KR20230169561A - System for sensing the toxic gas based on the artificial intelligence platform - Google Patents
System for sensing the toxic gas based on the artificial intelligence platform Download PDFInfo
- Publication number
- KR20230169561A KR20230169561A KR1020220069861A KR20220069861A KR20230169561A KR 20230169561 A KR20230169561 A KR 20230169561A KR 1020220069861 A KR1020220069861 A KR 1020220069861A KR 20220069861 A KR20220069861 A KR 20220069861A KR 20230169561 A KR20230169561 A KR 20230169561A
- Authority
- KR
- South Korea
- Prior art keywords
- harmful gas
- data
- gas sensor
- artificial intelligence
- harmful
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 239000002341 toxic gas Substances 0.000 title 1
- 239000007789 gas Substances 0.000 claims abstract description 101
- 238000010295 mobile communication Methods 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims abstract description 5
- 230000000007 visual effect Effects 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 13
- 231100001261 hazardous Toxicity 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 abstract description 14
- 206010003497 Asphyxia Diseases 0.000 abstract description 7
- 230000007774 longterm Effects 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract description 2
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 11
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 7
- 239000001301 oxygen Substances 0.000 description 7
- 229910052760 oxygen Inorganic materials 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 3
- -1 methane hydrocarbons Chemical class 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical class O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/14—Central alarm receiver or annunciator arrangements
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Immunology (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Combustion & Propulsion (AREA)
- Pathology (AREA)
- Ecology (AREA)
- Food Science & Technology (AREA)
- Toxicology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- Signal Processing (AREA)
- Emergency Alarm Devices (AREA)
Abstract
본 발명은 밀폐공간의 유해가스를 감지하여 경보를 발생하기 위한 센싱 시스템에 관한 것으로, 특히 밀폐공간에 인공지능 플랫폼을 기반으로 한 복합 유해가스 센서를 설치하고, 이들 센서로부터 감지된 센싱값을 인공지능에 의해 분석하여 경보는 물론 장시간 사용에 의한 민감도 변화 시 자동 캘리브레이션에 의해 민감도 보정이 이루어질 수 있도록 함과 아울러 밀폐공간 내의 대기 환경을 예측하여 미연에 조치가 가능하도록 함으로써 질식사고에 의한 재해 발생을 사전에 예방할 수 있도록 한 인공지능 플랫폼 기반 밀폐공간 유해가스 센싱 시스템에 관한 것이다.
이를 위해 본 발명은, 작업공간에 설치되어 온도, 습도, 기압, 그리고 유해가스를 센싱하여 이동통신을 통해 전송하며, 경보신호에 의해 시각적 및 청각적 경보를 발생하는 유해가스센서; 빅데이터 서버로부터 획득되고 분석된 빅데이터에 의해 온도, 습도, 기압, 그리고 유해가스 발생에 대한 데이터를 인공지능에 의해 딥러닝하여 대기환경예측모듈을 구축하고, 상기 유해가스센서로부터 센싱된 정보를 전송받아 상기 대기환경예측모듈에 의해 산출된 데이터에 따른 경보신호를 이동통신을 통해 상기 유해가스센서로 전송하는 플랫폼서버;를 포함하여 구성된다.The present invention relates to a sensing system for detecting harmful gases in an enclosed space and generating an alarm. In particular, a complex harmful gas sensor based on an artificial intelligence platform is installed in an enclosed space, and the sensing values detected from these sensors are artificially generated. By analyzing it through intelligence, it not only provides alarms, but also enables sensitivity correction through automatic calibration when sensitivity changes due to long-term use. It also predicts the atmospheric environment within a confined space and enables measures to be taken in advance, thereby preventing disasters caused by suffocation accidents. It is about an artificial intelligence platform-based confined space harmful gas sensing system that enables prevention in advance.
For this purpose, the present invention includes a harmful gas sensor that is installed in a work space and senses temperature, humidity, atmospheric pressure, and harmful gases and transmits them through mobile communication, and generates visual and auditory alarms by warning signals; An atmospheric environment prediction module is built by deep learning data on temperature, humidity, atmospheric pressure, and harmful gas generation using big data acquired and analyzed from the big data server, and the information sensed from the harmful gas sensor is used to It is configured to include a platform server that receives and transmits an alarm signal according to the data calculated by the atmospheric environment prediction module to the harmful gas sensor through mobile communication.
