• 자원리싸이클링
• /
• 제31권4호
• /
• pp.56-65
• /
• 2022

구리는 우수한 특성, 특히 높은 전도성과 낮은 저항으로 인해 전기/전자 제조 산업에 널리 사용되는 비철금속 중 하나이다. 이러한 산업의 표면 처리 공정에서는 구리 함량이 높은 폐수가 발생하며, 직간접적으로 수계로 배출된다. 이는 심각한 환경 오염을 일으키고 또한 귀중한 유용금속의 손실을 초래한다. 이러한 문제를 극복하기 위하여, 효율적이고 저렴하며 친환경적인 흡착제를 찾기 위한 목적으로 흡착 분야에서 전 세계적으로 지속적인 연구개발이 진행되고 있다. 이러한 점을 고려하여, 본 연구에서는 위와 같은 폐수로부터 구리 흡착을 위한 바이오 흡착제로서 식물뿌리(Datura 뿌리 분말)의 성능을 합성 흡착제(Tulsion T-42)와 비교하였다. 실험은 흡착제 투여량, 접촉시간, pH, 주입액 농도 등의 변수들을 최적화하기 위하여 회분식으로 수행되었다. 초기구리농도가 100 ppm이고 pH가 4인 주입액에서, 0.2 g Datura 뿌리 분말을 15분간 접촉하였을 때 구리 흡착율은 95%이었으며, 0.1 g Tulsion T-42은 30분간 접촉에서 95%의 흡착율을 나타내었다. 두 흡착제의 흡착 데이터는 Freundlich 등온선과 잘 일치하였으며, 유사 2차 속도식을 따르는 것을 나타내었다. 전체 결과는 본 연구의 바이오 흡착제가 표면처리 공정의 폐액 또는 폐수로부터 금속 회수에 적용될 가능성을 보여주고 있다.

• 인터넷정보학회논문지
• /
• 제23권5호
• /
• pp.145-154
• /
• 2022

자동 표적 인식(Automatic Target Recognition, ATR) 기술이 미래전투체계(Future Combat Systems, FCS)의 핵심 기술로 부상하고 있다. 그러나 정보통신(IT) 및 센싱 기술의 발전과 더불어 ATR에 관련이 있는 데이터는 휴민트(HUMINT·인적 정보) 및 시긴트(SIGINT·신호 정보)까지 확장되고 있음에도 불구하고, ATR 연구는 SAR 센서로부터 수집한 이미지, 즉 이민트(IMINT·영상 정보)에 대한 딥러닝 모델 연구가 주를 이룬다. 복잡하고 다변하는 전장 상황에서 이미지 데이터만으로는 높은 수준의 ATR의 정확성과 일반화 성능을 보장하기 어렵다. 본 논문에서는 이미지 및 텍스트 데이터를 동시에 활용할 수 있는 지식 그래프 기반의 ATR 방법을 제안한다. 지식 그래프와 딥러닝 모델 기반의 ATR 방법의 핵심은 ATR 이미지 및 텍스트를 각각의 데이터 특성에 맞게 그래프로 변환하고 이를 지식 그래프에 정렬하여 지식 그래프를 매개로 이질적인 ATR 데이터를 연결하는 것이다. ATR 이미지를 그래프로 변환하기 위해서, 사전 학습된 이미지 객체 인식 모델과 지식 그래프의 어휘를 활용하여 객체 태그를 노드로 구성된 객체-태그 그래프를 이미지로부터 생성한다. 반면, ATR 텍스트는 사전 학습된 언어 모델, TF-IDF, co-occurrence word 그래프 및 지식 그래프의 어휘를 활용하여 ATR에 중요한 핵심 어휘를 노드로 구성된 단어 그래프를 생성한다. 생성된 두 유형의 그래프는 엔터티 얼라이먼트 모델을 활용하여 지식 그래프와 연결됨으로 이미지 및 텍스트로부터의 ATR 수행을 완성한다. 제안된 방법의 우수성을 입증하기 위해 웹 문서로부터 227개의 문서와 dbpedia로부터 61,714개의 RDF 트리플을 수집하였고, 엔터티 얼라이먼트(혹은 정렬)의 accuracy, recall, 및 f1-score에 대한 비교실험을 수행하였다.

