KR20230013481A - 하우스 시설 위해성 예방 시스템 - Google Patents

Abstract

본 발명은 하우스 시설에서 작업시 발생할 수 있는 위해성을 예방하는 시스템에 관한 것으로서, 관리대상 작업장의 환경정보를 실시간 수집하고 수집한 환경정보를 송신하는 센서부; 상기 센서부로부터 환경정보를 수신받은 데이터를 전처리하여 딥 러닝 서버로 송신하며 상기 딥 러닝 서버로부터 예측 모델을 수신받고 이를 기반으로 위해성 여부를 판단하는 게이트웨이; 상기 게이트웨이로부터 전처리 과정을 거친 데이터를 수신받아 기록하는 데이터베이스; 및 상기 딥 러닝 서버를 포함하며 상기 데이터베이스에서 기록된 데이터를 추출하여 이를 딥 러닝 학습을 통한 예측 모델을 구축하는 서버부; 를 포함하는 것을 특징으로 한다. 이로 인한 효과로서 농작업장 내부나 외부의 온도, 습도, 이산화탄소, 미세먼지 등의 주변 환경정보를 수집하여 현재 농작업자가 작업을 실시함에 있어 적합한 환경인지 또는 유해한 환경인지를 딥 러닝 분석하고, 이를 사용자에게 예·경보 정보로 제공함과 동시에 작업장 내부 환기가 자동으로 수행되어 인명사고를 미연에 방지할 수 있다.

Description

하우스 시설 위해성 예방 시스템{Greenhouse risk monitoring system}

본 발명은 하우스 시설재배 환경에서 내부 및 외부 환경 정보, 작업자 정보 및 시설 동작 정보 등을 수집하고 이를 딥 러닝 분석을 통해 작업자에게 가해질 수 있은 위험 요소를 예측하는 시스템에 관한 것이다.

우리나라의 농, 축업인들은 급속도로 노령화되어 있는 반면, 작업의 특성상 자동화 기계류와 농약 등의 사용량의 꾸준히 증가하고 있다.

특히 비닐하우스 농업의 증가로 인하여 농한기와 농번기의 구분 없이 연중 총 작업 시간의 증가하고 있으며, 이러한 요인으로 농작업자의 농작업성 질환이나 사고의 위험성에 쉽게 노출되고 그 빈도가 점차 늘어나고 있다.

예를 들면 비닐하우스 작업의 경우 고온, 다습한 환경으로 인한 열사병 피해 등이 발생할 수 있으며, 축가의 경우 가축의 분료로 인한 암모니아, 일산화탄소 농도가 증가하여 유해 가스에 의한 중독 피해 등이 늘고있다.

특히 일정한 근무 시간이 정해지지 않은 농, 축업인들에게는 장시간 유해 환경에 노출되어 있기 때문에 이러한 농, 축업인들의 피해는 기술이 발전한 현대 사회에서도 쉽게 저감되지 않고 있는 실정이다.

이에 따라 농, 축가의 작업시 주변환경 요인과 시설 내 유해요인 및 위험성 등을 분석하여 실시간으로 농, 축작업자에게 정보를 제공함으로써 농, 축작업자의 재해 발생을 최소화하기 위한 서비스가 요구되고 있다.

대한미국 공개특허공보 제10-2013-0102823호(2013.09.23.)

본 발명은 상기한 바와 같은 문제점과 실정을 해결하고자 하는 것으로, 하우스 시설재배 외부 및 내부를 감시하고 작업자의 실시간 위치와 상태를 확인하여 위해성 예측 모델을 생성하고자 한다.

하우스 시설재배와 같은 작업장에서 내부 및 외부 환경 정보 모니터링, 작업자 정보, 시설 동작 정보 등을 수집하고 이를 딥 러닝 분석을 통하여 작업자에게 해가 될 수 있는 요인 즉 위해성을 예방하기 위한 시스템에 관한 것이다.

본 발명의 하우스 시설 위해성 예방 시스템은 관리대상 작업장의 환경정보를 실시간 수집하고 수집한 환경정보를 송신하는 센서부; 상기 센서부로부터 환경정보를 수신받은 데이터를 전처리하여 딥 러닝 서버로 송신하며 상기 딥 러닝 서버로부터 예측 모델을 수신받고 이를 기반으로 위해성 여부를 판단하는 게이트웨이; 상기 게이트웨이로부터 전처리 과정을 거친 데이터를 수신받아 기록하는 데이터베이스; 및 상기 딥 러닝 서버를 포함하며 상기 데이터베이스에서 기록된 데이터를 추출하여 이를 딥 러닝 학습을 통한 예측 모델을 구축하는 서버부; 를 포함하는 것을 특징으로 한다.

