• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.669-681
• /
• 2023

과일 나무의 생육을 평가하는 중요한 지표인 엽록소 함량을 추정하는데 비교적 많은 노동력의 투입이 요구되고 오랜 시간이 소요되는 기존의 파괴 조사 대신 비파괴적 조사 방식인 원격탐사기술을 적용하기 위한 연구가 시도되고 있다. 이 연구에서는 2년(2021, 2022) 간 무인기 기반의 초분광 영상을 이용하여 배나무 잎의 엽록소 함량을 비파괴적으로 추정하는 연구를 수행하였다. 영상 처리로 추출된 배나무 캐노피(canopy)의 단일 band 반사율은 시간 변화에 따라 불안정한 복사 효과를 최소화하기 위해 밴드비화(band rationing) 되었다. 밴드비(band ratios)를 입력 변수로 머신러닝 알고리즘인 elastic-net, k-nearest neighbors (KNN)과 support vector machine을 사용하여 추정(calibration, validation) 모델들을 개발하였다. Full band ratios 기반 추정 모델들의 성능과 비교하여 계산 비용 절감과 재현성 향상에 유리한 key band ratios를 선정하였다. 결과적으로 모든 머신러닝 모델에서 full band ratios를 이용한 calibration에 coefficient of determination (R²)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm², relative error (RE)≤17.9%)와 validation에 R²≥0.56, RMSE≤1.41 ㎍/cm², RE≤20.7% 성능을 비교하였을 때, key band ratios 네 개가 선정되었다. 머신러닝 모델들 사이에 validation 성능에는 비교적 큰 차이가 없어 calibration 성능이 가장 높았던 KNN 모델을 기준으로 삼았으며, 그 key band ratios는 710/714, 718/722, 754/758, 758/762 nm가 선정되었다. Calibration에서 R²=0.80, RMSE=0.94 ㎍/cm², RE=13.9%와 validation에서 R²=0.57, RMSE=1.40 ㎍/cm², RE=20.5%를 나타내었다. Validation의 기준으로 한 성능 결과는 배나무 잎 엽록소 함량을 추정하기에 충분하지 않았지만, 앞으로의 연구에 기준이 될 key band ratios를 선정했다는 것에 의미가 있다. 추후 연구에서는 추정 성능을 향상하기 위해 지속적으로 추가 데이터세트를 확보하여 선정된 key band ratios의 신뢰성 검증과 함께 실제 과원에 재현 가능한 추정 모델로 고도화할 필요가 있다.

• 한국전산구조공학회논문집
• /
• 제25권6호
• /
• pp.533-540
• /
• 2012

납코어가 삽입된 적층고무받침은 주요 재료가 온도에 대한 의존성을 보유하고 있으므로 온도 환경이 장치의 성능에 미치는 영향이 적지 않다. 따라서, 본 논문에서는 대표적인 면진장치인 납면진받침에 대하여 실규모 장치를 제작하고 온도변화에 따른 강성 및 감쇠 특성변화에 대하여 실험을 통하여 분석하고 평가하였다. 실물 크기의 납면진받침을 사용하여 $-10^{\circ}C$, $0^{\circ}C$, $10^{\circ}C$, $20^{\circ}C$, $30^{\circ}C$, $40^{\circ}C$의 온도 조건에 대하여 ISO22762:2010에서 제시하고 있는 특성시험법을 적용하여 수직강성 및 수평특성에 대하여 의존성 경향을 파악하였다. 또한, 면진받침 설계 시 주요한 평가지표로 사용되는 2차강성 및 특성강도에 대하여 해외 제조사에서 제시하고 있는 온도보정식과 시험결과를 비교하였으며 수직강성에 대한 온도의존 경향을 파악하였다.

