빅데이터 기반 미세먼지 이상 탐지 머신러닝 시스템 설계 및 구현

본 논문은 빅데이터 기반 미세먼지 이상 탐지 머신러닝 시스템 설계 및 구현을 제안한다. 제안하는 시스템은 빅데이터로 구성된 미세먼지 및 기상 정보를 통해 미세먼지 대기환경지수를 분류하는 시스템이다. 이 시스템은 머신러닝 기반의 대기환경지수 분류 카테고리별 이상치에 따른 이상치 탐지 알고리즘 설계를 통해 미세먼지를 분류한다. 카메라에 서 수집된 영상의 심도 데이터는 미세먼지 농도에 따른 영상을 수집한 후 미세먼지 가시마스크를 생성합니다. 그리고 모노 심도 추정 알고리즘을 통한 학습 기반 핑거프린팅 기법으로 모노스코프 카메라에서 수집된...

Full description

Saved in:
Bibliographic Details
Published inThe journal of the institute of internet, broadcasting and communication : JIIBC Vol. 24; no. 1; pp. 55 - 58
Main Authors 이재원, 인치호
Format Journal Article
LanguageKorean
Published 한국인터넷방송통신학회 29.02.2024
Subjects
컴퓨터학
Big Data
Anomaly
Fine Dust
Machine Learning
Online AccessGet full text

Cover

Abstract 본 논문은 빅데이터 기반 미세먼지 이상 탐지 머신러닝 시스템 설계 및 구현을 제안한다. 제안하는 시스템은 빅데이터로 구성된 미세먼지 및 기상 정보를 통해 미세먼지 대기환경지수를 분류하는 시스템이다. 이 시스템은 머신러닝 기반의 대기환경지수 분류 카테고리별 이상치에 따른 이상치 탐지 알고리즘 설계를 통해 미세먼지를 분류한다. 카메라에 서 수집된 영상의 심도 데이터는 미세먼지 농도에 따른 영상을 수집한 후 미세먼지 가시마스크를 생성합니다. 그리고 모노 심도 추정 알고리즘을 통한 학습 기반 핑거프린팅 기법으로 모노스코프 카메라에서 수집된 미세먼지의 가시거리를 추론하여 미세먼지 농도를 도출합니다. 본 방법의 실험 및 분석을 위해 미세먼지 농도 데이터와 지역별, 시간별 CCTV 영상 데이터를 매칭하여 학습 데이터를 생성한 후 모델을 생성하여 실제 환경에서 테스트한다.
AbstractList In this paper, we propose a design and implementation of big data-based fine dust anomaly detection machine learning system. The proposed is system that classifies the fine dust air quality index through meteorological information composed of fine dust and big data. This system classifies fine dust through the design of an anomaly detection algorithm according to the outliers for each air quality index classification categories based on machine learning. Depth data of the image collected from the camera collects images according to the level of fine dust, and then creates a fine dust visibility mask. And, with a learning-based fingerprinting technique through a mono depth estimation algorithm, the fine dust level is derived by inferring the visibility distance of fine dust collected from the monoscope camera. For experimentation and analysis of this method, after creating learning data by matching the fine dust level data and CCTV image data by region and time, a model is created and tested in a real environment. 본 논문은 빅데이터 기반 미세먼지 이상 탐지 머신러닝 시스템 설계 및 구현을 제안한다. 제안하는 시스템은 빅데이터로 구성된 미세먼지 및 기상 정보를 통해 미세먼지 대기환경지수를 분류하는 시스템이다. 이 시스템은 머신러닝 기반의 대기환경지수 분류 카테고리별 이상치에 따른 이상치 탐지 알고리즘 설계를 통해 미세먼지를 분류한다. 카메라에서 수집된 영상의 심도 데이터는 미세먼지 농도에 따른 영상을 수집한 후 미세먼지 가시마스크를 생성합니다. 그리고 모노 심도 추정 알고리즘을 통한 학습 기반 핑거프린팅 기법으로 모노스코프 카메라에서 수집된 미세먼지의 가시거리를 추론하여 미세먼지 농도를 도출합니다. 본 방법의 실험 및 분석을 위해 미세먼지 농도 데이터와 지역별, 시간별 CCTV 영상 데이터를 매칭하여 학습 데이터를 생성한 후 모델을 생성하여 실제 환경에서 테스트한다.
