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 논문에서는 고립되어 있거나 접근이 힘든 장소인 작업 현장에서 작업자의 건강 상태와 낙상을 모니터링 하는 것이 목적이다. 필수적으로 착용하여야 하는 안전모와 스마트 모니터링 시스템을 이용하여 관제센터에서 신속한 대처가 가능한 IoT 안전모에 대한 연구를 수행하였다.
- 본 연구에서는 해상과 같이 인원이 적고 고립된 장소에서 작업하는 작업자의 안전을 위해 특화된 산업용 안전모를 제작하기 위해 생체 신호 센서와 가속도 센서, 카메라 센서의 신호를 블루투스 통신과 LTE 통신을 이용하여 무선으로 전송하는 하드웨어 및 소프트웨어 플랫폼을 제안한다. 제안하는 안전모는 사용자가 스마트폰을 활용해서 사용자의 신체 정보를 실시간으로 모니터링 할 수 있다.
- 본 논문에서는 고립되어 있거나 접근이 힘든 장소인 작업 현장에서 작업자의 건강 상태와 낙상을 모니터링 하는 것이 목적이다. 필수적으로 착용하여야 하는 안전모와 스마트 모니터링 시스템을 이용하여 관제센터에서 신속한 대처가 가능한 IoT 안전모에 대한 연구를 수행하였다.
제안 방법
- 안전모는 장시간 착용하고 움직여야 하기 때문에 시스템의 무게를 줄이기 위해 많은 노력을 하였다. 따라서 자체적으로 가벼운 소형의 PCB를 직접 설계하였고 그림 6과 같이 가로 및 세로가 5cm가 되는 PCB 보드를 제작할 수 있었다.
- 스마트폰에서 사용자의 건강 정보를 실시간으로 모니터링 할 수 있을 뿐만 아니라 사용자의 건강 상태가 급속히 나빠진다거나 작업자의 낙상이 감지되면, 실시간으로 영상을 관제센터로 전송하여 현장을 확인할 수 있게 하였다. 또한, 관제센터에서 작업 현장을 확인하고 싶은 경우 작업자의 스마트폰을 통해 안전모의 카메라 영상을 통해 전송받을 수 있도록 하였다. 제안하는 시스템의 개요도는 그림 1과 같다.
- 크레인으로부터 위험 거리 내에 움직이는 물체를 감지하는 시스템은 카메라의 이미지를 이용하여 안전선 검출 및 마스킹, 조명의 영향, 배경 제거 등의 전처리 알고리즘을 사용하였다. 또한, 무선 통신을 이용하여 대형 작업 차량의 사각지대에서의 작업자의 유무를 파악하는 시스템은 868MHz 무선 주파수와 지향성 안테나, 40kHz 초음파 기술을 결합하여 사용하였다[7]. 웨어러블 디바이스 장치는 라디오 송수신기(Radio Transceiver)와 RF 웨이크업센서(RF wake-up sensor), 알람 액추에이터 (Alarm actuator)로 구성된다.
- 제안하는 안전모는 사용자가 스마트폰을 활용해서 사용자의 신체 정보를 실시간으로 모니터링 할 수 있다. 또한, 안전모에 충격 또는 낙상이 감지되었을 때는 자동으로 관제센터에 알람을 전송하고 카메라를 활성화하여 사용자의 주변 상황을 파악하게 하여 빠른 대처가 가능하도록 하였다. 이를 위해서 기존의 안전모에 신호처리기와 센서를 추가로 설계하여 구현한다.
- IoT 안전모로부터 수집된 데이터는 계산 및 분석을 위해 스마트폰으로 전송된다. 무선 네트워크 기술은 케이블로 인한 복잡성 해결, 장비를 단순화할 수 있는 장점이 있어 IoT 장치에서 스마트폰까지 저전력 블루투스 모듈을 사용하는 것으로 정하였다.
- 본 실험은 직접 설계 및 제작한 안전모로부터 사용자의 PPG 신호를 측정하여 스트레스 단계를 계산하였으며, 가속도 신호로부터 자세를 추정하였다.
- 본 연구에서 작업자의 상태 모니터링을 위해서 스마트폰을 활용하였다. 스마트폰에서 사용자의 건강 정보를 실시간으로 모니터링 할 수 있을 뿐만 아니라 사용자의 건강 상태가 급속히 나빠진다거나 작업자의 낙상이 감지되면, 실시간으로 영상을 관제센터로 전송하여 현장을 확인할 수 있게 하였다.