Description
본 발명은 밀폐공간의 유해가스를 감지하여 경보를 발생하기 위한 센싱 시스템에 관한 것으로, 특히 밀폐공간에 인공지능 플랫폼을 기반으로 한 복합 유해가스 센서를 설치하고, 이들 센서로부터 감지된 센싱값을 인공지능에 의해 분석하여 경보는 물론 장시간 사용에 의한 민감도 변화 시 자동 캘리브레이션에 의해 민감도 보정이 이루어질 수 있도록 함과 아울러 밀폐공간 내의 대기 환경을 예측하여 미연에 조치가 가능하도록 함으로써 질식사고에 의한 재해 발생을 사전에 예방할 수 있도록 한 인공지능 플랫폼 기반 밀폐공간 유해가스 센싱 시스템에 관한 것이다.The present invention relates to a sensing system for detecting harmful gases in an enclosed space and generating an alarm. In particular, a complex harmful gas sensor based on an artificial intelligence platform is installed in an enclosed space, and the sensing values detected from these sensors are artificially generated. By analyzing it through intelligence, it not only provides alarms, but also enables sensitivity correction through automatic calibration when sensitivity changes due to long-term use. It also predicts the atmospheric environment within a confined space and enables measures to be taken in advance, thereby preventing disasters caused by suffocation accidents. It is about an artificial intelligence platform-based confined space harmful gas sensing system that enables prevention in advance.
건설 현장, 제철소, 플랜트 건설, 맨홀 등의 각종 현장에서는 폭발가스 또는 유해가스에 작업자가 노출된 상황이 많이 발생하며, 특히 밀폐된 환경하에서는 각종 유해가스에 의해 질식사고가 많이 발생하게 된다.There are many situations where workers are exposed to explosive gases or harmful gases at various sites such as construction sites, steel mills, plant construction, and manholes, and especially in closed environments, suffocation accidents often occur due to various harmful gases.
특히, 밀폐된 환경에서는 일산화탄소 또는 질산계열의 무색무위의 가스에 노출되는 경우에는 작업자가 이를 인지하지 못한 상태에서 질식하여 안전사고가 발생하게 되는 것이다.In particular, in a closed environment, when exposed to colorless gases of the carbon monoxide or nitric acid series, workers suffocate without being aware of it, resulting in safety accidents.
이러한 문제점을 해결하기 위하여 등록특허 제10-2045277호(밴드를 이용한 탈부착형 산소농도 및 유해가스 경보장치)에서는 사용자의 팔에 밴드를 이용하여 탈부착이 가능하도록 한 산소농도 및 유해가스 경보장치를 제공하였다.To solve this problem, Registered Patent No. 10-2045277 (Removable oxygen concentration and harmful gas alarm device using a band) provides an oxygen concentration and harmful gas alarm device that can be attached and detached using a band on the user's arm. did.
따라서, 작업 현장에서의 산소농도 및 유해가스에 이상이 발생하게 되면, 진동과 부저에 의해 작업자에게 알리게 된다.Therefore, if an abnormality occurs in the oxygen concentration or harmful gases at the work site, the worker is notified by vibration and a buzzer.
그러나, 이러한 종래기술은 산소농도 및 유해가스가 비정상적일 때 작업자에게 경보를 발생하는 구조로서, 밀폐 공간 내의 온도/습도, 기압 등의 환경 요인에 따라 유해가스 측정값이 변화되므로, 측정 오류에 따라 경보 발생이 되지 않거나 또는 경보 지연이 발생하게 되어 질식사고의 위험이 여전히 존재하는 문제점이 있다.However, this prior art is a structure that generates an alarm to the worker when the oxygen concentration and harmful gas are abnormal. Since the harmful gas measurement value changes depending on environmental factors such as temperature/humidity and atmospheric pressure in the confined space, There is a problem that the risk of suffocation still exists because the alarm does not occur or the alarm is delayed.
또한, 이러한 유해가스 측정값에 의해 해당 시점에서의 경보를 발생하는 구조로서, 이는 경보 발생에 의해 대피를 하는 작업자들이 대피도중에 질식하는 사고가 발생할 수 있는 문제점이 있다.In addition, this structure generates an alarm at the relevant time based on the harmful gas measurement value, but this has the problem that workers who evacuate due to the alarm may suffocate while evacuating.
아울러, 장시간 사용시에는 센서의 민감도가 변화되므로, 주기적으로 센서의 캘리브레이션에 의해 민감도를 일일이 보정하여야 하는 문제점도 함께 갖는다.In addition, since the sensitivity of the sensor changes when used for a long time, there is also the problem of having to periodically correct the sensitivity through sensor calibration.
<선행기술문헌> <Prior art literature>
- 대한민국 등록특허 제10-2045277호- Republic of Korea Patent No. 10-2045277
(밴드를 이용한 탈부착형 산소농도 및 유해가스 경보장치) (Removable oxygen concentration and harmful gas alarm device using a band)
본 발명은 이러한 종래의 문제점을 해결하기 위하여, 밀폐공간에 복합 유해가스 센서를 설치하고, 이를 센서로부터 인공지능 플랫폼이 IoT 통신에 의해 센싱값을 입력받아 경보는 물론 향후 밀폐공간 내의 대기환경을 예측하여 경보를 발생함으로써 대피 과정 중에서 발생할 수 있는 질식 사고를 미연에 방지할 수 있도록 함은 물론, 센서의 장시간 사용에 의한 민감도 변화 시 자동 캘리브레이션에 의해 민감도 보정이 이루어질 수 있도록 한 인공지능 플랫폼 기반 밀폐공간 유해가스 센싱 시스템을 제공하는데 그 목적이 있다.In order to solve these conventional problems, the present invention installs a complex harmful gas sensor in an enclosed space, and an artificial intelligence platform receives sensing values from the sensor through IoT communication to not only provide an alarm but also predict the atmospheric environment in the enclosed space in the future. An enclosed space based on an artificial intelligence platform that not only prevents suffocation accidents that may occur during the evacuation process by generating an alarm, but also allows sensitivity correction through automatic calibration when sensitivity changes due to long-term use of the sensor. The purpose is to provide a harmful gas sensing system.