본 논문은 빅데이터 기반 미세먼지 이상 탐지 머신러닝 시스템 설계 및 구현을 제안한다. 제안하는 시스템은 빅데이터로 구성된 미세먼지 및 기상 정보를 통해 미세먼지 대기환경지수를 분류하는 시스템이다. 이 시스템은 머신러닝 기반의 대기환경지수 분류 카테고리별 이상치에 따른 이상치 탐지 알고리즘 설계를 통해 미세먼지를 분류한다. 카메라에서 수집된 영상의 심도 데이터는 미세먼지 농도에 따른 영상을 수집한 후 미세먼지 가시마스크를 생성합니다. 그리고 모노 심도 추정 알고리즘을 통한 학습 기반 핑거프린팅 기법으로 모노스코프 카메라에서 수집된 미세먼지의 가시거리를 추론하여 미세먼지 농도를 도출합니다. 본 방법의 실험 및 분석을 위해 미세먼지 농도 데이터와 지역별, 시간별 CCTV 영상 데이터를 매칭하여 학습 데이터를 생성한 후 모델을 생성하여 실제 환경에서 테스트한다. In this paper, we propose a design and implementation of big data-based fine dust anomaly detection machine learning system. The proposed is system that classifies the fine dust air quality index through meteorological information composed of fine dust and big data. This system classifies fine dust through the design of an anomaly detection algorithm according to the outliers for each air quality index classification categories based on machine learning. Depth data of the image collected from the camera collects images according to the level of fine dust, and then creates a fine dust visibility mask. And, with a learning-based fingerprinting technique through a mono depth estimation algorithm, the fine dust level is derived by inferring the visibility distance of fine dust collected from the monoscope camera. For experimentation and analysis of this method, after creating learning data by matching the fine dust level data and CCTV image data by region and time, a model is created and tested in a real environment. KCI Citation Count: 0
본 논문은 빅데이터 기반 미세먼지 이상 탐지 머신러닝 시스템 설계 및 구현을 제안한다. 제안하는 시스템은 빅데이터로 구성된 미세먼지 및 기상 정보를 통해 미세먼지 대기환경지수를 분류하는 시스템이다. 이 시스템은 머신러닝 기반의 대기환경지수 분류 카테고리별 이상치에 따른 이상치 탐지 알고리즘 설계를 통해 미세먼지를 분류한다. 카메라에 서 수집된 영상의 심도 데이터는 미세먼지 농도에 따른 영상을 수집한 후 미세먼지 가시마스크를 생성합니다. 그리고 모노 심도 추정 알고리즘을 통한 학습 기반 핑거프린팅 기법으로 모노스코프 카메라에서 수집된 미세먼지의 가시거리를 추론하여 미세먼지 농도를 도출합니다. 본 방법의 실험 및 분석을 위해 미세먼지 농도 데이터와 지역별, 시간별 CCTV 영상 데이터를 매칭하여 학습 데이터를 생성한 후 모델을 생성하여 실제 환경에서 테스트한다.