• 한국식품저장유통학회지
• /
• 제23권6호
• /
• pp.848-858
• /
• 2016

국내 삼계탕 제조업체에서의 스팀식 레토르트기내 위치별 $F_0$ 분포를 조사하고 이에 따라 시료를 3가지 $F_0$값(10~20, 20~30, 및 >30) 수준으로 구분하여, 처리구별 품질 차이를 확인하였다. $F_0$값의 수준이 높아질수록 삼계탕 가슴부위육의 육수에서의 무기질 함량, 육의 $L^*$과 $b^*$ 값, 죽과 육에서의 소화율 및 육수의 탁도는 증가하는 경향을 보였고, 육에서의 유리 아미노산 함량과 가슴살과 뼈의 경도는 오히려 유의적으로 낮아지는 경향을 보였다. 전자코로 측정된 육수와 가슴살의 향기 패턴은 시료에 따라 큰 차이를 나타냈다. 관능학적 평가 결과 높은 $F_0$값으로 처리할수록 색, 이취, 조직감 및 향미 등 모든 지표 값이 낮아지는 경향이 확인되었는데, 특히 T3 시료의 색과 조직감은 T1과 T2시료에서보다 확실히 열등하게 평가되었다. 따라서 삼계탕의 품질 열화를 줄이기 위해서는 가능한 한 최소한의 $F_0$값 처리가 요구되며, 이를 위해서는 레토르트기의 우수한 성능과 효율성이 보장되고 이와 관련한 각 공장에 적합한 살균기술의 표준화가 필요할 것으로 사료된다.

• 비파괴검사학회지
• /
• 제27권4호
• /
• pp.299-304
• /
• 2007

구조물의 주요 부재들은 임의의 부분에 과대 하중이 작용하거나 반복 하중을 받아서 재료가 열화되면 균열이 발생한다. 이러한 균열은 구조물의 안전성을 평가할 수 있는 중요한 인자이며 균열의 진전 여부가 구조물의 안전성을 평가하기 위한 중요한 지표로 사용할 수 있다. 따라서 본 연구에서는 구조물의 기존 균열이 진전하는지를 감시하기 위하여 광섬유 브래그 격자 센서를 개발하였다. 이 센서 시스템은 탐촉자, 파장제어 광원부 및 광수신부, 그리고 가진부로 구성된다. 센서 탐촉자 부분은 광섬유 브래그 격자 소자만으로 구성된다. 파장제어 광원부는 전류공급회로와 DFB(distributed feedback) 레이저 다이오드로 구성되고 파장 제어 회로는 레이저 다이오드의 온도를 바꾸어 파장을 제어한다. 또한 가진부는 강체 낙하구에 의하여 구현한다. 이렇게 구성된 센서의 성능은 알루미늄판에 임의의 균열을 만들고 센서를 작동시키면서 출력 신호를 검토하면서 확인하였다. 광섬유 브래그 격자 센서의 출력 신호의 변화는 균열 길이 변화에 따라서 크게 변화되어 나타나므로 균열 진전 탐지 가능성이 충분함을 확인할 수 있었다.

• 한국산학기술학회논문지
• /
• 제17권9호
• /
• pp.647-654
• /
• 2016

방위산업은 경제논리보다 안보논리가 우선시되며 고비용, 장기간의 연구개발이 이루어져왔다. 하지만, 최근 몇 년간 급변하는 기술의 발전과 안보상황을 통해 방위산업에서도 체계개발간에 있어 비용절감과 개발기간 단축의 필요성이 대두되었다. 이에 민수 분야의 부품 모듈화 전략을 방위산업에서 활용하기 위해 OO 사업 LRU(Line Replaceable Unit)들의 모듈화 우선순위를 도출하고자 한다. 프로젝트 평가기법 중 하나인 GRA(Grey Relational Analysis)를 사용하였으며, 문헌연구를 통해 선정된 6개의 평가지표 데이터를 수집하여 OO 사업의 11개 모듈에 대하여 우선순위를 선정하였다. 그 결과, M11(메인보드)과 M8(EMI모듈), M3(싱글보드컴퓨터)의 Grey 관계등급이 0.83, 0.81, 0.80 순으로 도출되었고, 우선순위에 따라 모듈화 하는 것이 비용 절감 및 기간 단축의 효과가 있을 것으로 판단된다. 본 연구는 유사 무기체계 개발이나 향후 성능개량 사업 등을 고려한 LRU 모듈화 설계 시, 모듈화 적용 판단 및 의사결정의 근거가 되는 기초 연구로 활용할 수 있을 것이다.

