[논문]라만분광법을 이용한 SVM 기반 흑색 플라스틱 자동 분류 시스템의 설계

배종수; 오성권; 김현기

doi:10.5391/jkiis.2016.26.5.416

초록
AI-Helper

수많은 플라스틱이 산업분야에 다양하게 사용되어지고 있다. 또한 많은 양의 플라스틱 폐기물들이 발생하고 있다. 재활용에 대한 연구는 환경오염 뿐만아니라 한정된 유용한 자원이 버려지는 것을 방지하기 위해 중요한 이슈로 부각되고 있다. 이렇기 때문에 폐플라스틱의 재활용은 재사용 관점에서 주목받고 있는 실정이다. 현재 재활용 센터에서는 플라스틱의 재질을 분류하기 위해 NIR 센서를 이용한 플라스틱 자동 분류 시스템을 구축 및 운용하고 있다. 하지만 흑색 플라스틱은 여전히 분류가 되지 않는 도전적인 목표로 남아있다. 카본 블랙이 포함된 흑색 플라스틱의 경우 검정색의 특성상 NIR 장비에서 나오는 빛을 흡수하기 때문에 분류에 어려움이 있다. 본 연구는 NIR 장비 대신 흑색 플라스틱을 분류하는 방법에 대한 연구이다. 흑색 플라스틱의 정성적, 정량적 분석을 위해 Raman 분광법을 사용하였다. 또한 분류기의 인식률을 높이기 위해 데이터를 특성을 분석하고 흑색 플라스틱을 좀 더 확실하게 분류하기 위해 Support Vector Machine(SVM), 주성분 분석법(PCA) 같은 알고리즘을 이용하였다.

Abstract ▼ AI-Helper

Lots of plastics are widely used in a variety of industrial field. And the amount of plastic waste is massively produced. In the study of waste recycling, it is emerged as an important issue to prevent the waste of potentially useful resource materials as well as to reduce ecological damage. So, the...

Lots of plastics are widely used in a variety of industrial field. And the amount of plastic waste is massively produced. In the study of waste recycling, it is emerged as an important issue to prevent the waste of potentially useful resource materials as well as to reduce ecological damage. So, the recycling of plastic waste has been currently paid attention to from the view point of reuse. Existing automatic sorting system consist of near infrared ray (NIR) sensors to classify the types of plastics. But the classification of black plastics still remains a challenge. Black plastics which contains carbon black are not almost classified by NIR because of the characteristic of the light absorption of black plastics. This study is focused on handling how to identify black plastics instead of NIR. Raman spectroscopy is used to get qualitative as well as quantitative analysis of black plastics. In order to improve the performance of identification, Support Vector Machine(SVM) classifier and Principal Component Analysis(PCA) are exploited to more preferably classify some kinds of the black plastics, and to analyze the characteristic of each data.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 흑색 폐플라스틱의 재질별 분류를 위한 연구를 하였다. 시료는 실제 생활계 흑색 플라스틱으로 재활용 센터에서 수집하였다.

가설 설정

주성분 분석법(Principal Component Analysis)은 데이터의 정보를 최대한 유지하면서 고차원의 특징 벡터를 저차원의 특징벡터로 축소하는 기법 중 하나이다. 데이터의 크기가 큰 입력을 그대로 패턴 분류기의 학습 및 테스트로 사용할 때 학습 및 인식속도가 느려진다. 또한 고차원의 데이터에는 잡음과 같은 분류에 방해가 될 수 있는 정보들도 포함되어있기 때문에 PCA 알고리즘을 사용하여 이런 문제점들을 해결하였다[10].

제안 방법

이런 문제점을 개선하고 흑색 플라스틱의 재질별 분류율을 높이기 위해 시료에 대해 정성적, 정량적 분석이 가능한 Raman 분광기와 Support Vector Machine(SVM) 분류기, 그리고 주성분 분석법(PCA) 같은 지능 컴퓨팅 알고리즘을 이용하여 데이터를 분석하고 분류하는데 사용하였다. 본 연구에 사용된 플라스틱 재질은 흑색 폐플라스틱 중 비중을 많이 차지하는 PP, PS, PET로 화학적 분석을 통해 각 재질별로 나타나는 특성을 분석하였으며 이를 바탕으로 최적의 SVM 분류기의 입력변수를 구성하였다.
본 연구에서는 재질별(PP, PS, PET) 분류가 확실하게 가능한 특징들을 찾기 위해 화학적 이론을 참고하여 물질의 특성을 분석하였다.
하지만 흑색 플라스틱의 사용량이 꾸준히 늘어나고 있는 상황에서 NIR장비로는 검정색의 특성상 NIR 분광장비에서 나오는 빛을 거의 모두 흡수하기 때문에 분류가 안되는 문제점이 있다. 이런 문제점을 개선하고 흑색 플라스틱의 재질별 분류율을 높이기 위해 시료에 대해 정성적, 정량적 분석이 가능한 Raman 분광기와 Support Vector Machine(SVM) 분류기, 그리고 주성분 분석법(PCA) 같은 지능 컴퓨팅 알고리즘을 이용하여 데이터를 분석하고 분류하는데 사용하였다. 본 연구에 사용된 플라스틱 재질은 흑색 폐플라스틱 중 비중을 많이 차지하는 PP, PS, PET로 화학적 분석을 통해 각 재질별로 나타나는 특성을 분석하였으며 이를 바탕으로 최적의 SVM 분류기의 입력변수를 구성하였다.

