KR20220106483A - Mask capable of controlling air flow according to breathing - Google Patents
Mask capable of controlling air flow according to breathing Download PDFInfo
- Publication number
- KR20220106483A KR20220106483A KR1020210009442A KR20210009442A KR20220106483A KR 20220106483 A KR20220106483 A KR 20220106483A KR 1020210009442 A KR1020210009442 A KR 1020210009442A KR 20210009442 A KR20210009442 A KR 20210009442A KR 20220106483 A KR20220106483 A KR 20220106483A
- Authority
- KR
- South Korea
- Prior art keywords
- air
- mask
- microphone
- air supply
- main body
- Prior art date
Links
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims description 25
- 241000700605 Viruses Species 0.000 claims description 13
- 238000013473 artificial intelligence Methods 0.000 claims description 8
- 230000007423 decrease Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000013528 artificial neural network Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 5
- 239000004743 Polypropylene Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 229920001155 polypropylene Polymers 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000001954 sterilising effect Effects 0.000 description 3
- 241000711573 Coronaviridae Species 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- -1 polypropylene Polymers 0.000 description 2
- 229910001285 shape-memory alloy Inorganic materials 0.000 description 2
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- UPUOLJWYFICKJI-UHFFFAOYSA-N cyclobutane;pyrimidine Chemical compound C1CCC1.C1=CN=CN=C1 UPUOLJWYFICKJI-UHFFFAOYSA-N 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000539 dimer Substances 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62B—DEVICES, APPARATUS OR METHODS FOR LIFE-SAVING
- A62B18/00—Breathing masks or helmets, e.g. affording protection against chemical agents or for use at high altitudes or incorporating a pump or compressor for reducing the inhalation effort
- A62B18/006—Breathing masks or helmets, e.g. affording protection against chemical agents or for use at high altitudes or incorporating a pump or compressor for reducing the inhalation effort with pumps for forced ventilation
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
- A41D13/00—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches
- A41D13/05—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches protecting only a particular body part
- A41D13/11—Protective face masks, e.g. for surgical use, or for use in foul atmospheres
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61L—METHODS OR APPARATUS FOR STERILISING MATERIALS OR OBJECTS IN GENERAL; DISINFECTION, STERILISATION OR DEODORISATION OF AIR; CHEMICAL ASPECTS OF BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES; MATERIALS FOR BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES
- A61L9/00—Disinfection, sterilisation or deodorisation of air
- A61L9/16—Disinfection, sterilisation or deodorisation of air using physical phenomena
- A61L9/18—Radiation
- A61L9/20—Ultraviolet radiation
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62B—DEVICES, APPARATUS OR METHODS FOR LIFE-SAVING
- A62B18/00—Breathing masks or helmets, e.g. affording protection against chemical agents or for use at high altitudes or incorporating a pump or compressor for reducing the inhalation effort
- A62B18/08—Component parts for gas-masks or gas-helmets, e.g. windows, straps, speech transmitters, signal-devices
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62B—DEVICES, APPARATUS OR METHODS FOR LIFE-SAVING
- A62B23/00—Filters for breathing-protection purposes
- A62B23/02—Filters for breathing-protection purposes for respirators
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D25/00—Pumping installations or systems
- F04D25/02—Units comprising pumps and their driving means
- F04D25/08—Units comprising pumps and their driving means the working fluid being air, e.g. for ventilation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D29/00—Details, component parts, or accessories
- F04D29/40—Casings; Connections of working fluid
- F04D29/52—Casings; Connections of working fluid for axial pumps
- F04D29/522—Casings; Connections of working fluid for axial pumps especially adapted for elastic fluid pumps
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pulmonology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Textile Engineering (AREA)
- Physical Education & Sports Medicine (AREA)
- Epidemiology (AREA)
- Respiratory Apparatuses And Protective Means (AREA)
Abstract
Description
본 발명은 마스크에 관한 것으로서, 보다 상세하게는 마스크 본체에 마이크를 배치하여 음향 데이터를 수집하고, 이 마이크를 인공지능이 탑재된 통신기기에 연결함으로써 착용자의 호흡에 따른 음향 데이터를 분석하여 날숨 및 들숨 여부를 파악한 후, 이 호흡에 따라 공기 공급량을 조절하여 마스크에 공급할 수 있는 기술에 관한 것이다.The present invention relates to a mask, and more particularly, by arranging a microphone on the mask body to collect acoustic data, and connecting the microphone to a communication device equipped with artificial intelligence, by analyzing the acoustic data according to the wearer's respiration, exhalation and It relates to a technology that can supply the mask by controlling the amount of air supply according to the breathing after determining whether or not breathing is inhaled.
일반적으로 마스크(Mask)는 얼굴 또는 머리의 전반에 착용하는 것으로서, 다양한 목적으로 사용한다.In general, a mask is worn over the face or head, and is used for various purposes.
예를 들면, 바이러스 혹은 오염 물질이 착용자의 호흡 경로에 들어가는 것을 방지하거나, 착용자가 토해낸 병원균이나 기타의 오염 물질에 다른 사람들이 노출되지 않도록 하는 목적으로 사용한다.For example, to prevent viruses or contaminants from entering the wearer's respiratory tract, or to prevent exposure of others to pathogens or other contaminants exhaled by the wearer.
이러한 마스크는 통상적으로 얼굴에 착용하는 본체와, 본체의 양측에 연결되어 귀에 걸리는 착용대와, 본체의 내부에 배치되는 정전필터 등으로 구성된다.Such a mask is typically composed of a main body worn on the face, a wearing band connected to both sides of the main body to be hung over the ears, and an electrostatic filter disposed inside the main body.
