족저압 측정 시스템 개발 및 족저압 이미지 기반 개인 분류 연구 Development of Plantar Pressure Measurement System and Personal Classification Method based on Plantar Pressure Image원문보기
족저압은 발바닥이 지면에 닿았을 때 가해지는 압력으로, 족저압 데이터를 분석하여 발의 변형, 인체의 균형 상태, 발의 기능 장애 등을 평가할 수 있다. 최근에는 족저압 데이터를 기반으로 개인 간의 분류 정확도를 평가하는 연구가 진행되고 있다. 이처럼 족저압 데이터를 기반으로 지표 및 패턴을 활용하기 위해서는 정확하고 신뢰할 수 있는 족저압 측정 시스템을 사용하는 것이 중요하다. 하지만 상용 족저압 측정 시스템인 MatScan, F-Scan, Novel은 고비용 시스템이다. 비용적 부담을 해소하기 위해 족저압 측정이 가능한 ...
족저압은 발바닥이 지면에 닿았을 때 가해지는 압력으로, 족저압 데이터를 분석하여 발의 변형, 인체의 균형 상태, 발의 기능 장애 등을 평가할 수 있다. 최근에는 족저압 데이터를 기반으로 개인 간의 분류 정확도를 평가하는 연구가 진행되고 있다. 이처럼 족저압 데이터를 기반으로 지표 및 패턴을 활용하기 위해서는 정확하고 신뢰할 수 있는 족저압 측정 시스템을 사용하는 것이 중요하다. 하지만 상용 족저압 측정 시스템인 MatScan, F-Scan, Novel은 고비용 시스템이다. 비용적 부담을 해소하기 위해 족저압 측정이 가능한 압력 센서를 기반으로 족저압 측정 시스템을 개발하기 위한 연구가 다양하게 시도되고 있다. 본 연구에서는 족저압 측정 시스템을 개발하기 위해 Velostat 압력센서를 제작하고 족저압 데이터를 실시간으로 모니터링 및 수집할 수 있도록 C# 기반의 어플리케이션을 개발하였다. Velostat 압력센서는 총 1,750 개의 채널을 가지고 있으며 측정 회로의 잡음을 최소화하기 위해 PCB를 설계하였다. C# 어플리케이션에서는 Velostat 압력센서로부터 채널당 2 Hz로 족저압 데이터를 수집하고 Jet color map으로 실시간 모니터링 및 데이터 저장이 가능하다. 본 연구에서 제안한 족저압 측정 시스템의 성능을 평가하기 위해 3 가지의 실험을 진행하였다. 먼저 Velostat 압력센서의 무게에 따른 출력 특성을 평가하기 위해 200 g부터 4,000 g까지 200 g 간격으로 분동을 올려 추세선을 검출하였다. 추세선은 r2 = 0.98로 신뢰할 수 있는 결과를 보였다. 다음으로 출력 오차 및 Drift 특성을 평가하기 위해 4,000 g의 무게를 10 분간 올려두었다. 그 결과, 출력 오차는 0.035 kg, Drift는 0.020 kg이 발생한다는 것을 확인하였다. 다음으로 상용 족저압 측정 시스템인 MatScan을 reference 시스템으로 설정하여 30 명의 족저압 데이터를 동시에 획득하였다. 무게가 가해진 영역의 크기, CoPx, CoPy를 족저압 지표로 선정하여 제안한 시스템과 MatScan에서 산출된 족저압 지표를 비교 평가하였다. 무게가 가해진 영역 크기의 RMSE는 11.315 cm2, CoPx의 RMSE는 1.036 cm, CoPy의 RMSE는 0.936 cm의 결과를 보였다. 마지막으로, 수집된 30 명의 족저압 데이터로 생성한 족저압 이미지를 기반으로 CNN 알고리즘을 사용해 개인 분류 정확도를 평가하였다. 제안한 시스템은 99.47 %, MatScan은 96.86 %로 개인 간 분류가 가능하였고 제안한 시스템이 MatScan보다 2.61 % 높은 정확도로 개인 간 분류가 가능하였음을 확인하였다. 본 연구에서는 Velostat 압력센서를 기반으로 족저압 측정 시스템을 개발하여 상용 족저압 측정 시스템과의 비교를 통해 높은 정확도와 성능을 가진다는 것을 확인하였다. 향후 연구에서는 Velostat 압력센서를 Flexible PCB로 제작하여 족저압 지표 정확도를 향상시키고 족저압 지표를 추가로 분석해서 보다 실용적인 족저압 측정 시스템을 개발하고자 한다.
