KR20230047883A - 수질 정화용 이동형 dof 로봇의 ai 군집 제어 방법 및 장치 - Google Patents
수질 정화용 이동형 dof 로봇의 ai 군집 제어 방법 및 장치 Download PDFInfo
- Publication number
- KR20230047883A KR20230047883A KR1020220066206A KR20220066206A KR20230047883A KR 20230047883 A KR20230047883 A KR 20230047883A KR 1020220066206 A KR1020220066206 A KR 1020220066206A KR 20220066206 A KR20220066206 A KR 20220066206A KR 20230047883 A KR20230047883 A KR 20230047883A
- Authority
- KR
- South Korea
- Prior art keywords
- water quality
- dof robot
- information
- mobile
- control signal
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 150
- 238000000746 purification Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000003062 neural network model Methods 0.000 claims abstract description 24
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 7
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 17
- 230000005672 electromagnetic field Effects 0.000 claims description 5
- 230000033116 oxidation-reduction process Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 3
- 230000001965 increasing effect Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 239000000126 substance Substances 0.000 description 11
- 238000009303 advanced oxidation process reaction Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 244000000010 microbial pathogen Species 0.000 description 7
- 241000195628 Chlorophyta Species 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 241000195493 Cryptophyta Species 0.000 description 4
- 239000000356 contaminant Substances 0.000 description 4
- 238000005188 flotation Methods 0.000 description 4
- 235000019645 odor Nutrition 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001954 sterilising effect Effects 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 238000004659 sterilization and disinfection Methods 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 2
- 239000003183 carcinogenic agent Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000013626 chemical specie Substances 0.000 description 2
- 231100000481 chemical toxicant Toxicity 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 229910052801 chlorine Inorganic materials 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000009300 dissolved air flotation Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 230000002779 inactivation Effects 0.000 description 2
- 239000003317 industrial substance Substances 0.000 description 2
- 239000010842 industrial wastewater Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000010802 sludge Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000003440 toxic substance Substances 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- 241000233866 Fungi Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 231100000507 endocrine disrupting Toxicity 0.000 description 1
- 239000000598 endocrine disruptor Substances 0.000 description 1
- 231100000049 endocrine disruptor Toxicity 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009605 growth rhythm Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010841 municipal wastewater Substances 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 239000012495 reaction gas Substances 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 108700012359 toxins Proteins 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
- G05D1/0027—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement involving a plurality of vehicles, e.g. fleet or convoy travelling
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/24—Treatment of water, waste water, or sewage by flotation
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/34—Treatment of water, waste water, or sewage with mechanical oscillations
- C02F1/36—Treatment of water, waste water, or sewage with mechanical oscillations ultrasonic vibrations
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/40—Devices for separating or removing fatty or oily substances or similar floating material
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/46—Treatment of water, waste water, or sewage by electrochemical methods
- C02F1/4608—Treatment of water, waste water, or sewage by electrochemical methods using electrical discharges
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/48—Treatment of water, waste water, or sewage with magnetic or electric fields
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/72—Treatment of water, waste water, or sewage by oxidation
- C02F1/78—Treatment of water, waste water, or sewage by oxidation with ozone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2201/00—Apparatus for treatment of water, waste water or sewage
- C02F2201/008—Mobile apparatus and plants, e.g. mounted on a vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Organic Chemistry (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Electrochemistry (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Analytical Chemistry (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physical Water Treatments (AREA)
Abstract
수질 정화용 이동형 DOF 로봇을 인공지능 기반으로 군집 제어하는 장치에 관한 것이며, 수질 정화용 이동형 DOF 로봇 AI 군집 제어 장치에 있어서, 드론으로부터 수집된 이미지 수질 정보를 획득하는 획득부, 사전 학습된 신경망 모델을 활용하여 상기 획득된 이미지 수질 정보를 분석하는 분석부 및 분석 결과를 기반으로 DOF 로봇을 제어하기 위한 제어 신호를 생성하는 제어부를 포함할 수 있다.
Description
본원은 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법 및 장치에 관한 것이다.
초고온 상태에서 만들어진 플라즈마는 가스 온도가 높지 않으면서 완전하게 해리된 분자, 불완전하게 이온화된 분자상태로 반응성이 높은 화학종(레디컬)들이 생긴다. 오존은 산소를 기반으로 플라즈마 상태에서 발생된 화학종의 반응에 의해 생긴 활성종의 하나이다. 이러한 오존은 살균 및 산화력이 강하며 물질을 산화 또는 살균을 진행하고 반응 이후 환원되어 산소로 돌아가므로 친환경적이다.
