Automated classification of clay suspension using ultrasonic backscattered signal with convolution neural network

초음파 후방산란 신호와 합성곱 신경망을 이용한 점토 현탁액 자동 분류 시스템

미세 물질을 포함하고 있는 광산 폐기물의 디워터링 과정(dewatering process)은 작은 입자들의 침전속도가 낮기 때문에 시간이 오래 걸리고 어려운 과정이다. 따라서 광산 폐기물이 안정적으로 침전되었는지 확인하기 위해서 디워터링 과정을 연속적으로 모니터링하는 기술이 필요하다. 이 연구에서는 kaolinite, illite, bentonite 3 종류의 점토를 3 가지 농도(0.1g/L, 1g/L, 5g/L)로 나눠서 초음파 음향 감지를 이용해 후방산란 신호를 측정했다. 그리고 측정된 신호를 활용하여 합성곱 신경망(CNN) 모델을 개발하여 점토의 분류 모델을 만드는 연구를 수행했다. 본 연구에서 보여준 CNN 의 높은 정확도는 광산 폐기물의 디워터링 과정에서 미세 광물과 미세 농도 분류 모니터링에 적합한 저렴하고 측정하기 쉬운 음향 감지의 사용 가능성을 입증했다.