상기와 같은 목적을 달성하기 위한 본 발명에 의한 인공지능 플랫폼 기반 밀폐공간 유해가스 센싱 시스템은,The artificial intelligence platform-based closed space harmful gas sensing system according to the present invention to achieve the above purpose is,
작업공간에 설치되어 온도, 습도, 기압, 그리고 유해가스를 센싱하여 이동통신을 통해 전송하며, 경보신호에 의해 시각적 및 청각적 경보를 발생하는 유해가스센서;A harmful gas sensor installed in the work space to sense temperature, humidity, atmospheric pressure, and harmful gases and transmit them through mobile communication, and generates visual and auditory alarms by alarm signals;
빅데이터 서버로부터 획득되고 분석된 빅데이터에 의해 온도, 습도, 기압, 그리고 유해가스 발생에 대한 데이터를 인공지능에 의해 딥러닝하여 대기환경예측모듈을 구축하고, 상기 유해가스센서로부터 센싱된 정보를 전송받아 상기 대기환경예측모듈에 의해 산출된 데이터에 따른 경보신호를 이동통신을 통해 상기 유해가스센서로 전송하는 플랫폼서버;를 포함하여 구성된 것을 특징으로 한다.An atmospheric environment prediction module is built by deep learning data on temperature, humidity, atmospheric pressure, and harmful gas generation using big data acquired and analyzed from the big data server, and the information sensed from the harmful gas sensor is used to A platform server that receives and transmits an alarm signal according to the data calculated by the atmospheric environment prediction module to the harmful gas sensor through mobile communication.
또한, 상기 유해가스센서는 작업자가 소지한 스마트폰과 근거리 통신에 의해 센싱 데이터 또는 경보신호를 전송하고, 상기 스마트폰은 전송된 센싱 데이터를 상기 플랫폼서버로 전송하도록 구성된 것을 특징으로 한다.In addition, the harmful gas sensor transmits sensing data or an alarm signal through short-distance communication with the smartphone carried by the worker, and the smartphone is configured to transmit the transmitted sensing data to the platform server.
또한, 상기 유해가스센서는 근거리 통신망 또는 IoT 통신에 의해 경보신호를 이웃하는 유해가스센서로 전송하는 것을 특징으로 한다.In addition, the harmful gas sensor is characterized in that it transmits an alarm signal to neighboring harmful gas sensors through a local area network or IoT communication.
또한, 상기 플랫폼서버는 상기 유해가스센서로부터 센싱된 데이터와, 기상 서버로부터 전송된 온도 및 습도, 그리고 기압의 변화 추이를 반영하여 향후 유해가스가 발생할 확률을 대기환경예측모듈에서 산출하여 경보를 발생하는 것을 특징으로 한다.In addition, the platform server reflects the data sensed from the harmful gas sensor, the temperature and humidity transmitted from the weather server, and the trend of changes in barometric pressure, calculates the probability of harmful gases occurring in the future in the atmospheric environment prediction module, and generates an alarm. It is characterized by:
또한, 상기 플랫폼서버는 상기 빅데이터 서버를 통해 획득되고 분석된 작업공간에서의 온도 및 습도, 그리고 기압 데이터 등의 빅데이터를 입력받아 이를 딥러닝하여 데이터 보정을 위한 분석모듈을 구축하고, 현재 유해가스센서로부터 센싱되어 전송되는 유해가스 데이터를 보정하여 경보발생이 이루어지도록 하는 것을 특징으로 한다.In addition, the platform server receives big data such as temperature, humidity, and barometric pressure data in the work space acquired and analyzed through the big data server, deep learns this, and builds an analysis module for data correction, and builds an analysis module for data correction. It is characterized by correcting harmful gas data sensed and transmitted from a gas sensor to generate an alarm.
이와 같이 구성된 본 발명에 따르면, 작업공간에서의 미래 대기환경을 예측하여 그에 대한 경보를 발생함으로써 작업자로 하여금 대피도중에 발생하는 질식사고를 예방할 수 있어서 소중한 인명피해가 발생하지 않도록 하는 장점이 있다.According to the present invention configured in this way, there is an advantage in that it is possible to prevent suffocation accidents that occur during evacuation of workers by predicting the future atmospheric environment in the work space and generating an alarm accordingly, thereby preventing valuable human casualties.
