10) 내의 오염물이 수용성 오염물로 식별되면, 알고리즘을 이용하여 해당 수용성 오염물을 제거하기 위한 클리너에 대한 정보로서 계면 활성제, 산도 조절제 및 착향제의 조합 및 혼용 비율을 획득할 수 있다.
상술한 예시는 설명의 편의를 위한 것으로 이에 한정되지 않음은 물론이다. 예를 들어, 오염물의 성분에 따라 복수의 클리너 간의 다양한 조합을 획득할 수 있음은 물론이다. 예를 들어, 프로세서(140)는 오염물의 성분이 단백질 오염으로 식별되면, 계면 활성제, 소독제 및 단백질 분해 효소의 조합 및 각각의 혼용 비율을 획득할 수 있음은 물론이다.
일 실시 예에 따른 전자 장치(100)는 획득된 조합을 출력부(예를 들어, 디스플레이)를 통해 사용자에게 제공할 수도 있고, 전자 장치(100)가 자체적으로 클리너를 분사하기 위한 디스펜서(dispenser, 미도시))를 구비한 경우에는 획득된 조합에 대응되도록 디스펜서를 제어할 수도 있음은 물론이다. 도 6에 도시된 클리너 정보는 획득된 클리너 조합 및 혼용 비율을 의미할 수 있다.
또 다른 예로, 프로세서(140)는 오염도 정보를 신경망 모델(1)에 입력하여 클리너 정보를 획득할 수도 있음은 물론이다. 예를 들어, 신경망 모델(1)은 다양한 훈련 데이터에 기초하여 클리너 정보를 출력하도록 학습된 모델이며, 여기서 훈련 데이터는 오염물의 위치, 상태, 성분 및 색상에 따라 해당 오염물을 제거하기 위한 최적의 클리너 조합 및 혼용 비율을 포함할 수 있다.
예를 들어, 훈련 데이터는 빨간색의 페인트(유용성)가 0.2mm 두께의 원형 및 고체 형태로 10g 도포되어 있는 경우(오염도 정보)에 계면활성제, 에탄올 및 벤질 알코올의 조합 및 혼용 비율을 클리너 정보로 포함할 수 있다.
도 2로 돌아와서, 상술한 실시 예에서는 프로세서(140)가 오염도 정보를 획득한 경우만을 상정하여 설명하였으나, 이는 일 예시이며 이에 한정되지 않음은 물론이다.
일 실시 예에 따른 프로세서(140)는 음향 정보 및 스펙트럼 정보를 신경망 모델(1)에 입력하여 의류(10)의 재질 정보를 획득할 수도 있음은 물론이다.
이에 대한 구체적인 설명은 도 7을 참조하여 하도록 한다.
도 7은 본 개시의 일 실시 예에 따른 재질 정보를 설명하기 위한 도면이다.
도 7을 참조하면, 신경망 모델(1)은 음향 정보 및 스펙트럼 정보를 이용하여 의류(10)의 재질 정보, 의류(10) 내 오염물에 대한 오염도 정보를 출력할 수 있다.
예를 들어, 신경망 모델(1)은 음향 정보 및 스펙트럼 정보를 이용하여 의류(10)의 재질을 분류할 수 있다. 여기서, 재질 정보는, 면(cotton), 울(wool), 퍼(fur), 나일론, 폴리에스테르(polyester), 가죽 또는 데님 등을 포함할 수 있다. 다만, 이는 일 예시에 불과하며, 의류(10)가 다양한 재질로 이루어진 경우 재질 정보는 의류(10)를 구성하는 다양한 재질들 각각의 비율을 포함할 수도 있음은 물론이다.
본 개시의 일 실시 예에 따른 신경망 모델(1)은 음향 정보 및 스펙트럼 정보, 및 이에 대응되는 재질 정보를 포함하는 복수의 훈련 데이터에 기초하여 학습된 모델일 수 있다.
도 8은 본 개시의 일 실시 예에 따른 재질 정보에 따른 클리너 정보를 설명하기 위한 도면이다.
도 8을 참조하면, 본 개시의 일 실시 예에 따른 프로세서(140)는 오염도 정보 및 재질 정보에 기초하여 의류(10)의 재질에 대응되는 클리너 정보를 획득할 수 있다.
예를 들어, 메모리(130)는 룩업 테이블 형태로 재질 각각에 대응되는 클리너 정보를 포함할 수 있다. 여기서 클리너 정보는 지용성 클리너, 수용성 클리너 및 복합성 클리너 등 다양한 형태의 클리너 중 해당 의류(10)의 재질에 적합한 클리너 조합 및 혼용 비율을 포함할 수 있다.
다만, 이는 일 예시이며 클리너 정보는 의류(10)의 재질에 대응되는 세탁 방법(예를 들어, 물세탁, 중성세제, 드라이크리닝 등)을 더 포함할 수도 있음은 물론이다.
도 6 및 도 8에 도시된 바와 같이, 프로세서(140)는 의류(10)의 재질 정보 및 오염도 정보에 기초하여 해당 의류(10)에 적합하면서 오염물을 제거하기 위한 클리너의 조합 및 혼합 비율을 포함하는 클리너 정보를 획득할 수 있다.
한편, 의류(10)에 적합한 클리너 및 세탁 방법은, 의류(10)의 재질(또는, 옷감, 섬유) 특성에 기초하여 옷감의 손상은 최소화하면서 의류(10) 내의 오염물을 제거하는 클리너 및 세탁 방법을 의미한다.
도 9는 본 개시의 일 실시 예에 따른 외부 기기와 통신하는 전자 장치를 설명하기 위한 도면이다.