또한, 마이크로 플라즈마 기술의 핵심은 두 방전공간을 마이크로 크기로 최소화하여 항복전압을 낮추고 마이크로 패턴을 이용하여 전자기장을 집중시켜 상압에서 마이크로 방전을 유도하고 플라즈마를 글로우 방전으로 발생시키는 것이다. 이로 인해 전자 밀도(Electron density)를 높일 수 있고, 극소형 플라즈마를 발생시키므로 전력량 사용을 줄이며 그로 인해 그 효율을 높일 수 있는 것이 가장 큰 장점이다. 이 원리를 사용하여 반응가스로 산소 및 공기를 주입할 경우 그 활성종으로 오존을 발생시키고 발생한 오존을 활용하여 병해충 제거와 악취물질 분해, 유해균 살균 등등의 다양한 목적으로 사용할 수 있다.
한편, 중형 또는 대형 저수지의 경우 이동형 DOF 로봇 및 이의 군집 제어 기술을 이용하여 효율적인 수처리가 가능하다. DGF(Dissolved Gas Floating) 또는 DAF(Dissolved AIr Floating) 시스템은 전 세계적으로 다양한 응용 분야에 사용된다. 이 공정은 고체, 오일 및 기타 오염 물질을 액체 표면으로 띄우고 물리적으로 분리된 오염 물질을 제거 제거함. 석유 및 가스 생산 시설은 수년 동안 생산 및 처리된 물(폐수)에서 기름과 고형물을 제거하기 위해 DGF 시스템을 사용한다. DOF (Dissolved Ozone Flotation) 기술은 DGF 기술에 더 나은 살균 및 수처리결과를 얻기 위해 공기 대신 오존에 의한 공급 가스의 교체와 함께 용존 공기 부양법에 적용하여 오존의 높은 살균성과 분해성을 적용하여 높은 효율을 얻어내는 고도 기술이다. DOF 방법을 적용할 시 오존에 의한 수질 향상과 및 미세 오염 물질 제거에 매우 효과적이다. 또한 DOF 방법은 산업 폐수, 파쇄 유체, 조류가 포함된 물의 전처리 또는 도시 폐수 처리 공장의 폐수 및 과잉 슬러지의 최종 분리에 다양하게 적용될 수 있다.
본원의 배경이 되는 기술은 한국공개특허공보 제10-2005-0035780호에 개시되어 있다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 마이크로 플라즈마 AOP 및 초음파 비활성 기술을 기반한 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치 및 방법을 제공하려는 것을 목적으로 한다.
다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법은 드론으로부터 수집된 이미지 수질 정보를 획득하는 단계, 사전 학습된 신경망 모델을 활용하여 상기 획득된 이미지 수질 정보를 분석하는 단계; 및 분석 결과를 기반으로 DOF 로봇을 제어하기 위한 제어 신호를 생성하는 단계를 포함할 수 있다.
또한, 상기 분석하는 단계는, 외부 서버로 수집된 수질 측정 정보를 사전 학습된 신경망 모델에 입력하는 단계를 더 포함하고, 상기 제어 신호를 생성하는 단계는, 상기 사전 학습된 신경망 모델을 활용하여, 상기 이미지 수질 정보 및 상기 수질 측정 정보에 대응하는 제어 신호를 생성하는 단계를 포함할 수 있다.
또한, 상기 분석하는 단계는, 상기 이미지 수질 정보 및 수질 측정 정보를 사전 학습된 신경망 모델에 적용하여 수질의 온도, 산화환원전위(ORP), 탁도 및 용해 오존 농도 중 적어도 하나의 상태 정보를 분석할 수 있다.
또한, 수질 상태를 모니터링하기 위한 모니터링 단계를 더 포함하되, 상기 제어 신호를 생성하는 단계는, 상기 분석 결과 복수의 수질 상태 정보 중 제 1 수질 상태 정보가 미리 설정된 조건을 만족하지 못하는 분석 결과에 대응하여 제 1 제어 신호를 생성하고, 상기 모니터링 단계는, 상기 제 1 제어 신호에 의해 DOF 로봇이 구동된 소정의 시간 이후 수집된 상기 이미지 수질 정보 및 수질 측정 정보를 기반으로 모니터링을 수행할 수 있다.
또한, 상기 DOF 로봇은, DOF 로봇이 위치한 수질의 상태를 측정하기 위한 수질 센서, 상기 생성된 제어 신호에 의해 DOF 로봇의 구동을 제어하는 제어부 및 마이크로 패턴을 이용하여 전자기장을 집중시켜 상압에서 마이크로 방전을 유도하고 플라즈마를 글로우 방전으로 발생시키는 마이크로 플라즈마 발생기 중 적어도 하나를 포함할 수 있다.
