선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 재활용 업체에서 회수된 주요 폐금속들의 재질별 선별에 LIBS 기술의 적용가능성을 판단하기 위해 실제 폐금속 시료를 대상으로 LIBS 측정 및 분석을 시행하였다. 다변량 통계분석을 통해서 금속 재질별 주요 원소 성분들을 확인하였으며, 표면 오염을 고려하지 않았을 경우 주성분 분석법(PCA)을 통해 정확한 분류가 가능함을 확인하였다.
제안 방법
- 그러나 폐금속 선별에 LIBS 기술을 활용하기 위해서는 적은 수의 펄스, 예를 들면 한 두 번의 레이저 조사만으로도 선별이 가능해야 산업 현장에서 요구되는 분류속도나 경제성을 만족할 수 있다. 따라서 본 연구에서는 첫 번째 또는 두 번째 레이저 펄스에 의해 측정된 LIBS 신호만을 이용하여 금속별 분류가 가능한지를 아래와 같이 확인하였다. 일차적으로 첫 번째 펄스에서 측정된 180개의 LIBS 신호를 이용하여 위의 Fig.
- 본 연구에서는 생활 폐자원으로부터 발생하는 폐금속들을 재활용업체에서 획득하여 LIBS분석을 수행하였다. 정확한 분광신호 분석을 위해 다변량 통계분석 방법을 적용하였으며, 높은 속도와 정확도로 이종금속을 분류할 수 있도록 적합한 분광선을 선정하기 위한 기준을 제시하였다.
- 4는 측정된 LIBS 분광신호의 PCA 분석 결과를 보여준다. 본 연구에서는 실험에 사용한 5종류의 금속이 갖는 고유의 분광신호 파악을 주요 목표로 하고 있으므로, 시료의 표면오염을 고려하여 오염물질 신호가 나타나지 않은 펄스수 20회 이후의 분광신호들만을 대상으로 PCA 분석을 실시하였다. Fig.
- 실제 측정된 LIBS 분광신호의 세기는 금속 종류별로 크게 차이가 나므로, 비교 분석을 위해 각 금속별로 최대 신호세기로 나누어 줌으로써 표준화를 진행하였다. Fig.
- 첫 번째 혹은 두 번째 펄스 LIBS 신호만을 이용한 분류의 정확도를 향상시키기 위해 본 연구에서는 PCA 의 상관계수 결과에서 높은 값을 가지는 분광선들만을 사용하여 LDA를 적용하였다. PCA 상관계수에서 높은 값을 갖는 분광선들은 각 금속 고유의 성분에 대한 정보를 보다 많이 보유하고 있는 반면 불규칙적으로 변하는 표면오염신호에 상대적으로 영향을 덜 받는 신호에 해당하므로, 각 금속 원소별로 상관계수 값의 크기에 따라 가장 큰 값부터 4개씩 총 20개의 분광선들을 Table 4와 같이 선정하였다.
- LDA는 데이터를 여러 변수들의 선형결합으로 표현하였을 때 서로 다른 그룹으로 잘 구분할 수 있게 해주는 상관계수를 찾는 방식으로, 구현된 알고리즘에서 분석된 상관계수의 검증은 10-겹 교차검증법(10-fold cross validation)을 통해 분석을 진행하였다. 통계분석 알고리즘의 경우 입력하는 데이터의 선택 및 정규화 작업으로 선별 효과를 극대화할 수 있으며, 본 연구에서도 상대적으로 적은 계산시간과 높은 정확도로 분류할 수 있도록 특정 분광선들을 선정한 후 통계분석을 진행하는 방식을 제시하였다.
대상 데이터
- 본 연구에서는 실제 폐금속 재활용업체에서 가장 많이 발생하며, 또한 경제적 가치가 높은 알루미늄, 황동, 동, 강철, 스테인레스강 등 5종류의 금속을 대상으로 LIBS 분석을 실시하였다. 각 금속 계열에 해당하는 폐금속 시료들은 국내 재활용 업체로부터 획득하였으며, 획득한 시료들은 Fig. 1과 같이 LIBS 측정을 위해 대략 2~3 cm의 크기로 연삭 가공하였다.
- 본 연구에서 사용된 알루미늄, 황동, 동, 강철, 스테인레스강 폐금속 시료의 금속별 LIBS 분광신호를 Fig.3에 제시하였다. 앞에서 언급한 바와 같이 모든 시료의 LIBS 측정은 동일한 레이저 및 분광계 조건들로 진행되었으며, 총 36개의 시료에 대해 시료당 150개의 스펙트럼이 측정되어 총 5400개의 분광신호를 획득하였다.
- 본 연구에서는 실제 폐금속 재활용업체에서 가장 많이 발생하며, 또한 경제적 가치가 높은 알루미늄, 황동, 동, 강철, 스테인레스강 등 5종류의 금속을 대상으로 LIBS 분석을 실시하였다. 각 금속 계열에 해당하는 폐금속 시료들은 국내 재활용 업체로부터 획득하였으며, 획득한 시료들은 Fig.
