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
- 이학
- 발행연도
- 2023
- 저작권
- 경북대학교 논문은 저작권에 의해 보호받습니다.
이용수23
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
Global warming is underway, with carbon dioxide concentrations reaching their highest levels and annual average temperatures rising. In Korea, the average temperature is rising in summer and the number of days of heat waves that continue to be high at 33 degrees Celsius or higher is increasing, which leads to an increase in the incidence of heat-related illness. In particular, outdoor workers directly exposed to the heat are at higher risk of developing heat-related illness, so prevention and management are important. Therefore, if a smart helmet that attaches smart equipment to a safety helmet that workers must wear, it will be possible to efficiently prevent and manage heat-related illness. So, in this study, a system was
established to collect data through connection with smart phone applications after inputting and analyzing vital signs of wearer (body temperature, heart rate, sweat), external environment signals (temperature, humidity), and motion signals of wearer and to manage and supervise it in control system by a safety manager. In particular, we developed an algorithm that classifies the risk of heat-related illness as normal and abnormal by entering a set of vital signs of the wearer using a support vector machine technique, machine learning technique that allows binary classification with fast and high reliability.
established to collect data through connection with smart phone applications after inputting and analyzing vital signs of wearer (body temperature, heart rate, sweat), external environment signals (temperature, humidity), and motion signals of wearer and to manage and supervise it in control system by a safety manager. In particular, we developed an algorithm that classifies the risk of heat-related illness as normal and abnormal by entering a set of vital signs of the wearer using a support vector machine technique, machine learning technique that allows binary classification with fast and high reliability.
목차
1. 서론 11.1. 연구의 배경 및 목적 11.2. 이론적 배경 41.2.1. 안전모에 대한 고찰 41.2.2. 온열질환 판단 기준 51.2.3. 서포트 벡터 머신(SVM) 기술개요 61.3. 스마트 안전모 및 온열질환 감지 연구 동향 102. 온열질환감지 스마트 안전모 설계 132.1. 스마트 안전모 시스템 설계 132.1.1. 스마트 안전모 장착형 센서 모듈 구조 142.1.2. 센서 및 부품 선정 152.2. 송수신 및 관리 시스템 설계 202.3. 인공지능 모델 선정 및 생성 223. 스마트 안전모 제작 264. 실험 결과 및 고찰 304.1. 생체 신호 센서의 성능검사 304.1.1. 센서 성능 검사 304.1.2. 폭염 환경에서의 스마트 안전모 성능 검사 374.2. 가속화 실험에서의 GSR 값과 땀의 상관관계 분석 실험 414.3. 인공지능 모델을 이용한 온열질환 판별의 성능검사 455. 결론 496. 참고 문헌 50Abstract 52
최근 본 자료
댓글(0)
0