http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
군집화를 통해 추출한 AI 학습용 분광 스펙트럼 데이터 기반 유해화학물질 판독 모델
유성민(Seong-Min Ryoo),김연진(Yeon-Jin Kim),조숙경(Sook-Kyung Cho),백성하(Sung-Ha Baek),김경배(Gyeong-Bae Kim) 한국통신학회 2024 韓國通信學會論文誌 Vol.49 No.8
유해화학물질 사고는 소량이라도 주변에 큰 영향을 미칠 수 있기에 사고 발생 시 해당 화학물질을 신속하게 식별하고 적절히 대응하는 것이 매우 중요하다. 기존의 화학물질판독 연구는 화학물질 센서 및 영상정보를 활용하였으나, 화학물질 센서를 기반으로 한 방법은 센서가 없는 경우 적용이 어려우며, 영상정보를 기반으로 한 방법은 물질의 색상이 동일하거나 무색인 경우에 탐지가 어려운 문제점이 있다. 따라서 본 논문에서는 동일한 색상이나 무색의 유해화학물질을 구분할 수 있도록 분광 스펙트럼 데이터를 이용한 새로운 AI 기반 유해화학물질 판독 시스템의 인공지능학습데이터 구축 기법 및 유해화학물질 판독 모델을 제안한다. 제안된 인공지능학습데이터 구축 기법은 원시 분광 스펙트럼 데이터에 군집화를 통한 데이터 추출 방법을 적용하여 데이터 추출의 정확도를 향상시켰다. 또한, 추출한 데이터를 기반으로 물질의 분광 스펙트럼 데이터의 특성을 반영해서 랜덤 포레스트 알고리즘을 활용해 구현한 유해화학물질 판독 모델을 제안하였고, 자체 실험을 통해 모델의 성능을 검증했다. 본 논문에서 제안된 인공지능기반 유해화학물질 판독 시스템은 시각적 특징이 없는 유해화학물질 사고 발생 시에도 신속한 판독이 가능함으로써 선제적 대응을 통해 화학 사고의 피해를 줄일 수 있을 것으로 기대된다. Hazardous chemical incidents can have a significant impact on the surroundings even with small quantities involved. Therefore, it is crucial to swiftly identify the chemical substance involved in an incident and respond appropriately when such incidents occur. Conventional studies on chemical substance identification have utilized chemical sensors and visual information. However, methods based on chemical sensors are challenging to apply when sensors are unavailable, and approaches relying on visual information face difficulties in detecting substances with identical or colorless characteristics. Therefore, this paper proposes a novel artificial intelligence-based hazardous chemical detection system using spectral spectrum data to address the challenge of distinguishing hazardous chemicals with the same color or those that are colorless. The paper introduces a technique for constructing artificial intelligence training data and a hazardous chemical detection model based on spectral spectrum data. The proposed artificial intelligence training data construction method improved the accuracy of data extraction by applying clustering to raw spectral spectrum data for extraction. Additionally, based on the extracted data and reflecting the characteristics of material spectral spectrum data, we proposed a hazardous chemical detection model implemented using the random forest algorithm. We validated the performance of the model through in-house experiments. The AI-based hazardous chemical detection system proposed in this paper is expected to minimize the damage from chemical incidents through rapid identification, even in cases where hazardous chemicals lack visual characteristics, enabling proactive response measures.