- 1과 같이 LIBS 측정을 위해 대략 2~3 cm의 크기로 연삭 가공하였다. 실제 실험에 사용된 금속별 시료의 수는 알루미늄 10개, 황동 6개, 동 6개, 강철 4개, 스테인레스강 10개 총 36개로, 동일한 금속에서 각각의 시료들은 서로 다른 폐금속 시편에서 절단하여 채취하였다.
- 3에 제시하였다. 앞에서 언급한 바와 같이 모든 시료의 LIBS 측정은 동일한 레이저 및 분광계 조건들로 진행되었으며, 총 36개의 시료에 대해 시료당 150개의 스펙트럼이 측정되어 총 5400개의 분광신호를 획득하였다.
- 각 시편에서의 분광신호 측정은 시료의 표면상태가 불균일한 점을 고려하여 시료 당 5 곳의 다른 위치에서 실시하였으며, 각 측정 위치에서 30번의 반복 측정을 수행하였다. 즉, 각 금속시료 별로 총 150개의 분광신호데이터를 획득하여 분류에 사용하였다.
데이터처리
- 재활용 업체에서 획득한 시료의 표면은 페인트, 먼지, 오일 등이 묻어 있는 경우가 많으므로, 시료와 렌즈 사이에 보호창(Protective window)을 두어 레이저 조사 시 발생될 수 있는 오염 입자에 의해 렌즈가 오염되는 것을 방지하였다. 레이저 조사 시 발생된 플라즈마 분광신호는 45도 대각선 방향에서 2개의 렌즈를 이용하여 수집한 후 광섬유를 통해 0.1 nm 분해능을 갖는 6 채널 CCD-분광기로 분석하였다.
- 본 연구에서는 생활 폐자원으로부터 발생하는 폐금속들을 재활용업체에서 획득하여 LIBS분석을 수행하였다. 정확한 분광신호 분석을 위해 다변량 통계분석 방법을 적용하였으며, 높은 속도와 정확도로 이종금속을 분류할 수 있도록 적합한 분광선을 선정하기 위한 기준을 제시하였다. 선정된 분광선을 기반으로 실제 현장에서 수집된 폐금속을 대상으로 분류를 실시하여 LIBS 기술이 폐금속의 자동선별에 적용 가능함을 보였다.
이론/모형
- LIBS 실험으로부터 획득한 분광신호는 금속종류에 따라 다양한 파장에서 매우 다른 크기의 분광세기로 구성이 되어 있어, 이 데이터들을 효과적으로 분석하기 위해 다양한 통계분석들이 적용되고 있다. 본 연구에서는 대표적으로 많이 사용되고 있는 통계분석기법의 하나인 주성분 분석법(Principal component analysis, PCA)을 이용하였다11). PCA는 서로 연관되어 있는 변수들이 관측되었을 때 이 변수들이 전체적으로 가지고 있는 정보를 최대한 보유하는 새로운 변수들을 정의함으로써 다변량 통계분석 시 데이터의 차원을 줄여주는 과정이다.
- PCA는 서로 연관되어 있는 변수들이 관측되었을 때 이 변수들이 전체적으로 가지고 있는 정보를 최대한 보유하는 새로운 변수들을 정의함으로써 다변량 통계분석 시 데이터의 차원을 줄여주는 과정이다. 측정된 LIBS 데이터에 일차적으로 PCA를 적용하여 차원축소를 시행한 후, 금속종류 선별을 위해 선형 판별분석법(Linear discriminant analysis, LDA)을 사용하였다12). LDA는 데이터를 여러 변수들의 선형결합으로 표현하였을 때 서로 다른 그룹으로 잘 구분할 수 있게 해주는 상관계수를 찾는 방식으로, 구현된 알고리즘에서 분석된 상관계수의 검증은 10-겹 교차검증법(10-fold cross validation)을 통해 분석을 진행하였다.
성능/효과
- Fig. 4에서는 시료의 표면오염을 고려하여 오염물질 신호가 거의 나타나지 않은 20회 이상의 펄스에서 측정된 LIBS신호를 대상으로 분류를 실시하여 100%의 정확도로 분류가 가능함을 확인하였다. 그러나 폐금속 선별에 LIBS 기술을 활용하기 위해서는 적은 수의 펄스, 예를 들면 한 두 번의 레이저 조사만으로도 선별이 가능해야 산업 현장에서 요구되는 분류속도나 경제성을 만족할 수 있다.
- PC2, PC3, PC4의 경우 철, 크롬, 구리나 아연 등이 양의 값을 가지는데 이러한 주성분들을 동시에 고려하면 실제 측정된 시료에 어떤 종류의 금속이 들어 있는지를 알 수 있게 된다. PCA 결과를 바탕으로 20회 이후의 펄스에서 측정된 총 1800개의 분광신호에 LDA를 적용했을 때 모든 분광신호가 금속별로 정확하게 분류되는 것을 확인하였다.