본원의 일 실시예에 따르면, 수질 정화용 이동형 DOF 로봇을 인공지능 기반으로 군집 제어하는 장치에 있어서, 드론으로부터 수집된 이미지 수질 정보를 획득하는 획득부, 사전 학습된 신경망 모델을 활용하여 상기 획득된 이미지 수질 정보를 분석하는 분석부 및 분석 결과를 기반으로 DOF 로봇을 제어하기 위한 제어 신호를 생성하는 제어부를 포함할 수 있다.
본원의 일 실시예에 따르면, 수질 정화용 이동형 DOF 로봇을 인공지능 기반으로 군집 제어하는 시스템에 있어서, 사전 학습된 신경망 모델을 활용하여 드론으로부터 획득된 이미지 수질 정보를 분석하여 DOF 로봇을 제어하기 위한 제어 신호를 생성하는 장치 및 상기 장치로부터 제공받은 제어 신호를 기반으로 구동하여 수처리를 수행하는 DOF 로봇을 포함하되, 상기 장치는, 상기 드론으로부터 수집된 이미지 수질 정보를 획득하는 획득부, 상기 사전 학습된 신경망 모델을 활용하여 상기 획득된 이미지 수질 정보를 분석하는 분석부 및 분석 결과를 기반으로 상기 DOF 로봇을 제어하기 위한 제어 신호를 생성하는 제어부를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 중형 또는 대형 저수지에 군집 로봇 제어를 통한 효율적이 수처리가 가능하고, 유속 및 유량을 측정하는 수질 측정 센서 미 드론을 활용한 이미지 프로세싱을 기반으로 정확한 수질 오염 상태 및 오염 농도 변화를 측정하여 수처리 로봇 제어에 효율성을 높일 수 있는 효과가 있다.
다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.
도 1은 본원의 일 실시예에 따른 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 시스템의 개략적인 구성도이다.
도 2는 본원의 일 실시예에 따른 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치의 개략적인 블록도이다.
도 3은 본원의 일 실시예에 따른 DOF 로봇의 개략적인 도면이다.
도 4는 본원의 일 실시예에 따른 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법에 대한 개략적인 흐름도이다.
도 2는 본원의 일 실시예에 따른 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치의 개략적인 블록도이다.
도 3은 본원의 일 실시예에 따른 DOF 로봇의 개략적인 도면이다.
도 4는 본원의 일 실시예에 따른 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법에 대한 개략적인 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 “간접적으로 연결”되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
본원은 마이크로 플라즈마 AOP 및 초음파 비활성 기술을 기반한 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법에 관한 것으로, 중형 또는 대형 저수지, 댐, 강, 호수 및 바다 등의 수질을 대상으로 군집 로봇 제어를 통해 효율적인 수처리가 가능하고, 유속, 유량 및 수질을 측정하는 센서와 드론을 활용하여 이미지 프로세스를 진행함으로써 정확한 수질 오염 상태 및 오염 농도 변화를 측정하여 수처리 로봇 제어에 효율성을 높일 수 있다.
이하에서는 설명의 편의상 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 시스템(1)을 본 시스템(1)이라 하고, 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치(20)를 본 장치(20)라 하기로 한다. 또한, 설명의 편의상 수질 정화용 이동형 DOF 로봇(30)을 로봇(30)이라 하기로 한다.
도 1은 본원의 일 실시예에 따른 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 시스템의 개략적인 구성도이다.
도 1을 참조하면, 본원의 일 실시예에 따른 본 시스템(1)은 드론(10), 본 장치(20) 및 로봇(30)을 포함할 수 있고, 드론(10), 본 장치(20) 및 로봇(30)은 네트워크를 통해 각종 통신 신호를 송수신할 수 있다.
본원의 일 실시예에 따른 시스템(1)은 수질 정화용 이동형 DOF 로봇(30)을 인공지능 기반으로 군집 제어하기 위해, 사전 학습된 신경망 모델을 활용하여 드론으로부터 획득된 이미지 수질 정보를 분석하여 DOF 로봇(30)을 제어하기 위한 제어 신호를 생성하는 장치(20) 및 장치(20)로부터 제공받은 제어 신호를 기반으로 구동하여 수처리를 수행하는 DOF 로봇(30)을 포함할 수 있다.
드론(10), 본 장치(20) 및 로봇(30) 간의 정보 공유를 위한 네트워크의 일 예로는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 유무선 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, Wifi 네트워크, NFC(Near Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함될 수 있으며, 이에 한정된 것은 아니다.
