$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

뇌파 기반 감정 분류를 활용한 작업자 보호를 위한 웹 플랫폼 시스템 개발
Development of a Web Platform System for Worker Protection using EEG Emotion Classification 원문보기

사물인터넷융복합논문지 = Journal of internet of things and convergence, v.9 no.6, 2023년, pp.37 - 44  

서쌍희 (경남대학교 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

인터스트리4.0의 주요 기술인 인간-로봇 협업은 작업자의 안전을 보장하기 위한 추가적인 조치들이 필요하다. 협동로봇과 작업자간 충돌을 회피하는 기존 방식은 주로 로봇에 부착된 센서와 카메라를 기반으로 총돌을 탐지한다. 이러한 방식은 로봇, 사람 물체를 지속적으로 추적하고 충돌회피를 위한 복잡한 알고리즘이 필요하며, 작업 환경 변화에 빠르게 대응하지 못하는 단점이 있다. 본 논문은 인간과 로봇이 협업하는 과정에서 작업자가 위험을 느낄 때의 감정을 인식하여 협동로봇과의 충돌을 방지할 수 있는 웹 기반 플랫폼을 개발하였다. 이를 위해 웨어러블 뇌파장치를 이용하여 감정 관련 뇌파를 수집하고 저장하는 웹 기반 애플리케이션을 개발하였으며, 중립/긍정/부정 감정의 특징을 추출하고 분류하는 딥러닝 모델을 제안하였다. 또한 분류된 감정에 따라 모터동작을 제어하는 사물인터넷 인터페이스 프로그램을 개발하였다. 구현된 시스템의 성능분석을 위해 공개 데이터세트와 실제 수집된 데이터 세트를 사용하여 제안한 딥러닝 모델의 성능을 분석하였다. 공개 데이터 세트의 경우 정확도는 96.8%이며, 실제 수집 데이터세트의 경우 정확도는 70.7%이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

As a primary technology of Industry 4.0, human-robot collaboration (HRC) requires additional measures to ensure worker safety. Previous studies on avoiding collisions between collaborative robots and workers mainly detect collisions based on sensors and cameras attached to the robot. This method req...

주제어

#뇌-컴퓨터 인터페이스   #뇌파   #감정분류   #딥러닝   #웹기반시스템  

표/그림 (7)

참고문헌 (15)

  1. A.Keshvarparast, D.Battini, O.Battaia and A.Pirayesh, "Collaborative robots in manufacturing and assembly systems: literature review and future research agenda," Journal of Intelligent Manufacturing, 2023.？ 

  2. IFR(2021) IFR presents World Robotics 2021 reports[Internet]. http://ifr.org/ifr-press-releases/news/robot-sales-rise-agin.？ 

  3. ISO(2016) Robots and Robotic Devices - Collaborative Robots(ISO-15066:2016)[Internet]. http://www.iso.org/standard/62996.html？ 

  4. T.Koch and B.Soltani, "Safeguarding of an automated assembly process using a balanced decoupling unit and the HRC switching mode," Procedia CIRP. Vol.81, pp.328-333, 2019.？ 

    상세보기

  5. M.Safeea, P.Neto and R. Bearee, "A Quest Towards Safe Human Robot Collaboration," in Towards Autonomous Robotic Systems, Lecture Notes in Computer Science, Ed., Springer International Pub., Cham, pp.493-495, 2019.？ 

  6. J.H.Chen and K.T.Song, "Collision-free motion planning for human-robot collaborative safety under cartesian constraint," IEEE International Conference on Robotics and Automation, pp.1-7, 2018..？ 

  7. C.T.Landi, F.Ferraguti, S.Costi, M.Bonfe and C.Secchi, "Safety barrier functions for human-robot interaction with industrial manipulator," 18th European Control Conference, Naples, pp.2565-2570, 2019.？ 

  8. J.Liu, G.Wu, Y.Luo, S.Qiu, S.Yang, W.Li and Y.Bi, "EEG-Based Emotion Classification Using a Deep Neural Network and Sparse Autoencoder," Frontiers in Systems Neuroscience, Vol.14, pp.43, 2020.？ 

    상세보기

  9. S.Lokesh and T.S.Reddy, "An effective optimized deep learning for emotion classification from EEG signals," Signal, Image and Video Processing, Vol.17, pp.1631-1642, 2023.？ 

    상세보기

  10. Q.Gao, Y.Yang, Q.Kang, Z.Tian and Y.Song, "EEG-based emotion recognition with feature fusion networks," Internationsl Journal of Machine Learning and Cybernetics, Vol.13, pp.421-429, 2022.？ 

  11. M.Hasan, Rokhshana-Nishat-Anzum, S.Yasmin and T.S.Pias, "Fine-grained emotion recognition from EEG signal using fast fourier transformation and CNN," Joint 10th International Conference on Informatics, Electronics & Vision and 5th International Conference on Imaging, Vision & Pattern Recognition, Kitakyushu, pp.1-9, 2021.？ 

  12. R.Alhalaseh and S.Alasafeh, "Machine-learning-based emotion recognition system using EEG signals," Computers, Vol.9, No.4, pp.95, 2020.？ 

    상세보기

  13. Y.Yin, X.Zheng, B.Hu, Y.Zhang and X.Cui, "EEG emotion recognition using fusion model of graph convolutional neural networks and LSTM," Applied Soft Computing, Vol. 100, pp. 106954, 2021.？ 

    상세보기

  14. P.J.Lang, M.M.Bradley and B.N.Cuthbert, International Affective Picture System (IAPS): Affective Ratings of Pictures and Instruction Manual. Technical Report A-6, Gainesville, FL: University of Florida, 2005.？ 

  15. M.L.Dixon, R.Thiruchselvam, R.Todd and K.Christoff, "Emotion and the prefrontal cortex: An integrative review," Psychological Bulletin, Vol.143, No.10, pp.1033-1081, 2017. 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로