- 본 연구에서는 재활용 업체에서 회수된 주요 폐금속들의 재질별 선별에 LIBS 기술의 적용가능성을 판단하기 위해 실제 폐금속 시료를 대상으로 LIBS 측정 및 분석을 시행하였다. 다변량 통계분석을 통해서 금속 재질별 주요 원소 성분들을 확인하였으며, 표면 오염을 고려하지 않았을 경우 주성분 분석법(PCA)을 통해 정확한 분류가 가능함을 확인하였다. 산업 현장을 고려하여 레이저 조사 횟수를 제한한 후 다변량 통계분석을 진행하였으며, 이 경우 특정 분광선들을 선정하였을 때 더 높은 분류 정확도와 속도를 얻을 수 있음을 확인하였다.
- 2%를 얻을 수 있었다. 동일한 방법을 두 번째 펄스에서 측정된 동일한 개수의 LIBS 신호에 적용했을 때는 분류정확도가 89.4%로 향상되었으나, 여전히 분류정확도가 90% 미만으로 상당히 낮은 것으로 확인되었다. 첫 번째 펄스 신호에서 낮은 분류 정확도가 나오는 이유는 표면 오염 효과로 인해 일부 파장의 LIBS 분광신호가 검출되지 않는 경우 등이 원인인 것으로 판단되며, 두 번째 펄스에서는 첫 번째 펄스에 의해 표면오염이 어느 정도 제거됨으로 인해 분광 신호가 더 명확해진 효과가 있는 것으로 판단된다.
- 다변량 통계분석을 통해서 금속 재질별 주요 원소 성분들을 확인하였으며, 표면 오염을 고려하지 않았을 경우 주성분 분석법(PCA)을 통해 정확한 분류가 가능함을 확인하였다. 산업 현장을 고려하여 레이저 조사 횟수를 제한한 후 다변량 통계분석을 진행하였으며, 이 경우 특정 분광선들을 선정하였을 때 더 높은 분류 정확도와 속도를 얻을 수 있음을 확인하였다. 본 연구에서 확인된 높은 분류 정확도와 속도를 바탕으로 LIBS 분광분석 기술을 실제 재활용 현장에서 이종 금속의 실시간 선별에 적용 가능할 것으로 판단되며, 추가적인 연구를 통해 이동 중인 폐금속의 선별도 가능할 것으로 사료된다.
- 정확한 분광신호 분석을 위해 다변량 통계분석 방법을 적용하였으며, 높은 속도와 정확도로 이종금속을 분류할 수 있도록 적합한 분광선을 선정하기 위한 기준을 제시하였다. 선정된 분광선을 기반으로 실제 현장에서 수집된 폐금속을 대상으로 분류를 실시하여 LIBS 기술이 폐금속의 자동선별에 적용 가능함을 보였다.
- 아울러 선정된 분광신호만을 이용하여 분류할 경우 LDA 계산에 소요되는 시간이 전체 파장 데이터를 사용했을 때에 비해 약 1/40로 현저히 줄어들었다. 이 결과는 선정된 분광선을 사용할 경우 매우 높은 분류 정확도와 속도를 얻을 수 있음을 보여준다.
- PCA 상관계수에서 높은 값을 갖는 분광선들은 각 금속 고유의 성분에 대한 정보를 보다 많이 보유하고 있는 반면 불규칙적으로 변하는 표면오염신호에 상대적으로 영향을 덜 받는 신호에 해당하므로, 각 금속 원소별로 상관계수 값의 크기에 따라 가장 큰 값부터 4개씩 총 20개의 분광선들을 Table 4와 같이 선정하였다. 이와 같이 선정한 분광선들을 변수로 사용하여 LDA를 적용하였을 때, Table 3에 나타난 바와 같이 첫 번째 펄스 신호만을 이용하여 분류하였을 때 분류정확도가 95.5%로 향상되었으며(전체파장 사용의 경우 대비 정확도 13.3% 향상), 두 번째 펄스 신호만을 분류한 경우 분류정확도가 99.4%(정확도 10% 향상)로 오염물질의 영향이 없는 LIBS 신호만을 이용했을 때의 분류정확도와 거의 일치하는 결과를 얻을 수 있었다.
후속연구
- 산업 현장을 고려하여 레이저 조사 횟수를 제한한 후 다변량 통계분석을 진행하였으며, 이 경우 특정 분광선들을 선정하였을 때 더 높은 분류 정확도와 속도를 얻을 수 있음을 확인하였다. 본 연구에서 확인된 높은 분류 정확도와 속도를 바탕으로 LIBS 분광분석 기술을 실제 재활용 현장에서 이종 금속의 실시간 선별에 적용 가능할 것으로 판단되며, 추가적인 연구를 통해 이동 중인 폐금속의 선별도 가능할 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.