드론(10)은 본 장치(20) 또는 별도의 컨트롤러와 무선 또는 유선으로 연결되어 목적지의 위치 정보를 입력 받을 수 있다. 또한, 드론(10)은 GPS를 이용하여 현재 위치를 인식하고, 맵 데이터 베이스의 데이터를 이용하여 현재 위치로부터 목적지까지의 경로정보를 획득한 뒤 주변환경을 탐지하면서 비행할 수 있는 것으로서, 예를 들어, 무인 항공기, UAV(Unmanned Aerial Vehicle) 등을 포함할 수 있다. 또한, 드론(10)은 하나 또는 하나 이상의 복수 개를 구비함으로써 복수의 이미지 및 복수의 수질 데이터를 획득할 수 있으며, 이에 한정된 것은 아니다.
드론(10)은 수질 개선이 필요한 장소(예컨대, 중형 또는 대형 저수지, 댐, 강, 호수 및 바다 등)를 촬영하기 위한 촬영 장치를 포함할 수 있고, 드론(10)은 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치(20)로 이미지 수질 정보를 제공할 수 있다. 다시 말해, 촬영 장치를 포함하는 드론(10)은 중형 또는 대형 저수지, 댐, 강, 호수 및 바다 등의 이미지를 촬영할 수 있고, 촬영된 이미지를 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치(20)로 송신할 수 있다. 여기서 이미지 수질 정보는, 드론(10)이 촬영한 항공 이미지와 해당 이미지가 촬영된 장소의 위치 정보, 해당 위치(예컨대, 지역)의 온도 및 습도 정보, 해당 이미지 촬영시 드론(10)의 고도 정보가 포함될 수 있으며, 이에 한정된 것은 아니다.
드론(10)은 촬영 장치, 초음파 센서, 자이로 센서, 가속도 센서, 습도 센서, 풍향 센서, 온도 센서 등 복수의 센서를 포함할 수 있다. 예를 들어, 드론(10)은 초음파 센서, 광센서 등을 포함할 수 있으나, 반드시 이에 한정되는 것은 아니며 기 알려진 수질 데이터가 포함된 이미지 센서 및 향후 개발되는 이미지 센서를 포함할 수 있다. 또한, 이미지 센서는 드론 주변의 물체와 무선 통신하여 식별번호 등을 확인하는 형태의 통신센서를 포함할 수 있다.
수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치(20)는 드론(10)에서 획득한 이미지 및 수질 데이터를 기반으로 수질 정보를 분석하여 분석 결과를 기반으로 DOF 로봇(30)을 제어할 수 있다.
도 2는 본원의 일 실시예에 따른 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치의 개략적인 블록도이다.
도2를 참조하면, 본 장치(20)는 획득부(21), 분석부(220), 제어부(23) 및 모니터링부(24)를 포함할 수 있다. 본원의 일 실시예에 따르면, 장치(20)는 드론(10) 및 로봇(30)과 데이터, 각종 통신 신호를 네트워크를 통해 송수신하고, 데이터 저장 및 처리의 기능을 가지는 모든 종류의 서버, 단말 또는 디바이스를 포함할 수 있다. 본원의 다른 일 실시예에 따르면, 장치(20)는 로봇(30)에 내장되어 구비될 수 있어, 드론(10)과 데이터, 각종 통신 신호를 네트워크를 통해 송수신하고, 데이터 저장 및 처리의 기능을 가지는 모든 종류의 서버, 단말 또는 디바이스를 포함할 수 있다.
본원의 일 실시예에 따르면, 획득부(21)는 드론(10)으로부터 수집된 이미지 수질 정보를 획득할 수 있다. 획득부(21)는 드론(10)으로부터 항공에서 촬영된 이미지를 획득할 수 있다. 획득부(210)는 이미지 수질 정보를 획득하여 재구성할 수 있다. 획득부(210)는 이미지 수질 정보를 획득하여, 촬영된 이미지에 수심, 물 공급라인, 물의 흐름의 방향 등의 정보가 표시될 수 있도록 재구성할 수 있다.
본원의 일 실시예에 따르면, 분석부(22)는 사전 학습된 신경망 모델을 활용하여 드론(10)으로부터 획득된 이미지 수질 정보를 분석할 수 있다.
본원의 일 실시예에 따르면, 분석부(22)는 외부 서버로 수집된 수질 측정 정보를 사전 학습된 신경망 모델이 입력할 수 있다. 여기서, 수질 측정 정보는, 외부 서버(예컨대, 하천, 저수지) 등에 구비된 센서로부터 획득된 정보일 수 있다. 수질 측정 정보는, 유속 및 유량 등을 측정한 정보일 수 있으며, 이에 한정된 것은 아니다.