또한, 각 센서의 민감도, 온도 및 습도, 그리고 기압의 변화에 따른 유해가스 센싱 감도에 대한 보정이 이루어질 수 있도록 함으로써 정확한 경보발생에 의한 신속한 대피가 가능하도록 한 장점도 갖는다.In addition, it has the advantage of enabling rapid evacuation by generating an accurate alarm by allowing correction of the sensitivity of each sensor, temperature, humidity, and harmful gas sensing sensitivity according to changes in atmospheric pressure.
도1은 본 발명에 의한 인공지능 플랫폼 기반 밀폐공간 유해가스 센싱 시스템의 구성을 보인 도.
도2는 유해가스센서의 외관 구조를 보인 도.
도3은 플랫폼 서버의 블록도.Figure 1 shows the configuration of an artificial intelligence platform-based confined space harmful gas sensing system according to the present invention.
Figure 2 shows the external structure of the harmful gas sensor.
Figure 3 is a block diagram of a platform server.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.The above-mentioned objects, features, and advantages will be described in detail later with reference to the attached drawings, so that those skilled in the art will be able to easily implement the technical idea of the present invention.
본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다.In describing the present invention, if it is determined that a detailed description of known technologies related to the present invention may unnecessarily obscure the gist of the present invention, the detailed description will be omitted.
이하, 첨부 도면을 참조하여 본 발명의 실시 예를 상세하게 설명한다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
그러나, 다음에 예시하는 본 발명의 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 다음에 상술하는 실시 예에 한정되는 것은 아니다. However, the embodiments of the present invention illustrated below may be modified into various other forms, and the scope of the present invention is not limited to the embodiments detailed below.
본 발명의 실시 예는 당업계에서 통상의 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되어지는 것이다.Examples of the present invention are provided to more completely explain the present invention to those skilled in the art.
도1은 본 발명에 의한 인공지능 플랫폼 기반 밀폐공간 유해가스 센싱 시스템의 구성을 보인 도이고, 도2는 유해가스센서의 외관 구조를 보인 도이며, 도3은 플랫폼 서버의 블록도이다.Figure 1 is a diagram showing the configuration of an artificial intelligence platform-based confined space harmful gas sensing system according to the present invention, Figure 2 is a diagram showing the external structure of a harmful gas sensor, and Figure 3 is a block diagram of the platform server.
본 발명에 의한 인공지능 플랫폼 기반 밀폐공간 유해가스 센싱 시스템은 도1에 도시한 바와같이, 크게 유해가스센서(100), 플랫폼서버(300), 빅데이터서버(400)로 구성된다. As shown in Figure 1, the artificial intelligence platform-based confined space hazardous gas sensing system according to the present invention largely consists of a hazardous gas sensor 100, a platform server 300, and a big data server 400.
상기 유해가스센서(100)는 도2에 도시한 바와 같이, 케이스(110)의 내부에는 센서부(120)로부터 감지된 유해가스 센싱값을 안테나(130)를 통해 플랫폼서버(300)로 전송하기 위한 데이터로 가공하는 MCU(도시하지 않음)가 구비되어 있으며, 상기 MCU에 의해 가공된 데이터는 LTE 등의 이동통신을 통해 플랫폼서버(300)로 전송되고, 또한 블루투스 등의 근거리 통신에 의해 작업자가 소지하고 있는 스마트폰(200)으로 전송하게 된다.As shown in FIG. 2, the harmful gas sensor 100 transmits the harmful gas sensing value detected by the sensor unit 120 to the platform server 300 through the antenna 130 inside the case 110. It is equipped with an MCU (not shown) that processes data for It is transmitted to your smartphone (200).
물론, 이웃하는 유해가스센서(100)와도 근거리 통신에 의해 통신함으로써 경보상태를 서로 공유하게 되고, 이렇게 공유된 경보는 해당 작업 장소에 있는 작업자의 스마트폰(200)으로 근거리 통신망을 통해 전송됨으로써 미연에 주변 작업 장소의 유해가스 발생여부를 확인할 수 있을 것이다.Of course, the alarm status is shared by communicating with neighboring hazardous gas sensors 100 through short-distance communication, and the shared alarm is transmitted through a short-distance communication network to the smartphone 200 of the worker at the relevant work location, thereby preventing any unforeseen problems. You will be able to check whether harmful gases are generated in the surrounding work area.
유해가스센서(100)에는 이동통신망을 통해 플랫폼서버(300)와 통신할 수 있도록 이동통신을 위한 회로부가 구비되어 있어야 하지만, 제조비용을 낮추기 위하여 유해가스센서(100)와 스마트폰(200)이 IoT 통신에 의해 연동되고, 스마트폰(200)이 그 센싱 데이터를 이동통신망을 통해 플랫폼서버(300)로 전송할 수 있을 것이다.The hazardous gas sensor 100 must be equipped with a circuit for mobile communication so that it can communicate with the platform server 300 through a mobile communication network. However, in order to lower manufacturing costs, the hazardous gas sensor 100 and the smartphone 200 must be provided. It is linked by IoT communication, and the smartphone 200 will be able to transmit the sensing data to the platform server 300 through a mobile communication network.
