축산생육환경에서 다양한 경로로부터 발생하는 유해가스는 가축 및 농가작업자에게 직/간접 적으로 영향을 미칠 수 있으며, 점차적인 사육조밀화와 동절기 밀폐환경에 장기간 노출 시 치명적일 수 있다. 본 논문에서는 가축분뇨로부터 발생하는 암모니아, 황화수소, 휘발성유기화합물가스 등을 모니터링하기 위해 무선가스센서노드와 퍼지 최소-최대 신경회로망을 이용한 가스인식 소프트웨어로 이루어진 가스측정시스템을 제안한다. 제안한 시스템의 성능을 평가하기 위해 가스측정실험환경을 구축하여 제작한 무선가스센서노드로 가스측정실험을 수행하고, 개발한 가스인식 소프트웨어로 대상가스 분류시험을 통해 성능을 입증한다.
축산생육환경에서 다양한 경로로부터 발생하는 유해가스는 가축 및 농가작업자에게 직/간접 적으로 영향을 미칠 수 있으며, 점차적인 사육조밀화와 동절기 밀폐환경에 장기간 노출 시 치명적일 수 있다. 본 논문에서는 가축분뇨로부터 발생하는 암모니아, 황화수소, 휘발성유기화합물 가스 등을 모니터링하기 위해 무선가스센서노드와 퍼지 최소-최대 신경회로망을 이용한 가스인식 소프트웨어로 이루어진 가스측정시스템을 제안한다. 제안한 시스템의 성능을 평가하기 위해 가스측정실험환경을 구축하여 제작한 무선가스센서노드로 가스측정실험을 수행하고, 개발한 가스인식 소프트웨어로 대상가스 분류시험을 통해 성능을 입증한다.
Harmful gases which are generated from various rout at growth environment of livestock ban have a direct and indirect bad influence to the livestock and farmers, and also step-up breeding density and long-term exposure to the sealed environment of winter can be fatal. In this paper, we propose a gas...
Harmful gases which are generated from various rout at growth environment of livestock ban have a direct and indirect bad influence to the livestock and farmers, and also step-up breeding density and long-term exposure to the sealed environment of winter can be fatal. In this paper, we propose a gas measurement system for monitoring gases of ammonia, hydrogen sulfide, volatile organic compounds, etc. which arise from the muck. The measurement system consist of both wireless gas sensor node and gas recognition software using a Fuzzy Min-Max neural network. To evaluate the performance of suggested system, gas measurement experiments are performed in laboratory environment by using the designed wireless gas sensor node. And we show the performance through classification test for the target gases by the designed gas recognition software.
Harmful gases which are generated from various rout at growth environment of livestock ban have a direct and indirect bad influence to the livestock and farmers, and also step-up breeding density and long-term exposure to the sealed environment of winter can be fatal. In this paper, we propose a gas measurement system for monitoring gases of ammonia, hydrogen sulfide, volatile organic compounds, etc. which arise from the muck. The measurement system consist of both wireless gas sensor node and gas recognition software using a Fuzzy Min-Max neural network. To evaluate the performance of suggested system, gas measurement experiments are performed in laboratory environment by using the designed wireless gas sensor node. And we show the performance through classification test for the target gases by the designed gas recognition software.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 축산생육환경 유해가스 모니터링시스템을 위해 무선가스센서노드를 개발하고, 센서노드에 내장하기 위한 가스인식시스템으로 퍼지 최소-최대 신경망 분류기를 제안하였다.
본 논문에서는 축산생육환경에서 발생하는 유해가스인 NH3, H2S, 혼합(NH3+H2S) 가스를 측정하고, 분석하는 무선가스측정시스템을 제안한다. 전체 시스템구성은 무선가스센서노드와 가스인식 소프트웨어로 나누어지며, 하드웨어적인 측면에서 무선가스센서노드는 가스센서보드와 무선보드로 구성한다.
