수질 센서를 위한 데이터 분석 플랫폼 개발

Abstract

일반적으로 기존의 수질센서에 비해 우리 그룹의 수질센서의 경우, 가격적인 부분, 측정에 걸리는 시간 그리고 감도 또한 향상된 성향을 보인다. 우리 그룹 수질센서 시스템을 휴대용 수질센서로서 오염 물질을 실시간으로 오염물질을 분류해 내는 기법을 응용하는 것을 구축하였다. 먼저, 자외선 범위 내의 3개의 파장 스펙트럼을 통한 페놀 농도 특성을 확인하기 위해, 우리 그룹의 신규 광학 센서 시스템인 유사 바이폴라 정션 트랜지스터 광학 측정 시스템(PBOS:Pseudo BJT Optical Sensor System)을 통해 투과 값에 대해 측정하고 특징들을 검출해냈다. 실시간 데이터 분석을 하기 위한 전체 시스템은 측정 시스템, 컨트롤 시스템, 서버 시스템으로 구분 할 수 있다. 측정 시스템은 다방면으로 응용하기 위해 기존의 PBOS 시스템을 Embedded System으로 소형화 시키는 목적으로 C로 구현하였다. 컨트롤 시스템은 Embedded System과 UART 통신을 사용하여 제어 목적과 측정된 데이터 셋을 서버로 송 수신 역할을 하고 있으며 JAVA로 구현하였다. 서버 시스템은 마이크로 프로세서 보다 메모리의 용량의 장점과 계산 능력, 외부 사용자가 데이터 분류를 수행 할 수 있게 하는 장점을 보이며 수신된 데이터 셋을 기계학습을 통해 결과를 사용자에게 메일로 발송하는 방식의 웹 서버를 Node.js로 구현하였다. 위의 측정한 데이터와, 시스템 구축을 근거하여, 어떠한 물질이 수질 내에 있는지 모르는 샘플들을 분류하기 위해 측정 한 우리의 데이터 셋에 패턴인식과 기계학습 알고리즘을 적용하여 분류 모델을 구축하도록 외부 서버에 이식 하였다. 새로운 샘플의 분류를 위한 대표적인 알고리즘인 서포트벡터머신(Support Vector Machine)을 사용하였지만, 측정한 데이터 셋의 차원수가 증가하면 할수록 기계학습의 대표적인 문제점인 차원의 저주 (Curse of dimensionality)가 발생하게 된다. 이러한 문제점을 통한, 학습 능력저하와 계산 복잡성을 해결하기 위해서, 우리는 대표적인 차원 축소 방법인 주성분 분석(PCA)와 선형 판별 분석(LDA)를 전처리 기법으로 사용하였다. 본 논문에서는, 우리 그룹의 PBOS 시스템의 장점인 기존의 측정 시스템보다 더 나은 감도(sensitivity)와 더 낮은 검출 한계(LOD: limit of detection)을 이용하여 낮은 농도의 물질들을 측정하여 데이터베이스화 후 측정 데이터를 응용한 기법인 수질센서 데이터 셋에 기계학습 알고리즘을 외부 서버에 적용함으로써, 탁도 조건 내에 1nM까지 페놀의 농도를 실시간으로 90% 이상의 분류 성공률을 보여주기에 수질센서로서 훌륭한 성과를 보여준다.