본 개시의 일 실시 예에 따른 전자 장치(100)는 통신부(미도시)를 더 포함하며, 통신부를 통해 외부 장치와 통신을 수행할 수 있다.
특히, 전자 장치(100)는 의류(10)의 재질 정보, 오염도 정보, 클리너 정보 또는 의류 관리 정보 중 적어도 하나를 외부 장치로 전송할 수 있다. 여기서, 외부 장치는 의류 관련 디바이스로서, 전자 장치(100)로부터 수신된 재질 정보, 오염도 정보를 이용하여 해당 의류(10)를 관리할 수 있다.
예를 들어, 의류 관련 디바이스는 의류 관리기(200-1), 세탁기(200-2), 건조기(200-3), 전기 다리미(200-4) 등을 포함할 수 있다. 다만, 이는 일 예시이며 이에 한정되지 않음은 물론이다. 일 예로, 실내 온/습도는 의류(10)에 영향을 미치는 요소이므로, 실내 온/습도를 제어하는 에어컨(미도시), 제습기(미도시), 선풍기(미도시) 등도 의류 관련 디바이스에 포함될 수 있음은 물론이다.
일 실시 예에 따라 세탁기(200-2), 건조기(200-3) 등은 전자 장치(100)로부터 수신된 재질 정보, 오염도 정보를 이용하여 세탁 코스, 건조 코스 등을 설정할 수 있다.
예를 들어, 세탁기(200-2)는 전자 장치(100)로부터 의류(10)의 재질 정보, 클리너 정보가 울(wool)로 수신되면, 세탁기(200-2) 내에 구비된 세제를 분출하는 디스펜서가 울 전용 세제만을 분출하도록 제어할 수 있다.
다른 예로, 건조기(200-3)는 의류(10)의 재질 정보에 기초하여 의류(10)가 고온에 약한 재질(또는, 옷감)인 것으로 식별되면, 임계 온도 미만의 저온으로 해당 의류(10)를 건조시킬 수도 있다.
또 다른 예로, 전자 다리미(200-4)는 전자 장치(100)로부터 의류(10)의 재질 정보가 수신되면, 의류(10)의 재질 정보에 대응되는 온도로 전자 다리미(200-4)의 온도를 자동으로 설정할 수도 있다.
상술한 외부 장치의 동작 및 기능은 일 예시에 불과하며, 이에 한정되지 않음은 물론이다. 예를 들어, 전자 장치(100)는 오염도 정보에 기초하여 의류(10)에 다량의 물이 묻은 것으로 식별되면, 의류(10)가 빠른 시간 내에 건조되도록 제습기의 동작을 제어할 수 있고, 제습기는 전자 장치(100)로부터 수신된 오염도 정보에 기초하여 제습 강도를 조절할 수도 있다.
한편, 본 개시의 일 실시 예에 따른 전자 장치(100)는 자체적으로 의류(10)의 오염도 정보에 대응되는 클리너 정보를 획득할 수도 있고, 다른 예로, 오염도 정보를 통신부를 통해 외부 서버(300)로 전송한 뒤, 외부 서버(300)로부터 오염도 정보에 대응되는 오염물 제거 방법에 대한 정보를 수신할 수도 있다.
예를 들어, 전자 장치(100)는 의류(10) 내의 오염물을 제거하기 위한 적절한 클리너 정보를 식별하지 못할 수 있으며, 이 경우 전자 장치(100)는 오염도 정보를 외부 서버(300)로 전송하여 해당 의류(10) 내의 오염물을 제거하기 위한 클리너 정보, 오염물 제거 방법 등에 대한 검색 결과를 수신할 수 있다.
본 개시의 일 실시 예에 따른 메모리(130)는 복수의 재질 각각에 대응되는 의류 관리 정보를 저장할 수 있다.
의규 관리 정보는 재질에 따라 물 세탁 가능 여부, 물 세탁 시의 적정 온도, 드라이클리닝 가능 여부, 건조 방법, 다림질 방법 등을 포함할 수 있다.
여기서, 건조 방법은 재질에 따라 옷걸이에 걸어서 햇빛 또는 그늘에 건조하는 것이 적절한지, 기계 건조(건조기)의 이용 가능 여부 등을 포함할 수 있다.
다림질 방법은 재질에 따라 다림질 가능 여부, 다림질 시의 적정 온도, 스팀 다림 가능 여부 등을 포함할 수 있다.
본 개시의 일 실시 예에 따른 프로세서(140)는 의류(10)의 재질이 식별되면, 해당 재질에 대응되는 의류 관리 정보를 획득할 수 있다. 이어서, 프로세서(140)는 의류 관리 정보를 의류 관련 디바이스로 전송할 수 있다. 의류 관련 디바이스는 전자 장치(100)로부터 수신된 의류 관리 정보에 기초하여 해당 의류(10)를 재질에 적합하게 관리(예를 들어, 세탁, 건조, 다림질, 살균 등)할 수 있다.
도 10은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 설명하기 위한 상세 블록도이다.
도 10을 참조하면, 전자 장치(100)는 초음파 센서(110), 전자파 센서(120), 메모리(130), 프로세서(140), 촉각 센서(150), 통신부(160) 및 디스플레이(160)를 포함할 수 있다.
전자 장치(100)에 구비된 복수의 구성 요소 중 도 2에서 설명한 구성 요소에 대한 중복된 설명은 제외하도록 한다.
본 개시의 일 실시 예에 따른 촉각 센서(150)는 물체와의 물리적인 접촉을 통해 해당 물체의 저항, 정전 용량, 전압, 주파수, 미끄러짐 정도 등을 감지할 수 있다.