무선센서네트워크나 휴대용 가스측정 장치의 경우 시스템의 저장용량과 연산시간의 제약을 받기 때문에, 퍼지 신경회로망이 가스분류 및 농도추정 알고리즘으로 사용될 경우 시스템의 복잡성과 계산시간을 중요하게 고려해야 한다[11-12]. 본 연구에서는 무선가스센서노드에 임베디드 소프트웨어로 내장하기 위해 연산과정이 간단한 퍼지 최소-최대 알고리즘을 바탕으로 한 축산생육환경 유해가스 분류시스템을 연구한다.
제안 방법
MiCS-5914센서A1 과 MiCS-5135센서A2의 측정데이터를 2차원의 패턴데이터로 하여, 학습에 의해 설정된 각 하이퍼박스 노드B로 연결되고, 소속도가 가장 높은 하이퍼박스 노드로 클래스를 결정함으로 대상가스를 분류한다.
MiCS-5914와 MiCS-5135의 실험데이터를 조합하여 가스종류와 농도를 분류할 수 있게 한다. 이는 그림 10에서 보인 패턴데이터의 2차원 산점도 그래프를 통해 MiCS-5914와 MiCS-5135를 사용한 센서노드의 성능을 볼 수 있다.
이렇게 합성공기를 포함하여 선택한 31개의 서로 다른 농도조합에 의해 만들어진 샘플은 각각 30번 반복 측정하여 총 930개의 데이터패턴을 획득한다. 각 조합에 대한 실험은 가스주입 후 챔버안이 대상가스 농도로 포화되고 안정된 센서출력 전압값을 획득하기위해 5분 동안 10초 간격으로 30번의 데이터를 기록한다.
대상가스 측정실험의 가스농도조합은 표 1과 같이 암모니아 0, 3, 5, 8, 12, 20, 30, 40, 60, 80, 100 [ppm]의 11개 농도, 황화수소 0, 0.1, 0.15, 0.25, 0.4, 0.55, 0.75, 1, 1.25, 1.6, 2 [ppm]의 11개 농도, 혼합가스(NH3/H2S) 0, 3/0.1, 5/0.15, 8/0.25, 12/0.4, 20/0.55, 30/0.75, 40/1, 60/1.25 [ppm]의 9개 농도로 하여 총 31개의 조합으로 이뤄진다. 여기서 0 [ppm]은 합성공기를 의미하고, 표에서 t1 ∼ t15로 표시한 농도는 가스식별 모델의 학습 데이터로 이용하고, e1 ∼ e15로 표시한 나머지 농도는 테스트데이터로 이용한다.
4 2007 무선프로토콜 스택을 준수하는 Z-Stack으로 구현한다. 마지막으로 무선가스센서노드의 가스인식 소프트웨어로 사용하기 위해 연산과정이 간단한 한 퍼지 최소-최대 신경망 (Fuzzy Min-Max Neural Network) 알고리즘을 이용한 분류시스템을 개발한다.
무선가스센서노드는 저전력 하드웨어를 구현하기위해 MiCS-5914와 MiCS-5135 센서, ZigBee기반의 CC2530f256로 구성하였고 무선가스센서노드의 응용프로그램은 센서구동드라이버와 Z-Stack으로 구현하였다. 실험실환경에서 무선가스센서노드를 이용하여 가스측정실험을 수행하였으며, 수집한 데이터를 사용하여 그림 10의 2차원 산점도 그래프를 보인결과 암모니아, 황화수소, 혼합가스에 대한 종류와 농도변화에 따른 데이터패턴의 각 결정경계가 명확한 것을 확인할 수 있다.
암모니아와 황화수소 가스에 대한 농도크기를 알기 위해 암모니아 가스는 0∼100 [ppm] 사이의 농도 11개, 황화수소 가스는 0∼2 [ppm] 사이의 농도를 11개, 그리고 암모니아와 황화수소를 혼합한 가스농도를 9개로 나누어 데이터를 추출하고 분석한다.
