• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1336-1338
• /
• 2022

폐기물 관리는 전 세계적으로 환경, 사회, 경제 문제를 일으키고 있다. 이러한 문제를 예방하고자 폐기물을 효율적으로 관리하기 위해, 인공지능을 통한 연구를 제안하고 있다. 따라서 본 논문에서는 GAN 기반 데이터 증강을 통한 폐기물 객체 인식모델을 제안한다. Open Images Dataset V6와 AI Hub의 공공 데이터 셋을 융합하여 폐기물 품목에 해당하는 이미지들을 정제하고 라벨링한다. 이때, 실제 배출환경에서 발생할 수 있는 장애물로 인한 일부분만 노출된 폐기물, 부분 파손, 눕혀져 배출, 다양한 색상 등의 인식저해요소를 모델 학습에 반영할 수 있도록 일반적인 데이터 증강과 GAN을 통한 데이터 증강을 병합 사용한다. 이후 YOLOv4 기반 폐기물 이미지 인식 모델 학습을 진행하고, 학습된 이미지 인식 모델에 대한 검증 및 평가를 mAP, F1-Score로 진행한다. 이를 통해 향후 스마트폰 애플리케이션과 융합하여 효율적인 폐기물 관리 체계를 구축할 수 있을 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.667-669
• /
• 2023

데이터의 균형은 객체 인식 분야에서 영향을 미치는 요인 중 하나이다. 본 논문에서는 폐기물 데이터 균형을 위해 Chat-GPT와 Diffusion model 기반 데이터 생성 모델을 제안한다. Chat-GPT를 사용하여 폐기물의 속성에 해당하는 단어를 생성하도록 질문하고, 생성된 단어는 인코더를 통해 벡터화시킨다. 이 중 폐기물과 관련 없는 단어를 삭제 후, 남은 단어들을 결합하는 전처리 과정을 거친다. 결합한 벡터는 디코더를 통해 텍스트 데이터로 변환 후, Stable Diffusion model에 입력되어 텍스트와 상응하는 폐기물 데이터를 생성한다. 이 데이터는 AI Hub의 공공 데이터를 활용하며, 객체 인식 모델인 YOLOv5로 학습해 F1-score와 mAP로 평가한다.

• Proceedings of the Korean Radioactive Waste Society Conference
• /
• 2003.11a
• /
• pp.141-148
• /
• 2003

A data collection of a liquid radioactive waste treatment process of a research organization became necessary while developing the RAWMIS(Radioactive Waste Management Integration System) which it can generate personal history management for efficient management of a waste, documents, all kinds of statistics. This paper introduces an input and output application program design to do to database with data in the results and a stream process of a treatment that analyzed the waste occurrence present situation and data by treatment process. Data on the actual treatment process that is not limited experiment improve by a document, human traces, saving of material resources and improve with efficiency of tracking about a radioactive waste and a process and give help to radioactive waste material valance and inventory study.

• Journal of Nuclear Fuel Cycle and Waste Technology(JNFCWT)
• /
• v.12 no.4
• /
• pp.345-361
• /
• 2014

The systematic quality assurance activities on documents of the safety assessment are required for the safety case of the low- and intermediate-level radioactive waste disposal facility. In this paper, quality assurance system focused on the input data including the site characterization, groundwater flow, system design and monitoring are prepared and discussed. Rule for the input data selection is suggested and applied for the safety assessment which is based on the in-situ/experiment observations, final facility design and waste pileup plan, engineered barrier, field monitoring, recent biosphere, and radionuclide inventory. The reduction of data uncertainty will be expected to contribute to the safety of disposal facility further.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.23 no.3
• /
• pp.199-206
• /
• 2023

This study utilizes deep learning algorithms to automatically classify construction waste into three categories: wood waste, plastic waste, and concrete waste. Two models, VGG-16 and ViT (Vision Transformer), which are convolutional neural network image classification algorithms and NLP-based models that sequence images, respectively, were compared for their performance in classifying construction waste. Image data for construction waste was collected by crawling images from search engines worldwide, and 3,000 images, with 1,000 images for each category, were obtained by excluding images that were difficult to distinguish with the naked eye or that were duplicated and would interfere with the experiment. In addition, to improve the accuracy of the models, data augmentation was performed during training with a total of 30,000 images. Despite the unstructured nature of the collected image data, the experimental results showed that VGG-16 achieved an accuracy of 91.5%, and ViT achieved an accuracy of 92.7%. This seems to suggest the possibility of practical application in actual construction waste data management work. If object detection techniques or semantic segmentation techniques are utilized based on this study, more precise classification will be possible even within a single image, resulting in more accurate waste classification

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.639-641
• /
• 2023

이미지 기반 폐기물 처리시스템에서 품목별 상이한 수집 난이도로 인해 발생하는 데이터 불균형으로 분류 모델 학습에 어려움이 따른다. 따라서 본 논문에서는 폐기물 분류 모델의 성능 비교를 통해 적합한 이미지 생성 모델을 탐색한다. 데이터의 불균형을 해결할 수 있도록 VAE(Variational Auto-Encoder), GAN(Generative Adversarial Networks) 및 Diffusion Model을 이용하여 이미지를 생성한다. 이후 각각의 생성 방법에 따라 학습데이터와 병합하여 객체 분류를 진행하였다. 정확도는 VAE가 84.41%로 3.3%의 성능 향상을, F1-점수는 Diffusion Model이 91.94%로 6.14%의 성능 향상을 이루었다. 이를 통해, 데이터 수집에서 나타나는 데이터 불균형을 해결하여 실 사용환경에 알맞은 시스템을 구축이 가능함을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.637-639
• /
• 2021

인공지능 기반의 생활폐기물의 인식 및 선별에서, 선별 정확도의 저하는 인식 대상의 형태적 다양성과 학습데이터 부족 및 불균등성에 기인한다. 본 연구에서는 비전 인공지능 기반의 효과적인 폐기물 선별을 위한 인식 시스템 및 감독학습 기반의 인공지능 학습 기법을 제안한다. 생활폐기물 중 순환자원적 가치가 높은 CAN, PET, 그리고 이와 형상적으로 유사한 폐기물에 대해 본 연구에서 제안된 시스템에서 물체원형 및 훼손된 형태의 총 18 종 이미지 데이터를 대상으로, 감독학습기반의 인공지능 모델 제작에서 최적의 데이터 레이블링을 위한 분류체계를 제시한다.

• Proceedings of the Korean Radioactive Waste Society Conference
• /
• 2004.06a
• /
• pp.127-129
• /
• 2004

웹기반의 어플레케이션 설계 및 구축 과정에서의 핵심은 WACID 시스템의 서비스 목적을 이해하는 것이다. WACID 시스템의 서비스 목적은 국내 방사성폐기물 관리 요소 및 보고체계를 통합한다. 웹을 통한 대국민 방사성 폐기물 정보 공개에 대한 투명성을 제공하기 위함이다. 일반인 및 관련 종사자들에게 최상의 서비스 제공을 위한 신뢰성 있는 데이터를 제공한다. 친숙한 사용자인터페이스(User Interface)로 설계되었다. 단순한 방사성 폐기물 관리 요소 검색을 위한 웹기반 시스템이 아닌 방사성 폐기물과 관련된 이해를 돕기 위한 다양한 도구들을 제공한다.(중략)

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.83-86
• /
• 2019

도시화 과정에서 도시의 생활폐기물 문제가 빠르게 증가되고 있고, 효과적이지 못한 생활폐기물 관리는 도시의 오염을 악화시키고 물리적인 환경오염과 경제적인 부분에서 극심한 문제들을 야기시킬 수 있다. 게다가 부피가 커서 관리하기 힘든 대형 생활폐기물들이 증가하여 도시 발전에도 방해가 된다. 생활폐기물을 처리하는데 있어 대형 생활폐기물 품목에 대해서는 요금을 청구하여 처리한다. 다양한 유형의 대형 생활폐기물을 수동으로 분류하는 것은 시간과 비용이 많이 든다. 그 결과 대형 생활폐기물을 자동으로 분류하는 시스템을 도입하는 것이 중요하다. 본 논문에서는 대형 생활폐기물 분류를 위한 시스템을 제안하며, 이 논문의 4 가지로 분류된다. 1) 높은 정확도와 강 분류(roust classification) 수행에 적합한 Convolution Neural Network(CNN) 모델 중 VGG-19, Inception-V3, ResNet50 의 정확도와 속도를 비교한다. 제안된 20 개의 클래스의 대형 생활폐기물의 데이터 셋(data set)에 대해 가장 높은 분류의 정확도는 86.19%이다. 2) 불균형 데이터 문제를 처리하기 Class Weight VGG-19(CW-VGG-19)와 Extreme Gradient Boosting VGG-19 두 가지 방법을 사용하였다. 3) 20 개의 클래스를 포함하는 데이터 셋을 수동으로 수집 및 검증하였으며 각 클래스의 컬러 이미지 수는 500 개 이상이다. 4) 딥 러닝(Deep Learning) 기반 모바일 애플리케이션을 개발하였다.

• Proceedings of the Korean Radioactive Waste Society Conference
• /
• 2004.06a
• /
• pp.124-126
• /
• 2004

웹 서비스기술에서 XML은 단순히 전송 네트워크로서 메시지를 전송하고 받는 역할만 하는 HTTP에 비해 서비스를 등록, 검색, 기술, 호출하는 방법을 정의하는 중요한 요소이다. XML은 어떤 플랫폼에서나 읽을 수 있는 형식을 제공하기 때문에 특정 회사의 제품과 관련된 특정 환경에 얽매이지 않아도 된다. 이처럼 기업 간의 데이터 상호 교환을 위한 언어로서 XML의 역할이 중대해지고 있기 때문에, WACID(Waste Comprehensive Information Database) 시스템에서는 데이터 검증 및 교환을 목적으로 XML 데이터를 생성하고 있다.(중략)