이에 따라, 유해가스센서(100)에는 고가의 이동통신을 위한 회로부가 구비되어 있지 않아도 작업자의 스마트폰(200)을 이용하여 플랫폼 서버(300)에 센싱 데이터를 전송할 수 있는 것이다.Accordingly, even though the hazardous gas sensor 100 is not equipped with an expensive circuit for mobile communication, sensing data can be transmitted to the platform server 300 using the worker's smartphone 200.
이를 위해 스마트폰(200)에는 유해가스센서(100)와 연동되기 위한 어플리케이션이 저장되어 있으며, 어플리케이션의 활성화에 의해 유해가스센서(100)와 IoT 통신에 의해 연동됨으로써 스마트폰(200)의 이동통신을 이용하여 플랫폼서버(300)와의 통신이 이루어지게 된다.For this purpose, an application for linking with the hazardous gas sensor 100 is stored in the smartphone 200, and by activating the application, it is linked with the hazardous gas sensor 100 through IoT communication, thereby reducing the mobile communication of the smartphone 200. Communication with the platform server 300 is achieved using .
상기 케이스(110)는 내열성, 내충격, 방수, 방진 등의 기능을 가지게 되며, 밴드 등에 의해 작업자가 착용하거나 또는 작업 장소의 벽에 부착하거나 또는 짐벌 등 별도의 지지 구조물을 이용하여 독립적으로 설치가 구조를 가지게 된다.The case 110 has functions such as heat resistance, shock resistance, water resistance, and dust resistance, and can be worn by the worker with a band, etc., attached to the wall of the work place, or installed independently using a separate support structure such as a gimbal. You will have
상기 센서부(120)는 산소, 황화수소, 일산탄소, 이산화탄소, 메탄가스, NMHC(비메탄계 탄화수소)나 NOx(질소산화물)는 물론 온도 및 습도, 기압을 감지할 수 있는 복합센서로 구비되어 있게 된다. The sensor unit 120 is equipped with a complex sensor that can detect oxygen, hydrogen sulfide, carbon monoxide, carbon dioxide, methane gas, NMHC (non-methane hydrocarbons), and NOx (nitrogen oxides), as well as temperature, humidity, and atmospheric pressure. do.
이러한 센서부(120)를 구성하는 각 센서는 상기 케이스(110)로부터 개별적으로 분리가 가능하도록 장착되는데, 이를 위해 케이스(110)에는 자석식 스프링 커넥터가 구비되어 자력에 의해 각 센서를 단자와 연결시키면서 탈부착이 가능하여 교체 및 유지보수가 용이하도록 구성된다.Each sensor constituting the sensor unit 120 is mounted so as to be individually separable from the case 110. For this purpose, the case 110 is equipped with a magnetic spring connector to connect each sensor to the terminal by magnetic force. It is detachable for easy replacement and maintenance.
또한, 케이스(110)의 내측에는 배터리가 내장되어 센서부(120)에 전원을 공급함과 유해가스 감지 및 통보, 그리고 알람을 위한 전원을 공급하며, 케이스(110)에는 시각적 및 청각적으로 알람을 발생시킴으로써 대피를 유도하기 위한 알람부가 구비되어 있게 된다.In addition, a battery is built inside the case 110 to supply power to the sensor unit 120, detect and notify harmful gases, and provide power for alarms, and the case 110 provides visual and auditory alarms. An alarm unit is provided to induce evacuation by triggering an alarm.
그러므로, MCU는 센서부(120)로부터 감지된 센싱값들을 무선 전송에 맞는 데이터로 가공한 다음 이를 이동통신망을 통해 플랫폼서버(300)로 전송하게 된다.Therefore, the MCU processes the sensing values detected from the sensor unit 120 into data suitable for wireless transmission and then transmits it to the platform server 300 through a mobile communication network.
아울러, 유해가스센서(100)는 플랫폼서버(300)로부터 제공되는 경보신호를 발생하고, 또한 미래 대기환경에 대한 예측데이터를 입력받아 근거리 통신망을 통해 주변에서 작업하고 있는 작업자의 스마트폰(200)으로 전송하게 된다.In addition, the harmful gas sensor 100 generates an alarm signal provided from the platform server 300, and also receives predicted data about the future atmospheric environment and connects the smartphone 200 of the worker working nearby through a short-distance communication network. will be transmitted to.