Author 이재원
인치호
Author_xml – sequence: 1
  fullname: 이재원
– sequence: 2
  fullname: 인치호
BackLink https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART003056153$$DAccess content in National Research Foundation of Korea (NRF)
BookMark eNo9kD1Lw1AUhi-iYK39Aw6SxUVovF9JbsZa_GgtFKTgeEnTGwmtqSRd3JSmi0V07NCiQ8EOBQMqRPAX9Sb_wdSKnAPv-XjOGd4tsO51PQHADoKqgYl-UK1UDssqhpiqWSJV09ZADmNmFrORvv5fE7YJCkHgNiGByKQ61XPgQn4N5EOUTD7SMFIWcSSjkSLf4iSM5ew7eb1VslXSv1PS_tOyk7M4Gb7I57kcTpRkOE7up-lgrCThdPEeKjJ6VBaf83QUboMNx-oEovCnedA4PmqUT4u1-kmlXKoVBWOwiDF2CEbIbOnU0k2niammC2I3qUmhYDZGGJlWixEqbCYQMwxhQ6g52YEQ0GIkD_ZXbz3f4W3b5V3L_dXLLm_7vHTeqHAEKURZZPDeCm67Qc_lXivo8GrprL50DjJNM3RkksymPNhdccLye67dEfzad68s_4ZTSgzTID9-A4XH
ContentType Journal Article
DBID M1Z
JDI
ACYCR
DEWEY 004
DOI 10.7236/JIIBC.2024.24.1.55
DatabaseName e-article (학술교육원)
KoreaScience
Korean Citation Index
DatabaseTitleList


DeliveryMethod fulltext_linktorsrc
Discipline Computer Science
DocumentTitleAlternate Design and Implementation of Machine Learning System for Fine Dust Anomaly Detection based on Big Data
EISSN 2289-0246
EndPage 58
ExternalDocumentID oai_kci_go_kr_ARTI_10401010
JAKO202408557619302
443797
GroupedDBID M1Z
.UV
JDI
ACYCR
ID FETCH-LOGICAL-e880-222f32119d64a69fb2456e3cb4940e8c21219ad834ec8e1877ec005f19dee0a83
ISSN 2289-0238
IngestDate Wed May 01 06:01:11 EDT 2024
Thu Apr 04 09:50:05 EDT 2024
Wed Mar 27 04:03:43 EDT 2024
IsDoiOpenAccess true
IsOpenAccess true
IsPeerReviewed false
IsScholarly true
Issue 1
Keywords Big Data
Anomaly
Fine Dust
Machine Learning
Language Korean
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-e880-222f32119d64a69fb2456e3cb4940e8c21219ad834ec8e1877ec005f19dee0a83
Notes KISTI1.1003/JNL.JAKO202408557619302
OpenAccessLink http://click.ndsl.kr/servlet/LinkingDetailView?cn=JAKO202408557619302&dbt=JAKO&org_code=O481&site_code=SS1481&service_code=01
PageCount 4
ParticipantIDs nrf_kci_oai_kci_go_kr_ARTI_10401010
kisti_ndsl_JAKO202408557619302
earticle_primary_443797
PublicationCentury 2000
PublicationDate 20240229
PublicationDateYYYYMMDD 2024-02-29
PublicationDate_xml – month: 02
  year: 2024
  text: 20240229
  day: 29
PublicationDecade 2020
PublicationTitle The journal of the institute of internet, broadcasting and communication : JIIBC
PublicationTitleAlternate The journal of the institute of internet, broadcasting and communication : JIIBC
PublicationYear 2024
Publisher 한국인터넷방송통신학회
Publisher_xml – name: 한국인터넷방송통신학회
SSID ssib030194646
ssib053377388
ssib023738960
ssib044745939
ssib021620247
ssib036278198
Score 2.283926
Snippet 본 논문은 빅데이터 기반 미세먼지 이상 탐지 머신러닝 시스템 설계 및 구현을 제안한다. 제안하는 시스템은 빅데이터로 구성된 미세먼지 및 기상 정보를 통해 미세먼지 대기환경지수를 분류하는 시스템이다. 이 시스템은 머신러닝 기반의 대기환경지수 분류 카테고리별 이상치에 따른 이상치 탐지...
In this paper, we propose a design and implementation of big data-based fine dust anomaly detection machine learning system. The proposed is system that...