• 해양환경안전학회지
• /
• 제29권5호
• /
• pp.479-487
• /
• 2023

최근 지구 온난화의 영향으로 태풍의 파괴력이 증가함에 따라 부유식 해상풍력발전기의 막대한 유실과 붕괴에 대한 우려가 깊어지고 있다. 부유식 해상풍력발전기의 안전한 운영을 위해 새로운 형태의 탈착형 계류 시스템 개발이 요구되고 있다. 본 연구에서 고려한 새로운 반잠수식 계류 풀리는 기존의 탈착형 계류 장치에 비해 계류 라인으로 부유식 해상풍력 터빈을 보다 쉽게 탈부착할 수 있도록 고안되었다. 8MW급 부유식 해상풍력발전기에 적용 가능한 반잠수식 계류 풀리의 초기 설계에 대한 구조적 안전성을 검토하기 위해 3D 프린터를 이용하여 축소구조모형을 제작하고, 이 모형에 대한 구조시험을 수행하였다. 축소 모형의 구조시험을 위해 3D 프린팅에 사용된 ABS 소재의 인장 시편을 제작하고 인장시험을 수행하여 소재의 물성을 평가하였다. 인장시험에서 얻은 재료 특성과 축소모형 구조 시험과 동일한 하중 및 경계 조건을 적용하여 반잠수식 계류 풀리의 유한요소해석을 수행하였다. 유한요소해석을 통해 반잠수식 계류 풀리의 구조적 취약 부분을 검토하였다. 반잠수식 계류 풀리의 주요 하중조건을 고려하여 구조모형시험을 수행하였으며, 재료의 최대인장응력 이상이 발생하는 위치에 대해 유한요소해석과 시험 결과를 비교하였다. 유한요소해석과 모형시험의 결과로부터 작동조건에서는 Body와 Wheel의 연결부 구조가 취약한 것으로 파악되었고, 계류조건에서는 Body와 Chain stopper의 연결부 구조가 취약한 것으로 검토되었다. 축소모형 구조시험에서 나타난 SMP의 구조 취약부는 구조해석의 결과와 일치하는 것으로 나타났다. 연구 결과를 통해 반잠수식 계류 풀리의 초기 설계에 대한 구조적 안전성을 실험적으로 검증할 수 있었다. 또한, 본 연구 결과는 상세설계 단계에서 반잠수식 계류 풀리의 구조 강도를 향상시키는데 유용하게 활용될 수 있을 것으로 판단된다.

• 청정기술
• /
• 제29권1호
• /
• pp.10-21
• /
• 2023

천연 고분자 이중 네트워크를 기반으로 하는 하이드로젤은 뛰어난 생체 적합성, 낮은 세포 독성, 높은 함수율을 가져 다양한 의학 분야 재료로서 우수한 성능을 가지며 생체 조직 내 표적 약물 전달 시스템에의 응용에도 많은 주목을 받고 있지만 상대적으로 약한 기계적 물성에 의한 한계를 가진다. 본 연구에서는 천연 고분자 산화 알지네이트(alginate di-aldehyde, ADA)와 젤라틴(gelatin)이 형성하는 이중 네트워크 기반의 하이드로젤을 합성하였으며 하이드로젤 내부의 기능기와 수소 결합을 할 수 있는 다량의 수산기(-OH) 기능기를 가지는 과분지 고분자(hyperbranched polyglycerol, HPG)를 0~25%의 범위로 조절하여 첨가하여 최종적으로 기계적 물성이 향상된 천연 고분자 기반 하이드로젤을 합성하였다. 또한, 자철석 나노 입자(Fe₃O₄ nanoparticles (NPs))를 하이드로젤 내부에 in-situ 방법으로 합성하여 자성이 부여된 천연고분자 하이드로젤의 제조 및 특성 분석을 진행하였다. 결과적으로 Fe₃O₄ NPs를 도입한 15% HPG 함량의 하이드로젤은 3.8 emu g^-1의 포화자화 값을 가지는 초상자성을 보였고, 변형률 67.4%에서 최대 압축 강도 1.1 MPa으로 높은 기계적 물성을 가졌다. 향상된 기계적 물성을 가지는 천연 고분자 기반의 초상자성 하이드로젤은 약물 전달 시스템 및 생체 재료에 매우 중요한 잠재적 용도가 있을 것으로 사료된다.

• 유기물자원화
• /
• 제31권1호
• /
• pp.47-56
• /
• 2023

본 연구에서는 증류수를 사용하지 않고 상수, 공업용수 및 하천수를 활용하여 균일한 실리카 나노입자를 성공적으로 제조하는 방법에 대해 제시하였다. 또한, 제조된 실리카 나노입자들은 전기감응형 스마트유체의 분산 물질로 적용하였다. 상세히는, 다양한 종류의 물을 사용하여 500-700nm 사이즈의 실리카 나노입자를 한 번의 실험으로 대량 제조(약 12.0g) 하였으며 증류수를 활용하여 합성한 750nm 사이즈의 실리카 나노입자와 동일한 형태학적 화학적 특성을 가지고 있음을 확인하였다. 다양한 물을 사용하여 제조한 실리카 나노입자의 사이즈는 이온전도도에 따라 변화하였다. 이온전도도가 높으면 높을수록 제조된 실리카 나노입자의 크기가 작아짐을 확인할 수 있었고, 이는 이온들이 실리카 나노입자의 성장을 억제하기 때문이다. 또한, 제조한 실리카 나노입자들을 전기감응형 스마트유체로 응용하였다. 그 결과, 상수, 공업용수 및 하천수를 활용하여 제조한 실리카 나노입자가 증류수를 활용하여 합성한 실리카 나노입자 대비 높은 전단응력을 나타냄을 확인할 수 있었고, 이는 작은 사이즈의 실리카 나노입자가 전기장 하에서 더 강한 사슬 구조를 형성하기 때문이다. 결론적으로, 본 연구를 통해 다양한 물을 증류수와 같이 정제하지 않고 사용하여 실리카 나노입자를 성공적으로 제조할 수 있음을 확인하였고, 해당 입자들이 전기감응형 스마트유체 응용에서 우수한 성능을 나타냄을 확인할 수 있었다.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.252-264
• /
• 2023