대상 데이터

본 논문에서 사용된 데이터는 실제 재활용 센터에서 수집한 PET, PP, PS 3종류의 흑색 폐플라스틱이다. 각 재질별로 100개씩의 시료에 대한 데이터를 Raman 분광기를 이용해 추출하였다.
본 논문에서 사용된 데이터는 실제 재활용 센터에서 수집한 흑색 PET, PP, PS 시료를 수집하였다. 재질별 100개씩 총 300개의 시료를 수집 및 사용하였으며 화학적 이론과 데이터 분석을 통해 각 재질별로 3개씩 분류의 기준이 될 수 있는 특성 피크점들을 선정하였다.
본 논문에서는 흑색 폐플라스틱의 재질별 분류를 위한 연구를 하였다. 시료는 실제 생활계 흑색 플라스틱으로 재활용 센터에서 수집하였다. Raman 장비를 이용하여 수집된 시료들에서 데이터를 추출하였으며 화학적 이론 및 데이터 분석을 통해 특성피크를선정하였다.
본 논문에서 사용된 데이터는 실제 재활용 센터에서 수집한 흑색 PET, PP, PS 시료를 수집하였다. 재질별 100개씩 총 300개의 시료를 수집 및 사용하였으며 화학적 이론과 데이터 분석을 통해 각 재질별로 3개씩 분류의 기준이 될 수 있는 특성 피크점들을 선정하였다. 또한 Raman 장비를 이용해 측정 시 피크점들이 미세하게 이동되는 경우가 발생하여 피크점 하나가 아닌 범위를 설정하여 범위 내의 모든 정보를 분류기의 입력변수로 고려하였다.

데이터처리

시료는 실제 생활계 흑색 플라스틱으로 재활용 센터에서 수집하였다. Raman 장비를 이용하여 수집된 시료들에서 데이터를 추출하였으며 화학적 이론 및 데이터 분석을 통해 특성피크를선정하였다. 이렇게 선정된 특성피크들을 SVM 분류기의 입력변수로 사용하여 분류 성능을 확인하였다.
0을 사용하였으며 규칙수를 2~5 사이로 변경하여 결과를 나타내었다. 표 4와 표 5 모두 5-fold cross validation을 사용하여 분류기 성능의 신뢰도를 높였다. 또한 각각의 테스트는 PCA 알고리즘을 사용하였다.

이론/모형

표 4와 표 5 모두 5-fold cross validation을 사용하여 분류기 성능의 신뢰도를 높였다. 또한 각각의 테스트는 PCA 알고리즘을 사용하였다. 기재된 값들은 5-fcv을 하여 나온 결과의 평균이며 이를 5번 테스트한 결과를 나타낸 것이다.

성능/효과

표에서 Training_PCR, Testing_PCR은 학습 데이터의 패턴 분류율과 테스트 데이터의 패턴 분류율을 나타낸 것이며 ±로 나타낸 값은 표준편차(Standard Deviation)를 나타낸 것이다. 본 논문에서 구성한 실험에서는 SVM 분류기와 RBFNN 분류기의 성능이 거의 비슷하였지만 SVM 분류율이 좀 더 높은 것을 확인할 수 있었다.