상기 작업자의 스마트폰(200)에는 상기 유해가스센서(100)와 근거리 통신망 또는 IoT 통신에 의해 경보신호를 수신받기 위한 어플리케이션이 설치되어 있게 되어, 자신이 위치한 작업 장소 및 주변의 작업 장소의 경보발생여부까지 확인이 가능하게 된다.The worker's smart phone 200 is installed with an application for receiving an alarm signal through the harmful gas sensor 100 and a short-range communication network or IoT communication, thereby generating an alarm at the work place where the worker is located and surrounding work places. It is also possible to check whether or not.
상기 플랫폼서버(300)는 다양한 유해가스센서(100)가 이동통신망에 의해 접속되어 있고, 각각의 유해가스센서(100)로부터 이동통신을 통해 입력되는 센싱값을 입력받아 데이터베이스(340)에 저장하게 되며, 이러한 센싱값에 의해 각 유해가스센서(100)가 설치된 현장의 대기환경 및 미래의 대기환경을 빅데이터와 인공지능에 의해 분석하여 그에 따른 경보신호를 유해가스센서(100)로 전송함은 물론 작업장소의 향후 대기환경을 미연에 예측하여 그 예측데이터를 유해가스센서(100)로 제공하게 된다.The platform server 300 has various harmful gas sensors 100 connected via a mobile communication network, and receives sensing values input through mobile communication from each harmful gas sensor 100 and stores them in the database 340. Based on these sensing values, the atmospheric environment at the site where each hazardous gas sensor 100 is installed and the future atmospheric environment are analyzed using big data and artificial intelligence, and the corresponding warning signal is transmitted to the hazardous gas sensor 100. Of course, the future atmospheric environment of the workplace is predicted in advance and the predicted data is provided to the harmful gas sensor 100.
즉, 각 유해가스센서(100)로부터 전송되어진 센싱 데이터인 온도 및 습도, 기압, 산소, 일산화탄소, 이산화탄소, 메탄가스, 황화수소, 비메탄계 탄화수소, 질소산화물 등의 데이터를 데이터베이스(340)에 저장하고, 인공지능에 의해 이를 분석하여 미래 예측데이터를 산출하게 된다.That is, the sensing data transmitted from each harmful gas sensor 100, such as temperature, humidity, atmospheric pressure, oxygen, carbon monoxide, carbon dioxide, methane gas, hydrogen sulfide, non-methane hydrocarbons, and nitrogen oxides, is stored in the database 340. , this is analyzed by artificial intelligence to calculate future prediction data.
이를 위해 빅데이터서버(400)는 빅데이터를 획득하고, 이를 분석하게 되는데, 예를 들면, 온도 및 습도, 그리고 기압의 변화에 따라 일산화탄소, 이산화탄소, 메탄가스, 황화수소, 비메탄계 탄화수소, 질소산화물 등의 유해가스가 발생하는 양과 빈도 등의 데이터를 획득하여 분석하게 되고, 플랫폼서버(300)는 그 분석된 데이터를 인공지능에 의한 딥러닝을 통해 대기환경 예측모듈(320)을 구축하게 된다.To this end, the big data server 400 acquires big data and analyzes it. For example, depending on changes in temperature, humidity, and atmospheric pressure, carbon monoxide, carbon dioxide, methane gas, hydrogen sulfide, non-methane hydrocarbons, and nitrogen oxides Data such as the amount and frequency of harmful gases are acquired and analyzed, and the platform server 300 uses the analyzed data to build an atmospheric environment prediction module 320 through deep learning using artificial intelligence.
즉, 밀폐된 환경에 설치된 유해가스센서(100)로부터 센싱된 데이터와, 기상청 등의 기상 서버(500)로부터 전송된 온도 및 습도, 그리고 기압의 변화 추이를 반영하여 향후 유해가스가 발생할 확률을 대기환경 예측모듈(320)에서 산출함으로써 작업 장소에서 유해가스가 센싱되기 전에 프로세서(310)에서 미연에 경보를 발생하여 유해가스센서(100)로 전송할 수 있을 것이다.That is, by reflecting the data sensed from the harmful gas sensor 100 installed in a closed environment, the temperature and humidity transmitted from the weather server 500, such as the Korea Meteorological Administration, and the trend of changes in barometric pressure, the probability of occurrence of harmful gases in the future is estimated. By calculating it in the environmental prediction module 320, the processor 310 will be able to generate an alarm in advance and transmit it to the hazardous gas sensor 100 before hazardous gas is sensed at the work site.
이로 인해, 작업자로 하여금 유해가스가 발생하기 전에 미리 대피할 수 있도록 유도함으로써 대피도중에 발생할 수 있는 질식사고를 예방할 수 있게 된다.As a result, it is possible to prevent suffocation accidents that may occur during evacuation by encouraging workers to evacuate before harmful gases are generated.
