• 한국화예디자인학연구
• /
• 제45호
• /
• pp.47-56
• /
• 2021

본 연구는 꽃 디자인 능력을 향상시키기 위한 효과적인 교수법을 연구하기 위해 사전 학습(e- 러닝), 매뉴얼로 모델링, 학습자의 실습, 1:1 교육 코칭, 자기 평가, 코칭 행동 평가(1차, 2차) 등의 모델을 작성하여 적용되었다. 첫째, 사전 학습을 통한 인지 실습 교육은 꽃 디자인 실천에서 매우 필수적이다. 둘째, 플로랄 디자인의 연습 수업은 교수가 일반적으로 예제를 설정하고 학습자가 따라하는 수업이다. 셋째, 본 연구는 체크리스트를 작성하고, 자체 평가를 통해 반영하고, 완성된 작품에 대한 꽃무늬 디자인의 요소, 원리 및 기술 부분에 따라 평가 양식을 작성하는 것이다. 그 이후로 각 교수의 평가 양식을 교수가 직접 분석하여 피드백을 제공한 결과 자체 작업의 자체 검토 및 기술 부품의 품질 수준이 향상되었다. 넷째, 수업 시간 내에 완료 한 기존 수업과는 달리, 연습 수업은 자발적 연습을 했다. 다섯째, 마지막 단계에서 포트폴리오의 작업 프로세스를 배치하여 다시 스케치 및 촬영을 통해 학습자가 만든 작품을 평가하는 것이다. 또한 체크리스트와 함께 제작 방법 및 주의 사항을 준비하고 교수님의 피드백을 받으면서 꽃 디자인 능력이 크게 향상되었다. 결론적으로, 이 연구는 학습자에 의한 연습 형태의 여섯 단계를 통한 꽃 디자인의 기본 능력을 향상시키는 데 훌륭한 학습 모델이 된다는 것을 발견했다. 따라서 학습자의 자기 주도적 학습에 큰 도움이 될 것이므로 향후 이와 관련된 교재 개발 및 현장 적응이 고려된다.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.23-31
• /
• 2020

본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상 처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함 지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.99-107
• /
• 2024

경제성장과 산업 발전에 따라 반도체 제품부터 SMT 제품, 전기 배터리 제품에 이르기 까지 많은 전자통신 부품들의 제조과정에서 발생하는 철, 알루미늄, 플라스틱 등의 이물질로 인해 제품이 제대로 동작하지 않거나, 전기 배터리의 경우 화재를 발생하는 문제까지 심각한 문제로 이어질 가능성이 있다. 이러한 문제를 해결하기 위해 초음파나 X-ray를 이용한 비파괴 방법으로 제품 내부에 이물질이 있는지 판단하여 문제의 발생을 차단하고 있으나, X-ray 영상을 취득하여 이물질이 있는지 판정하는 데에도 여러 한계점이 존재한다. 특히. 크기가 작거나 밀도가 낮은 이물질들은 X-Ray장비로 촬영을 하여도 보이지 않는 문제점이 있고, 잡음 등으로 인해 이물들이 잘 안 보이는 경우가 있으며, 특히 높은 생산성을 가지기 위해서는 빠른 검사속도가 필요한데, 이 경우 X-ray 촬영시간이 짧아지게 되면 신호 대비 잡음비율(SNR)이 낮아지면서 이물 탐지 성능이 크게 저하되는 문제를 가진다. 따라서, 본 논문에서는 저화질로 인해 이물질을 탐지하기 어려운 한계를 극복하기 위한 5단계 방안을 제안한다. 첫번째로, Global 히스토그램 최적화를 통해 X-Ray영상의 대비를 향상시키고, 두 번째로 고주파 영역 신호의 구분력을 강화하기 위하여 Local contrast기법을 적용하며, 세 번째로 Edge 선명도 향상을 위해 Unsharp masking을 통해 경계선을 강화하여 객체가 잘 구분되도록 한다, 네 번째로, 잡음 제거 및 영상향상을 위해 Resdual Dense Block(RDB)의 초고해상화 방법을 제안하며, 마지막으로 Yolov5 알고리즘을 이용하여 이물질을 학습한 후 탐지한다. 본 연구에서 제안하는 방식을 이용하여 실험한 결과, 저밀도 영상 대비 정밀도 등의 평가기준에서 10%이상의 성능이 향상된다.