• 한국융합학회논문지
• /
• 제12권9호
• /
• pp.11-19
• /
• 2021

소프트웨어 시스템은 생명주기동안 기능 추가, 버그 수정, 새로운 컴퓨팅 환경 수용 등의 다양한 이유로 프로그램 코드 변경이 요구된다. 이러한 코드 수정 과정에서 새로운 오류 발생을 가져올 수 있으므로 프로그램 코드 수정 과정은 새로운 시스템 개발 못지 않게 신중하게 처리되야 한다. 또한, 오픈 소스 프로그램에 대한 재사용이 일반화된 소프트웨어 개발환경에서 오픈 소스 프로그램의 코드 변경 가능성을 예측할 수 있다면, 보다 양질의 프로그램 개발 효과를 기대할 수 있을 것이다. 본 논문은 소스 코드 변경을 예측하는 Convolutional Neural Network (CNN) 기반의 딥러닝 모델을 제안한다. 소스 코드 변경을 예측하는 문제는 딥러닝의 이진 분류 문제이며 레이블된 데이터가 요구되는 지도학습을 사용한다. 코드 예측 모델의 학습 및 시험을 위해 깃허브에서 수집한 Java 소스 코드와 코드 변경 로그를 데이터로 사용한다. 수집된 Java 소스 코드에서 소프트웨어 메트릭스를 계산한 후 제안된 코드 변경 예측 모델의 입력 데이터로 사용한다. 제안된 모델의 성능 평가를 위해 정밀도, 재현율, F1점수, 정확도가 측정되었으며 각각의 평가 지표에 있이서 CNN 모델은 95%, 다층 퍼셉트 기반의 DNN 모델은 92%를 달성했다.

• 대한원격탐사학회지
• /
• 제37권6_2호
• /
• pp.1881-1890
• /
• 2021

미세먼지는 인체에는 물론 생태계, 날씨 등에도 많은 영향을 끼치며, 인구와 건물, 차량 등이 밀집된 대도시에서의 미세먼지의 예측과 모니터링은 중요하다. 특히 자동차, 연소 등에서 발생하는 PM_2.5 농도는 독성 물질을 포함할 수 있어 체계적인 관리가 필요하다. 따라서 본 연구는 화학 인자, 위성 기반의 aerosol optical depth (AOD), 기상 인자 등을 입력 자료로 하여 수도권PM_2.5 농도를 예측하고자 한다. PM_2.5 농도 예측을 위해 기계 학습 모델 중 PM 농도 예측에 우수한 성능을 보이는 random forest (RF) 모델을 선정하였으며, 모델 평가를 위해 통계 지표인 R², RMSE, MAE, MAPE를 산출하였다. RF 모델의 모델 정확도는 R², RMSE, MAE, MAPE는 각각 0.97, 3.09, 2.18, 13.31로 나타났으며, 예측 정확도는 각각 0.82, 6.03, 4.36, 25.79로 본 연구에서 사용한 인자들을 이용하여 PM_2.5를 예측 시 높은 정확도와 상관성을 나타내었다. 따라서 향후 학교 미세먼지 예측 및 범주화를 위해 본 연구에서 사용한 인자들을 RF 모델에 적용하였을 때 신뢰할만한 결과를 도출할 수 있을 것으로 기대된다.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.340-348
• /
• 2021

본 연구는 콩의 한발 스트레스 판별에 대하여 RGB 영상에 기반한 작물 생육 지수의 적용 가능성과 한계점을 구명하기 위해 수행되었다. RGB 영상에서 추출한 생육 지수들과 한발 스트레스에 반응하는 대표적인 표현형 지표들(군락 피복도, 엽면적, 엽록소 함량 등)과의 높은 상관관계를 통해 영상 기반 생육 진단 모델개발의 가능성을 확인할 수 있었다. 다만 판별의 정확도와 해상도를 개선시키기 위해서는 향후 다양한 재배조건에서 지속적인 성능 평가가 이루어져야 할 것이다. 본 연구의 결과는 향후 RGB 영상을 활용한 콩환경 스트레스 판별에 있어서 영상 전처리, 영상 분석방법, 생육 지수 정량화 기술 개발에 도움을 줄 수 있을 것이며, 개발된 생육 인자 예측 모델은 환경 스트레스 조기 진단을 통한 영농 의사결정 지원 모델의 개발에 기여할 수 있을 것으로 판단된다.

