논문 상세보기
메틸포메이트 발포제의 다양한 공정환경 예측을 위한 이미지 학습기반의 분류알고리즘 연구 KCI 등재
Classification Algorithm Based on Image Learning for Predicting Various Process Environments of Methyl Formate Blowing Agent
pp.164-171
선박에는 단열을 위한 발포제가 적용된다. 기존의 발포제에는 지구온난화물질인 수소불화탄소(HFC)를 다량 포함하고 있는 문제점이 있으며, 우리나라는 몬트리올 의정서의 ‘키칼리 개정서’를 채택함에 따라 HFC를 ‘24년부터 ’45년까지 기준 수량의 80% 감 축하기로 결정되었다. 이에, 메틸포메이트 원료는 지구온난화지수가 0(HFC는 960~1,430)으로 향후 친환경발포제로 높은 기대를 갖고 있다. 하지만, 메틸포메이트 발포제의 성능은 원료의 순도 및 주변환경에 높은 영향을 받음으로 각 공정환경에 대한 정확한 분류가 필요하다. 이에, 본 논문에서는 주변환경(온도)과 메틸포메이트 순도에 따라, 총 4개의 케이스를 만들었다. 각 케이스에 대해서 10,010 장의 이미지를 학습하고, 이를 구글넷(GoogLeNet)알고리즘을 이용하여 분류하였다. 분류결과 정확도는 96.8%를 갖고, F1-Score는 0.969 를 갖는 것으로 계산하였다.
Foaming agents are applied to ships for insulation purposes. Conventional foaming agents contain considerable amounts of hydrofluorocarbons (HFCs), which form greenhouse gases. Following the adoption of the Kigali Amendment to the Montreal Protocol, South Korea has committed to reducing HFC quantities by 80% from baseline levels between 2024 and 2045. In this context, methyl formate, with its global warming potential of zero (compared to 960–1,430 for HFCs), holds significant promise as an environmentally friendly foaming agent for the future. However, the performance of methyl formate-based foaming agents is highly dependent on the purity of their raw materials and environmental conditions, which necessitates the accurate classification of each process environment. In this paper, we present four distinct cases based on environmental temperature and methyl formate purity. For each case, 10,010 images were used for training and were classified using the GoogLeNet algorithm. The classification results demonstrated accuracy of 96.8% and an F1-score of 0.969.
Abstract
1. 서 론
2. 메틸포메이트 발포제 데이터 수집 및 전처리
2.1 분류기준
2.2 메틸포메이트 발포제 데이터 수집 및 전처리
3. 분류알고리즘
3.1 구글넷 분류알고리즘
3.2 심층신경망 알고리즘 훈련
4. 정확도 및 알고리즘 테스트 결과
5. 결 론
사 사
References