일 실시 예에 따른 촉각 센서(150)는 의류(10)와 물리적인 접촉을 통해 의류(10)의 마찰 계수, 표면의 특징 예를 들어, 의류(10)를 구성하는 섬유 실의 형상, 실의 표면, 실의 굵기, 직조 패턴, 질감 등을 감지할 수 있다.
여기서, 촉각 센서(150)는 실리콘 기반의 촉각 센서, 폴리머 기반의 촉각 센서, 압력 센서, 가속도 센서 등 다양한 형태로 구현될 수 있다. 예를 들어, 촉각 센서(150)는 특수 금속으로 구현된 nm 단위의 초소형 스프링을 구비하며, 촉각 센서(150)가 의류(10)와 물리적으로 접촉함에 따라 발생하는 스프링의 탄성을 전기 신호로 변형하고, 변형된 전기 신호에 기초하여 압력, 마찰 계수, 의류(10)의 질감을 감지할 수 있다.
이어서, 프로세서(140)는 촉각 센서(150)로부터 수신된 마찰 계수, 초음파 센서(110)로부터 수신된 음향 정보 및 전자파 센서(120)로부터 수신된 스펙트럼 정보를 신경망 모델(1)에 입력하여 의류(10)의 재질 또는 오염도 정보를 획득할 수 있다.
이에 대한 구체적인 설명은 도 11을 참조하여 하도록 한다.
도 11은 본 개시의 다른 실시 예에 따른 마찰 계수를 설명하기 위한 도면이다.
도 11을 참조하면, 프로세서(140)는 마찰 계수, 음향 정보 및 스펙트럼 정보를 신경망 모델(1)에 입력하여 의류(10)의 재질 또는 오염도 정보를 획득할 수 있다. 여기서, 마찰 계수는 촉각 센서(150)를 통해 수신된 센싱 값의 일 예시이며 이에 한정되지 않음은 물론이다. 예를 들어, 촉각 센서(150)로부터 의류(10)의 질감, 섬유 실의 형상 등이 수신되면, 프로세서(140)는 이를 신경망 모델(1)에 입력하여 의류(10)의 재질 또는 오염도 정보를 획득할 수 있다.
한편, 도 10에는 도시하지 않았으나, 전자 장치(100)는 구동부를 구비할 수 있다. 여기서, 구동부는 모터 등을 구비하여 인간의 팔과 같은 다관절 로봇을 의미하며, 구동부의 말단에는 초음파 센서(110), 전자파 센서(120) 및 촉각 센서(150)가 배치될 수 있다.
이어서, 프로세서(140)는 구동부를 제어하여 초음파 센서(110), 전자파 센서(120) 및 촉각 센서(150)를 의류(10)에 근접하게 위치시키거나, 의류(10)와 물리적으로 접촉시킬 수 있다.
본 개시의 일 실시 예에 따른 통신부(160)는 외부 장치와 다양한 데이터를 송수신한다. 예를 들어, 통신부(160)는 AP 기반의 Wi-Fi(와이파이, Wireless LAN 네트워크), 블루투스(Bluetooth), 지그비(Zigbee), 유/무선 LAN(Local Area Network), WAN(Wide Area Network), 이더넷(Ethernet), IEEE 1394, HDMI(High-Definition Multimedia Interface), USB(Universal Serial Bus), MHL(Mobile High-Definition Link), AES/EBU(Audio Engineering Society/ European Broadcasting Union), 옵티컬(Optical), 코액셜(Coaxial) 등과 같은 통신 방식을 통해 외부 장치(예를 들어, 의류 관련 디바이스), 외부 저장 매체(예를 들어, USB 메모리), 외부 서버(예를 들어 웹 하드) 등으로부터 다양한 데이터를 입력받을 수 있다.
상술한 바와 같이, 프로세서(140)는 의류(10)의 재질, 오염도 정보, 의류(10)의 재질에 대응되는 의류 관리 정보를 의류 관련 디바이스(예를 들어, 의류 관리기(200-1), 세탁기(200-2), 건조기(200-3), 전기 다리미(200-4)), 외부 서버(300)로 전송할 수 있다.
다른 예로, 프로세서(140)는 음향 정보, 스펙트럼 정보 등을 외부 서버(300)로 전송하며, 외부 서버(300)로부터 의류(10)의 재질, 오염도 정보, 의류 관리 정보 등을 수신할 수도 있다.
본 개시의 일 실시 예에 따른 디스플레이(160)는 LCD(liquid crystal display), OLED(organic light-emitting diode), LCoS(Liquid Crystal on Silicon), DLP(Digital Light Processing), QD(quantum dot) 디스플레이 패널, QLED(quantum dot light-emitting diodes) μLED(Micro light-emitting diodes), Mini LED 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 한편, 전자 장치(100)는 터치 센서와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 롤러블 디스플레이(rollable display), 3차원 디스플레이(3D display), 복수의 디스플레이 모듈이 물리적으로 연결된 디스플레이 등으로 구현될 수도 있다.
일 실시 예에 따른 프로세서(140)는 신경망 모델(1)을 통해 획득한 의류(10)의 재질, 오염도 정보, 오염물 제거 방법 또는 의류(10)의 재질에 대응되는 의류 관리 정보 중 적어도 하나를 디스플레이하도록 디스플레이(160)를 제어할 수 있다.
사용자 관점에서는 디스플레이(160)를 통해 제공된 오염물 제거 방법을 이용하여 의류(10) 내 오염물을 제거할 수도 있고, 의류 관리 정보를 이용하여 해당 의류(10)를 적절히 관리할 수 있다.