또한, 온도 및 습도, 그리고 기압 데이터에 의해 유해가스 센싱값을 보정할 수 있는데, 대기환경 예측모듈(320)은 빅데이터 서버(400)를 통해 획득되고 분석된 작업공간에서의 온도 및 습도, 그리고 기압 데이터 등의 빅데이터를 입력받아 이를 딥러닝하여 데이터 보정을 위한 분석모듈을 구축하게 되고, 현재 유해가스센서(100)로부터 센싱되어 전송되는 유해가스 데이터를 보정함으로써 정확한 경보발생이 이루어질 수 있도록 한다.In addition, the harmful gas sensing value can be corrected by temperature, humidity, and atmospheric pressure data. The atmospheric environment prediction module 320 calculates the temperature and humidity in the work space acquired and analyzed through the big data server 400, and By receiving big data such as barometric pressure data and deep learning it, an analysis module for data correction is built, and the harmful gas data currently sensed and transmitted from the harmful gas sensor 100 is corrected to enable accurate alarm generation. .
즉, 작업 공간에서 유해가스가 발생되고 있다 할지라도, 온도 및 습도, 그리고 기압에 의해 센싱 오류가 발생할 수 있으므로, 이러한 분석모듈을 통해 유해가스 데이터를 보정하고, 프로세서(310)는 그 보정된 데이터 값이 설정된 값 이상인 경우에 경보신호를 유해가스센서(100)로 전송하게 되는 것이다.In other words, even if harmful gas is generated in the work space, sensing errors may occur due to temperature, humidity, and atmospheric pressure. Therefore, the harmful gas data is corrected through this analysis module, and the processor 310 calculates the corrected data. If the value is higher than the set value, an alarm signal is transmitted to the harmful gas sensor 100.
이러한 유해가스센서(100)로부터 전송된 데이터, 미래 대기환경 예측데이터, 데이터 보정에 관련된 데이터는 데이터베이스(340)에 모두 저장됨은 당연하다 할 것이다.It would be natural that data transmitted from the harmful gas sensor 100, future atmospheric environment prediction data, and data related to data correction are all stored in the database 340.
아울러, 유해가스센서(100)의 센서부(120)는 장시간 사용시 민감도 변화에 의한 센싱 오류가 발생할 수 있는데, 이러한 민감도를 플랫폼서버(300)에서 보정함으로써 정확한 센싱이 이루어질 수 있도록 한다.In addition, when the sensor unit 120 of the harmful gas sensor 100 is used for a long time, sensing errors may occur due to changes in sensitivity. This sensitivity is corrected in the platform server 300 to ensure accurate sensing.
이를 위해, 민감도 보정부(330)는 유해가스센서(100)로부터 센싱된 각 데이터를 입력받게 되고, 그 데이터 값이 설정된 범위 즉, 온도 및 습도, 기압, 각종 유해가스 발생량의 상한값과 하한값의 범위를 벗어나거나 또는 범위 내에서도 변화없이 일정시간 동안 지속되는 경우를 판단하게 되고, 프로세서(310)는 이에 따라 그 수신된 데이터값에 대응하는 캘리브레이션 데이터를 유해가스센서(100)로 전송함으로써 유해가스센서(100)의 MCU는 그 캘리브레이션 데이터에 의해 센서부(120)의 해당 센서에 대하여 자동 보정이 행하도록 하는 것이다.For this purpose, the sensitivity correction unit 330 receives each data sensed from the harmful gas sensor 100, and the data value is set within a range, that is, the upper and lower limits of temperature, humidity, atmospheric pressure, and the amount of various harmful gases generated. It is determined that it is out of range or continues for a certain period of time without change within the range, and the processor 310 transmits calibration data corresponding to the received data value to the harmful gas sensor 100, thereby detecting the harmful gas sensor ( The MCU of 100) automatically corrects the corresponding sensor of the sensor unit 120 based on the calibration data.
이상으로 본 발명 내용의 특정한 부분을 상세히 기술하였는 바, 당업계의 통상의 지식을 가진 자에게 있어서, 이러한 구체적 기술은 단지 바람직한 실시 예일뿐이며, 이에 의해 본 발명의 범위가 제한되는 것이 아닌 점은 명백할 것이다. As the specific parts of the present invention have been described in detail above, it is clear to those skilled in the art that these specific techniques are merely preferred embodiments and do not limit the scope of the present invention. something to do.
따라서, 본 발명의 실질적인 범위는 첨부된 청구항들과 그것들의 등가물에 의하여 정의된다고 할 것이다.Accordingly, the substantial scope of the present invention will be defined by the appended claims and their equivalents.
100 : 유해가스센서
110 : 케이스
120 : 센서부
130 : 안테나
200 : 스마트폰
300 : 플랫폼서버
310 : 프로세서
320 : 대기환경 예측모듈
330 : 민감도 보정부
340 : 데이터베이스100: Harmful gas sensor
110: case
120: sensor unit
130: antenna
200: Smartphone
300: Platform server
310: processor
320: Atmospheric environment prediction module
330: Sensitivity correction unit
340: database
Claims (5)
빅데이터 서버로부터 획득되고 분석된 빅데이터에 의해 온도, 습도, 기압, 그리고 유해가스 발생에 대한 데이터를 인공지능에 의해 딥러닝하여 대기환경예측모듈을 구축하고, 상기 유해가스센서로부터 센싱된 정보를 전송받아 상기 대기환경예측모듈에 의해 산출된 데이터에 따른 경보신호를 이동통신을 통해 상기 유해가스센서로 전송하는 플랫폼서버;를 포함하여 구성된 것을 특징으로 하는 인공지능 플랫폼 기반 밀폐공간 유해가스 센싱 시스템.