- 따라서 안전모에 블루투스 모듈을 장착하고 안드로이드 애플리케이션에서 안전모의 블루투스 모듈과 스마트폰의 블루투스를 연결하여 데이터를 전송한다. 블루투스 통신을 위해 안드로이드 스튜디오에서 블루투스 권한 등록 후 블루투스 기능을 사용할 수 있도록 하였다. 해당 스마트폰은 블루투스를 지원하는지 확인한 후 블루투스를 활성화하고, IoT 안전모와 페어링이 완료되면 신호처리 알고리즘은 센서의 데이터를 전송 받아 실행한다.
- 본 연구에서 작업자의 상태 모니터링을 위해서 스마트폰을 활용하였다. 스마트폰에서 사용자의 건강 정보를 실시간으로 모니터링 할 수 있을 뿐만 아니라 사용자의 건강 상태가 급속히 나빠진다거나 작업자의 낙상이 감지되면, 실시간으로 영상을 관제센터로 전송하여 현장을 확인할 수 있게 하였다. 또한, 관제센터에서 작업 현장을 확인하고 싶은 경우 작업자의 스마트폰을 통해 안전모의 카메라 영상을 통해 전송받을 수 있도록 하였다.
- 그림 7은 휴식의 경우와 스트레스 상황에서의 심박변이도와 심박 수를 비교한 결과이다. 스트레스 실험에는 30분 조깅 후 측정한 결과로 육체적 스트레스 상황을 구현하였다. pNN50은 심장 박동의 주기가 50ms 이상인 주기의 비율을 뜻하고, pNN20은 심장 박동의 주기가 20ms 이하인 주기의 비율을 뜻한다.
- 표 1은 스트레스 지수를 판단하는 기준표이다. 스트레스는 K. Trimmel 논문의 데이터를 기반으로 Low, Moderate, High 세 단계로 나누었다[13].
- 심박의 신호 획득을 위해 사용자의 혈류 변화를 PPG 센서로 측정하여 해당 아날로그 신호를 이산 웨이블릿 변환 (DWT)을 통해 동잡음을 제거하였다. 이산 웨이블릿 변환을 사용하면 원래의 신호에서 발생하는 손실이 최소화되어 오버 헤드가 감소한다.
- 안드로이드 애플리케이션과 결합한 스트레스 측정과 낙상 감지를 실시간으로 제공하는 시스템을 구성하고, 위급 상황 및 현장 모니터링을 위해 카메라 동영상 전송 기술을 적용하여 소프트웨어를 개발하였다. 안드로이드 애플리케이션은 Java 언어를 사용하여 안드로이드 스튜디오에서 애플리케이션을 구현하였고, 서버 환경은 Java IDE인 Eclipse에서 수행되었다.
- 안드로이드 애플리케이션과 결합한 스트레스 측정과 낙상 감지를 실시간으로 제공하는 시스템을 구성하고, 위급 상황 및 현장 모니터링을 위해 카메라 동영상 전송 기술을 적용하여 소프트웨어를 개발하였다. 안드로이드 애플리케이션은 Java 언어를 사용하여 안드로이드 스튜디오에서 애플리케이션을 구현하였고, 서버 환경은 Java IDE인 Eclipse에서 수행되었다.
- 안드로이드 앱을 이용한 사용자 화면은 사용자의 PPG 신호와 스트레스 단계 및 카메라 화면을 확인할 수 있도록 구현하였다. 그림 5에서 왼쪽 사진은 관제센터에서 카메라 영상을 확인할 수 있는 서버 인터페이스이고 오른쪽 사진은 스마트폰에서 사용자의 건강 정보와 카메라 화면을 확인할 수 있는 안드로이드 앱 화면이다.
- 또한, 안전모에 충격 또는 낙상이 감지되었을 때는 자동으로 관제센터에 알람을 전송하고 카메라를 활성화하여 사용자의 주변 상황을 파악하게 하여 빠른 대처가 가능하도록 하였다. 이를 위해서 기존의 안전모에 신호처리기와 센서를 추가로 설계하여 구현한다. 그 결과, 제안 시스템을 활용하는데 부가 기구 장치나 긴 전선을 이용하지 않아도 된다.
- 광혈류 측정 센서는 LED와 포토다이오드로 구성되며, LED에서 피부에 빛을 조사하면 혈액, 뼈, 조직에서 빛의 흡수가 발생하고 일부 광은 투과하여 포토다이오드에 도달한다. 이를 통해 심장 박동에 의한 혈류의 변화를 측정한다. PP (Photoplethysmography) 센서를 통해 생체 신호를 처리하는 과정은 그림3과 같다.