예를 들어, 디스플레이(160)는 프로세서(140)의 제어에 따라 오염물 일 예로, 껌을 제거하기 위해서는 ‘옷을 저온 상태로 만들어 껌을 굳힌 뒤, 껌을 긁어 내야 한다.’를 오염물 제거 방법으로 디스플레이할 수 있다. 사용자 관점에서는 껌을 제거하기 위한 방법을 별도의 디바이스를 통해 검색하는 과정 없이, 전자 장치(100)가 의류(10)에 껌이 묻었음을 식별(오염도 정보)한 뒤, 껌을 제거하기 위한 방법을 자동으로 검색하고, 검색 결과를 디스플레이(160)를 통해 제공할 수 있다.
도 12는 본 개시의 다른 실시 예에 따른 전자 장치를 설명하기 위한 도면이다.
도 12를 참조하면, 본 개시의 다른 실시 예에 따른 전자 장치(400)는 현미경(410), 전자파 센서(420), 메모리(430) 및 프로세서(440)을 포함할 수 있다.
도 1 내지 도 11을 참조하여 설명한 본 개시의 다양한 실시 예는 도 12에 도시된 전자 장치(400)의 실시 예에도 해당할 수 있음은 물론이다.
일 예로, 프로세서(440)는 현미경(410)을 통해 의류(10)의 확대 이미지를 획득하면, 확대 이미지에 기초하여 의류(10)를 구성하는 섬유에 대한 정보를 획득할 수 있다.
여기서, 현미경(410)은 일정 배율에 따라 물체의 확대상을 제공할 수 있다. 예를 들어, 현미경(410)은 구동부(미도시) 또는 사용자에 의한 이동에 따라 의류(10)에 근접하게 위치할 수 있으며, 현미경(410)은 의류(10)의 표면의 확대상, 확대 이미지를 제공할 수 있다. 일 예로, 현미경(410)는 현미경(410)에 구비된 렌즈의 배율에 따라 의류(10)의 표면이 1배에서 500배 혹은 그 이상의 배율로 확대된 이미지를 프로세서(440)로 제공할 수 있다. 현미경(410)은 사용자의 촬영 명령에 따라 의류(10)의 표면을 촬영하여 확대 이미지를 획득할 수도 있고, 의류(10)의 표면과 일정 거리 내로 근접하면 자동으로 의류(10)의 표면을 촬영하여 확대 이미지를 획득할 수도 있다.
또한, 도 2에서 설명한 바와 같이 프로세서(440)는 전자파 센서(420)로부터 수신된 전자파에 기초하여 스펙트럼 정보를 획득할 수 있다.
이어서, 프로세서(440)는 확대 이미지에 기초하여 획득된 섬유에 대한 정보 및 스펙트럼 정보를 신경망 모델(1)에 입력하여 의류(10)의 재질 정보 및 오염도 정보를 획득할 수 있다.
여기서, 신경망 모델(1)은 섬유에 대한 정보와 스펙트럼 정보에 기초하여 의류(10) 내 오염물의 위치, 상태, 성분, 면적 또는 색상 중 적어도 하나를 포함하는 오염도 정보, 의류(10)의 재질을 출력하도록 학습된 모델일 수 있다.
여기서, 확대 이미지에 기초하여 획득된 섬유에 대한 정보는 의류(10)의 섬유 실의 형상, 표면, 굵기, 직조 패턴, 색깔, 마모도 등을 포함하며, 확대 이미지의 확대 배율은 현미경(410)에 구비된 렌즈의 성능(예를 들어, 배율, 초점 거리 등)에 비례할 수 있다.
이에 대한 구체적인 설명은 도 13을 참조하여 하도록 한다.
도 13은 본 개시의 일 실시 예에 따른 섬유에 대한 정보를 설명하기 위한 도면이다.
도 13을 참조하면, 프로세서(440)는 의류(10)를 일정 배율로 확대하여 촬영한 이미지에 기초하여 의류(10)를 구성하는 섬유에 대한 정보를 획득할 수 있다. 본 개시의 일 실시 예에 따라 프로세서(440)는 섬유에 대한 정보에 포함된 섬유 실의 형상, 실의 표면, 실의 굵기에 기초하여 의류(10)의 재질(예를 들어, 면, 마, 모, 견, 합성 섬유, 데님, 모피, 가죽, 스웨이드 등), 혼용률(예를 들어, 면 70%, 아크릴 30% 등)을 식별할 수 있다.
또한, 프로세서(440)는 확대 이미지에 기초하여 오염물의 종류를 식별할 수 있다. 여기서, 오염물의 종류는 수용성(예를 들어, 수성펜, 와인, 커피 등), 유용성(예를 들어, 화장품, 유성펜, 페인트 등), 단백질성 오염물(예를 들어, 혈액, 초콜릿 등), 고체 오염물(예를 들어, 미세먼지, 흙, 시멘트 등)을 포함할 수 있다.
또한, 프로세서(440)는 확대 이미지에 기초하여 섬유 실의 특성(예를 들어, 절단 여부, 올 풀림 여부, 탈색 정도 등)을 식별할 수 있고, 의류(10)의 손상도, 견뢰도 등을 식별할 수도 있다.
상술한 예시에서는 프로세서(440)가 확대 이미지에 기초하여 의류(10)의 재질, 오염물의 종류, 실의 특성 등을 식별하는 것으로 설명하였으나, 이에 한정되지 않음은 물론이다. 도 13에 도시된 바와 같이 프로세서(440)는 확대 이미지로부터 획득한 섬유에 대한 정보, 전자파 센서(420)로부터 획득한 분광 스펙트럼 정보를 신경망 모델(1)에 입력하고, 신경망 모델(1)은 재질 정보, 오염도 정보 등을 출력할 수도 있음은 물론이다.