본원의 일 실시예에 따르면, 분석부(22)는 이미지 수질 정보 및 수질 측정 정보를 사전 학습된 신경망 모델에 적용함으로써, 분석 결과를 도출할 수 있다. 분석 결과는 물의 온도, 산화환원전위(ORP), 탁도, 용해 오존 농도, 병원성 미생물 정보, 유해물질(염소, 난분해성 유기물, 산업용 화학물질, 독성 화학물, 잔류성 유기물질, 내분비 교란 물질 등) 정보, 악취(냄새) 정보, 중금속 및 발암성 물질 정보, 녹조 정보 등을 포함하는 복수의 수질 상태 정보일 수 있으며, 복수의 수질 상태 정보는 이에 한정된 것은 아니다.
본원의 일 실시예에 따르면, 분석부(22)는 사전 학습된 신경망 모델을 기반으로 이미지 수질 정보 및 수질 측정 정보를 분석할 수 있다. 일 예로, 신경 망 모델은, 컨볼루션 신경망(CNN, Convolutional Neural Network)등이 적용될 수 있으나, 이에 한정되는 것은 아니며, 기 개발되었거나 향후 개발되는 알고리즘이 적용될 수 있다.
본원의 일 실시예에 따르면, 제어부(23)는 분석 결과를 기반으로 로봇(30)을 제어하기 위한 제어 신호를 생성할 수 있다.
제어부(23)는 사전 학습된 신경망 모델을 활용하여, 이미지 수질 정보 및 수질 측정 정보에 대응하는 로봇(30)을 제어하기 위한 제어 신호를 생성할 수 있다.
분석 결과 복수의 수질 상태 정보 중 제1 수질 상태 정보가 미리 설정된 조건을 만족하지 못하는 분석 결과에 대응하여 제1 신호를 생성할 수 있다.
일 예로, 복수의 수질 정보 중 제1 수질 상태 정보인 병원성 미생물 정보가 미리 설정된 병원성 미생물 조건을 만족하지 못하는 경우, 제1 수질 상태 정보인 병원성 미생물 정보가 미리 설정된 병원성 미생물 조건을 만족하도록 로봇(30)을 구동하기 위한 제어 신호를 생성할 수 있다. 예컨대, 제어부(23)는 고도 산화공정(Advanced Oxidation Process, AOP)을 수행하도록 로봇(30)을 제어하기 위한 제어 신호를 생성할 수 있다. 여기서 고도 산화 공정(AOP)은 수처리 또는 폐수 처리에 이용되는 화학 공정으로, 오존, 자외선(UV), 하이드로프록사이드 등을 복합적으로 적용하여 반응성이 좋은 수산기 라디칼(OH-Radical)과 각종 활성종을 생성시켜 유기 오염물질들을 제거하는 화학적 산화 공정일 수 있다. 또한, 고도 산화 공정(AOP)은 후술하는 로봇(30)의 마이크로 플라즈마 발생기(33)에서 수행될 수 있다.
다른 예로, 복수의 수질 정보 중 제2 수질 상태 정보인 녹조 정보가 미리 설정된 녹조 정보 조건을 만족하지 못하는 경우, 제2 수질 상태 정보인 녹조 정보가 미리 설정된 녹조 정보 조건을 만족하도록 로봇(30)을 구동하기 위한 제어 신호를 생성할 수 있다. 예컨대, 제어부(23)는 비활성 초음파를 출력하도록 로봇(30)을 제어하기 위한 제어 신호를 생성할 수 있다. 또한, 비활성 초음파는 후술하는 로봇(30)의 비활성 초음파 발생기(34)에서 발생될 수 있다.
또 다른 예로, 복수의 수질 정보 중 제3 수질 상태 정보인 탁도 정보가 미리 설정된 탁도 정보 조건을 만족하지 못하는 경우, 제3 수질 상태 정보인 탁도 정보가 미리 설정된 탁도 정보 조건을 만족하도록 로봇(30)을 구동하기 위한 제어 신호를 생성할 수 있다. 예컨대, 제어부(23)는 오존을 생성하도록 로봇(30)을 제어하기 위한 제어 신호를 생성할 수 있다. 또한, 오존은 후술하는 로봇(30)의 DOF(Dissolved Ozone Flotation)(35)에서 발생될 수 있다.