본체는 주로 폴리프로필렌(PP;Polypropylene) 재질로서, 안감, 정전필터, 지지체, 겉감으로 이루어진다.The body is mainly made of polypropylene (PP) material, and consists of a lining, an electrostatic filter, a support, and an outer material.
그러나, 종래의 마스크는 착용자가 호흡할 때 마스크 내측의 공기가 외부로 배출되거나 흡입되는 바, 이때 마스크 자체의 탄력만큼만 공기의 흡입이 가능하므로 착용자의 실제 호흡상태는 반영되지 못한 상태로 호흡이 진행되므로 원활한 호흡이 어려운 문제점이 있다.However, in the conventional mask, when the wearer breathes, the air inside the mask is discharged or sucked to the outside. At this time, the breathing proceeds in a state that the actual breathing state of the wearer is not reflected because air can be inhaled only by the elasticity of the mask itself. Therefore, there is a problem that it is difficult to breathe smoothly.
따라서, 본 발명은 이러한 문제점을 해결하기 위하여 제안된 것으로서, 본 발명의 목적은 마스크의 구조를 개선함으로써 인공지능에 의하여 착용자의 호흡을 분석함으로써 들숨 및 날숨에 따라 공기 공급량을 조절하여 마스크로 공급함으로써 원활한 호흡이 가능한 기술을 제공하는 것이다.Accordingly, the present invention has been proposed to solve this problem, and an object of the present invention is to analyze the wearer's respiration by artificial intelligence by improving the structure of the mask, thereby adjusting the air supply amount according to the inhalation and exhalation and supplying the mask to the mask. The goal is to provide technology that allows for smooth breathing.
본 발명의 다른 목적은 마스크에 공급되는 공기에 함유된 바이러스, 예를 들면 코로나 바이러스, 코로나 변이 바이러스 등을 효율적으로 제거할 수 있는 기술을 제공하는 것이다.Another object of the present invention is to provide a technology capable of efficiently removing viruses, for example, corona viruses, corona mutant viruses, etc. contained in the air supplied to the mask.
상기한 기술적 과제를 달성하기 위한 본 발명의 일 실시 예는, An embodiment of the present invention for achieving the above technical problem,
본체(2)와; a body (2);
본체(2)에 구비되어 호흡시 발생하는 소리를 수집하고, 수집된 음향 데이터를 전송하는 마이크(9)와; a
본체(2)에 연결되어 본체(2)의 내측에 공기를 공급하는 공기 공급기(7)와; an
본체(2)에 연결되어 마이크(9)로부터 전송된 음성 데이터를 분석하여 들숨 및 날숨 여부를 파악하고, 이에 따라 공기 공급기(7)에 신호를 전송하여 마스크 내측에 공급되는 공기 공급량을 제어하는 제어기(5)를 포함하는 마스크를 제공한다.A controller that is connected to the
이상과 같이 본 발명의 일 실시 예에 따른 마스크는 다음과 같은 효과가 있다.As described above, the mask according to an embodiment of the present invention has the following effects.
첫째, 마스크에 마이크를 장착하여 호흡시 발생하는 음향 데이터를 수집하고, 수집된 음향 데이터를 스마트폰과 같은 제어기에 전송하여 인공지능 방식에 의하여 분석함으로써 날숨 및 들숨 여부를 파악하고, 날숨 및 들숨 여부에 따라 공기 공급기를 제어함으로써 마스크 본체에 공급되는 공기의 양을 조절할 수 있어서 마스크를 착용한 상태에서도 호흡을 효과적 실시할 수 있는 효과가 있다.First, by attaching a microphone to the mask to collect sound data generated during breathing, and transmitting the collected sound data to a controller such as a smartphone and analyzing it by an artificial intelligence method, it is possible to determine whether exhalation and inhalation are, and whether to exhale and inhale. Accordingly, by controlling the air supply, the amount of air supplied to the mask body can be adjusted, so that breathing can be effectively performed even while wearing the mask.
둘째, 공기 공급기의 하부에 필터를 배치하여 유입되는 공기중에 함유된 바이러스(코로나 바이러스, 코로나 변이 바이러스 등)를 1차적으로 제거하고, 공기 공급기에 UV 살균기를 추가로 배치함으로써 마스크 본체에 공급되는 공기를 자외선에 의하여 살균함으로써 바이러스를 2차적으로 제거함으로써 복수회에 걸쳐서 바이러스를 제거하므로 건강에 이로운 효과가 있다.Second, the air supplied to the mask body by placing a filter at the bottom of the air supply unit to primarily remove viruses (coronavirus, corona mutant virus, etc.) contained in the incoming air, and by additionally placing a UV sterilizer in the air supply unit It has a beneficial effect on health because it removes the virus several times by removing the virus secondarily by sterilizing it with ultraviolet rays.
셋째, 마스크에 형상 기억합금으로 된 가변 플레이트를 부착함으로써 체온에 따라 본래의 형상으로 회복되도록 하여 가변 플레이트와 얼굴 피부 사이에 공간을 형성하여 공기를 외부로 효율적으로 배출할 수 있는 효과가 있다.Third, by attaching a variable plate made of a shape memory alloy to the mask, it is restored to its original shape according to body temperature, thereby forming a space between the variable plate and the skin of the face to efficiently discharge air to the outside.
도 1은 본 발명의 일 실시예에 따른 마스크를 보여주는 도면이다.
도 2는 도 1에 도시된 공기 공급기 및 UV 살균기와, 통신기기의 구조를 보여주는 도면이다.
도 3은 도 2에 도시된 통신기기의 내부 구조를 개략적으로 보여주는 도면이다.
도 4는 도 2에 도시된 UV 살균기로부터 조사되는 특정 주파수에 의하여 바이러스를 살균하는 상태를 보여주는 그래프이다.1 is a view showing a mask according to an embodiment of the present invention.
2 is a view showing the structure of the air supply and UV sterilizer shown in FIG. 1, and a communication device.
FIG. 3 is a diagram schematically showing an internal structure of the communication device shown in FIG. 2 .
4 is a graph showing a state of sterilizing a virus by a specific frequency irradiated from the UV sterilizer shown in FIG. 2 .
이하, 본 발명의 일 실시예에 따른 마스크를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, a mask according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings.
도 1 내지 도 4에 도시된 바와 같이, 본 발명이 제안하는 마스크(1)는 얼굴에 착용하는 본체(2)와; 본체(2)에 구비되어 호흡시 발생하는 소리를 수집하고, 수집된 음향 데이터를 전송하는 마이크(9)와; 본체(2)에 연결되어 본체(2)의 내측에 공기를 공급하는 공기 공급기(7)와; 본체(2)에 연결되어 마이크(9)로부터 전송된 음성 데이터를 분석하여 들숨 및 날숨 여부를 파악하고, 이에 따라 공기 공급기(7)에 신호를 전송하여 공기 공급량을 제어하는 제어기(5)를 포함한다.As shown in Figures 1 to 4, the mask (1) proposed by the present invention is a body (2) worn on the face and; a
이러한 구조를 갖는 마스크(1)에 있어서,In the
마스크 본체(2)는 통상적인 마스크 재질로 구성되는 바, 예를 들면 폴리프로필렌(PP;Polypropylene) 재질이다. 이때, 마스크 본체(2)는 투명한 재질로 형성되는 것이 바람직하다.The
그리고, 마스크 본체(2)는 겉감, 지지체, 정전필터, 안감 등이 구비될 수 있다.In addition, the
또한, 마스크 본체(2)의 상부에는 가변 플레이트(3)가 부착됨으로써 온도에 따라 형상이 변형될 수 있다. 이때, 가변 플레이트(3)는 형상 기억합금을 포함한다. In addition, since the
따라서, 마스크를 착용할 때 가변 플레이트(3)를 절곡시켜서 코 등에 밀착시키는 바, 이 상태에서 날숨 때 혹은 체온이 상승하는 경우, 열이 가변 플레이트(3)에 전달되는 경우, 가변 플레이트(3)는 본래의 형상으로 회복되며, 이때 가변 플레이트(3)와 얼굴 피부 사이에 공간을 형성하여 공기를 외부로 효율적으로 배출할 수 있다.Therefore, when the mask is worn, the
그리고, 마이크(9)는 이러한 본체(2)의 내측에 배치됨으로써 착용자가 호흡할 때 발생하는 소리를 수집하고, 수집된 음향 데이터를 제어기(5)로 전송한다.Then, the microphone 9 is disposed on the inside of the
이때, 마이크(9)는 케이블에 의하여 제어기(5)에 연결되는 바, 직접 연결될 수도 있고, 또는 본체(2)의 하부에 구비된 포트(11)를 통하여 제어기(5)와 연결될 수 있다.In this case, the
포트(11)에 의하여 연결되는 경우를 설명하면, 포트(11)에는 제어기(5)와 연결되는 제 1포트(11a)와, 공기 공급기가 연결되는 제 2포트(11b)가 구비된다.In the case of being connected by the
즉, 제 1포트(11a)에는 제어기(5)가 연결됨으로써 마이크(9)로부터 음향 데이터를 수신하여 공기 공급기 및 살균기(8)를 제어한다.That is, the
이러한 제어기(5)는 마이크(9)의 음향신호를 수신하고, 연산 및 제어할 수 있는 전자 디바이스를 포함한다. 예를 들면, 스마트폰과 같은 모바일 통신기기, 혹은 노트북, 탭, 패드 등과 같은 PC도 적용가능하다.This
보다 상세하게 설명하면, 제어기(5)는 마이크(9)로부터 음향 데이터를 수신하는 입력부(23)와; 수신된 음향 데이터를 인공지능 방식에 의하여 분석하여 들숨 및 날숨여부를 파악하여 공기 공급량을 연산하는 연산부(25)와; 연산된 결과값을 공기 공급기에 전송함으로써 들숨 및 날숨에 따라 공기 공급량을 제어하는 출력부(27)를 포함한다.More specifically, the
이러한 제어기(5)에 있어서, 입력부(23)는 마이크(9)로부터 전송된 디지털 방식의 음향 데이터를 수신하게 된다. In this controller (5), the input unit (23) receives the digital sound data transmitted from the microphone (9).
그리고, 연산부(25)는 수신된 음향 데이터를 인공지능에 의하여 분석함으로써 들숨 및 날숨 여부를 파악한다.Then, the calculating
예를 들면, 이러한 연산부(25)는 인공지능 소프트웨어가 탑재된 인공지능 모듈(29)을 포함하며, 음향 분석엔진과, GPU와, ISP(Image Signal Processor) 등으로 구성된다.For example, the
그리고, 연산부(25)에서는 음향의 형태 분석을 다양한 알고리즘을 사용할 수 있는 바, 예를 들면 딥러닝(Deep learning) 방식에 의하여 들숨과 날숨인 경우의 음향 데이터를 비교하여 그 유사도를 판단함으로써 형태를 분석하는 방식이다.In addition, the
즉, 딥러닝은 컴퓨터가 여러 데이터를 이용해 인간처럼 스스로 학습할 수 있게 하기 위해 인공 신경망(ANN: artificial neural network)을 기반으로 구축한 한 기계 학습방법이다.In other words, deep learning is a machine learning method built on the basis of artificial neural networks (ANNs) to enable computers to learn on their own like humans using multiple data.
인공 신경망을 이용하면 음향 데이터의 분류(classification) 및 군집화(clustering)가 가능한 바, 분류나 군집화를 원하는 데이터 위에 여러 가지 층(layer)을 얹어서 유사도 판단을 실시할 수 있다.When the artificial neural network is used, classification and clustering of acoustic data are possible, and thus, similarity can be determined by placing various layers on the data desired for classification or clustering.
즉, 인공 신경망으로 음향 데이터의 형상 특징을 추출하고 그 특징을 다시 다른 기계학습 알고리즘의 입력값으로 사용하여 형상 별로 분류나 군집화를 함으로써 유사도를 판단할 수 있다. That is, the degree of similarity can be determined by extracting shape features of acoustic data with an artificial neural network and classifying or clustering them by shape using the features as input values for other machine learning algorithms.
이러한 인공 신경망은 심층 신경망을 포함하는 바, 심층 신경망은 신경망 알고리즘 중에서 여러 개의 층으로 이루어진 신경망을 의미한다. The artificial neural network includes a deep neural network, and the deep neural network means a neural network composed of several layers among neural network algorithms.
즉, 인공 신경망은 다층으로 구성되는 바, 각각의 층은 여러 개의 노드로 구성되고, 각 노드에서는 실제로 형상을 분류하는 연산이 일어나며, 이 연산 과정은 인간의 신경망을 구성하는 뉴런에서 일어나는 과정을 모사하도록 설계된다.That is, the artificial neural network is composed of multiple layers, each layer is composed of several nodes, and an operation of actually classifying a shape occurs at each node. designed to do
노드는 일정 크기 이상의 자극을 받으면 반응을 하는데, 그 반응의 크기는 입력 값과 노드의 계수(또는 가중치, weights)를 곱한 값과 대략 비례한다. When a node receives a stimulus of a certain size or more, it responds, and the magnitude of the response is roughly proportional to the value multiplied by the input value and the node's coefficient (or weights).
일반적으로 노드는 여러 개의 입력을 받으며 입력 갯수만큼의 계수를 갖는다. 따라서, 이 계수를 조절함으로써 여러 입력에 서로 다른 가중치를 부여할 수 있다. In general, a node receives multiple inputs and has as many coefficients as the number of inputs. Therefore, different weights can be given to different inputs by adjusting this coefficient.
최종적으로 곱한 값들은 전부 더해지고 그 합은 활성 함수(activation function)의 입력으로 들어가게 된다. 활성 함수의 결과가 노드의 출력에 해당하며 이 출력값이 궁극적으로 분류나 회귀 분석에 쓰인다.Finally, all the multiplied values are added and the sum is input to the activation function. The result of the activation function corresponds to the output of the node, and this output is ultimately used for classification or regression analysis.
각 층은 여러 개의 노드로 이루어지며 입력값에 따라 각 노드의 활성화/비활성화 여부가 결정된다. 이때, 입력 데이터는 첫 번째 층의 입력이 되며, 그 이후엔 각 층의 출력이 다시 다음 층의 입력이 되는 방식이다.Each layer consists of several nodes, and whether each node is activated/deactivated is determined according to the input value. At this time, the input data becomes the input of the first layer, and after that, the output of each layer becomes the input of the next layer again.
모든 계수는 음향 데이터의 형상 학습 과정에서 계속 조금씩 변하는데, 결과적으로 각 노드가 어떤 입력을 중요하게 여기는지를 반영한다. 그리고 신경망의 학습(training)은 이 계수를 업데이트하는 과정이다.All coefficients change little by little during the shape learning process of acoustic data, and as a result, reflect which input each node considers important. And training of the neural network is the process of updating this coefficient.
음향 데이터의 형상 학습시 이러한 심층 신경망에서는 각 층마다 서로 다른 층위의 특징이 학습된다.When learning the shape of acoustic data, in such a deep neural network, features of different layers are learned for each layer.
즉, 낮은 층위의 특징은 단순하고 구체적인 특징이 학습되며 {예: 음향 데이터의 주파수 곡선을 형성하는 피치 형상}, 높은 층위의 특징은 더욱 복잡하고 추상적인 특징이 학습된다. {예: 날숨 혹은 들숨시의 음향 데이터의 주파수 형상}That is, simple and specific features are learned for low-level features (eg, pitch shape forming a frequency curve of acoustic data), and more complex and abstract features are learned for high-level features. {Example: Frequency shape of sound data during exhalation or inhalation}
이런 추상화 학습과정을 통해 심층 신경망이 고차원의 데이터를 이해하며, 이 과정에는 수 억, 수 십억 개의 계수가 관여하게 된다. (이 과정에서 비선형함수가 사용된다.)Through this abstraction learning process, deep neural networks understand high-dimensional data, and hundreds of millions or billions of coefficients are involved in this process. (A non-linear function is used in this process.)
또한, 심층 신경망은 데이터를 이용해 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 들숨 혹은 날숨시의 음향 데이터의 주파수 곡선의 윤곽, 주기 등 잠재적인 구조를 파악할 수 있다. 이를 통해 데이터가 라벨링되어 있지 않아도 데이터간의 유사성을 효과적으로 파악할 수 있으며, 결과적으로 심층 신경망은 들숨 및 날숨 데이터의 군집화에 효과적이다.In addition, deep neural networks can use the data to identify the latent structures of the data. That is, potential structures such as the contour and period of the frequency curve of the sound data at the time of inhalation or exhalation can be grasped. Through this, the similarity between data can be effectively identified even if the data is not labeled, and as a result, the deep neural network is effective for clustering inhalation and exhalation data.
예를 들어, 신경망을 이용해 대량의 음향 데이터를 입력받아 비슷한 음향 데이터끼리 모아서 분류할 수 있다.For example, a large amount of acoustic data may be input using a neural network, and similar acoustic data may be collected and classified.
이러한 심층 신경망이 일반적인 기계 학습과 다른 점은 특징 추출(feature extraction)이 자동적으로 이루어진다는 점이다. The difference between this deep neural network and general machine learning is that feature extraction is performed automatically.
기존에는 효과적인 특징을 추출하기 위해 관련 분야 전문가가 오랜 시간동안 직접 음향 특징을 추출하는 방식을 적용했다. 이 방법은 개발, 평가 및 보완에 많은 시간이 걸리는 문제점이 있다. In the past, in order to extract effective features, experts in the related field applied the method of extracting acoustic features directly for a long time. This method has a problem in that it takes a lot of time to develop, evaluate, and supplement.
심층 신경망은 이런 과정을 컴퓨터가 대신 하도록 알고리즘을 짠 것으로, 사람에 비해 훨씬 빠르고 효과적으로 수행하도록 학습시킨다.A deep neural network is an algorithm designed to make a computer perform this process, and it trains it to perform much faster and more effectively than humans.
라벨링이 되어있지 않은 데이터를 학습하는 경우에도 신경망은 음향 데이터의 특징을 자동적으로 추출할 수 있다. 이 자동 추출은 여러 가지 방법이 있는데, 보통 이 과정은 신경망을 통과시켰을 때의 출력이 입력과 같아지도록 학습하게 된다. Even when learning unlabeled data, the neural network can automatically extract features of acoustic data. There are several methods for this automatic extraction, and in general, this process learns to make the output equal to the input when passed through the neural network.
라벨이 어떤 종류이든지(입력을 그대로 사용/별도의 라벨을 사용) 신경망은 입력과 출력의 상관관계를 찾는다. 경우에 따라서는 라벨링된 데이터로 신경망을 어느 정도 학습시킨 뒤 라벨링이 되어있지 않은 데이터를 추가하여 계속 학습시킬 수도 있다. 이 방법을 이용하면 신경망의 성능을 극대화할 수 있다.No matter what kind of label is (use the input as is/use a separate label), the neural network finds the correlation between the input and the output. In some cases, after training the neural network to some extent with labeled data, it is possible to continue learning by adding unlabeled data. Using this method, the performance of the neural network can be maximized.
심층 신경망의 마지막 층은 출력층이다. 출력층의 활성 함수는 로지스틱(logistic) 혹은 소프트 맥스(softmax)인 경우가 대부분이며 출력층에서는 최종적으로 특정 라벨의 확률을 구할 수 있다. 예를 들어 음향 데이터를 입력하였을 때 주파수 곡선의 주기가 긴지 혹은 짧은지, 피크의 높낮이 등을 각각의 확률로 구할 수 있다.The last layer of a deep neural network is the output layer. In most cases, the activation function of the output layer is logistic or softmax, and the probability of a specific label can be finally obtained from the output layer. For example, when sound data is input, whether the period of the frequency curve is long or short, the height of the peak, etc. can be obtained with respective probabilities.
상기한 인공지능을 이용한 음향 분석과정을 설명하면,When explaining the sound analysis process using the above-mentioned artificial intelligence,
우선 학습이 시작되기 전에 뉴럴넷의 모든 계수를 초기화한다. 그리고 음향 데이터를 반복하여 입력하여 학습을 진행한다. 만일 학습이 원활하게 진행되었다면 계수는 적절한 값으로 업데이트 되어 있을 것이고, 이 인공 신경망으로 각종 분류와 예측이 가능하다.First, all coefficients of the neural net are initialized before training starts. Then, the learning proceeds by repeatedly inputting the sound data. If the learning proceeds smoothly, the coefficients will be updated to appropriate values, and various classifications and predictions are possible with this artificial neural network.
그리고, 학습 과정 내부에선 이러한 계수의 업데이트 과정이 반복적으로 일어난다.And, inside the learning process, the updating process of these coefficients occurs repeatedly.
계수 업데이트의 원리는 우선 계수를 추정하고 그 계수를 사용했을 때 발생하는 에러를 측정한 뒤 그 에러에 기반해서 계수를 약간씩 업데이트 하는 방식이다.The principle of coefficient update is to first estimate the coefficient, measure the error that occurs when the coefficient is used, and then slightly update the coefficient based on the error.
이때, 신경망의 여러 계수를 합쳐서 모델이라고 부르며, 모델은 초기화 된 상태일 수도 있고, 학습이 완료된 상태일 수도 있다.At this time, the multiple coefficients of the neural network are collectively called a model, and the model may be in an initialized state or in a state in which learning is completed.
초기화된 모델은 의미있는 작업을 못하지만 학습이 진행될수록 모델은 임의의 값이 아닌, 실제와 유사한 결과를 출력하게 된다.The initialized model does not perform any meaningful work, but as the learning progresses, the model outputs results similar to the actual value rather than a random value.
이는 인공 신경망이 데이터가 입력되기 전에는 초기화 상태이기 때문이며, 계수를 임의의 값으로 초기화하는 이유도 마찬가지이다. 그리고 데이터를 읽어가면서 계수를 조금씩 올바른 방향으로 업데이트하게 된다.This is because the artificial neural network is in an initialized state before data is input, and the reason for initializing coefficients to arbitrary values is also the same. And as the data is read, the coefficients are updated little by little in the correct direction.
이러한 업데이트 과정을 통하여 인공 신경망은 입력된 음향 데이터들을 분류함으로써 유사한 음향 데이터들을 군집화할 수 있다. Through this update process, the artificial neural network can group similar acoustic data by classifying the input acoustic data.
따라서 음향 데이터들은 유형별로 군집화될 수 있는 바, 예를 들면, 날숨시의 음향과, 들숨시의 음향으로 군집화되어 분류될 수 있다.Accordingly, the sound data may be clustered by type, for example, may be grouped into a sound at the time of exhalation and a sound at the time of inhalation and classified.
그리고 분류된 음향 데이터는 데이터 베이스에 등록된다.And the classified sound data is registered in the database.
이와 같이, 연산부(25)는 입력된 음향 데이터를 분석하여 들숨 혹은 날숨 여부를 파악한다.In this way, the calculating
그리고, 파악된 결과에 따라 공기 공급기에 신호를 전송함으로써 공기의 공급량을 조절하게 된다.Then, the air supply amount is controlled by transmitting a signal to the air supply unit according to the identified result.
이러한 공기 공급기는 MEMS(Micro-Electro Mechanical Systems;미세전자제어기술) 방식으로서 소형화된 전자 회로를 이용한 구조이다.This air supply is a MEMS (Micro-Electro Mechanical Systems; microelectronic control technology) structure using a miniaturized electronic circuit.
즉, 공기 공급기는 공기가 온도의 상승에 따라 밀도가 낮아져서 상승하는 공기 통로(17)와; 공기 통로(17)의 하부에 배치되어 공기가 유입되는 유입구(19)와; 공기 통로(17)의 상부에 배치되어 공기가 배출됨으로써 제 2포트(11b)를 통하여 마스크 내부로 공기가 공급되는 배출구(23)와; 제어기(5)의 신호에 따라 유입구(19) 및 배출구(23)의 개폐를 제어하는 회로부(18)를 포함한다.That is, the air supply includes an
상기 공기 통로(17)는 내부에 빈 공간이 형성되어 공기가 흐르며, 일측에 구비된 자외선 살균기(8)에 의하여 공기가 가열되는 경우 밀도가 낮아져서 별도의 펌프없이 상승하게 된다.The
이때, 공기 통로(17)는 다양한 형상으로 적용가능하며, 예를 들면 직선형상, 지그 재그형상, 또는 Coil 형상으로 구현될 수 있다.At this time, the
이는 마스크의 용도 및 공기 공급량에 따라 적절하게 선택될 수 있다.This may be appropriately selected according to the use of the mask and the amount of air supplied.
그리고, 공기 통로(17)의 상하부에 구비되는 유입구(19) 및 배출구(23)는 MEMS 방식의 게이트로서 제어기(5)의 신호에 의하여 개방 혹은 닫힘량이 제어될 수 있다. In addition, the
즉, 호흡이 들숨이라고 판단되면 배출구(23)의 개방량을 증가시켜서 보다 많은 량의 공기가 마스크의 내측으로 공급될 수 있도록 한다.That is, when it is determined that respiration is inhalation, the opening amount of the
반대로 호흡이 날숨이라고 판단되면 유입구(19)의 개방량을 보통의 마스크와 같은 정도로 공기가 공급될 수 있도록 한다.Conversely, when it is determined that respiration is exhalation, the opening amount of the
이와 같이, 제어기(5)의 신호에 의하여 유입구(19) 및 배출구(23)의 개폐량이 제어됨으로써 날숨 혹은 들숨에 따라 마스크에 공급되는 공기의 량을 적절하게 조절할 수 있다.In this way, by controlling the opening and closing amount of the
한편, 이러한 공기 공급기의 일측에는 자외선 살균기(8)가 배치됨으로써 공기 통로(17)의 내부에 흐르는 공기를 가열할 수 있다.On the other hand, the
즉, 자외선 살균기(8)는 다양한 방식이 적용될 수 있으며, 예를 들면 자외선 램프(15) 방식의 살균기(8)가 적용될 수 있다.That is, the
이러한 자외선 살균기(8)는 공기 공급기의 일측에 나란하게 배치됨으로써 자외선 살균기(8)로부터 발생된 자외선은 공기 통로(17)의 내측에 흐르는 공기의 온도를 상승시킨다.The
따라서, 온도가 상승된 공기는 밀도가 낮아져서 상승하게 되어 배출구(23)를 통하여 외부로 배출될 수 있다.Accordingly, the temperature of the air is increased because the density is lowered, it can be discharged to the outside through the outlet (23).
이때, 공기중에 함유된 바이러스 등의 유해한 미생물이 자외선에 의하여 살균될 수 있다.At this time, harmful microorganisms such as viruses contained in the air can be sterilized by ultraviolet rays.
즉, 자외선은 바이러스의 DNA의 이중나선구조를 파괴하여 이합체(시클로부탄 피리미딘)를 생성하게 된다.That is, ultraviolet rays break the double helix structure of the virus's DNA to produce a dimer (cyclobutane pyrimidine).
이때 자외선의 특정 파장이 보다 효과적으로 바이러스를 사멸시키게 된다.(도 4참조)At this time, the specific wavelength of ultraviolet rays kills the virus more effectively (see Fig. 4).
상기에서는 자외선 살균기(8)로 설명하였지만, 본 발명은 이에 한정되는 것은 아니고 공기 공급기의 공기를 살균할 수 있는 장치이면 모두 적용가능하다.Although the
그리고, 공기 통로(17)의 유입구(19) 하부에는 필터(21)가 배치됨으로써 바이러스 등의 유해한 미생물을 1차적으로 살균할 수 있다. 이때, 필터(21)는 다양한 종류의 필터(21)가 포함가능하며, 예를 들면 헤파필터(21) 등을 적용할 수 있다.In addition, by disposing the
Claims (7)
본체(2)에 구비되어 호흡시 발생하는 소리를 수집하고, 수집된 음향 데이터를 전송하는 마이크(9)와;
본체(2)에 연결되어 본체(2)의 내측에 공기를 공급하는 공기 공급기(7)와;
본체(2)에 연결되어 마이크(9)로부터 전송된 음성 데이터를 분석하여 들숨 및 날숨 여부를 파악하고, 이에 따라 공기 공급기(7)에 신호를 전송하여 마스크 내측에 공급되는 공기 공급량을 제어하는 제어기(5)를 포함하는 마스크.a body (2);
a microphone 9 provided in the main body 2 to collect the sound generated during breathing and transmit the collected sound data;
an air supply 7 connected to the body 2 and supplying air to the inside of the body 2;
A controller that is connected to the main body 2 and analyzes the voice data transmitted from the microphone 9 to determine whether an inhalation or exhalation occurs, and accordingly transmits a signal to the air supply 7 to control the amount of air supplied to the inside of the mask A mask comprising (5).
본체(2)의 하부에는 마이크(9)가 구비되며, 마이크(9)는 제어기(5)와 연결되는 제 1포트(11a)와; 공기 공급기가 연결되는 제 2포트(11b)를 포함하는 마스크.The method of claim 1,
A microphone 9 is provided at the lower portion of the main body 2, and the microphone 9 includes a first port 11a connected to the controller 5; A mask comprising a second port (11b) to which an air supply is connected.
제어기(5)는 마이크(9)로부터 음향 데이터를 수신하는 입력부(23)와; 수신된 음향 데이터를 인공지능 방식에 의하여 분석하여 들숨 및 날숨여부를 파악하여 공기 공급량을 연산하는 연산부(25)와; 연산된 결과값을 공기 공급기에 전송함으로써 들숨 및 날숨에 따라 공기 공급량을 제어하는 출력부(27)를 포함하는 마스크.The method of claim 1,
The controller 5 includes an input unit 23 for receiving sound data from the microphone 9; a calculating unit 25 that analyzes the received sound data by an artificial intelligence method and calculates an air supply amount by determining whether an inhalation or an exhalation occurs; A mask including an output unit (27) for controlling an air supply amount according to inhalation and exhalation by transmitting the calculated result value to the air supply unit.
공기 공급기는 공기가 온도의 상승에 따라 밀도가 낮아져서 상승하는 공기 통로(17)와; 공기 통로(17)의 하부에 배치되어 공기가 유입되는 유입구(19)와; 공기 통로(17)의 상부에 배치되어 공기가 배출됨으로써 제 2포트(11b)를 통하여 마스크 내부로 공기가 공급되는 배출구(23)와; 제어기(5)의 신호에 따라 유입구(19) 및 배출구(23)의 개폐를 제어하는 회로부(18)를 포함하는 마스크.The method of claim 1,
The air supply includes an air passage 17 through which the density of the air decreases as the temperature rises and rises; an inlet 19 disposed under the air passage 17 through which air is introduced; an outlet 23 disposed above the air passage 17 through which air is discharged to supply air into the mask through the second port 11b; A mask comprising a circuit portion (18) for controlling the opening and closing of the inlet (19) and the outlet (23) according to a signal from the controller (5).
상기 공기 통로(17)는 직선형상, 지그 재그형상, 또는 Coil 형상을 포함하는 마스크.5. The method of claim 4,
The air passage 17 is a mask having a straight shape, a zigzag shape, or a coil shape.
공기 통로(17)의 일측에 UV 살균기(8)가 추가로 배치되며, UV 살균기(8)에 의하여 조사된 자외선이 공기에 전달되어 가열시킴으로써 공기의 밀도가 낮아져서 상승함으로써 배출구(23)를 통하여 마스크의 내부로 공급되는 마스크.5. The method of claim 4,
A UV sterilizer 8 is additionally disposed on one side of the air passage 17, and the ultraviolet ray irradiated by the UV sterilizer 8 is transmitted to the air and heated, so that the density of the air is lowered and rises, so that the mask is passed through the outlet 23 The mask supplied to the inside of the
유입구(19)의 하부에는 필터(21)가 배치됨으로써 유입되는 바이러스를 1차적으로 제거하는 마스크.5. The method of claim 4,
A mask that primarily removes the introduced virus by disposing a filter 21 under the inlet 19 .
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210009442A KR102536195B1 (en) | 2021-01-22 | 2021-01-22 | Mask capable of controlling air flow according to breathing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210009442A KR102536195B1 (en) | 2021-01-22 | 2021-01-22 | Mask capable of controlling air flow according to breathing |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220106483A true KR20220106483A (en) | 2022-07-29 |
KR102536195B1 KR102536195B1 (en) | 2023-05-24 |
Family
ID=82606470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210009442A KR102536195B1 (en) | 2021-01-22 | 2021-01-22 | Mask capable of controlling air flow according to breathing |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102536195B1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102513860B1 (en) * | 2022-10-07 | 2023-03-24 | 손부기 | Multifunctional mask device for supplying oxygen |
KR102597273B1 (en) * | 2022-09-27 | 2023-11-02 | 손부기 | Mask device capable of multi- communication |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07328135A (en) * | 1994-06-03 | 1995-12-19 | Clean Tec Kk | Heat reserving mask for nose |
KR100434937B1 (en) | 1995-09-12 | 2004-11-11 | 미네소타 마이닝 앤드 매뉴팩춰링 캄파니 | Assessment of wearing condition of breathing mask and respiratory mask on human face |
KR20130000488A (en) * | 2011-06-23 | 2013-01-03 | 이양직 | Breathing mask |
KR20190095139A (en) * | 2018-02-05 | 2019-08-14 | 비클시스템주식회사 | E-mask for sensing a user’s breathing pattern and healthcare system using the same |
KR20190113268A (en) * | 2018-03-28 | 2019-10-08 | 김성권 | Mask for preventing inhaling fine dust |
-
2021
- 2021-01-22 KR KR1020210009442A patent/KR102536195B1/en active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07328135A (en) * | 1994-06-03 | 1995-12-19 | Clean Tec Kk | Heat reserving mask for nose |
KR100434937B1 (en) | 1995-09-12 | 2004-11-11 | 미네소타 마이닝 앤드 매뉴팩춰링 캄파니 | Assessment of wearing condition of breathing mask and respiratory mask on human face |
KR20130000488A (en) * | 2011-06-23 | 2013-01-03 | 이양직 | Breathing mask |
KR20190095139A (en) * | 2018-02-05 | 2019-08-14 | 비클시스템주식회사 | E-mask for sensing a user’s breathing pattern and healthcare system using the same |
KR20190113268A (en) * | 2018-03-28 | 2019-10-08 | 김성권 | Mask for preventing inhaling fine dust |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102597273B1 (en) * | 2022-09-27 | 2023-11-02 | 손부기 | Mask device capable of multi- communication |
KR102513860B1 (en) * | 2022-10-07 | 2023-03-24 | 손부기 | Multifunctional mask device for supplying oxygen |
Also Published As
Publication number | Publication date |
---|---|
KR102536195B1 (en) | 2023-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102536195B1 (en) | Mask capable of controlling air flow according to breathing | |
Gharehbaghi et al. | A deep machine learning method for classifying cyclic time series of biological signals using time-growing neural network | |
US10579925B2 (en) | Method and system for predicting outcomes based on spatio/spectro-temporal data | |
Pradhan et al. | Predict the onset of diabetes disease using Artificial Neural Network (ANN) | |
CN111445997A (en) | Infectious disease dynamics model based on machine learning algorithm and analysis method | |
CN112399819B (en) | Sensing system and method for monitoring time-dependent processes | |
WO2019137538A1 (en) | Emotion representative image to derive health rating | |
CN116564561A (en) | Intelligent voice nursing system and nursing method based on physiological and emotion characteristics | |
KR102600175B1 (en) | Method, computing device and computer program for analyzing a user's sleep state through sound information | |
Muezzinoglu et al. | Transients versus attractors in complex networks | |
Arulkumar et al. | A novel usage of artificial intelligence and internet of things in remote‐based healthcare applications | |
CN114830257A (en) | Cough detection system and method | |
Jarecki et al. | The assumption of class-conditional independence in category learning | |
KR20210046373A (en) | Personalized weigt management | |
D’ASARO et al. | An application of a runtime epistemic probabilistic event calculus to decision-making in e-health systems | |
JP2024521116A (en) | Systems and methods for predicting compliance based on device usage and patient demographics | |
Hamke et al. | Detecting breathing rates and depth of breath using LPCs and Restricted Boltzmann Machines | |
US20210402343A1 (en) | Devices and methods to prevent transfer of infectious agents using a machine learning model | |
Thilakar et al. | Optimization Based Control of Pressure regulation for Mechanical Ventilation System using Artificial Bee Colony Optimization (ABC) algorithm | |
Brunengo et al. | Optimization of the efficiency of the High Frequency Chest Wall Oscillation technique in a mathematical model of the lung | |
Shah et al. | Prediction of Oral Cancer Treatment Plan using Machine Learning | |
Maduko | Development and testing of a neuro-fuzzy classification system for IOS data in asthmatic children | |
Juhari et al. | E-Stethoscope: Preliminary Classification of Chest Sound for Proper Intubation in Paediatrics | |
Temel et al. | QUANTIZATION WITH A NEW | |
Kokoszka et al. | Information metabolism in the framework of exact sciences |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E90F | Notification of reason for final refusal | ||
E701 | Decision to grant or registration of patent right |