본 논문은 λg/2 개방형 SIR 구조와 전송선로와 대칭 및 비대칭 개방형 스터브를 가진 포크-형태의 구조를 일체화한 이중대역 대역통과 여파가 설계에 대해 제안을 한다. 이중대역 효과를 얻기 위해, 제안된 여파기는 SIR 구조를 이용했고, SIR 구조의 임피던스 비율을 조절한다. 그러므로 여파기의 고조파는 임피던스 비율의 조절을 통해 위치가 이동하게 되며 이는 이중대역 효과를 얻을 수 있다. 이중대역 특성을 얻기 위해 SIR 구조를 반으로 나눈 상태에서 SIR 구조 사이에 개방형 스터브를 삽입하여 이중대역 효과를 얻는다. 또한 포크 형태의 구조에서 개방형 대칭 스터브의 길이를 조절함으로써 두 번째 주파수 응답을 얻는다. 포크 형태에서 비대칭 개방형 스터브는 길이의 조절을 통해 최적의 대역폭을 얻는다. 그러므로 제안된 대역통과 여파기의 첫 번째 중심 주파수는 5.896 GHz이며 대역폭은 13.6 % 이다. 이때, 측정 결과는 0.13 dB 및 33.6 dB이다. 두 번째 중심 주파수는 5.906 GHz이며 대역폭은 13.6 % 이다. 이때, 측정 결과는 0.15 dB 및 19.8 dB이다. 그 이유는 임피던스 비율(Δ)이 1보다 높으면 고조파의 위치는 낮은 주파수 대역으로 이동하게 된다. 그러나 임피던스 비율(Δ)이 1보 낮아지게 된다면 고조파의 위치는 높은 주파수 대역으로 이동하게 될 것이다. 이러한 특징을 이용하여 설계된 여파기의 기능은 측정 결과에서 얻을 수 있다. 제안한 대역통과 여파기는 입출력의 결합구조와 비아 홀이 없기 때문에 결합손실과 비아 에너지 집중 손실이 없다. 그러므로 성능이 우수하여 시스템 집적화가 가능하며 교통통신 시스템에서 활용되는 DSRC (dedicated short-range communication) 시스템 응용이 가능할 것으로 기대된다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.167-176
• /
• 2022

심지층 특성화 기술 확보에 필요한 자체 기기 개발의 일환으로 철재 케이싱이 설치된 시추공에도 적용가능한 공곡검층기 K-DEV를 설계하고 500 m 깊이 용 시작품을 개발하였다. K-DEV는 디지털 출력을 제공하고 이미 성능이 입증된 센서들을 장착하며, 기존에 국내에서 사용하는 윈치시스템과 호환성을 갖추도록 설계되었다. K-DEV 시작품은 외경 48.3 mm 비자성 스테인레스강 하우징을 채용했으며 실험실 내에서 20 MPa까지의 방수 시험, 그리고 1 km 깊이 시추공에 삽입하여 내구성 시험을 거쳤다. 시작품을 이용해 600 m 깊이까지의 하향 및 상향 연속 검층을 수행하여 작동의 안정성 및 자료의 반복성을 확인하였다. 철재 케이싱이 설치되어 있는 시추공내에서 방위각 결정에 필수적인 자이로 센서로 K-DEV 시작품에서는 고정밀도 MEMS 자이로스코프를 채택하였다. 여기에 가속도계 자료와 각속도 자료를 융합하고 무향 칼만 필터링(Unscented Kalman Filtering)을 통해 최적화 함으로써 정확한 궤적 추적을 수행하는 알고리듬을 고안하였다. 시험 시추공에서 K-DEV 시작품과 상업적 기기와의 비교 검층을 통해 서로 매우 근접한 결과를 얻었다. 특히, MEMS 자이로 센서의 시간에 따른 drift에 의한 오차 누적 문제는 검층 전 후에 정두에서 동일한 방향으로 위치한 정지 상태에서 측정한 자료로부터 각속도를 보정함으로써 해소될 수 있으며, 철재 케이싱이 설치된 시추공에서의 공곡검층이 나공 상태에서의 결과와 거의 동일한 궤적 추정 결과를 제공함을 확인할 수 있었다. 이러한 시작품 적용 결과로서 K-DEV 개발의 방법론, 시작품의 안정성 및 자료의 신뢰성을 확보하였다고 판단된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.655-667
• /
• 2023