• 한국측량학회지
• /
• 제40권5호
• /
• pp.381-391
• /
• 2022

본 연구는 AI 기법 중에 최근 널리 사용되고 있는 딥러닝 모델들을 비교하여 재난으로 인해 손상된 건물의 신속한 감지에 가장 적합한 모델을 선정하는 데 목적이 있다. 먼저, 신속한 객체감지에 적합한 1단계 기반 검출기 중 주요 딥러닝 모델인 SSD-512, RetinaNet, YOLOv3를 후보 모델로 선정하였다. 이 방법들은 1단계 기반 검출기 방식을 적용한 모델로서 객체 인식 분야에 널리 이용되고 있다. 이 모델들은 객체 인식 처리방식의 구조와 빠른 연산의 장점으로 인해 객체 인식 분야에 널리 사용되고 있으나 재난관리에서의 적용은 초기 단계에 머물러 있다. 본 연구에서는 피해감지에 가장 적합한 모델을 찾기 위해 다음과 같은 과정을 거쳤다. 먼저, 재난에 의한 건물의 피해 정도 감지를 위해 재난에 의해 손상된 건물로 구성된 xBD 데이터셋을 활용하여 초고해상도 위성영상을 훈련시켰다. 다음으로 모델 간의 성능을 비교·평가하기 위하여 모델의 감지 정확도와 이미지 처리속도를 정량적으로 분석하였다. 학습 결과, YOLOv3는 34.39%의 감지 정확도와 초당 46개의 이미지 처리속도를 기록하였다. RetinaNet은 YOLOv3보다 1.67% 높은 36.06%의 감지 정확도를 기록하였으나, 이미지 처리속도는 YOLOv3의 3분의 1에 그쳤다. SSD-512는 두 지표에서 모두 YOLOv3보다 낮은 수치를 보였다. 대규모 재난에 의해 발생한 피해 정보에 대한 신속하고 정밀한 수집은 재난 대응에 필수적이다. 따라서 본 연구를 통해 얻은 결과는 신속한 지리정보 취득이 요구되는 재난관리에 효과적으로 활용될 수 있을 것이라 기대한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권2호
• /
• pp.99-110
• /
• 2023

본 연구는 현 보안 관제 시스템이 직면한 실시간 트래픽 탐지 문제를 해결하기 위해 사이버 위협 프레임워크인 마이터 어택과 머신러닝을 이용하여 유해 네트워크 트래픽을 분류하는 방안을 제안하였다. 마이터 어택 프레임워크에 네트워크 트래픽 데이터셋인 UNSW-NB15를 적용하여 라벨을 변환 후 희소 클래스 처리를 통해 최종 데이터셋을 생성하였다. 생성된 최종 데이터셋을 사용하여 부스팅 기반의 앙상블 모델을 학습시킨 후 이러한 앙상블 모델들이 다양한 성능 측정 지표로 어떻게 네트워크 트래픽을 분류하는지 평가하였다. 그 결과 F-1 스코어를 기준으로 평가하였을 때 희소 클래스 미처리한 XGBoost가 멀티 클래스 트래픽 환경에서 가장 우수함을 보였다. 학습하기 어려운 소수의 공격클래스까지 포함하여 마이터 어택라벨 변환 및 오버샘플링처리를 통한 머신러닝은 기존 연구 대비 차별점을 가지고 있으나, 기존 데이터셋과 마이터 어택 라벨 간의 변환 시 완벽하게 일치할 수 없는 점과 지나친 희소 클래스 존재로 인한 한계가 있음을 인지하였다. 그럼에도 불구하고 B-SMOTE를 적용한 Catboost는 0.9526의 분류 정확도를 달성하였고 이는 정상/비정상 네트워크 트래픽을 자동으로 탐지할 수 있을 것으로 보인다.