후속연구

이렇게 선정된 특성피크들을 SVM 분류기의 입력변수로 사용하여 분류 성능을 확인하였다. 또한 흑색 폐플라스틱 자동분류기를 구현함으로써 응용면에서 적용 가능성을 확인하였다. 향후 PET, PS, PP 뿐만 아니라 다른 재질의 흑색 폐플라스틱에 대한 분류를 진행하고 Raman 장비 이외에 LIBS 및 MWIR 장비와 같은 새로운 분석 장비를 이용한 데이터 추출 및 분석을 진행할 예정이다.
또한 흑색 폐플라스틱 자동분류기를 구현함으로써 응용면에서 적용 가능성을 확인하였다. 향후 PET, PS, PP 뿐만 아니라 다른 재질의 흑색 폐플라스틱에 대한 분류를 진행하고 Raman 장비 이외에 LIBS 및 MWIR 장비와 같은 새로운 분석 장비를 이용한 데이터 추출 및 분석을 진행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	본 논문에서 주성분 분석법을 사용한 이유는 무엇인가?	주성분 분석법(Principal Component Analysis)은 데이터의 정보를 최대한 유지하면서 고차원의 특징 벡터를 저차원의 특징벡터로 축소하는 기법 중 하나이다. 데이터의 크기가 큰 입력을 그대로 패턴 분류기의 학습 및 테스트로 사용할 때 학습 및 인식속도가 느려진다. 또한 고차원의 데이터에는 잡음과 같은 분류에 방해가 될 수 있는 정보들도 포함되어있기 때문에 PCA 알고리즘을 사용하여 이런 문제점들을 해결하였다[10]. 아래의 그림 8은 주성분 분석법의 과정을 그림으로 나타낸 것이다.
	라만 분광법은 무엇인가?	라만 분광법은 1928년 C.V.Raman과 K.S. Krishnan에 의해서 처음 발견된 것으로 어떤 매질에 빛 에너지를 쏘았을 때 원자들 간의 진동, 전자들 사이의 결합에 의한 상호작용에 의해 빛이 산란되어 나오는 것을 관찰하는 방법이다. 라만 산란(Raman scattering)의 종류로는 Rayleigh scattering, Stokes Raman scattering, Anti-Stokes Raman scattering 등 세 가지의 경우가 존재하고 이를 그림 1에 나타내었다.
	라만 산란의 종류는 무엇이 있는가?	Krishnan에 의해서 처음 발견된 것으로 어떤 매질에 빛 에너지를 쏘았을 때 원자들 간의 진동, 전자들 사이의 결합에 의한 상호작용에 의해 빛이 산란되어 나오는 것을 관찰하는 방법이다. 라만 산란(Raman scattering)의 종류로는 Rayleigh scattering, Stokes Raman scattering, Anti-Stokes Raman scattering 등 세 가지의 경우가 존재하고 이를 그림 1에 나타내었다.[2]

참고문헌 (14)

B.D. Hardesty, W.Chris, "Eight million tonnes of plastic are going into the ocean each year". The Conversation, Retrieved 21 February 2015.
R.K. Khanna, "Raman-spectroscopy of oligomeric SiO species isolated in solid methane". Journal of Chemical Physics 74 (4): 2108. Bibcode:1 981JChPh..74.2108K. doi:10.1063/1.441393, 1981.
H.S. Chung, "The Optical Analysis of Graphene-Focusing on Raman Spectrum", Physics & Advanced Scientific Technology, 18.7-8, p20-25, 2009.
M.A.De Baez, P.J.Hendra, M.Judkins, "The Raman spectra of oriented isotactic polypropylene", Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 51.12: 2117-2124, 1995.

상세보기
E.Andreassen, "Infrared and Raman spectroscopy of polypropylene. In: Polypropylene", Springer Netherlands, p. 320-328, 1999.
J. R. Anema, A. G. Brolo, A. Felten, C.Bittencourt, "Surfaceenhanced Raman scattering from polystyrene on gold clusters", Journal of Raman Spectroscopy, 41.7: 745-751, 2010.
D.H.Zhang, J.G.Qin, J.S.Shen, Y.Wang, W.J.Liu, "Study on the concentration dependence of orientation of polystyrene on silver by the sers technique", 18(2), 177-180, 2000.
M.Mazilu, C.D.L.Anna, A.Riches, C. S.Herrington, K.Dholakia, "Optimal algorithm for fluorescence suppression of modulated Raman spectroscopy", Optics express, 18.11: 11382-11395, 2010.

상세보기
GnoSys Global Ltd, "PET Analysis", GnoSys Global Ltd, Guildford, Surrey, TSAN11-Application notes.
Peter J. B. Hancock, A. Mike Burton, and Vicki Bruce. "Face processing: Human perception and principal components analysis," Memory and Cognition, Volume: 24, Issue: 1, pp.26-40, 1996.

상세보기
S-H.Yoo, S-K.Oh, P. Witold, "Design of face recognition algorithm using PCA-LDA combined for hybrid data preprocessing and polynomial-based RBF neural networks: Design and its application", Expert Systems with Applications, 40.5: 1451-1466, 2013.

상세보기
V. Vapnik, "The Nature of Statistical Learning Theory, "Springer Verlag, heidelberg, DE, 1995.
T. Joachims, "SVM Light, Support Vector Machine 2008.
H-S. Han, U-P. Chong, "Electroencephalogram-based Driver Drowsiness Detection System Using AR Coefficients and SVM", Korea Intelligent information System Society journals, 22(6), 768-773, 2012.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

라만분광법을 이용한 SVM 기반 흑색 플라스틱 자동 분류 시스템의 설계
Design of Automatic Classification System of Black Plastics Based on Support Vector Machine Using Raman Spectroscopy 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

라만분광법을 이용한 SVM 기반 흑색 플라스틱 자동 분류 시스템의 설계 Design of Automatic Classification System of Black Plastics Based on Support Vector Machine Using Raman Spectroscopy 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

배종수 (4) 오성권 (115) 김현기 (39)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

라만분광법을 이용한 SVM 기반 흑색 플라스틱 자동 분류 시스템의 설계
Design of Automatic Classification System of Black Plastics Based on Support Vector Machine Using Raman Spectroscopy 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper