딥러닝 기반 고정밀 광음향 가스 센서
이 연구는 딥러닝을 활용하여 전체 파형으로부터 가스 농도를 역추론하는 고정밀 광음향 가스 센서 기술을 제안한다. 기존 방식의 한계를 극복하고, 복잡한 비선형 매핑을 통해 가스 농도 정보를 자율적으로 추출하는 새로운 접근법을 제시한다. 제안된 딥러닝 모델은 광음향 신호의 전체 파형을 분석하여 농도를 예측한다. 특히, 훈련 데이터에 노이즈를 증강하여 모델의 견고성과 일반화 성능을 크게 향상시켰다. 이를 통해 실제 환경에서의 다양한 노이즈 요인에도 안정적으로 작동하도록 설계되었다. 평가 결과, 모델은 0.9999의 결정 계수(R²)를 달성하며 뛰어난 예측 정확도를 보였다. 노이즈가 증강된 평가 샘플 중 95.95%는 1 ppm 미만의 절대 오차를, 61.8%는 1% 미만의 상대 오차를 기록했다. 이는 본 방법이 매우 높은 신뢰도로 가스 농도를 측정할 수 있음을 입증한다. 이 프레임워크는 광음향 가스 센서의 농도 측정 정밀도를 혁신적으로 개선할 뿐만 아니라, 2차 고조파 파장 변조 분광법(WMS-2f)을 사용하는 다른 가스 센서의 농도 역추론 전략에도 적용될 수 있는 잠재력을 가진다.