SourceID nrf
kisti
earticle
SourceType Open Website
Open Access Repository
Publisher
StartPage 55
SubjectTerms 컴퓨터학
TableOfContents 요약 Abstract Ⅰ. 서론 Ⅱ. 빅데이터 기반 미세먼지 이상 탐지머신러닝 시스템 설계 및 구현 Ⅲ. 실험 결과 Ⅳ. 결론 References
Title 빅데이터 기반 미세먼지 이상 탐지 머신러닝 시스템 설계 및 구현
URI https://www.earticle.net/Article/A443797
http://click.ndsl.kr/servlet/LinkingDetailView?cn=JAKO202408557619302&dbt=JAKO&org_code=O481&site_code=SS1481&service_code=01
https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART003056153
Volume 24
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
ispartofPNX 한국인터넷방송통신학회 논문지, 2024, 24(1), , pp.55-58
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3Na9RAFB_aevEiil_1owR0TkvWfMwkM8dkN0tbqV4q9hay-ZBS2cq6vXgQpduLRfTYQ4seCvZQcEGFFfyLmuz_4JuZZHdrFVRYsi8vb978Zl4y703IvEHobuY4UebSRM9oxnSSRFznSUb1zE0cCuFBxqlYnLzywFl8RJbX6NrMLJn6ammr167HL367ruR_rAo8sKtYJfsPlh0rBQbQYF84goXh-Fc2xoGPfY4ZFQRrYt_AQQNzIAgOmpgR4NRw4GGfyWu-OHJWE5TXElwQF1JMckCoITiei5koN1YFQjaEnDWp1MbcmJZSBZUqoGU1vIW9hgQFdLNWXuNSO_Owp-BR4NRKCIIFOKEaUiuBspbCTqWuJgDHap-3KpiWTCrVKrFmhZmNmy9BAOGWSj0uK3SwZ0oZRxScQFcKuSQ8zBoSCwD1ZWsAh2qobHt1r57qKB5ItEBAe8-IyMJgMc7KBvls-rWLReQydj4ZnS1LfGtmqdQ0lStRy8FPPTLKL6hUxGWEoXLV_-q7XEturrO8tOQ36qLGOvzMelXyVE5wIrJIurPonOVyKl45rLwMqlHUMh1RehxUWiJ3FZ9MgmFE52QqqRxEMC6EheNRmBCXUD7JFQvzARc0yK0dqzar1WcC8b2zeEVYVz4SMOMT06B1CNw63WwqcFu9iC6UMy7NU7KX0MzG5mX0OP--k78dFAdfR_2BdjIc5IM9Lf88LPrD_OhH8emVBpeK7dfaaPu9OMuPhsXux_zDcb57oBW7-8Wbw9HOvlb0D0--9LV88E47-XY82utfQautYLWxqJd7jOgpeC4douPMFkkOE4dEDs_a4juA1I7bhBMjZTEEdiaPEmaTNGapyVw3jcFvZVAgTY2I2VfRXGezk15HGqHQTUZKophHJDLjiMYkgcEvISTKCHPn0bWqW8JnKpNMqOw4jxZkL4Wd5PnTcNm7_9BSmQepeMdoG9Y8ugPdF27E66HIBi_-n2yGG90Q5rxLoQl-GByrceOPFdxE5ye38C001-tupbchlu61F-St8xMsJ557
link.rule.ids 230,315,786,790,891,27957,27958
linkProvider ISSN International Centre
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%EB%B9%85%EB%8D%B0%EC%9D%B4%ED%84%B0+%EA%B8%B0%EB%B0%98+%EB%AF%B8%EC%84%B8%EB%A8%BC%EC%A7%80+%EC%9D%B4%EC%83%81+%ED%83%90%EC%A7%80+%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D+%EC%8B%9C%EC%8A%A4%ED%85%9C+%EC%84%A4%EA%B3%84+%EB%B0%8F+%EA%B5%AC%ED%98%84&rft.jtitle=%ED%95%9C%EA%B5%AD%EC%9D%B8%ED%84%B0%EB%84%B7%EB%B0%A9%EC%86%A1%ED%86%B5%EC%8B%A0%ED%95%99%ED%9A%8C+%EB%85%BC%EB%AC%B8%EC%A7%80&rft.au=%EC%9D%B4%EC%9E%AC%EC%9B%90&rft.au=%EC%9D%B8%EC%B9%98%ED%98%B8&rft.date=2024-02-29&rft.issn=2289-0238&rft.volume=24&rft.issue=1&rft.spage=55&rft.epage=58&rft_id=info:doi/10.7236%2FJIIBC.2024.24.1.55&rft.externalDocID=443797
thumbnail_l http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=2289-0238&client=summon
thumbnail_m http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=2289-0238&client=summon
thumbnail_s http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=2289-0238&client=summon