본원의 일 실시예에 따른 모니터링부(24)는 수질의 상태를 모니터링할 수 있다. 모니터링부(24)는 제1 제어 신호에 의해 로봇(30)이 구동된 소정의 시간 후 수집된 이미지 수질 정보 및 수질 측정 정보를 기반으로 모니터링을 수행할 수 있다.
본원의 일 실시예에 다른 모니터링부(24)는 제어부(23)의 제어 신호에 따라 로봇(30)이 구동된 소정의 시간 후 이미지 수질 정보 및 수질 측정 정보를 수집함으로써, 분석 결과로 도출된 수질 상태 정보가 미리 설정된 조건을 만족하는지 여부를 판단할 수 있다.
도 3은 본원의 일 실시예에 따른 DOF 로봇의 개략적인 도면이다.
도 3을 참조하면, 본원의 일 실시예에 따른 DOF 로봇(30)은 수질 센서(31), 제어부(32), 마이크로 플라즈마 발생기(33), 비활성 초음파 발생기(34) 및 DOF(35)를 포함할 수 있다.
본원의 일 실시예에 따른 수질 센서(31)는 DOF 로봇이 위치한 수질의 상태를 측정할 수 있다. 수질 센서(31)는 DOF 로봇(30)이 위치한 수질의 상태를 측정하고, 수질의 정보를 획득할 수 있다. 여기서 수질의 정보는 물의 온도, 산화환원전위(ORP), 탁도, 용해 오존 농도, 병원성 미생물 정보, 유해물질(염소, 난분해성 유기물, 산업용 화학물질, 독성 화학물, 잔류성 유기물질, 내분비 교란 물질 등) 정보, 악취(냄새) 정보, 중금속 및 발암성 물질 정보, 녹조 정보 등을 포함할 수 있고, 이에 한정하지 않는다.
본원의 일 실시예에 따른 제어부(32)는 장치(20)에서 생성된 제어 신호에 의해 DOF 로봇의 구동을 제어할 수 있다.
본원의 일 실시예에 따른 제어부(32)는 IOT 제어부(미도시) 및 배터리부(미도시)를 포함할 수 있다. IOT 제어부는 네트워크를 통해 수신된 제어 신호에 기반하여 DOF 로봇의 구동을 제어할 수 있다. 일 예로, IOT 제어부는 네트워크로 수신된 제어 신호에 기반하여 마이크로 플라즈마 발생기(33), 비활성 초음파 발생기(34) 및 DOF(35)의 구동을 제어할 수 있다.
본원의 일 실시예에 따른 마이크로 플라즈마 발생기(33)는 마이크로 패턴을 이용하여 전자기장을 집중시켜 상압에서 마이크로 방전을 유도하고 플라즈마를 글로우 방전으로 발생시킬 수 있다.
본원의 일 실시예에 따른 마이크로 플라즈마 발생기(33)는 마이크로 패턴을 이용하여 전자기장을 집중시켜 상압에서 마이크로 방전을 유도하고 플라즈마를 글로우 방전으로 발생시킬 수 있다. 본원의 일 실시예에 따른 마이크로 플라즈마 발생기(33)는 IOT제어부에서 수신된 제어 신호에 따라 고도 산화공정(Advanced Oxidation Process, AOP), 즉 캐스트 마이크로 플라즈마 AOP 공법을 수행할 수 있다. 캐스트 마이크로 플라즈마 AOP공법은 자외선(UV) 및 오존(O₃) 을 융·복합한 OH 라디칼(Radical)을 대량으로 생성시켜, 병원성 미생물(예컨대, 세균, 곰팡이 및 바이러스 등)을 살균하고, 유해(기)물질과 악취(냄새)를 분해·제거하는 화학적 산화공정을 의미할 수 있다.
본원의 일 실시예에 따른 비활성 초음파 발생기(34)는 저전력 초음파를 방출하여 조류 세포 주위에 일정한 압력 주기를 생성하고, 조류 및 유기물의 생장리듬을 방해하는 독소를 자연적으로 분해할 수 있다. 본원의 일 실시예에 따른 비활성 초음파 발생기(34)는 IOT 제어부에서 수신된 제어 신호에 따라 저전력 초음파를 방출할 수 있다.
본원의 일 실시예에 따른 DOF(35)는 용존 오존 부양법(Dissolved Ozone Flotation)을 통해 오염 물질을 제거할 수 있다. DOF(35)는 살균 및 수처리를 위해 공기 대산 오존에 의한 공급 가스의 교체와 용존 공기 부양법을 수행함으로써 산업 폐수, 파쇄 유체, 조류가 포함된 물의 전처리와 폐수 및 과잉 슬러지의 최종 분리를 처리할 수 있다. 본원의 일 실시예에 따른 DOF(35)는 IOT 제어부에서 수신된 제어 신호에 따라 용존 오존 부양법을 수행할 수 있다.