- 하지만 본 시스템에서는 가속도 센서를 사용자의 신체에 직접 부착하는 것이 아니라 헬멧에 부착하는 형태이다. 이에 따라, 가속도 센서 데이터로부터 특징을 추출한 후 기계학습 기반의 신호처리에 의해 사용자가 걷고 있을 때, 안전모를 내려놓았을 경우, 낙상 세 가지의 클래스로 분류하는 알고리즘을 구상하였다.
- 본 연구에서 낙상 알고리즘에는 K근접 이웃 (K-Nearest Neighbor) 알고리즘을 적용하였다. 제안된 알고리즘은 연구실원의 시뮬레이션을 통해 평가되었다. 이 때, 훈련 셋으로 walking, sitting, falling 세 가지 경우에서 각각 6, 6, 11 데이터씩 총 23개의 데이터를 사용하였고, 테스트 셋으로 walking, sitting, falling, 각각 3, 3, 5씩 총 11개의 데이터를 훈련 셋을 선택하였다.
- 본 연구에서는 해상과 같이 인원이 적고 고립된 장소에서 작업하는 작업자의 안전을 위해 특화된 산업용 안전모를 제작하기 위해 생체 신호 센서와 가속도 센서, 카메라 센서의 신호를 블루투스 통신과 LTE 통신을 이용하여 무선으로 전송하는 하드웨어 및 소프트웨어 플랫폼을 제안한다. 제안하는 안전모는 사용자가 스마트폰을 활용해서 사용자의 신체 정보를 실시간으로 모니터링 할 수 있다. 또한, 안전모에 충격 또는 낙상이 감지되었을 때는 자동으로 관제센터에 알람을 전송하고 카메라를 활성화하여 사용자의 주변 상황을 파악하게 하여 빠른 대처가 가능하도록 하였다.
- 제작한 그림 2의 안전모는 사용자의 생체 정보를 측정하기 위해 이어프로브에 광혈류 측정 센서, 체온 센서를 집적하였고, 낙상을 모니터링하기 위해 마이크로프로세서(ATmega328) 보드에 카메라와 블루투스 모듈, 3축 가속도 센서를 부착한 형태이다.
- 가속도 센서의 x, y, z 축의 데이터는 정규화 과정을 거쳐 3차원의 데이터를 1차원으로 줄인다. 특징 벡터는 가속도의 크기와 분산, 이동 거리를 특징 파라미터로 생성되어 기계학습에 적용하였다.
- 그림 5에서 왼쪽 사진은 관제센터에서 카메라 영상을 확인할 수 있는 서버 인터페이스이고 오른쪽 사진은 스마트폰에서 사용자의 건강 정보와 카메라 화면을 확인할 수 있는 안드로이드 앱 화면이다. 특히, 안전모에서 블루투스를 이용하여 스마트폰으로 영상을 전송하기 위해 각 프레임 이미지는 JPEG로 압축되어 전송되었다.
- 한편, 휴대폰 통신망을 이용하여 스마트폰에서 관제센터로 데이터를 전송하기 위해 TCP/IP 통신을 사용하였다. TCP/IP 통신을 위해서는 클라이언트 소켓과 서버 소켓이 필요하다.
대상 데이터
- VORTAL 데이터 셋에는 호흡, 심전도(ECG), 광혈류(PPG) 데이터가 포함되어 있다[11]. 18세에서 40세 사이의 건강한 어른으로부터 해당 데이터를 수집하였다. Sisfall 데이터 셋에는 두가지 유형의 가속도계와 하나의 자이로 센서로 구성된 자체 개발 장치로 낙상과 일상생활 활동의 데이터 셋이다[12].
- 본 실험의 소프트웨어 알고리즘에는 VORTAL과 Sisfall 데이터 셋을 이용하였다. VORTAL 데이터 셋에는 호흡, 심전도(ECG), 광혈류(PPG) 데이터가 포함되어 있다[11].
- 다른 예시로, 안전모에 카메라, GPS, 배터리, AI, 센서, 헤드셋을 장착한 스마트 헬멧과 벨트 시스템이 있다[9]. 시스템은 3축 가속도 센서, 카메라, LED를 헬멧에 사용하고, 온습도, 조도 센서를 벨트에 사용하였다.
