지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 민세동
- 발행연도
- 2021
- 저작권
- 순천향대학교 논문은 저작권에 의해 보호받습니다.
이용수21
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
족저압은 발바닥이 지면에 닿았을 때 가해지는 압력으로, 족저압 데이터를 분석하여 발의 변형, 인체의 균형 상태, 발의 기능 장애 등을 평가할 수 있다. 최근에는 족저압 데이터를 기반으로 개인 간의 분류 정확도를 평가하는 연구가 진행되고 있다. 이처럼 족저압 데이터를 기반으로 지표 및 패턴을 활용하기 위해서는 정확하고 신뢰할 수 있는 족저압 측정 시스템을 사용하는 것이 중요하다. 하지만 상용 족저압 측정 시스템인 MatScan, F-Scan, Novel은 고비용 시스템이다. 비용적 부담을 해소하기 위해 족저압 측정이 가능한 압력 센서를 기반으로 족저압 측정 시스템을 개발하기 위한 연구가 다양하게 시도되고 있다.
본 연구에서는 족저압 측정 시스템을 개발하기 위해 Velostat 압력센서를 제작하고 족저압 데이터를 실시간으로 모니터링 및 수집할 수 있도록 C# 기반의 어플리케이션을 개발하였다. Velostat 압력센서는 총 1,750 개의 채널을 가지고 있으며 측정 회로의 잡음을 최소화하기 위해 PCB를 설계하였다. C# 어플리케이션에서는 Velostat 압력센서로부터 채널당 2 Hz로 족저압 데이터를 수집하고 Jet color map으로 실시간 모니터링 및 데이터 저장이 가능하다.
본 연구에서 제안한 족저압 측정 시스템의 성능을 평가하기 위해 3 가지의 실험을 진행하였다. 먼저 Velostat 압력센서의 무게에 따른 출력 특성을 평가하기 위해 200 g부터 4,000 g까지 200 g 간격으로 분동을 올려 추세선을 검출하였다. 추세선은 r2 = 0.98로 신뢰할 수 있는 결과를 보였다. 다음으로 출력 오차 및 Drift 특성을 평가하기 위해 4,000 g의 무게를 10 분간 올려두었다. 그 결과, 출력 오차는 0.035 kg, Drift는 0.020 kg이 발생한다는 것을 확인하였다. 다음으로 상용 족저압 측정 시스템인 MatScan을 reference 시스템으로 설정하여 30 명의 족저압 데이터를 동시에 획득하였다. 무게가 가해진 영역의 크기, CoPx, CoPy를 족저압 지표로 선정하여 제안한 시스템과 MatScan에서 산출된 족저압 지표를 비교 평가하였다. 무게가 가해진 영역 크기의 RMSE는 11.315 cm2, CoPx의 RMSE는 1.036 cm, CoPy의 RMSE는 0.936 cm의 결과를 보였다. 마지막으로, 수집된 30 명의 족저압 데이터로 생성한 족저압 이미지를 기반으로 CNN 알고리즘을 사용해 개인 분류 정확도를 평가하였다. 제안한 시스템은 99.47 %, MatScan은 96.86 %로 개인 간 분류가 가능하였고 제안한 시스템이 MatScan보다 2.61 % 높은 정확도로 개인 간 분류가 가능하였음을 확인하였다.
본 연구에서는 Velostat 압력센서를 기반으로 족저압 측정 시스템을 개발하여 상용 족저압 측정 시스템과의 비교를 통해 높은 정확도와 성능을 가진다는 것을 확인하였다. 향후 연구에서는 Velostat 압력센서를 Flexible PCB로 제작하여 족저압 지표 정확도를 향상시키고 족저압 지표를 추가로 분석해서 보다 실용적인 족저압 측정 시스템을 개발하고자 한다.