이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.
도 4는 본원의 일 실시예에 따른 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법에 대한 동작 흐름도이다. 도 4에 도시된 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법은 앞서 설명된 컴퓨팅 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 컴퓨팅 장치(100)에 대하여 설명된 내용은 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법에 대한 설명에도 동일하게 적용될 수 있다.
상술한 설명에서, 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법은 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본원의 일 실시예에 따른 수질 정화용 이동형 DOF 로봇을 인공지능 기반으로 군집 제어하는 방법은, 드론으로부터 수집된 이미지 수질 정보를 획득하는 단계, 사전 학습된 신경망 모델을 활용하여 상기 획득된 이미지 수질 정보를 분석하는 단계 및 분석 결과를 기반으로 DOF 로봇을 제어하기 위한 제어 신호를 생성하는 단계를 포함할 수 있다.
또한, 분석하는 단계는, 외부 서버로 수집된 수질 측정 정보를 사전 학습된 신경망 모델에 입력하는 단계를 더 포함하고, 제어 신호를 생성하는 단계는, 사전 학습된 신경망 모델을 활용하여, 이미지 수질 정보 및 수질 측정 정보에 대응하는 제어 신호를 생성하는 단계를 포함할 수 있다.
또한, 분석하는 단계에서, 이미지 수질 정보 및 수질 측정 정보를 사전 학습된 신경망 모델에 적용하여 수질의 온도, 산화환원전위(ORP), 탁도 및 용해 오존 농도 중 적어도 하나의 상태 정보를 분석할 수 있다.
또한, 수질 상태를 모니터링하기 위한 모니터링 단계를 더 포함하되, 제어 신호를 생성하는 단계는, 분석 결과 복수의 수질 상태 정보 중 제 1 수질 상태 정보가 미리 설정된 조건을 만족하지 못하는 분석 결과에 대응하여 제 1 제어 신호를 생성하고, 모니터링 단계는, 제 1 제어 신호에 의해 DOF 로봇이 구동된 소정의 시간 이후 수집된 이미지 수질 정보 및 수질 측정 정보를 기반으로 모니터링을 수행할 수 있다.
상술한 설명에서, 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법은 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본원의 일 실시 예에 따른 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 전술한 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
1: 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 시스템
10: 드론
20: 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치
30: 이동형 DOF 로봇
10: 드론
20: 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치
30: 이동형 DOF 로봇
Claims (5)
- 수질 정화용 이동형 DOF 로봇을 인공지능 기반으로 군집 제어하는 방법에 있어서,
드론으로부터 수집된 이미지 수질 정보를 획득하는 단계;
사전 학습된 신경망 모델을 활용하여 상기 획득된 이미지 수질 정보를 분석하는 단계; 및
분석 결과를 기반으로 DOF 로봇을 제어하기 위한 제어 신호를 생성하는 단계;를 포함하는 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법. - 제 1 항에 있어서,
상기 분석하는 단계는, 외부 서버로 수집된 수질 측정 정보를 사전 학습된 신경망 모델에 입력하는 단계를 더 포함하고,
상기 제어 신호를 생성하는 단계는, 상기 사전 학습된 신경망 모델을 활용하여, 상기 이미지 수질 정보 및 상기 수질 측정 정보에 대응하는 제어 신호를 생성하는 단계를 포함하고,
상기 분석하는 단계는,
상기 이미지 수질 정보 및 수질 측정 정보를 사전 학습된 신경망 모델에 적용하여 물의 온도, 산화환원전위(ORP), 탁도 및 용해 오존 농도 중 적어도 하나의 상태 정보를 분석하는 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법. - 제 2 항에 있어서,
수질 상태를 모니터링하기 위한 모니터링 단계를 더 포함하되,
상기 제어 신호를 생성하는 단계는,
상기 분석 결과 복수의 수질 상태 정보 중 제 1 수질 상태 정보가 미리 설정된 조건을 만족하지 못하는 분석 결과에 대응하여 제 1 제어 신호를 생성하고,
상기 모니터링 단계는,
상기 제 1 제어 신호에 의해 DOF 로봇이 구동된 소정의 시간 이후 수집된 상기 이미지 수질 정보 및 수질 측정 정보를 기반으로 모니터링을 수행하는 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법. - 제 1 항에 있어서,
상기 DOF 로봇은,
DOF 로봇이 위치한 수질의 상태를 측정하기 위한 수질 센서;
상기 생성된 제어 신호에 의해 DOF 로봇의 구동을 제어하는 제어부; 및
마이크로 패턴을 이용하여 전자기장을 집중시켜 상압에서 마이크로 방전을 유도하고 플라즈마를 글로우 방전으로 발생시키는 마이크로 플라즈마 발생기를 포함하는 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 방법. - 수질 정화용 이동형 DOF 로봇을 인공지능 기반으로 군집 제어하는 장치에 있어서,
드론으로부터 수집된 이미지 수질 정보를 획득하는 획득부;
사전 학습된 신경망 모델을 활용하여 상기 획득된 이미지 수질 정보를 분석하는 분석부; 및
분석 결과를 기반으로 DOF 로봇을 제어하기 위한 제어 신호를 생성하는 제어부;를 포함하는 수질 정화용 이동형 DOF 로봇의 AI 군집 제어 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2022/007752 WO2023054834A1 (ko) | 2021-10-01 | 2022-05-31 | 수질 정화용 이동형 dof 로봇의 ai 군집 제어 방법 및 장치 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20210131219 | 2021-10-01 | ||