프로세서(440)가 재질 정보, 오염도 정보를 획득함에 따라 도 1 내지 도 11의 도면을 참조하여 설명한 본 개시의 다양한 실시 예를 전자 장치(400)가 수행할 수도 있음은 물론이다.
도 14는 본 개시의 다른 실시 예에 따른 전자 장치를 설명하기 위한 도면이다.
도 14를 참조하면, 본 개시의 또 다른 실시 예에 따른 전자 장치(500)는 하이퍼 스펙트럴 카메라(510), 메모리(520) 및 프로세서(530)를 포함한다.
여기서, 하이퍼 스펙트럴 카메라(510)는 초분광 카메라로 불릴 수도 있다. 하이퍼 스펙트럴 카메라(510)는 물체의 초분광 이미지(hyperspectral image)를 출력하는 것으로서, 초분광 이미지는 각 픽셀마다 분광기로 촬영한 것과 동일, 유사한 스펙트럼을 포함할 수 있다. 일 예로, 하이퍼 스펙트럴 카메라(510)는 의류(10)를 가시광선 영역(400~700nm)과 근적외선 영역(700~1000nm) 파장대를 수백개의 구역(밴드)으로 세분하여 촬영하며, 하이퍼 스펙트럴 카메라(510)를 통해 획득한 초분광 이미지는 의류(10) 또는 의류(10) 내 오염물이 가지는 고유의 복사 파장을 포함할 수 있다.
일 실시 예에 따른 프로세서(530)는 초분광 이미지 즉, 픽셀 별 분광 스펙트럼을 신경망 모델(1)에 입력하여 의류(10)의 재질 정보, 오염물 정보를 획득할 수 있다.
이에 대한 구체적인 설명은 도 15를 참조하여 하도록 한다.
도 15는 본 개시의 일 실시 예에 따른 픽셀 별 분광 스펙트럼을 설명하기 위한 도면이다.
도 15를 참조하면, 프로세서(530)는 하이퍼 스펙트럴 카메라(510)로부터 수신된 이미지(예를 들어, 초분광 이미지에 기초하여 픽셀 별 분광 스펙트럼을 획득할 수 있다. 이어서, 프로세서(530)는 픽셀 별 분광 스펙트럼을 신경망 모델(1)에 입력하여 의류(10)의 재질 정보, 오염도 정보를 획득할 수 있다.
본 개시의 일 실시 예에 따른 신경망 모델(1)은 다양한 초분광 이미지에 기초하여 재질 및 오염도 정보를 출력하도록 학습된 모델일 수 있다.
한편, 프로세서(530)가 재질 정보, 오염도 정보를 획득함에 따라 도 1 내지 도 11의 도면을 참조하여 설명한 본 개시의 다양한 실시 예를 전자 장치(500)가 수행할 수도 있음은 물론이다.
초분광 이미지는 하나의 의류(10)만을 촬영하여 획득한 이미지일 수도 있고, 복수의 의류를 동시에 촬영하여 획득한 이미지일 수도 있다. 일 실시 예에 따라 초분광 이미지가 복수의 의류를 동시에 촬영하여 획득한 이미지이면, 프로세서(530)는 복수의 의류 각각의 재질 정보 및 오염도 정보를 획득할 수도 있음은 물론이다.
도 16은 본 개시의 일 실시 예에 따른 전자 장치를 활용 예를 설명하기 위한 도면이다.
도 16을 참조하면, 전자 장치(100)는 댁 내에서 활용될 수도 있으며, 세탁소와 같은 의류 관리 업, 의류 생산 공장 등에서 활용될 수도 있음은 물론이다.
예를 들어, 전자 장치(100)는 드론의 하부, 다관절 로봇의 말단부, 또는 공장 내 컨베이어 벨트의 상부에 구비되어 복수의 의류 각각의 재질 정보 및 오염도 정보를 획득할 수도 있음은 물론이다.
일 예로, 전자 장치(100)는 컨베이어 벨트 상에서 이동하는 복수의 의류에 순차적으로 초음파 및 전자파를 조사하며, 수신된 초음파 및 전자파에 기초하여 복수의 의류 각각의 재질 정보 및 오염도 정보를 획득할 수 있다.
일 실시 예에 따라 외부 장치 또는 공장 내 관리자는 재질 정보 및 오염도 정보 중 적어도 하나에 기초하여 복수의 의류를 분류할 수 있다.
일 예로, 외부 장치는 전자 장치(100)로부터 수신된 복수의 의류 각각의 재질 정보에 기초하여 복수의 의류를 동일한 재질 별로 분류할 수 있으며, 오염도 정보에 기초하여 복수의 의류를 동일, 유사 종류의 오염물 별로 분류할 수도 있다. 예를 들어, 외부 장치는 복수의 의류를 수용성 오염물에 오염된 의류, 지용성 오염물에 오염된 의류, 단백질성 오염물에 오염된 의류 별로 분류할 수 있다.
여기서, 외부 장치와 전자 장치(100)는 서로 다른 장치로 구현될 수도 있고, 하나의 장치로 구현될 수도 있음은 물론이다.
도 17은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
본 개시의 일 실시 예에 따른 전자 장치의 제어 방법에 따르면, 우선, 의류 방향으로 초음파를 조사한다(S1710). 이어서, 의류에 의해 반사된 초음파가 수신되면, 수신된 초음파에 기초하여 음향 정보를 획득한다(S1720).
이어서, 의류 방향으로 전자파를 조사한다(S1730). 의류에 의해 반사된 전자파가 수신되면, 수신된 전자파에 기초하여 스펙트럼 정보를 획득한다(S1740).