전체 시스템구성은 무선가스센서노드와 가스인식 소프트웨어로 나누어지며, 하드웨어적인 측면에서 무선가스센서노드는 가스센서보드와 무선보드로 구성한다. 저전력 소형의 하드웨어를 구현하기 위해 가스센서는 저가의 반도체식 암모니아 센서(MiCS-5914)와 휘발성유기화합물(VOCs: Volatile Organic Compounds) 센서(MiCS-5135)를 채택하고, 각 대상 유해가스 농도별 데이터패턴을 구분하기 위해, 선택한 두 센서의 조합으로 센서보드를 설계한다. 무선보드는 Texas Instruments 사의 ZigBee 기반 CC2530f256모델을 사용한다.
S) 가스를 측정하고, 분석하는 무선가스측정시스템을 제안한다. 전체 시스템구성은 무선가스센서노드와 가스인식 소프트웨어로 나누어지며, 하드웨어적인 측면에서 무선가스센서노드는 가스센서보드와 무선보드로 구성한다. 저전력 소형의 하드웨어를 구현하기 위해 가스센서는 저가의 반도체식 암모니아 센서(MiCS-5914)와 휘발성유기화합물(VOCs: Volatile Organic Compounds) 센서(MiCS-5135)를 채택하고, 각 대상 유해가스 농도별 데이터패턴을 구분하기 위해, 선택한 두 센서의 조합으로 센서보드를 설계한다.
축산생육환경 모니터링시스템을 위해 제안한 무선가스센서노드와 가스인식 소프트웨어의 성능을 테스트 하기위해 실험실 환경기반에서 무선으로 가스측정실험을 수행한다. 암모니아와 황화수소 가스에 대한 농도크기를 알기 위해 암모니아 가스는 0∼100 [ppm] 사이의 농도 11개, 황화수소 가스는 0∼2 [ppm] 사이의 농도를 11개, 그리고 암모니아와 황화수소를 혼합한 가스농도를 9개로 나누어 데이터를 추출하고 분석한다.
그림에서와 같이 센서배열(MiCS-5914, MiCS-5135)을 통하여 도출된 데이터를 학습데이터와 테스트데이터로 구분하여 사용한다. 학습데이터를 사용 하여 각 농도조합에 대한 클래스의 파라미터를 설정하고, 업데이트된 파라미터를 퍼지 최소-최대 신경회로망에 설정하여 테스트데이터를 대상가스로 분류한다.
합성공기 90개의 패턴데이터에서 45개 그리고 표 1에서 보인 t2 ∼ t15의 패턴 420개를 퍼지 최소-최대 신경망 분류기의 학습데이터로 사용하여 합성공기 클래스를 포함한 총 15개의 하이퍼박스 노드를 3.2절에서 설명한 바와 같이 설정하여 가스인식시스템을 설계하였다.
암모니아와 황화수소 가스에 대한 농도크기를 알기 위해 암모니아 가스는 0∼100 [ppm] 사이의 농도 11개, 황화수소 가스는 0∼2 [ppm] 사이의 농도를 11개, 그리고 암모니아와 황화수소를 혼합한 가스농도를 9개로 나누어 데이터를 추출하고 분석한다. 획득한 데이터를 학습데이터와 테스트데이터로 분류하고, 학습 데이터로 제안한 분류기를 학습한 다음 테스트데이터로 대상가스별 분류결과를 확인한다.
대상 데이터
IEEE 802.15.4 국제표준을 따르는 ZigBee 네트워크를 구현하기 위해 Mesh 네트워킹을 지원하는 Texas Instruments 사의 저전력 8051 마이크로컨트롤러와 RF Transceiver가 결합된 SoC인 CC2530f256 모델을 적용한 CC2530EM 보드를 사용한다. CC2530f256 칩은 고성능 저전력의 8051코어, 프로그램 가능한 256KB flash, 8KB의 RAM이 있다.
이는 그림 10에서 보인 패턴데이터의 2차원 산점도 그래프를 통해 MiCS-5914와 MiCS-5135를 사용한 센서노드의 성능을 볼 수 있다. 그래프좌측에 분포한 데이터는 황화수소가스농도별 실험데이터이며, 우측에 분포한 데이터는 암모니아 가스실험데이터이고, 가운데 분포한 데이터는 혼합가스 실험데이터로 구분된다. 두 센서의 패턴데이터에 대한 산점도 그래프에서 각 가스별, 농도별 군집 화가 명확히 이루어지는 것을 볼 수 있다.