| KR1020210131219 | 2021-10-01 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230047883A true KR20230047883A (ko) | 2023-04-10 |
Family
ID=85984755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220066206A KR20230047883A (ko) | 2021-10-01 | 2022-05-30 | 수질 정화용 이동형 dof 로봇의 ai 군집 제어 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230047883A (ko) |
-
2022
- 2022-05-30 KR KR1020220066206A patent/KR20230047883A/ko unknown
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Barjasteh et al. | Recent progress in applications of non-thermal plasma for water purification, bio-sterilization, and decontamination | |
| Mena et al. | Fluoride removal from natural volcanic underground water by an electrocoagulation process: Parametric and cost evaluations | |
| Serna-Galvis et al. | High frequency ultrasound as a selective advanced oxidation process to remove penicillinic antibiotics and eliminate its antimicrobial activity from water | |
| Altowayti et al. | The role of conventional methods and artificial intelligence in the wastewater treatment: a comprehensive review | |
| JP2010523327A5 (ko) | ||
| Laghrib et al. | Advanced oxidation processes: photo-electro-Fenton remediation process for wastewater contaminated by organic azo dyes | |
| US6632332B1 (en) | Method of reinforcing catalyst reaction | |
| Petrov et al. | Electrospark method in galvanic wastewater treatment for heavy metal removal | |
| Jo et al. | A study on the removal of sulfate and nitrate from the wet scrubber wastewater using electrocoagulation | |
| Cecconet et al. | Bioelectrochemical greywater treatment for non-potable reuse and energy recovery | |
| KR20230047883A (ko) | 수질 정화용 이동형 dof 로봇의 ai 군집 제어 방법 및 장치 | |
| Correia-Sá et al. | A three-dimensional electrochemical process for the removal of carbamazepine | |
| WO2023054834A1 (ko) | 수질 정화용 이동형 dof 로봇의 ai 군집 제어 방법 및 장치 | |
| Zhang et al. | Photochemically activated motors: from electrokinetic to diffusion motion control | |
| WO2011062485A2 (en) | Bio-electrochemical device and method for upgrading a fluid | |
| Kathiravan et al. | Ultrasound mediated reduction of Cr (VI) using sludge obtained during electrocoagulation | |
| US20180148358A1 (en) | Apparatus and method for the microbiological control of fluids using electric and magnetic fields generated from alternate electrical current of low voltage and low frequency | |
| Upadhyay et al. | Remedial technologies for future waste management | |
| Oonnittan et al. | Remediation of hexachlorobenzene in soil by enhanced electrokinetic Fenton process | |
| CN106693633A (zh) | 一种处理恶臭气体的一体化设备 | |
| Ahmadmoazzam et al. | Assessment of the Water Quality of Karun River Catchment Using Artificial Neural Networks-self-Organizing Maps and K-Means Algorithm | |
| Akter et al. | Degradation of Organics and Change Concentration in Per-Fluorinated Compounds (PFCs) during Ozonation and UV/H2O2 Advanced Treatment of Tertiary-Treated Sewage | |
| KR20210050077A (ko) | 마이크로버블 발생 장치와 인공지능 기술을 이용하여 이를 실시간 모니터링하는 장치를 포함하는 정수처리 시스템 | |
| Arakcheev et al. | Complex electrolytic unit for producing anode liquor and ferrate to treat waters contaminated by oil-refining products and harmful admixtures | |
| Reis et al. | Manganese (II) removal from aqueous solutions by Bacillus cereus: An optimization study using experimental design and response surface methodology |