요약
플라스틱 사용량의 증가로 인한 플라스틱 폐기물 문제는 국제적 이슈로 대두되고 있습니다. 이에 따라 플라스틱 재활용의 중요성이 높아지고 있으며, 플라스틱을 종류별로 정확하게 분류하는 것이 필요합니다. 이를 위해 인공지능 기반의 플라스틱 분류 모델이 개발되었습니다. 이 모델을 통해 플라스틱의 종류별 분류를 가능하게 함으로써, 플라스틱의 재활용률을 높이고, 선별 작업의 효율성을 향상시킬 수 있습니다.
기본 정보
•
특허명: 인공지능 기반의 플라스틱 분류 모델의 생성을 통해 플라스틱의 종류별 분류를 가능하게 하는 전자 장치 및 그 동작 방법
•
대표 발명자: 김관호 교수
•
출원번호: 10-2023-0061092
발명의 배경 및 필요성
기술의 배경
•
플라스틱 사용량의 꾸준한 증가로 인해 플라스틱 폐기물 문제가 국제적 이슈로 대두되고 있음
•
플라스틱 폐기물의 소각 또는 매립은 기후변화, 토양오염 등의 환경문제를 초래하므로, 플라스틱 재활용의 중요성이 높아지고 있음
•
플라스틱을 재활용하기 위해서는 플라스틱을 종류별로 정확하게 분류하는 것이 필요하나, 이는 많은 시간과 노력이 필요함
•
기계학습 기반의 인공지능 기술이 등장하면서, 이를 플라스틱 종류별 분류에 활용할 수 있는 가능성이 제시되었음
기술의 필요성
•
플라스틱 종류별 분류는 플라스틱의 재활용률을 높이는 데 중요한 역할을 하지만, 기존의 수작업 방식은 시간이 많이 소요되고 정확성에 한계가 있음
•
인공지능 기반의 플라스틱 분류 모델을 생성하여 플라스틱의 종류별 분류를 가능하게 함으로써, 플라스틱의 재활용률을 높이고, 선별 작업의 효율성을 향상시킬 수 있음
•
따라서, 인공지능 기반의 플라스틱 분류 모델의 생성을 가능하게 하는 전자 장치 및 그 동작 방법의 개발이 필요함
구현방법
기술의 원리
•
본 기술은 유전자가 RNA 중합효소에 의해 mRNA로 전사되는 원리를 기반으로 함.
•
이 mRNA는 다시 리보솜, tRNA, 아미노산 및 에너지원에 의해 단백질로 번역됨.
•
이런 과정을 통해 단백질 합성이 이루어짐.
구체적인 구현 방법
•
목적 물질이 핵산인 경우, RNA-toehole switch sensor의 원리를 이용하여, 핵산의 양을 정량함.
•
목적 물질이 화합물인 경우, 화합물이 전사인자 억제자와 결합하거나 전사인자의 보조인자로 작용함.
•
목적 물질이 아미노산인 경우, 해당 아미노산이 포함된 분석 시료를 아미노산이 포함되지 않은 무세포 합성 반응 혼합물과 혼합한 후 반응을 진행함.
기술의 장점
•
본 기술을 통해 대사체, 핵산 및 화합물 등의 목적물질을 정량할 수 있음.
•
무세포 단백질 합성을 이용하여 대표적인 대사체인 아미노산을 정량하는 것이 가능함.
실험 및 결과
실험의 목적
•
본 실험의 목적은 FBS 내에 포함된 대표적인 대사체인 아미노산을 정량하는 것임.
•
또한, 분석시료 내에 포함된 목적물질의 양을 정량할 수 있는지 확인하는 것임.
실험 방법 및 과정
•
FBS를 열처리하여 무세포 단백질 합성 반응을 방해하는 성분을 제거하고, 응집된 단백질을 제거함.
•
다양한 농도의 포도당을 포함하는 샘플을 이용하여 실험을 수행함.
•
6종의 아미노산에 대한 표준 곡선을 작성하고, FBS 내 아미노산 분석을 위해 단백질 합성을 방해하는 효소를 불활성화한 후 분석하였음.
실험 결과
•
아미노산 첨가가 없는 경우의 인버타아제 합성량은 pK7Inv 플라스미드가 없는 반응과 유사한 수준으로 나타났음.
•
각 아미노산은 20 M 농도까지 PGM 판독값과 정비례하는 결과를 보였으며, 최소 검출 수준(검출 한계)은 0.1 내지 1.5 M였음.
•
따라서, 인버타아제의 무세포 합성을 이용하여 대사체를 정량할 수 있음을 확인하였음.
발명의 활용 방안
재활용 산업에서의 적용
•
플라스틱 분류 모델 발명은 다양한 종류의 플라스틱을 정확하게 분류하는데 활용 가능함
•
분류 정확도의 향상으로 플라스틱 재활용 과정의 효율성과 정확성을 높일 수 있음
기대효과
기술적 혁신
•
플라스틱 분류 모델의 도입은 플라스틱 재활용 과정에서의 기술적 혁신을 가능하게 함
•
분류 정확도의 향상으로 재활용 과정의 효율성을 증대시킬 수 있음
사회적 가치
•
플라스틱 재활용률의 향상을 통해 환경보호에 기여할 수 있음
•
플라스틱 분류 모델의 활용은 재활용 산업의 발전을 촉진하고, 자원의 효율적인 활용을 가능하게 함
장기적인 비전
•
플라스틱 분류 모델의 보급과 활용은 재활용 산업의 혁신과 환경보호에 기여하며, 지속 가능한 사회를 위한 기술 발전을 선도할 것으로 기대됨
기술 SWOT 분석
Strengths
인공지능 기반 플라스틱 분류
•
인공지능 기반의 플라스틱 분류 모델은 다양한 종류의 플라스틱을 빠르고 정확하게 분류할 수 있어 플라스틱 재활용률을 높일 수 있습니다.
•
기계학습 기반의 인공지능 기술을 활용함으로써, 수작업에 비해 효율성과 정확성이 향상됩니다.
Weaknesses
기술의 한계
•
인공지능 기반의 플라스틱 분류 모델은 초기 학습 데이터의 품질에 크게 의존하므로, 정확한 분류를 위해 충분한 양과 질의 학습 데이터가 필요합니다.
•
또한, 인공지능 모델의 학습과정에서 발생할 수 있는 오류를 최소화하기 위한 연구와 개발이 필요합니다.
Opportunities
재활용 산업의 혁신
•
플라스틱 분류 모델의 도입은 플라스틱 재활용 과정에서의 기술적 혁신을 가능하게 하며, 재활용 산업의 발전을 촉진할 수 있습니다.
•
플라스틱 분류 모델의 활용은 자원의 효율적인 활용을 가능하게 하여, 지속 가능한 사회를 위한 기술 발전을 선도할 수 있습니다.
Threats
기술의 경쟁
•
인공지능 기반의 플라스틱 분류 모델은 다른 인공지능 기반의 분류 기술과 경쟁해야 합니다.
•
더 빠르고 정확한 분류 기술이 개발될 경우, 이 기술의 경쟁력이 약화될 수 있습니다.
시장 동향
플라스틱 분류 기술 및 시장 동향
단백질 합성 시장 동향
대표도면
인천대학교 산학협력단
(21999) 인천광역시 연수구 갯벌로 27(송도동) INU이노베이션센터 206호
본 메일은 마케팅 활용 동의서에 동의하신 회원님께 전송된 것입니다.
COPYRIGHT (c) 2023 Incheon National University. ALL RIGHT RESERVED.