이어서, 음향 정보 및 스펙트럼 정보를 신경망 모델에 입력하여 의류의 오염도 정보를 획득한다(S1750).
여기서, 의류의 오염도 정보는, 오염물의 위치, 오염물의 상태, 오염물의 성분, 또는 오염물의 면적, 오염물의 색상 중 적어도 하나를 포함하며, 오염물의 상태는, 고체 상태 또는 액체 상태 중 적어도 하나를 포함하며, 오염물의 성분은, 수용성, 지용성 또는 복합성 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따른 제어 방법은, 의류의 오염도 정보에 기초하여 오염물을 제거하기 위한 클리너(Cleaner) 정보를 획득하는 단계를 더 포함하며, 클리너 정보는, 지용성 클리너, 수용성 클리너 및 복합성 클리너 각각의 혼용 비율을 포함할 수 있다.
본 개시의 일 실시 예에 따른 제어 방법은, 의류의 오염도 정보를 외부 서버로 전송하는 단계 및 외부 서버로부터 오염도 정보에 대응되는 오염물 제거 방법에 대한 정보가 수신되면, 수신된 정보를 제공하는 단계를 더 포함할 수 있다.
본 개시의 일 실시 예에 따른 제어 방법은, 음향 정보 및 스펙트럼 정보를 신경망 모델에 입력하여 의류의 재질 정보를 획득하는 단계를 더 포함하며, 재질 정보는, 면, 울(Wool), 퍼(Fur), 모, 나일론, 폴리에스테르, 가죽 또는 데님 중 적어도 하나를 포함할 수 있다.
여기서, 제어 방법은, 오염도 정보 및 재질 정보에 기초하여 의류의 재질에 대응되는 클리너 정보를 획득하는 단계를 더 포함하며, 클리너 정보는, 지용성 클리너, 수용성 클리너 및 복합성 클리너 각각의 혼용 비율을 포함할 수 있다.
여기서, 제어 방법은, 오염도 정보, 재질 정보 또는 클리너 정보 중 적어도 하나를 외부 장치로 전송하는 단계를 더 포함하며, 외부 장치는, 의류 관리기, 세탁기, 건조기 또는 전기다리미 중 적어도 하나를 포함할 수 있다.
또한, 일 실시 예에 따른 전자 장치는, 복수의 재질 각각에 대응되는 의류 관리 정보를 저장하며, 제어 방법은 복수의 의류 관리 정보 중 의류의 재질에 대응되는 의류 관리 정보를 획득하는 단계 및 획득된 의류 관리 정보를 제공하는 단계를 더 포함할 수 있다.
다만, 본 개시의 다양한 실시 예들은 전자 장치 뿐 아니라, 센서를 구비하여 센싱 값을 획득 가능한 모든 전자 장치에 적용될 수 있음은 물론이다.
한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 동작을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 전자 장치의 프로세싱 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium) 에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 전자 장치에서의 처리 동작을 특정 기기가 수행하도록 한다.
비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
100: 전자 장치 110: 초음파 센서
120: 전자파 센서 130: 메모리
140: 프로세서

Claims (20)

  1. 초음파 센서;
    전자파 센서;
    적어도 하나의 명령어를 저장하는 메모리; 및
    상기 메모리와 전기적으로 연결된 프로세서;를 포함하고,
    상기 프로세서는,
    의류 방향으로 초음파를 조사하도록 상기 초음파 센서를 제어하고,
    상기 의류에 의해 반사된 초음파가 상기 초음파 센서를 통해 수신되면, 상기 수신된 초음파에 기초하여 음향 정보를 획득하고,
    상기 의류 방향으로 전자파를 조사하도록 상기 전자파 센서를 제어하고,
    상기 의류에 의해 반사된 전자파가 상기 전자파 센서를 통해 수신되면, 상기 수신된 전자파에 기초하여 스펙트럼 정보를 획득하며,
    상기 음향 정보 및 상기 스펙트럼 정보를 신경망 모델에 입력하여 상기 의류의 오염도 정보를 획득하는, 전자 장치.
  2. 제1항에 있어서,
    상기 의류의 오염도 정보는,
    오염물의 위치, 상기 오염물의 상태, 상기 오염물의 성분, 또는 상기 오염물의 면적, 상기 오염물의 색상 중 적어도 하나를 포함하며,
    상기 오염물의 상태는,
    고체 상태 또는 액체 상태 중 적어도 하나를 포함하며,
    상기 오염물의 성분은,
    수용성, 지용성 또는 복합성 중 적어도 하나를 포함하는, 전자 장치.
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 의류의 오염도 정보에 기초하여 오염물을 제거하기 위한 클리너(Cleaner) 정보를 획득하고,
    상기 클리너 정보는,
    지용성 클리너, 수용성 클리너 및 복합성 클리너 각각의 혼용 비율을 포함하는, 전자 장치.
  4. 제1항에 있어서,
    통신부; 및
    디스플레이;를 더 포함하며,
    상기 프로세서는,
    상기 의류의 오염도 정보를 상기 통신부를 통해 외부 서버로 전송하며,
    상기 외부 서버로부터 상기 오염도 정보에 대응되는 오염물 제거 방법에 대한 정보가 수신되면, 상기 수신된 정보를 제공하도록 상기 디스플레이를 제어하는, 전자 장치.