저전력 소형의 하드웨어를 구현하기 위해 가스센서는 저가의 반도체식 암모니아 센서(MiCS-5914)와 휘발성유기화합물(VOCs: Volatile Organic Compounds) 센서(MiCS-5135)를 채택하고, 각 대상 유해가스 농도별 데이터패턴을 구분하기 위해, 선택한 두 센서의 조합으로 센서보드를 설계한다. 무선보드는 Texas Instruments 사의 ZigBee 기반 CC2530f256모델을 사용한다. 무선가스센서노드에 내장되는 응용프로그램은 각 가스센서 구동드라이버와 무선통신을 위한 국제표준 IEEE 802.
무선보드로 적용한 CC2530EM 보드는 32㎜ × 40㎜ (length × width)크기의 소형 무선모듈로서, 낮은 비용에도 견실한 네트워크 노드를 구성할 수 있다.
암모니아, 황화수소, 혼합(암모니아 + 황화수소)가스를 대상가스로 선택하고, 그 대상가스를 측정하기 위한 실험환경구축은 그림 4와 같이 가스공급라인, 가습조절 장치, 측정용 챔버로 구성한다. 가스공급라인은 황화수소, 암모니아, 합성공기(질소:산소=4:1) 용기와 가스유량 조절계(MFCs: Mass Flow Controllers)로 구성되어 있다.
그림 7, 8, 9는 제안한 무선가스센서노드로 축산생육환경에서 발생하는 가장 주된 물질인 암모니아, 황화수소, 혼합가스에 대해 표 1의 방식으로 가스농도를 조절 하여 MiCS-5914와 MiCS-5135 센서의 반응을 알아본 실험결과이다. 여기서 샘플은 실험조건으로 선택한 각 가스농도별 측정실험을 통하여 30개씩 추출한 데이터 모음이다. 각 그림에서 가로축은 샘플넘버를 나타내고, 세로축은 각각의 센서에서 획득한 ADC 원데이터 (rawdata)를 나타낸다.
이렇게 합성공기를 포함하여 선택한 31개의 서로 다른 농도조합에 의해 만들어진 샘플은 각각 30번 반복 측정하여 총 930개의 데이터패턴을 획득한다. 각 조합에 대한 실험은 가스주입 후 챔버안이 대상가스 농도로 포화되고 안정된 센서출력 전압값을 획득하기위해 5분 동안 10초 간격으로 30번의 데이터를 기록한다.
CC2530f256 칩은 고성능 저전력의 8051코어, 프로그램 가능한 256KB flash, 8KB의 RAM이 있다. 주변장치로 일반적 사용이 가능한 8bit 타이머 2개, 16bit 타이머 1개, 16bit 크기의 IEEE 802.15.4 MAC 타이머 1개, 각 채널마다 분해능 조절이 가능한 8채널의 고성능 12bit ADC, 유선으로 컴퓨터나 다른 장치들과 연결할 수 있는 2개의 USART, 그리고 총 21개의 범용 I/O 핀을 제공한다. 무선보드로 적용한 CC2530EM 보드는 32㎜ × 40㎜ (length × width)크기의 소형 무선모듈로서, 낮은 비용에도 견실한 네트워크 노드를 구성할 수 있다.
축산생육환경 유해가스 모니터링에서 대상가스의 분류를 수행하는 가스인식시스템의 성능을 테스트하기 위해 가스측정실험에서 0 [ppm]의 합성공기 90개의 패턴 데이터와 합성공기를 제외한 28개의 가스농도 조합으로 부터 840개의 패턴데이터를 획득하여 전체 930개의 패턴데이터를 구하였다.
표 1에서 합성공기 e1 , 암모니아가스 e2 ∼ e6 , 황화수소가스 e7 ∼ e11, 혼합가스 e12 ∼ e15 465개의 테스트데이터는 개발한 가스인식시스템의 성능을 실험하기 위한 입력패턴데이터로 사용하였다.