전 세계적으로 녹조 대발생은 빈번하게 보고되고 있으며, 국내에서도 매년 녹조로 인한 심각한 수질 오염 문제가 발생하고 있다. 지속적인 관리와 신속한 대응을 통한 수생태계 보호가 필요하다. 녹조 발생의 지표인 chlorophyll-a (Chl-a) 농도를 예측하기 위해 위성 영상을 이용한 연구가 많이 이루어지고 있다. 하지만 수계에 따라 변하는 분광특성과 대기 보정 오류로 인해 정확한 Chl-a 산출에 어려움이 있어 최근 머신러닝 모델을 활용하고 있다. 위성 분광지수 뿐만 아니라 녹조에 영향을 미치는 인자들에 대한 복합적인 고려가 필요하다. 따라서, 본 연구는 수질, 수문 및 기상 인자와 Sentinel-2 영상을 복합적으로 고려하여 데이터셋을 구축하였다. 최근 5년간 낙동강에 위치한 8개 보 구간의 Chl-a 농도 예측에 대표적인 앙상블 모델 random forest (RF)와 extreme gradient boosting (XGBoost)을 활용하였다. 모델 평가 지표로 r-squared score (R²), root mean square errors(RMSE), mean absolute errors (MAE)를 사용하였으며, XGBoost의 R²가 0.810, RMSE가 6.612, MAE가 4.457로 유의미한 결과를 얻은 것을 확인하였다. Shapley additive explanations (SHAP) 분석을 통해 두 모델 모두 수질 인자 suspended solids (SS), biochemical oxygen demand (BOD), dissolved oxygen (DO)과 red edge 밴드를 활용한 밴드비가 높은 중요도를 보인 것을 알 수 있었다. 다양한 입력 데이터는 모델 성능 향상에 도움을 주는 것을 확인할 수 있었으며, 국내외 녹조 탐지에 적용될 수 있을 것으로 보인다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.933-948
• /
• 2023

대기 중 에어로졸은 인체에 악영향을 끼칠 뿐 아니라 기후 시스템에도 직간접적인 영향을 미치므로 에어로졸의 특성과 시공간적인 분포에 대한 이해는 매우 중요하다. 이를 위해 위성기반 관측을 통해 에어로졸 광학 두께(Aerosol Optical Depth, AOD)를 산출하여 에어로졸을 모니터링하는 다양한 연구가 수행되어 왔다. 하지만 이는 주로 조견표를 활용한 역 산출 알고리즘에 기반하여 이루어지기 때문에 많은 계산량을 요구하며 불확실성이 존재한다. 따라서, 본 연구에서는 Geostationary Ocean Color Imager-II (GOCI-II)의 대기상한반사도와 30일 동안의 대기상한반사도 중 최솟값과 관측 시점 값의 차이 값, 수치 모델 기반 기상학적 변수 등을 활용하여 기계학습 기반 고해상도 AOD 직접 산출 알고리즘을 개발하였다. Light Gradient Boosting Machine (LGBM) 기법이 사용되었으며, 추정된 결과는 지상 관측 자료인 Aerosol Robotic Network (AERONET) AOD를 활용하여 랜덤, 시간 및 공간별 N-fold 교차검증을 통해 검증되었다. 세 가지 교차검증 결과 R²=0.70-0.80, RMSE=0.08-0.09, 기대오차(Expected Error, EE) 안에 있는 비율은 75.2-85.1% 수준으로 안정적인 성능을 보였다. Shapley Additive exPlanations (SHAP) 분석에서는 반사도 관련 변수들이 기여도의 상위권 대부분을 차지하고 있는 것을 통해 반사도 자료가 AOD 추정에 많은 기여를 하는 것을 확인하였다. 서울과 울산 지역에 대한 시간 별 AOD의 공간 분포를 분석한 결과, 개발된 LGBM 모델은 시간의 흐름에 따라 AERONET AOD 값과 유사한 수준으로 AOD를 추정하고 있었다. 이를 통해 높은 시공간 해상도(i.e., 시간별, 250 m)에서의 AOD 산출이 가능함을 확인하였다. 또한, 산출 커버리지 비교에서 LGBM 모델의 평균 산출 빈도가 GOCI-II L2 AOD 산출물 대비 8.8%가량 증가한 것을 통해 기존 물리모델기반 AOD 산출 과정에서 발생하던 밝은 지표면에 대한 과도한 마스킹의 문제점을 개선시킨 것을 확인하였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.