A harmful gas sensor installed in the work space to sense temperature, humidity, atmospheric pressure, and harmful gases and transmit them through mobile communication, and generates visual and auditory alarms by alarm signals;
An atmospheric environment prediction module is built by deep learning data on temperature, humidity, atmospheric pressure, and harmful gas generation using big data acquired and analyzed from the big data server, and the information sensed from the harmful gas sensor is used to An artificial intelligence platform-based confined space harmful gas sensing system comprising: a platform server that receives and transmits an alarm signal according to the data calculated by the atmospheric environment prediction module to the harmful gas sensor through mobile communication.
The method of claim 1, wherein the harmful gas sensor transmits sensing data or an alarm signal through short-distance communication with a smartphone carried by the worker, and the smartphone is configured to transmit the transmitted sensing data to the platform server. A confined space hazardous gas sensing system based on an artificial intelligence platform.
The artificial intelligence platform-based confined space harmful gas sensing system according to claim 1, wherein the harmful gas sensor transmits an alarm signal to a neighboring harmful gas sensor through a local area network or IoT communication.
The method of claim 1, wherein the platform server calculates the probability of occurrence of harmful gases in the future in the atmospheric environment prediction module by reflecting the data sensed from the harmful gas sensor, the temperature and humidity transmitted from the weather server, and the trend of changes in barometric pressure. An artificial intelligence platform-based confined space harmful gas sensing system that generates an alarm.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220069861A KR20230169561A (en) | 2022-06-09 | 2022-06-09 | System for sensing the toxic gas based on the artificial intelligence platform |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220069861A KR20230169561A (en) | 2022-06-09 | 2022-06-09 | System for sensing the toxic gas based on the artificial intelligence platform |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230169561A true KR20230169561A (en) | 2023-12-18 |
Family
ID=89309386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220069861A KR20230169561A (en) | 2022-06-09 | 2022-06-09 | System for sensing the toxic gas based on the artificial intelligence platform |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230169561A (en) |
-
2022
- 2022-06-09 KR KR1020220069861A patent/KR20230169561A/en unknown
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3405934B1 (en) | Using bluetooth beacons to automatically update the location within a portable gas detector's logs | |
| NL2016828B1 (en) | Method for monitoring gas concentrations at a site | |
| CN102007426A (en) | Position-monitoring device for persons | |
| KR102080533B1 (en) | Safety Diagnosis System for Underground | |
| US20190056707A1 (en) | Methods and Systems for Controlling Operation of Equipment Based on Biometric Data | |
| US20220268747A1 (en) | System for integrating multiple chemical sensor data to detect an unmeasured compound | |
| KR20170024975A (en) | Monitering System of Risk Factor of Industrial Complex and Industry and Method thereof | |
| KR20230169561A (en) | System for sensing the toxic gas based on the artificial intelligence platform | |
| KR20080060495A (en) | Mobile robot system where the composition gas and radiation telemetering are possible | |
| Kartik | IOT based Smart Helmet for Hazard Detection in mining industry | |
| WO2023064742A1 (en) | Remote methane detector | |
| CN110145365A (en) | A kind of mine goaf fire monitoring prior-warning device | |
| Kumar et al. | Smart Helmet and Tracking System for Coal Miners Using IoT | |
| CN114062617A (en) | Gas detection device for dangerous chemical accidents | |
| KR101846794B1 (en) | Portable Toxic Gas Measurement System with Implanted GPS Using Cloud Computing and It’s Measuring Methods | |
| CN113205674A (en) | Gas detection terminal with wireless transmission function | |
| KR20230170157A (en) | Smart gateway system | |
| CN103956024A (en) | Distress alerting system | |
| Banu et al. | Power Efficient Intelligent Helmet for Coal Mining Security and Alerting | |
| CN116448965B (en) | Multi-parameter poisonous and harmful gas detection system and method in limited space | |
| Bartholmai et al. | Monitoring of hazardous scenarios using multi-sensor devices | |
| CN217443286U (en) | Gas detection device for dangerous chemical accidents | |
| Sowmya et al. | SMART HELMET FOR MINING WORKERS | |
| CN117846707A (en) | Mine geotechnical engineering emergency linkage monitoring method based on accurate positioning | |
| CA3150644A1 (en) | Process for analyzing data of at least one mobile gas measuring device and of a stationary gas measuring device as well as system for monitoring at least one gas concentration |