하나의 예로써, 상기 센서부는, 상기 작업장의 외부온도와 상기 작업장 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도 및 미세먼지 농도, 작업자의 체온, 맥박 및 상기 작업장으로 입실 여부, 상기 작업장의 환풍기 및 개폐기 동작 상태 및 농작업 일지를 통한 작업 내역을 상기 게이트웨이에 송신하는 것을 특징으로 한다.

하나의 예로써, 상기 게이트웨이는, 센서부로부터 데이터를 수신받는 데이터 수신부, 상기 데이터 수신부로부터 데이터를 수신받아 전처리 과정을 진행하는 데이터 전처리부, 상기 데이터 전처리부에서 가공된 데이터를 상기 데이터베이스에 전송하는 데이터 전송부, 상기 서버부에서 예측된 모델을 기반으로 위해성 여부를 판단하는 위해성 평가부, 상기 서버부에 예측 모델을 요청하여 수신받는 예측 요청부, 상기 위해성 평가부의 판단에 따라 상기 작업장의 환풍기 및 개폐기를 작동시키는 시설 제어부, 상기 위해성 평가부의 판단에 따라 상기 작업장에 위해성을 고지하는 스피커 제어부를 포함하는 것을 특징으로 한다.

하나의 예로써, 상기 서버부는, 상기 데이터베이스에서 데이터를 수신받는 데이터 추출부, 상기 데이터 추출부에서 추출된 데이터를 기반으로 학습을 위해 데이터 전처리를 진행하는 예측 데이터 전처리부, 상기 데이터 추출부에서 학습을 위한 데이터 전처리 과정을 진행하는 학습 데이터 전처리부, 상기 학습 데이터 전처리부에서 처리된 데이터를 기반으로 학습 모델을 생성하는 학습 모듈, 상기 예측 데이터 전처리부에서 처리된 데이터와 상기 학습 모델을 기반으로 예측 모델을 생성하여 이를 상기 예측 요청부의 필요에 따라 상기 생성된 예측 모델을 송신하는 예측 모듈을 포함하는 것을 특징으로 한다.

하나의 예로써, 상기 위해성 평가부는, 상기 서버부에서 송신된 예측 모델이 임계값 이상일 경우 상기 시설 제어부 및 스피커 제어부를 통해 환기 및 위험 고지를 실행하는 것을 특징으로 한다.

본 발명의 시스템에 따르면 농작업장 내부나 외부의 온도, 습도, 이산화탄소, 미세먼지 등의 주변 환경정보를 수집하여 현재 농작업자가 작업을 실시함에 있어 적합한 환경인지 또는 유해한 환경인지를 딥 러닝 분석하고, 이를 사용자에게 예·경보 정보로 제공함과 동시에 작업장 내부 환기가 자동으로 수행되어 인명사고를 미연에 방지할 수 있다.

도 1은 본 발명 시스템의 개략도를 도시한 것이다.
도 2는 본 발명 시스템의 블럭도 이다.
도 3은 본 발명 시스템이 작동하는 알고리즘을 도시한 것이다.

이하, 본 발명의 구성 및 작용을 첨부된 도면에 의거하여 좀 더 구체적으로 설명한다. 본 발명을 설명함에 있어서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.

본 발명의 시스템은 하우스 시설 위해성 예방 시스템은 농작업장의 주변 환경을 수시로 확인하고 이를 데이터화 하여 작업자에게 가해질 수 있는 위해성을 사전에 방지하기 위한 것이다.

도 1은 본 발명 시스템의 개략도이다. 이하 도면을 참조하여 설명한다.

본 발명의 하우스 시설 위해성 예방 시스템은 관리대상 작업장의 환경정보를 실시간 수집하고 수집한 환경정보를 송신하는 센서부(100); 상기 센서부(100)로부터 환경정보를 수신받은 데이터를 전처리하고 위해성 여부를 예측 및 알리는 게이트웨이(400); 전처리 과정을 거친 데이터를 기록하는 데이터베이스(300); 및 상기 데이터베이스(300)에서 기록된 데이터를 추출하여 이를 딥 러닝 학습을 통한 예측 모델을 구축하는 서버부(500); 를 포함한다.

센서부(100)는 작업장의 외부와 내부의 상황을 파악할 수 있는 복수의 센서를 포함할 수 있고, 일 예로 센서부(100)는 작업장의 외부 센서(102)와 내부 센서(101) 및 작업자가 착용하는 웨어러블 기기(130)로 구분될 수 있다. 따라서 센서부(100)는 외부 온도와 상기 작업장 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도 및 미세먼지 농도를 측정할 수 있으며 웨어러블 기기(130)를 통해서 작업자의 체온, 맥박 및 상기 작업장으로 입실 여부를 체크할 수 있으며, 이 외에 상기 작업장의 환풍기(110) 및 개폐기 동작 상태는 각 기기에 직접 연결 또는 통신전달매체를 통해 확인할 수 있다. 그 외에 작업자는 작업 일지(140)를 통한 작업 내역 등의 정보를 게이트웨이(400)에 입력하며, 이러한 과정을 통해서 게이트 웨이는 상기 정보들을 수집할 수 있게 된다.

따라서 위해성 여부가 감지되면 작업자에게 위험 여부를 경고하거나 필요 시 즉각적인 환기가 수행될 수 있게 되는 것이다.

또한, 일 예로 상기 센서부(100)에서 측정된 정보는 와이파이, BLE통신모듈 또는 비콘 등의 통신전달매체를 활용하여 게이트웨이(400)로 송신될 수 있으며, BLE통신모듈은 블루투스 기반의 비콘신호로 수집된 데이터를 송신할 수 있다.

상기 비콘은 블루투스 저에너지(BLE)기술을 기반으로 한 근거리 무선통신 장치로 소량의 패킷 전송으로 동작이 가능하고 통상적으로 무선 통신에 있어 상호 기기 간을 연결시키기 위한 페어링(pairing)이 불필요하며, 저전력으로 통신하기 때문에 다른 근거리 무선통신 기술에 비해 저비용으로 위치를 인식할 수 있고, 특히 GPS가 불가한 실내에서도 위치 파악이 가능한 특징이 있다.

또한, 도면에 도시된 바는 없으나 각 센서에는 배터리모듈이 구성될 수 있다. 배터리모듈은 태양광 에너지로부터 전력을 생산하는 태양전지와 연결되어 상기 태양전지에서 출력된 전력을 충전하고, 충전된 전력을 각각의 구동 요소 즉 온도, 습도, 일산화탄소, 이산화탄소 및 미세먼지를 측정하는 센서와 BLE통신모듈 등에 대응되는 전압으로 변환하여 제공할 수 있다.

또한, 배터리모듈은 앞서 언급한 실시 예와는 달리 내장된 배터리를 구비하고 배터리로만 가동되게 구축되거나, 태양전지 외에도 풍력 등 자체 발전 수단에서 생산되는 전력이나 상용전원에 의한 전력을 충전하여 공급하는 등 공지기술에 따른 다양한 실시 예들이 적용될 수 있음은 당연하다.

도 2는 본 발명의 시스템의 블럭도 이다. 도 2를 참조하면, 게이트웨이(400)는 센서*부터 데이터를 수신받는 데이터 수신부(410), 상기 데이터 수신부(410)로부터 데이터를 수신받아 전처리 과정을 진행하는 데이터 전처리부(420), 상기 데이터 전처리부(420)에서 가공된 데이터를 상기 데이터베이스(300)에 전송하는 데이터 전송부(430), 상기 서버부(500)에서 예측된 모델을 기반으로 위해성 여부를 판단하는 위해성 평가부(440), 상기 서버부(500)에 예측 모델을 요청하여 수신받는 예측 요청부(450), 상기 위해성 평가부(440)의 판단에 따라 상기 작업장의 환풍기(110) 및 개폐기를 작동시키는 시설 제어부(460), 상기 위해성 평가부(440)의 판단에 따라 상기 작업장에 위해성을 고지하는 스피커 제어부(470)를 포함할 수 있다.

즉, 센서부(100)에서 송신되는 정보를 데이터 수신부(410)가 수신받아 이를 데이터 전처리부(420)에 전달한다. 이후 수신된 데이터에서 시간 데이터와 수치 데이터로 구분하는 데이터 전처리 과정을 거쳐 수치 데이터를 데이터 전송부(430)와 위해성 평가부(440)에 전달 한다. 이후 데이터 전송부(430)는 데이터베이스(300)에 다시 정보를 전달하며, 위해성 평가부(440)는 전처리된 데이터와 서버부(500)에서 수신된 예측 모델을 기반으로 위해성 여부를 평가하여 환풍기(110)를 즉각 가동하거나 스피커(120)로 작업자에게 위해성을 고지하게 되는 것이다.

또한, 본 발명의 시스템은 웨어러블 기기(130)를 통해서 작업자의 시간대별 위치를 실시간으로 파악할 수 있으며, 작업자의 활동이 일정 시간 이상이 될 경우 이를 고지하여 휴식을 권해 작업자가 과로하는 것을 방지할 수 있다.

다음으로 서버부(500)에 대하여 설명한다. 서버부(500)는, 상기 데이터베이스(300)에서 데이터를 수신받는 데이터 추출부(510), 상기 데이터 추출부(510)에서 추출된 데이터를 기반으로 학습을 위해 데이터 전처리를 진행하는 예측 데이터 전처리부(520), 상기 데이터 추출부(510)에서 학습을 위한 데이터 전처리 과정을 진행하는 학습 데이터 전처리부(530), 상기 학습 데이터 전처리부(530)에서 처리된 데이터를 기반으로 학습 모델을 생성하는 학습 모듈, 상기 예측 데이터 전처리부(520)에서 처리된 데이터와 상기 학습 모델을 기반으로 예측 모델을 생성하여 이를 상기 예측 요청부(450)의 필요에 따라 상기 생성된 예측 모델을 송신하는 예측 모듈부(550)를 포함할 수 있다.

보다 상세하게 서버부(500)는 데이터베이스(300)에서 추출된 데이터를 기반으로 학습 데이터 전처리 과정을 거쳐 학습 모델을 생성하고, 예측 모듈부(550)는 예측 데이터 전처리부(520)에서 전처리된 데이터와 학습 모듈에서 생성된 학습 모델을 기반으로 예측 모델을 생성하게 되는 것이다. 이후 생성된 예측 모델은 게이트웨이(400)의 예측 요청부(450)의 요청에 따라 상기 예측 모델을 송신하게 된다.

도 3은 게이트웨이(400)의 위해성 평가 과정의 알고리즘과 딥러닝 서버의 예측 모델 생성 알고리즘을 도시한 것이다. 이하 도면을 참조하여 설명한다.

센서부(100) 통해 수집되는 정보는 1분 단위로 수집되어 전처리 과정이 이루어져 데이터베이스(300)로 전송될 수 있다. 이후 작업자가 착용하고 있는 웨어러블 기기(130)와 게이트웨이(400) 간 통신을 통해 작업자의 위치가 확인되면 게이트웨이(400)는 10분 단위로 예측 요청부(450) 및 위해성 평가부(440)를 통해서 위해성 여부를 평가하게 된다.

이후 위해성 평가부(440)에서 평가된 수치가 기 설정된 임계값 이상일 경우 시설 제어부(460)와 스피커 제어부(470)로 환기를 진행함과 동시에 작업자에게 위해성을 고지하게 된다.

또한, 서버부(500)에서 이루어지는 예측 모델 생성은 딥 러닝 과정을 통해 이루어 지며, 딥 러닝 과정의 첫 단계로서 딥 러닝 서버는 예측 모델의 존재 여부를 확인하고 예측 모델이 없는 경우 데이터 추출부(510), 데이터 전처리부(420), 학습 데이터 전처리부(530), 학습 모듈부(540) 및 예측 모델부를 거쳐 예측 모델을 생성하게 된다. 이후 예측 모델이 생성되면 게이트웨이(400)로부터 예측 요청이 있을 경우 예측을 위한 표본 데이터를 추출하여 전처리를 거쳐 모델에 적용하여 결과 값을 게이트웨이(400)로 전송한다.

최초 모델이 생성된 이후부터는 매일 새벽 1시를 기준으로 이전까지 새로 수신된 데이터를 기반으로 재학습후 예측 모델 업데이트를 실시하고, 이후 예측 요청부(450)의 요청 여부에 따라 예측 모델을 제공하게 된다.

이상 설명한 내용을 통해 당업자라면 본 발명의 기술사상을 일탈하지 아니하는 범위에서 다양한 변경 및 수정 가능함을 알 수 있을 것이다. 따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구범위에 의해 정해져야만 할 것이다.

100 : 센서부 101 : 내부 센서
102 : 외부 센서 110 : 환풍기
120 : 스피커 130 : 웨어러블 기기
140 : 작업 일지 300 : 데이터베이스
400 : 게이트웨이 410 : 데이터 수신부
420 : 데이터 전처리부 430 : 데이터 전송부
440 : 위해성 평가부 450 : 예측 요청부
460 : 시설 제어부 470 : 스피커 제어부
500 : 서버부 510 : 데이터 추출부
520 : 예측 데이터 전처리부 530 : 학습 데이터 전처리부
540 : 학습 모듈부 550 : 예측 모듈부

Claims (5)

1. 관리대상 작업장의 환경정보를 실시간 수집하고 수집한 환경정보를 송신하는 센서부; 상기 센서부로부터 환경정보를 수신받은 데이터를 전처리하여 딥 러닝 서버로 송신하며 상기 딥 러닝 서버로부터 예측 모델을 수신받고 이를 기반으로 위해성 여부를 판단하는 게이트웨이; 상기 게이트웨이로부터 전처리 과정을 거친 데이터를 수신받아 기록하는 데이터베이스; 및 상기 딥 러닝 서버를 포함하며 상기 데이터베이스에서 기록된 데이터를 추출하여 이를 딥 러닝 학습을 통한 예측 모델을 구축하는 서버부; 를 포함하는 것을 특징으로 하는 하우스 시설 위해성 예방 시스템.
   
2. 제1항에 있어서,
   상기 센서부는,
   상기 작업장의 외부온도와 상기 작업장 내부의 온도, 습도, 이산화탄소 농도, 일산화탄소 농도 및 미세먼지 농도, 작업자의 체온, 맥박 및 상기 작업장으로 입실 여부, 상기 작업장의 환풍기 및 개폐기 동작 상태 및 농작업 일지를 통한 작업 내역을 상기 게이트웨이에 송신하는 것을 특징으로 하는 하우스 시설 위해성 예방 시스템.
   
3. 제2항에 있어서,
   상기 게이트웨이는,
   센서부로부터 데이터를 수신받는 데이터 수신부, 상기 데이터 수신부로부터 데이터를 수신받아 전처리 과정을 진행하는 데이터 전처리부, 상기 데이터 전처리부에서 가공된 데이터를 상기 데이터베이스에 전송하는 데이터 전송부, 상기 서버부에서 예측된 모델을 기반으로 위해성 여부를 판단하는 위해성 평가부, 상기 서버부에 예측 모델을 요청하여 수신받는 예측 요청부, 상기 위해성 평가부의 판단에 따라 상기 작업장의 환풍기 및 개폐기를 작동시키는 시설 제어부, 상기 위해성 평가부의 판단에 따라 상기 작업장에 위해성을 고지하는 스피커 제어부를 포함하는 것을 특징으로 하는 하우스 시설 위해성 예방 시스템.
   
4. 제3항에 있어서,
   상기 서버부는,
   상기 데이터베이스에서 데이터를 수신받는 데이터 추출부, 상기 데이터 추출부에서 추출된 데이터를 기반으로 학습을 위해 데이터 전처리를 진행하는 예측 데이터 전처리부, 상기 데이터 추출부에서 학습을 위한 데이터 전처리 과정을 진행하는 학습 데이터 전처리부, 상기 학습 데이터 전처리부에서 처리된 데이터를 기반으로 학습 모델을 생성하는 학습 모듈, 상기 예측 데이터 전처리부에서 처리된 데이터와 상기 학습 모델을 기반으로 예측 모델을 생성하여 이를 상기 예측 요청부의 필요에 따라 상기 생성된 예측 모델을 송신하는 예측 모듈부를 포함하는 것을 특징으로 하는 하우스 시설 위해성 예방 시스템.
   
5. 제4항에 있어서,
   상기 위해성 평가부는,
   상기 서버부에서 송신된 예측 모델이 임계값 이상일 경우 상기 시설 제어부 및 스피커 제어부를 통해 환기 및 위험 고지를 실행하는 것을 특징으로 하는 하우스 시설 위해성 예방 시스템.

Images