- 제안된 알고리즘은 연구실원의 시뮬레이션을 통해 평가되었다. 이 때, 훈련 셋으로 walking, sitting, falling 세 가지 경우에서 각각 6, 6, 11 데이터씩 총 23개의 데이터를 사용하였고, 테스트 셋으로 walking, sitting, falling, 각각 3, 3, 5씩 총 11개의 데이터를 훈련 셋을 선택하였다. 이는 validation 셋으로 6개의 데이터를 포함한 경우이다.
- Sisfall 데이터 셋에는 두가지 유형의 가속도계와 하나의 자이로 센서로 구성된 자체 개발 장치로 낙상과 일상생활 활동의 데이터 셋이다[12]. 해당 데이터 셋은 성인이 수행한 1개의 일상생활 활동과 15개의 낙상 유형, 62세 이상의 건강한 성인이 수행한 15개의 일상생활 활동과 낙상 시뮬레이션을 수행한 참가자의 데이터이다.
데이터처리
- 또한 z-score 알고리즘은 주로 실시간 신호처리 애플리케이션을 위한 견고한 최고점을 검출하는 알고리즘이다[10]. 이 알고리즘은 슬라이딩 윈도우를 사용하여 데이터 집합을 이용해 이동 평균 및 표준편차를 계산한다. 최고점의 위치는 z-score가 특정 임계 값(z = 2.
이론/모형
- 해당 알고리즘은 입력 데이터가 기존의 데이터 클래스 중 거리 계산을 통해 어떤 그룹에 속하는지 분류한다. 기존의 데이터와 입력 데이터 간의 거리를 계산하기 위해 본 논문에 서는 유클리드 거리 계산법을 사용하였다.
- 본 연구에서 낙상 알고리즘에는 K근접 이웃 (K-Nearest Neighbor) 알고리즘을 적용하였다. 제안된 알고리즘은 연구실원의 시뮬레이션을 통해 평가되었다.
- 작업 차량에 IoT 시스템을 적용하여 사각지대를 탐지할 수 있는 사례가 최근에 소개되었다[6]. 크레인으로부터 위험 거리 내에 움직이는 물체를 감지하는 시스템은 카메라의 이미지를 이용하여 안전선 검출 및 마스킹, 조명의 영향, 배경 제거 등의 전처리 알고리즘을 사용하였다. 또한, 무선 통신을 이용하여 대형 작업 차량의 사각지대에서의 작업자의 유무를 파악하는 시스템은 868MHz 무선 주파수와 지향성 안테나, 40kHz 초음파 기술을 결합하여 사용하였다[7].
성능/효과
- 그림 8에서 보는 바와 같이 앉는 동작에서는 이동 거리와 분산이 모두 작게 나타났다. 걷기와 낙상을 비교하였을 경우 걷는 동작에서는 이동 거리는 크게 나타났지만 분산은 100 이하로 작게 표현되었으며, 낙상에서는 이동거리가 1m 이내로 관측되는 반면 분산은 큰 값을 보였다.
- 첫째, 스트레스 측정은 PPG 센서를 이용하여 사용자의 피로도를 실시간으로 모니터링 할 수 있다. 둘째, 낙상이 발생할 경우, 가속도 센서로 구현된 낙상 감지 알고리즘을 통해 관제센터로 알림으로써 신속한 대처를 할 수 있다. 셋째, 관제센터에서 안전모의 카메라로 접속하여 원거리에서도 작업 현장을 확인할 수 있다.
- 이산 웨이블릿 변환을 사용하면 원래의 신호에서 발생하는 손실이 최소화되어 오버 헤드가 감소한다. 본 시스템에서는 실시간으로 데이터를 처리해야 하기 때문에 FIR 필터보다 이산 웨이블릿 변환이 더 적합하다. 고역통과필터는 기준선을 일정하게 한다.
- 둘째, 낙상이 발생할 경우, 가속도 센서로 구현된 낙상 감지 알고리즘을 통해 관제센터로 알림으로써 신속한 대처를 할 수 있다. 셋째, 관제센터에서 안전모의 카메라로 접속하여 원거리에서도 작업 현장을 확인할 수 있다. 하지만 블루투스의 전송 속도로 인해 영상이 매끄럽게 연결되지 못하는 문제에 대한 개선이 필요하다.
후속연구
- 하지만 블루투스의 전송 속도로 인해 영상이 매끄럽게 연결되지 못하는 문제에 대한 개선이 필요하다. 또한, 센서 간의 상호작용에 대한 연구를 통해 시스템의 정확도 향상에 관한 연구가 필요하다.
- 본 연구는 안전모에 적용하였지만 향후 작업자뿐만 아니라 일상생활에도 적용할 수 있는 모니터링 시스템으로 활용할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.