• 대한원격탐사학회지
• /
• 제36권3호
• /
• pp.449-460
• /
• 2020

초해상화 기법은 저해상도 영상을 고해상도 영상으로 변환하는 기법이다. 최근에는 딥러닝 기술을 활용한 초해상화 방법이 주류를 이루고 있으며, 원격 탐사 분야에서도 이를 응용한 연구가 증가하고 있다. 본 연구에서는 위성 영상의 4배 해상도 향상을 위하여 deep back-projection network (DBPN) 네트워크에 기반한 초해상화 기법을 제안하였다. 또한, 복원된 영상의 디테일 및 윤곽선 부분에서의 고품질 영상 획득을 위해 윤곽선 손실 함수를 제안하고, 효과적이고 안정적인 학습을 위하여 Wasserstein distance 손실 함수를 사용한 GAN 기법을 적용하였다. 또한, 자연스러운 저해상도 훈련 영상을 획득하기 위한 detail preserving image downscaling (DPID) 기법을 적용하였다. 마지막으로 전정 영상의 특징을 추출하여 훈련의 마지막 단계에 적용 시킴으로써 출력 영상의 세부적인 특징을 효과적으로 생성하였다. 그 결과 실험에 사용된 WorldView-3 영상 및 KOMPSAT-2 영상에서 해상도 향상 효과를 확인하였고, 다른 초해상화 모델에 대비하여 윤곽선 보존력이나 영상의 선명도가 향상 되었음을 확인하였다

• 한국방사선학회논문지
• /
• 제14권3호
• /
• pp.211-220
• /
• 2020

고화질의 전산화단층촬영상을 통해 정확한 병변 검출과 진단을 할 수 있다. 이와 같은 장점 때문에 전산화단층촬영 시 방사선량을 줄이면서 영상 화질을 개선하기 위해 많은 연구가 수행되었다. 최근 전산화단층촬영상 화질을 향상시키기 위한 딥러닝 기반 기술이 개발되었고, 기존의 기술에 비해 우수한 성능을 보이고 있다. 본 연구에서는 전산화단층촬영상의 공간분해능을 향상시키기 위해 초고해상도 합성곱 신경망 모델을 사용하였으며, 초고해상도 합성곱 신경망 모델의 성능을 결정하는 초 매개 변수 변화에 따른 영상 화질을 평가하여 초고해상도 합성곱 신경망 모델에 대한 초 매개 변수의 효과를 검증하였다. Profile, 구조적 유사성 지수, 최대신호 대 잡음비 및 반치폭을 측정하여 초 매개 변수 변화에 따른 초고해상도 합성곱 신경망 모델의 성능을 평가하였다. 연구결과, 초고해상도 합성곱 신경망 모델의 성능은 epoch와 training set이 증가함에 따라 향상되었으며, 전산화단층촬영상 화질을 향상시키기 위해 learning rate 최적화가 필요하다는 사실을 확인하였다. 따라서 최적의 초 매개 변수와 함께 구현된 초고해상도 합성곱 신경망 모델은 전산화단층촬영상의 품질을 향상시킬 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.29-42
• /
• 2023

본 논문은 서울, 부산, 인천과 같은 대한민국의 주요 도시들을 대상으로 일사량 예측 정확도를 향상하기 위한 방법론을 제안한다. 제안한 방법론은 먼저 GAN, CTGAN, Copula GAN, WGANGP, TVAE 등 다섯 가지 생성 모델을 이용하여 기존 학습 데이터와 유사한 독립 변수들을 생성한다. 다음으로 모델 학습에서의 데이터 편향성을 개선하고자, 생성한 독립 변수들에서 각각 랜덤 포레스트와 심층 신경망을 통해 종속 변숫값을 도출하여 학습 데이터 셋을 구축하고, 이를 기존 학습데이터 셋과 결합하여 예측 모델을 구성한다. 실험 결과, 증강된 데이터 셋으로 학습한 모델들은 기존 데이터 셋으로 학습한 모델들보다 향상된 성능을 나타내었다. 특히 CTGAN은 복잡한 다변량 데이터 관계를 효과적으로 다루는 메커니즘으로 인해 우수한 결과를 도출하였으며, 생성된 데이터는 일사량의 다양한 변화와 실제 변동성과 효과적으로 반영하였다. 제안한 방법론은 고품질의 생성 데이터로 학습 데이터를 증강함으로써, 데이터 부족 현상 문제를 다룰 수 있을 뿐만 아니라 지속 가능한 발전을 위한 태양광 발전 시스템 운영에도 이바지할 수 있을 것으로 기대한다.