족저압은 발바닥이 지면에 닿았을 때 가해지는 압력으로, 족저압 데이터를 분석하여 발의 변형, 인체의 균형 상태, 발의 기능 장애 등을 평가할 수 있다. 최근에는 족저압 데이터를 기반으로 개인 간의 분류 정확도를 평가하는 연구가 진행되고 있다. 이처럼 족저압 데이터를 기반으로 지표 및 패턴을 활용하기 위해서는 정확하고 신뢰할 수 있는 족저압 측정 시스템을 사용하는 것이 중요하다. 하지만 상용 족저압 측정 시스템인 MatScan, F-Scan, Novel은 고비용 시스템이다. 비용적 부담을 해소하기 위해 족저압 측정이 가능한 압력 센서를 기반으로 족저압 측정 시스템을 개발하기 위한 연구가 다양하게 시도되고 있다. 본 연구에서는 족저압 측정 시스템을 개발하기 위해 Velostat 압력센서를 제작하고 족저압 데이터를 실시간으로 모니터링 및 수집할 수 있도록 C# 기반의 어플리케이션을 개발하였다. Velostat 압력센서는 총 1,750 개의 채널을 가지고 있으며 측정 회로의 잡음을 최소화하기 위해 PCB를 설계하였다. C# 어플리케이션에서는 Velostat 압력센서로부터 채널당 2 Hz로 족저압 데이터를 수집하고 Jet color map으로 실시간 모니터링 및 데이터 저장이 가능하다. 본 연구에서 제안한 족저압 측정 시스템의 성능을 평가하기 위해 3 가지의 실험을 진행하였다. 먼저 Velostat 압력센서의 무게에 따른 출력 특성을 평가하기 위해 200 g부터 4,000 g까지 200 g 간격으로 분동을 올려 추세선을 검출하였다. 추세선은 r2 = 0.98로 신뢰할 수 있는 결과를 보였다. 다음으로 출력 오차 및 Drift 특성을 평가하기 위해 4,000 g의 무게를 10 분간 올려두었다. 그 결과, 출력 오차는 0.035 kg, Drift는 0.020 kg이 발생한다는 것을 확인하였다. 다음으로 상용 족저압 측정 시스템인 MatScan을 reference 시스템으로 설정하여 30 명의 족저압 데이터를 동시에 획득하였다. 무게가 가해진 영역의 크기, CoPx, CoPy를 족저압 지표로 선정하여 제안한 시스템과 MatScan에서 산출된 족저압 지표를 비교 평가하였다. 무게가 가해진 영역 크기의 RMSE는 11.315 cm2, CoPx의 RMSE는 1.036 cm, CoPy의 RMSE는 0.936 cm의 결과를 보였다. 마지막으로, 수집된 30 명의 족저압 데이터로 생성한 족저압 이미지를 기반으로 CNN 알고리즘을 사용해 개인 분류 정확도를 평가하였다. 제안한 시스템은 99.47 %, MatScan은 96.86 %로 개인 간 분류가 가능하였고 제안한 시스템이 MatScan보다 2.61 % 높은 정확도로 개인 간 분류가 가능하였음을 확인하였다. 본 연구에서는 Velostat 압력센서를 기반으로 족저압 측정 시스템을 개발하여 상용 족저압 측정 시스템과의 비교를 통해 높은 정확도와 성능을 가진다는 것을 확인하였다. 향후 연구에서는 Velostat 압력센서를 Flexible PCB로 제작하여 족저압 지표 정확도를 향상시키고 족저압 지표를 추가로 분석해서 보다 실용적인 족저압 측정 시스템을 개발하고자 한다.
Plantar pressure is the pressure applied when the sole of the foot touches the ground and by analyzing plantar pressure data the deformation of the foot, the balance of the human body, and the dysfunction of the foot can be evaluated. Recently, researches are being conducted to evaluate the accuracy...