  5. 제1항에 있어서,
    상기 프로세서는,
    상기 음향 정보 및 상기 스펙트럼 정보를 상기 신경망 모델에 입력하여 상기 의류의 재질 정보를 획득하며,
    상기 재질 정보는,
    면, 울(Wool), 퍼(Fur), 모, 나일론, 폴리에스테르, 가죽 또는 데님 중 적어도 하나를 포함하는, 전자 장치.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 오염도 정보 및 상기 재질 정보에 기초하여 상기 의류의 재질에 대응되는 클리너 정보를 획득하고,
    상기 클리너 정보는,
    지용성 클리너, 수용성 클리너 및 복합성 클리너 각각의 혼용 비율을 포함하는, 전자 장치.
  7. 제6항에 있어서,
    통신부;를 더 포함하며,
    상기 프로세서는,
    상기 오염도 정보, 상기 재질 정보 또는 상기 클리너 정보 중 적어도 하나를 외부 장치로 전송하도록 상기 통신부를 제어하고,
    상기 외부 장치는,
    의류 관리기, 세탁기, 건조기 또는 전기다리미 중 적어도 하나를 포함하는, 전자 장치.
  8. 제5항에 있어서,
    디스플레이;를 더 포함하며,
    상기 메모리는,
    복수의 재질 각각에 대응되는 의류 관리 정보를 저장하며,
    상기 프로세서는,
    상기 복수의 의류 관리 정보 중 상기 의류의 재질에 대응되는 의류 관리 정보를 획득하며,
    상기 획득된 의류 관리 정보를 상기 디스플레이를 통해 제공하는, 전자 장치.
  9. 제1항에 있어서,
    촉각 센서;를 더 포함하며,
    상기 프로세서는,
    상기 촉각 센서를 통해 획득된 마찰 계수, 상기 음향 정보 및 상기 스펙트럼 정보를 상기 신경망 모델이 입력하여 상기 오염도 정보를 획득하는, 전자 장치.
  10. 현미경;
    전자파 센서;
    적어도 하나의 명령어를 저장하는 메모리; 및
    상기 메모리와 전기적으로 연결된 프로세서;를 포함하고,
    상기 프로세서는,
    상기 현미경을 통해 상기 의류의 확대 이미지를 획득하면, 상기 수신된 확대 이미지에 기초하여 상기 의류를 구성하는 섬유에 대한 정보를 획득하고,
    상기 의류에 의해 반사된 상기 전자파가 상기 전자파 센서를 통해 수신되면, 상기 수신된 전자파에 기초하여 스펙트럼 정보를 획득하며,
    상기 섬유에 대한 정보 및 상기 스펙트럼 정보를 신경망 모델에 입력하여 상기 의류의 재질 정보 및 오염도 정보를 획득하는, 전자 장치.
  11. 제10항에 있어서,
    상기 프로세서는,
    상기 섬유에 대한 정보 및 상기 재질 정보에 기초하여 상기 의류에 대응되는 의류 관리 정보를 획득하는, 전자 장치.
  12. 하이퍼 스펙트럴 카메라(Hyperspectral camera);
    적어도 하나의 명령어를 저장하는 메모리; 및
    상기 메모리와 전기적으로 연결된 프로세서;를 포함하고,
    상기 프로세서는,
    의류를 촬영하도록 상기 하이퍼 스펙트럴 카메라를 제어하고,
    상기 의류를 촬영한 이미지가 상기 하이퍼 스펙트럴 카메라로부터 수신되면, 상기 수신된 이미지에 기초하여 픽셀 별 분광 스펙트럼을 획득하며,
    상기 픽셀 별 분광 스펙트럼을 신경망 모델에 입력하여 상기 의류의 오염도 정보를 획득하는, 전자 장치.
  13. 전자 장치의 제어 방법에 있어서,
    의류 방향으로 초음파를 조사하는 단계;
    상기 의류에 의해 반사된 초음파가 수신되면, 상기 수신된 초음파에 기초하여 음향 정보를 획득하는 단계;
    상기 의류 방향으로 전자파를 조사하는 단계;
    상기 의류에 의해 반사된 전자파가 수신되면, 상기 수신된 전자파에 기초하여 스펙트럼 정보를 획득하는 단계; 및
    상기 음향 정보 및 상기 스펙트럼 정보를 신경망 모델에 입력하여 상기 의류의 오염도 정보를 획득하는 단계;를 포함하는 제어 방법.
  14. 제13항에 있어서,
    상기 의류의 오염도 정보는,
    오염물의 위치, 상기 오염물의 상태, 상기 오염물의 성분, 또는 상기 오염물의 면적, 상기 오염물의 색상 중 적어도 하나를 포함하며,
    상기 오염물의 상태는,
    고체 상태 또는 액체 상태 중 적어도 하나를 포함하며,
    상기 오염물의 성분은,
    수용성, 지용성 또는 복합성 중 적어도 하나를 포함하는, 전자 장치.
  15. 제13항에 있어서,
    상기 의류의 오염도 정보에 기초하여 오염물을 제거하기 위한 클리너(Cleaner) 정보를 획득하는 단계;를 더 포함하며,
    상기 클리너 정보는,
    지용성 클리너, 수용성 클리너 및 복합성 클리너 각각의 혼용 비율을 포함하는, 제어 방법.
  16. 제13항에 있어서,
    상기 의류의 오염도 정보를 외부 서버로 전송하는 단계; 및
    상기 외부 서버로부터 상기 오염도 정보에 대응되는 오염물 제거 방법에 대한 정보가 수신되면, 상기 수신된 정보를 제공하는 단계;를 더 포함하는, 제어 방법.
  17. 제13항에 있어서,
    상기 음향 정보 및 상기 스펙트럼 정보를 상기 신경망 모델에 입력하여 상기 의류의 재질 정보를 획득하는 단계;를 더 포함하며,
    상기 재질 정보는,
    면, 울(Wool), 퍼(Fur), 모, 나일론, 폴리에스테르, 가죽 또는 데님 중 적어도 하나를 포함하는, 제어 방법.