• 한국지구과학회지
• /
• 제31권4호
• /
• pp.392-402
• /
• 2010

본 연구의 목적은 중학교 1학년 과학 기본과정 지구과학영역의 자율학습용 콘텐츠에 대하여 분석 및 평가를 하는 것이다. 이를 위해 한국교육학술정보원(2008)의 '초 중등교육 e-러닝 품질관리 가이드라인(Ver.2.0)'에서 제시한 '사이버가정학습 콘텐츠 품질관리도구'를 적용하였다. 콘텐츠 분석에 대한 결과는 다음과 같다. 첫째, 학습안내는 학생들이 한 차시에 학습하게 될 내용들을 간략히 소개하고 있는 것으로 나타났다. 그리고 선수학습에서는 진단평가가 이루어지지 않은 것으로 분석되었다. 둘째, 본 학습에서는 학습자의 수준에 맞게 콘텐츠를 선택하여 학습할 수 있었고, 본 학습 시간은 15분 내외로 구성되어 있는 것으로 나타났다. 셋째, 학습평가에서는 학습자가 오답에 대한 피드백은 이루어지지 않고, 틀린 문항 수만 제시되어 있었다. 그리고 학습정리는 그 차시에 배운 중요한 내용에 대해서는 다시 요약 정리하여 제시하고 있다. 콘텐츠 평가에 대한 결과는 다음과 같다. 첫째, 요구분석, 교수학습전략, 상호작용에 대해서는 각 차시마다 큰 차이를 보이지 않았다. 그리고 윤리성에 대한 평가는 적합하지 못한 단어나 문장을 포함하고 있지 않은 것으로 나타났다. 저작권의 평가는 콘텐츠 내의 저작물에 대한 국제저작권표시방법을 준수하여 표시한 것으로 분석되었다. 둘째, 교수설계의 평가는 단순 그림 위주의 설명을 제시하였고, 플래시 등의 시각자료가 미흡한 것으로 나타났다. 그리고 지원체계의 평가에서는 학습자가 콘텐츠를 자유롭게 이용할 수 있도록 설치되어 있는 것으로 나타났다. 그러나 콘텐츠 학습 중 학습자가 메모할 수 있는 메모기능은 없는 것으로 분석되었다. 또한 평가에 대한 평가는 서술 내용에 대한 명확한 평가기준을 제시하고 있지는 않았다. 따라서 각각의 차시마다 조금씩 차이를 보였다. 셋째, 학습내용의 평가분석은 수정 보완하지 않은 탓에 최신의 정보를 포함하고 있지 않아 각 차시마다 큰 차이가 있는 것으로 나타났다.

• 과학교육연구지
• /
• 제34권2호
• /
• pp.225-236
• /
• 2010

본 연구의 목적은 고등학교 1학년 과학과정의 사이버가정학습 콘텐츠 중 지구과학영역에 대한 콘텐츠 분석 및 평가를 하는 것이다. 이를 위해 한국교육학술정보원(2008)의 '초 중등교육 e-러닝 품질관리 가이드라인(Ver.2.0)'에서 제시한 '사이버가정학습 콘텐츠 품질관리도구'를 적용하였다. 사이버가정학습 콘텐츠 분석에 대한 결과는 다음과 같다. 첫째, 학습 안내는 학생들이 한 차시에 학습하게 될 내용들을 간략히 소개하고 있는 것으로 나타났다. 그리고 선수학습에서는 진단평가가 이루어지지 않은 것으로 분석되었다. 둘째, 본 학습에서는 학습자의 수준에 맞게 콘텐츠를 선택하여 학습할 수 있었고, 본 학습시간은 10분 내외로 구성되어 있는 것으로 나타났다. 셋째, 평가에서는 학습자가 오답에 대한 피드백은 이루어지지 않고, 틀린 문항 수만 제시되어 있었다. 그리고 학습 정리는 그 차시에 배운 중요한 내용에 대해서는 다시 요약 정리하여 제시하고 있다. 사이버가정학습 콘텐츠 평가에 대한 결과는 다음과 같다. 첫째, 교수설계 평가영역에서는 학습자가 읽기에 불편한 많은 텍스트 자료를 제시하여 내용들을 설명하였다. 또한 학습자의 학습경험, 학습내용, 학습 환경을 고려한 체계적인 구성들이 미흡하였다. 그리고 학습내용 평가영역에서는 콘텐츠 에러로 학습내용이 나타나지 않았고, 각 차시마다 학습 분량이 너무 많은 것으로 나타났다. 둘째, 교수 학습전략 평가영역에서 자기주도적 학습전략은 학습자의 자유로운 정보 탐색 및 스스로 학습할 수 있는 환경이 제대로 갖추어져 있지 않았다. 그리고 상호작용 평가영역에서는 단순 클릭으로 학습이 진행되었다. 셋째, 평가에 대한 평가영역에서 학습목표, 학습내용 및 평가내용에 대해 일관성이 없는 것으로 평가되었다. 또한 콘텐츠는 수준별 콘텐츠로 구성이 되어 있지 않은 것으로 나타났다.

