• 스마트미디어저널
• /
• 제11권3호
• /
• pp.74-89
• /
• 2022

섬유 소재의 염색은 기업별로 고유의 레시피와 공정으로 인하여 결과물 간의 차이가 존재할 뿐만 아니라 예측하기도 어려운 실정이다. 본 연구는 염색 공정에서의 색상구현 최적화를 위해 딥러닝 기반의 예측 모형을 개발하고자 시도되었다. 이를 위하여 딥러닝 기반 모형인 다층퍼셉트론, CNN 그리고 LSTM 모형을 선정하였다. 총 376건의 데이터 세트를 수집하여 3개의 예측 모형을 학습시켰다. 교차검증 방법을 이용하여 3개의 예측 모형에 대해 비교 및 분석하였다. LSTM 모형의 예측 결과에 대한 CMC(2:1) 색차의 평균이 가장 우수한 것으로 나타났다.

• 대한환경공학회지
• /
• 제28권3호
• /
• pp.270-275
• /
• 2006

채취한 양식진주를 불순물 제거와 표면표백을 통해 염색이 용이하도록 전처리하였다. 전처리된 양식 진주의 표면은 해수로부터 형성된 경단백질의 일종인 Conchiolin 막으로 덮혀있기 때문에 Conchiolin 층에 흡착이 가능한 염료를 선택하여 상품으로 원하는 색상을 흡착하는 공정이 필요하다. Conchiolin 층에 흡착 가능한 염료들은 Rhodamine 6aG(R6G), Rhodamine B(RB) 및 Methylene Blue(MB) 등의 염기성 염료들이 주류를 이루고 있으며 이들 염기성 염료를 선택하여 각각 이성분 및 삼성분으로 염색용액을 제조하여 경쟁흡착 실험을 수행하였다. 이성분 및 삼성분 경쟁흡착의 친화도는 단일성분 흡착 model 인 Langmuir 혹은 Redlich-Peterson(RP) model과 결합된 ideal adsorbed solution theory(IAST)를 이용하였으며, 흡착자료와 IAST 예측치의 차이를 $R^2$ 및 SSE 값으로 판단하였다. 결과적으로 분급되지 않은 진주층에 대한 R6G와 RB의 경쟁흡착의 경우에는 IAST 예측치는 실험값과 잘 일치하고 있으나, 분말상 진주층의 경우, 높은 농도에서의 RB는 실험치와 예측치가 일치하고 있지 않음을 알 수 있었다. 분급된 진주층의 경우에도 R6G/RB, R6G/MB, MB/RB에서 이성분계 혼합용액의 이성분 경쟁흡착에서 R6G/RB의 경우에만 RB는 잘 일치하지 않음을 확인되었다. 삼성분계의 경우에도 RB를 제외하고는 실험치와 예측치가 잘 일치하고 있었다.

• 감성과학
• /
• 제13권4호
• /
• pp.693-702
• /
• 2010

본 연구에서는 미생물에서 추출한 천연 색소로 염색한 직물의 색채특성을 고찰하고 염색 직물의 색채감성에 영향을 미치는 색채감각과 물리적 색채특성을 규명하고자 하였다. 미생물 Zooshikellar에서 추출한 prodiginine 색소를 이용하여 적자색으로 염색된 면, 견, 모, 나일론 직물에 대하여 20대 대학생 남녀 40명을 대상으로 의미미분법을 이용한 색채감각 및 감성을 평가하였다. 미생물 prodiginine 색소로 염색한 직물의 색채감성요인은 '유쾌성', '품위성', '독특성', '편안성' 등 4개 요인으로 분류되었는데, 이 중 '유쾌성' 요인이 미생물 색소로 염색한 직물의 대표적인 색채감성요인이라는 것을 알 수 있었다. 미생물 prodiginine 색소로 염색한 직물 색채의 명도 $L^{\ast}$은 '유쾌성' 요인과 유의한 관계를, 채도인 $C^{\ast}$는 색채감성요인 모두와 유의한 관련성을 보였으며, $a^{\ast}$와 $b^{\ast}$ 의 물리적 색채변인 또한 색채감성요인에 유의한 영향을 끼쳤다. 또한 색채감각과 색채감성요인은 부분적으로 유의한 관련성을 보였다. 미생물 prodiginine 색소로 염색한 직물의 색채감성, 색채특성 및 색채감각 중에서 색상 선호도를 예측해 주는 변인은 '유쾌성'과 '독특성'을 포함한 색채감성임을 알 수 있었다.

• 정보처리학회논문지B
• /
• 제17B권3호
• /
• pp.239-248
• /
• 2010

혈액 세포 영상에서 백혈구는 환자의 건강상태를 파악하는데 중요한 정보를 제공하며, 이를 통해 다양한 질병을 조기에 예측할 수 있다. 따라서 질병의 조기 예측을 위해 혈액세포에서 백혈구의 분리는 매우 중요한 단계이다. 본 논문에서는 중요도 맵과 단계적 영역 병합을 이용하여 혈액 세포 영상에서 백혈구를 자동으로 분할하는 기법을 제안한다. 백혈구 세포 영역은 염색물질에 의해 주변에 비해 두드러진 색상, 질감 정보를 가짐으로 이를 기반으로 중요도 맵(Saliency Map)을 만든다. 이를 통해 세포 영상에서 두드러진 영역을 찾아 sub-image를 분리하고, 각 sub-image에서 mean-shift 알고리즘을 적용하여 영역 클러스터링을 수행한다. Mean-shift 적용 후 얻은 클러스터들에 대해 단계적 영역 병합 알고리즘을 적용하고, 최종적으로 백혈구 핵으로 판단되는 단일 클러스터를 얻을 수 있다. 본 논문에서 제안한 방법은 혈액 세포 영상을 사용하여 테스트한 결과 71%의 핵 검출 정확도를 보였으며, 기존의 다른 알고리즘보다 뛰어난 성능을 나타내었다.