  18. 제17항에 있어서,
    상기 오염도 정보 및 상기 재질 정보에 기초하여 상기 의류의 재질에 대응되는 클리너 정보를 획득하는 단계;를 더 포함하며,
    상기 클리너 정보는,
    지용성 클리너, 수용성 클리너 및 복합성 클리너 각각의 혼용 비율을 포함하는, 제어 방법.
  19. 제18항에 있어서,
    상기 오염도 정보, 상기 재질 정보 또는 상기 클리너 정보 중 적어도 하나를 외부 장치로 전송하는 단계;를 더 포함하며,
    상기 외부 장치는,
    의류 관리기, 세탁기, 건조기 또는 전기다리미 중 적어도 하나를 포함하는, 제어 방법.
  20. 제17항에 있어서,
    상기 전자 장치는, 복수의 재질 각각에 대응되는 의류 관리 정보를 저장하며,
    상기 복수의 의류 관리 정보 중 상기 의류의 재질에 대응되는 의류 관리 정보를 획득하는 단계; 및
    상기 획득된 의류 관리 정보를 제공하는 단계;를 더 포함하는, 제어 방법.
KR1020200188365A 2020-12-30 2020-12-30 전자 장치 및 그 제어 방법 KR20220096158A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200188365A KR20220096158A (ko) 2020-12-30 2020-12-30 전자 장치 및 그 제어 방법
PCT/KR2021/019841 WO2022145896A1 (ko) 2020-12-30 2021-12-24 전자 장치 및 그 제어 방법
US18/343,375 US20230333059A1 (en) 2020-12-30 2023-06-28 Electronic device and control method therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200188365A KR20220096158A (ko) 2020-12-30 2020-12-30 전자 장치 및 그 제어 방법

Publications (1)

Publication Number Publication Date
KR20220096158A true KR20220096158A (ko) 2022-07-07

Family

ID=82259483

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200188365A KR20220096158A (ko) 2020-12-30 2020-12-30 전자 장치 및 그 제어 방법

Country Status (3)

Country Link
US (1) US20230333059A1 (ko)
KR (1) KR20220096158A (ko)
WO (1) WO2022145896A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19961459A1 (de) * 1999-12-20 2001-07-12 Bsh Bosch Siemens Hausgeraete Gerät zur Behandlung von Textilien mit einer Auswerteschaltung zur Erkennung der Textilart und/oder der Feuchte eines Wäschestücks
EP3485274B1 (de) * 2016-07-15 2024-04-24 Henkel AG & Co. KGaA Verfahren zur ermittlung von behandlungsparametern einer textilie über strukturinformation
WO2018228861A1 (de) * 2017-06-12 2018-12-20 Henkel Ag & Co. Kgaa Verfahren und vorrichtung zur ermittlung eines behandlungsparameters einer textilie anhand der verunreinigungszusammensetzung und textileigenschaft
KR102071021B1 (ko) * 2018-11-19 2020-01-30 인천대학교 산학협력단 스마트 세탁기 및 이를 이용한 세탁물의 이물질을 구분하는 방법
KR20190104485A (ko) * 2019-08-21 2019-09-10 엘지전자 주식회사 옷감 식별 방법, 장치 및 시스템

Also Published As

Publication number Publication date
US20230333059A1 (en) 2023-10-19
WO2022145896A1 (ko) 2022-07-07

Similar Documents

Publication Publication Date Title
JP6861628B2 (ja) 眼の不快感を軽減させるディスプレイ
Niemeijer et al. Image structure clustering for image quality verification of color retina images in diabetic retinopathy screening
US9674447B2 (en) Apparatus and method for adaptive computer-aided diagnosis
US8342687B2 (en) Eye-tracking using a GPU
ES2620762T3 (es) Gestión de potencia en un sistema de rastreo ocular
KR102620642B1 (ko) 불순물 조성 및 직물 특성을 이용하여 직물의 처리 매개변수를 확인하기 위한 방법 및 디바이스
Solís-Pérez et al. Blood vessel detection based on fractional Hessian matrix with non-singular Mittag–Leffler Gaussian kernel
CN106868792A (zh) 基于图像内容搜索引擎的衣物处理方法和装置
Figueiredo et al. Computer-assisted bleeding detection in wireless capsule endoscopy images
CN108073942A (zh) 执行材料识别和用于材料识别的训练的方法和设备
CN104463782B (zh) 图像处理方法、装置和电子设备
CN108184286A (zh) 灯具的控制方法和控制系统以及电子设备
KR20220142465A (ko) 레이저 스펙클 신호들을 처리하기 위한 시스템들 및 방법들
KR20220096158A (ko) 전자 장치 및 그 제어 방법
CN111273581A (zh) 一种智能衣柜的控制方法及相关产品
Rokhade et al. Smart sericulture system based on IoT and image processing technique
US20220004198A1 (en) Electronic device and control method therefor
US20230272569A1 (en) Clothing management apparatus and method for controlling thereof
US20220292880A1 (en) Information processor
KR20220105782A (ko) 전자 장치 및 그 제어 방법
CN108235831A (zh) 灯具的控制方法和控制系统以及电子设备
Zhou et al. Nighttime in-home action monitoring for eldercare
KR20210092071A (ko) 전자 장치 및 그 제어 방법
Madhusanka et al. Attention-aware recognition of activities of daily living based on eye gaze tracking
KR20200088682A (ko) 전자 장치 및 이의 제어 방법