• 식물병연구
• /
• 제28권3호
• /
• pp.113-121
• /
• 2022

벼 도열병은 전 세계적으로 발병하여 쌀 수확량을 크게 감소시키는 주요 식물병이다. 벼 도열병은 한국에서도 주기적으로 대발생하여 사회경제적으로 큰 피해를 입힌다. 이를 예방하기 위해서는 병 발생 예찰 시스템이 필요하다. 또한 병 발생에 대한 역학 조사는 식물병 관리를 위한 의사결정을 내릴 때 도움을 줄 수 있다. 현재 도열병 예찰 및 역학 조사는 주로 작물의 생육량, 기상 환경 요인 등 정량적으로 측정 가능한 정형 데이터를 기반으로 수행되고 있다. 정형 데이터와 함께 도열병 발생과 관련한 텍스트 자료들도 많이 축적되고 있다. 그러나 이러한 비정형 데이터를 이용한 역학 조사는 이루어지지 않고 있다. 비정형 데이터를 활용하여 유용한 정보를 추출한다면 도열병을 포함한 앞으로의 식물병 관리에 사용할 수 있을 것이다. 이 연구는 텍스트 마이닝을 통해 도열병 관련 뉴스 기사를 분석하여 우리나라에서 벼 도열병이 다발생한 연도와 지역을 조사하였고, 해당 지역의 평균 기온, 합계 강수량, 일조시간, 공급된 벼 품종을 분석하였다. 이를 통해 2020년 평년에 비해 낮은 기온과 일조시간 및 높은 강수량이 전국적인 도열병 다발생의 원인에 기여했고, 2021년 전라북도와 경상북도 일부 지역의 다발생은 비슷한 기상학적 요인에 의한 것으로 추측할 수 있었다. 더하여 같은 벼 품종의 연작에 의한 도열병 다발생 가능성과 질소 비료의 시비량이 병 발생에 미치는 영향에 대한 추후 연구가 필요하다. 결론적으로, 쏟아지는 정보의 홍수속에서 관련 기사를 종합적으로 보기 어렵다. 따라서, 텍스트 마이닝을 통해 얻은 결과로 특정 키워드들이 많이 관찰될 때 적극적 방제에 대한 의사결정을 할 수 있는 시스템이 구축될 필요가 있다. 이는 추후 딥러닝 기술과 접목되어 벼 도열병 역학 조사 도구로 사용될 수도 있을 것이다. 텍스트 마이닝을 통해 얻은 유의미한 정보를 기존의 정형 데이터 기반의 모델과 결합한다면 농업현장에서 병발생 예측 또는 방제기술 개선에 필요한 고품질 정보를 제공해줄 수 있을 것이라고 예상한다.

• 생물환경조절학회지
• /
• 제28권2호
• /
• pp.95-103
• /
• 2019

온도와 상대습도는 작물 재배에 있어서 중요한 요소로써, 수량과 품질의 증대를 위해서는 적절히 제어 되어야 한다. 그리고 정확한 환경 제어를 위해서는 환경이 어떻게 변화할지 예측할 필요가 있다. 본 연구의 목적은 현시점의 환경 데이터를 이용한 다층 퍼셉트론(multilayer perceptrons, MLP)을 기반으로 미래 시점의 기온 및 상대습도를 예측하는 것이다. MLP 학습에 필요한 데이터는 어윈 망고(Mangifera indica cv. Irwin)을 재배하는 8연동 온실($1,032m^2$)에서 2016년 10월 1일부터 2018년 2월 28일까지 10분 간격으로 수집되었다. MLP는 온실내부 환경 데이터, 온실 외 기상 데이터, 온실 내 장치의 설정 및 작동 값을 사용하여 10~120분 후 기온 및 상대습도를 예측하기 위한 학습을 진행하였다. 사계절이 뚜렷한 우리나라의 계절에 따른 예측 정확도를 분석하기 위해서 테스트 데이터로 계절별로 3일간의 데이터를 사용했다. MLP는 기온의 경우 은닉층이 4개, 노드 수가 128개일 때($R^2=0.988$), 상대습도는 은닉층 4개, 노드 수 64개에서 가장 높은 정확도를 보였다($R^2=0.990$). MLP 특성상 예측 시점이 멀어질수록 정확도는 감소하였지만, 계절에 따른 환경 변화에 무관하게 기온과 상대습도를 적절히 예측하였다. 그러나 온실 내 환경 제어 요소 중 분무 관수처럼 특이적인 데이터의 경우, 학습 데이터 수가 적기 때문에 예측 정확도가 낮았다. 본 연구에서는 MLP의 최적화를 통해서 기온 및 상대습도를 적절히 예측하였지만 실험에 사용된 온실에만 국한되었다. 따라서 보다 일반화를 위해서 다양한 장소의 온실 데이터 이용과 이에 따른 신경망 구조의 변형이 필요하다.