Plantar pressure is the pressure applied when the sole of the foot touches the ground and by analyzing plantar pressure data the deformation of the foot, the balance of the human body, and the dysfunction of the foot can be evaluated. Recently, researches are being conducted to evaluate the accuracy of personal classification based on plantar pressure data. It is important to use an accurate and reliable plantar pressure measurement system in order to utilize indicators and patterns based on plantar pressure data. However, commercial plantar pressure measurement systems such as MatScan, F-Scan, and Novel are expensive systems. Various studies have been attempted to develop a plantar pressure measurement system based on a pressure sensor capable of measuring plantar pressure in order to relieve the cost burden. In this study, a Velostat pressure sensor was manufactured to develop a plantar pressure measurement system, and a C# based application was developed to monitor and collect plantar pressure data in real time. The Velostat pressure sensor has a total of 1,750 channels, and a PCB is designed to minimize noise in the measurement circuit. In C# applications, plantar pressure data can be collected at 2 Hz per channel from a Velostat pressure sensor, and the data can be monitored and stored in real time using the Jet color map. Three experiments were conducted to evaluate the performance of the plantar pressure measurement system proposed in this study. First, in order to evaluate the output characteristics according to the weight of the Velostat pressure sensor, the trend line was detected by raising the weight from 200 g to 4,000 g at 200 g intervals. The trend line showed reliable results with r2 = 0.98. Next, the weight of 4,000 g was put on for 10 minutes to evaluate the output error and drift characteristics. As a result, it was confirmed that 0.035 kg of output error and 0.020 kg of drift occurred. Next, by setting up MatScan, a commercial plantar pressure measurement system, as a reference system, plantar pressure data of 30 persons were simultaneously acquired. The size of the weighted area, CoPx, and CoPy were selected as plantar pressure indicators, and compared the plantar pressure indicators calculated by the proposed system and Matscan. The RMSE of the weighted area was 11.315 cm2, the RMSE of CoPx was 1.036 cm, and the RMSE of CoPy was 0.936 cm. Finally, the accuracy of personal classification was evaluated using the CNN algorithm based on the plantar pressure images generated from the collected plantar pressure data of 30 persons. The proposed system was 99.47% and MatScan was 96.86%. It was confirmed that the proposed system was able to classify personal with an accuracy of 2.61% higher than that of MatScan. This study developed a plantar pressure measurement system based on the Velostat pressure sensor and confirmed that it has high accuracy and performance through comparison with a commercial plantar pressure measurement system. Future research will improve the accuracy of the plantar pressure indicators by fabricating the Velostat pressure sensor with a flexible PCB, and develop a more practical plantar pressure measurement system by further analyzing the plantar pressure indicators.
Plantar pressure is the pressure applied when the sole of the foot touches the ground and by analyzing plantar pressure data the deformation of the foot, the balance of the human body, and the dysfunction of the foot can be evaluated. Recently, researches are being conducted to evaluate the accuracy of personal classification based on plantar pressure data. It is important to use an accurate and reliable plantar pressure measurement system in order to utilize indicators and patterns based on plantar pressure data. However, commercial plantar pressure measurement systems such as MatScan, F-Scan, and Novel are expensive systems. Various studies have been attempted to develop a plantar pressure measurement system based on a pressure sensor capable of measuring plantar pressure in order to relieve the cost burden. In this study, a Velostat pressure sensor was manufactured to develop a plantar pressure measurement system, and a C# based application was developed to monitor and collect plantar pressure data in real time. The Velostat pressure sensor has a total of 1,750 channels, and a PCB is designed to minimize noise in the measurement circuit. In C# applications, plantar pressure data can be collected at 2 Hz per channel from a Velostat pressure sensor, and the data can be monitored and stored in real time using the Jet color map. Three experiments were conducted to evaluate the performance of the plantar pressure measurement system proposed in this study. First, in order to evaluate the output characteristics according to the weight of the Velostat pressure sensor, the trend line was detected by raising the weight from 200 g to 4,000 g at 200 g intervals. The trend line showed reliable results with r2 = 0.98. Next, the weight of 4,000 g was put on for 10 minutes to evaluate the output error and drift characteristics. As a result, it was confirmed that 0.035 kg of output error and 0.020 kg of drift occurred. Next, by setting up MatScan, a commercial plantar pressure measurement system, as a reference system, plantar pressure data of 30 persons were simultaneously acquired. The size of the weighted area, CoPx, and CoPy were selected as plantar pressure indicators, and compared the plantar pressure indicators calculated by the proposed system and Matscan. The RMSE of the weighted area was 11.315 cm2, the RMSE of CoPx was 1.036 cm, and the RMSE of CoPy was 0.936 cm. Finally, the accuracy of personal classification was evaluated using the CNN algorithm based on the plantar pressure images generated from the collected plantar pressure data of 30 persons. The proposed system was 99.47% and MatScan was 96.86%. It was confirmed that the proposed system was able to classify personal with an accuracy of 2.61% higher than that of MatScan. This study developed a plantar pressure measurement system based on the Velostat pressure sensor and confirmed that it has high accuracy and performance through comparison with a commercial plantar pressure measurement system. Future research will improve the accuracy of the plantar pressure indicators by fabricating the Velostat pressure sensor with a flexible PCB, and develop a more practical plantar pressure measurement system by further analyzing the plantar pressure indicators.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.