이론/모형
축산생육환경에서 발생하는 주 가스인 암모니아와 황화수소 그리고 둘의 혼합가스측정을 위해 Micro Chemical Systems 사의 MiCS-5914와 MiCS-5135 센서를 사용한다. MiCS-5914 가스센서의 특징으로는 암모니아 0.
성능/효과
본 논문에서 제안한 퍼지 최소-최대 신경망 기반의 가스인식시스템은 실험데이터로 학습과정을 거쳐 파라 메터값을 설정하고, 측정데이터로 제안한 가스인식시스템의 분류성능을 실험하여 오분류 없이 각 대상가스에 대한 분류를 정확히 수행함을 보였다.
무선가스센서노드는 저전력 하드웨어를 구현하기위해 MiCS-5914와 MiCS-5135 센서, ZigBee기반의 CC2530f256로 구성하였고 무선가스센서노드의 응용프로그램은 센서구동드라이버와 Z-Stack으로 구현하였다. 실험실환경에서 무선가스센서노드를 이용하여 가스측정실험을 수행하였으며, 수집한 데이터를 사용하여 그림 10의 2차원 산점도 그래프를 보인결과 암모니아, 황화수소, 혼합가스에 대한 종류와 농도변화에 따른 데이터패턴의 각 결정경계가 명확한 것을 확인할 수 있다.
각 하이퍼박스 노드에 대한 소속도가 가장 큰 부분에 음영을 짙게 표시하였으며, 이는 해당 하이퍼박스 노드에 소속됨을 의미한다. 표에서 알 수 있듯이 제안한 가스인식시스템이 오 분류 없이 잘 수행함을 확인할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
축산악취의 주된 유해가스는?
악취 생성 측면에서, 분뇨에 존재하는 혐기성세균 발효과정의 최종산물로 휘발성 유기물질이 생성된다. 축산악취의 주된 유해가스로는 암모니아(NH3)와 황화수소(H2S) 가 있다. 암모니아는 무색이며, 수용성으로 물에 쉽게 녹으며, 낮은 농도로도 사람의 코로 감지할 수 있고, 사람의 눈, 폐 등이 자극을 받는다.
암모니아의 특징은?
축산악취의 주된 유해가스로는 암모니아(NH3)와 황화수소(H2S) 가 있다. 암모니아는 무색이며, 수용성으로 물에 쉽게 녹으며, 낮은 농도로도 사람의 코로 감지할 수 있고, 사람의 눈, 폐 등이 자극을 받는다. 황화수소는 공기보다 무거워 축사의 슬러리 표면에 깔려 있다.
황화수소는 무엇의 원인이 되는가?
황화수소는 공기보다 무거워 축사의 슬러리 표면에 깔려 있다. 낮은 수준에서도 달걀 썩는 냄새가 발생하고 두통, 어지러움, 메스 꺼움 등을 유발하는 원인이 된다.
참고문헌 (13)
이은영, 임정수, "양돈 분뇨의 악취특성 및 문제 해결을 위한 환경개선제 사용 현황 및 전망", 한국 미생물 생명공학회지, 제38권, 제3호, 244-254쪽, 2010년 9월
박귀환, 오길영, 정경훈, 정선용, 차규석, "축산시설의 악취특성에 관한 연구", 한국냄새환경학회지, 제4권, 제4호, 207-215쪽, 2005년 12월
Jung Hwan Cho, Young Woung Kim, Kyung Jin Na, and Gi Joon Jeon, "Wireless electronic nose system for real-time quantitative analysis of gas mixtures using micro-gas sensor array and neuro-fuzzy network", Sensors and Actuators B: Chemical, vol. 134, pp. 104-111, Aug. 2008.
이정헌, 조정환, 전기준, "반도체식 가스센서와 퍼지 ART를 이용한 혼합가스의 농도 추정", 전자공학회논문지, 제43권, SC편, 제4호, 21-29쪽, 2006년 7월
Patrick K. Simpson, "Fuzzy Min-Max Classification with Neural Networks", IEEE Conference on Neural Networks for Ocean Engineering, pp. 291-300, Aug. 1991.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.