본 연구에서는 족저압 측정 시스템을 개발하기 위해 Velostat 압력센서를 제작하고 족저압 데이터를 실시간으로 모니터링 및 수집할 수 있도록 C# 기반의 어플리케이션을 개발하였다. Velostat 압력센서는 총 1,750 개의 채널을 가지고 있으며 측정 회로의 잡음을 최소화하기 위해 PCB를 설계하였다. C# 어플리케이션에서는 Velostat 압력센서로부터 채널당 2 Hz로 족저압 데이터를 수집하고 Jet color map으로 실시간 모니터링 및 데이터 저장이 가능하다.
본 연구에서 제안한 족저압 측정 시스템의 성능을 평가하기 위해 3 가지의 실험을 진행하였다. 먼저 Velostat 압력센서의 무게에 따른 출력 특성을 평가하기 위해 200 g부터 4,000 g까지 200 g 간격으로 분동을 올려 추세선을 검출하였다. 추세선은 r2 = 0.98로 신뢰할 수 있는 결과를 보였다. 다음으로 출력 오차 및 Drift 특성을 평가하기 위해 4,000 g의 무게를 10 분간 올려두었다. 그 결과, 출력 오차는 0.035 kg, Drift는 0.020 kg이 발생한다는 것을 확인하였다. 다음으로 상용 족저압 측정 시스템인 MatScan을 reference 시스템으로 설정하여 30 명의 족저압 데이터를 동시에 획득하였다. 무게가 가해진 영역의 크기, CoPx, CoPy를 족저압 지표로 선정하여 제안한 시스템과 MatScan에서 산출된 족저압 지표를 비교 평가하였다. 무게가 가해진 영역 크기의 RMSE는 11.315 cm2, CoPx의 RMSE는 1.036 cm, CoPy의 RMSE는 0.936 cm의 결과를 보였다. 마지막으로, 수집된 30 명의 족저압 데이터로 생성한 족저압 이미지를 기반으로 CNN 알고리즘을 사용해 개인 분류 정확도를 평가하였다. 제안한 시스템은 99.47 %, MatScan은 96.86 %로 개인 간 분류가 가능하였고 제안한 시스템이 MatScan보다 2.61 % 높은 정확도로 개인 간 분류가 가능하였음을 확인하였다.
본 연구에서는 Velostat 압력센서를 기반으로 족저압 측정 시스템을 개발하여 상용 족저압 측정 시스템과의 비교를 통해 높은 정확도와 성능을 가진다는 것을 확인하였다. 향후 연구에서는 Velostat 압력센서를 Flexible PCB로 제작하여 족저압 지표 정확도를 향상시키고 족저압 지표를 추가로 분석해서 보다 실용적인 족저압 측정 시스템을 개발하고자 한다.
목차
제1장 서론 1제2장 연구 방법 5제1절 Velostat 압력센서 62.1.1 압력 측정 원리 62.1.2 Velostat 압력센서 제작 7제2절 Velostat 압력센서 측정 회로 8제3절 3D printing 제작 112.3.1 하드웨어 케이스 112.3.2 분동 가이드라인 12제4절 C# 기반 모니터링 어플리케이션 14제5절 족저압 지표 산출 16제6절 족저압 이미지 생성 17제7절 개인 분류를 위한 신경망 모델 18제3장 실험 20제1절 Velostat 압력센서 특성평가 203.1.1 무게별 출력 특성평가 223.1.2 출력 오차와 Drift 특성평가 23제2절 족저압 측정 시스템 성능평가 243.2.1 실험환경 253.2.2 실험 프로토콜 26제4장 연구 결과 28제1절 Velostat 압력센서 특성평가 결과 284.1.1 무게별 출력 특성평가 284.1.2 출력 오차와 Drift 특성평가 32제2절 족저압 측정 시스템 성능평가 결과 33제3절 족저압 이미지 기반 개인 분류 결과 34제5장 결론 37참고문헌 39ABSTRACT 44
최근 본 자료
댓글(0)
0