• 한국결정성장학회지
• /
• 제14권5호
• /
• pp.199-203
• /
• 2004

유사구강 분위기인 인공타액 조건하에서 인공치아용 상부구조물 재료 중 하나인 3Y-TZP를 500~3000 N의 하중 조건으로 $10^6$ 횟수까지 헤르찌안 반복하중을 가하여 그 피로특성을 압입손상과 강도저하현상으로 관찰하였다. 500 N의 하중에서 $5\times10^5$ 반복 횟수까지 피로실험결과, 강도저하 및 균열현상은 관찰되지는 않았지만 반복하중 값이 증가함에 따라 링 균열에서 방사상 균열로 전이되었을 때 급격한 강도 저하현상이 관찰되었다. 또한 강도 저하 현상은 유사 구강분위기하에서 반복 하중 접촉시 발생한 균열을 통해 침투한 인공타액의 화학적 침식으로 가속화 되었다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2004년도 GIS/RS 공동 춘계학술대회 논문집
• /
• pp.487-492
• /
• 2004

본 연구에서는 인공신경망 기법을 이용하여 산사태 발생원인에 대한 가중치를 구하였다. 여름철 집중호우시 산사태가 많이 발생하는 강원도 강릉시 사천면 사기막리 와 주문진읍 삼교리에 해당한다. 산사태가 발생할 수 있는 요인으로 지형도로부터 경사, 경사방향, 곡률, 수계추출을, 정밀토양도로부터 토질, 모재, 배수, 유효토심, 지형을, 임상도로부터 임상, 경급, 영급, 밀도를, 지질도로부터 암상을, Landsat TM 영상으로부터 토지이용도와 추출하여 격자화 하였으며, 아리랑1호 영상으로부터 선구조를 추출하여 l00m 간격으로 버퍼링 한 후 격자화 하였다. 이렇게 구축된 산사태 발생 위치 및 발생요인 데이터 베이스를 이용하여 인공신경망 기법을 적용하여 산사태 발생 원인에 대한 상대적인 가중치를 구하였다. 인공신경망의 역전파 알고리즘을 이용한 사기막리 지역과 삼교리 지역의 산사태 가중치를 보면 GPS를 이용한 현장조사와 위성영상을 이용한 변화탐지 기법모두의 경우모두와 훈련지역을 실제 산사태 발생 지역과 경사도가 0°인 지역, 실제 산사태 발생 지역과 Frequence ratio를 이용하여 작성한 취약성도에서 산사태 발생이 낮을 것으로 예상되는 지역, Frequence ratio를 이용한 취약성도에서 산사태 발생이 높을 것으로 예상되는 지역 과 낮을 것으로 예상되는 지역의 경우에서도 경사도는 1.5～2.5배정도 높은 상대적 가중치를 나타냈다. 이러한 가중치는 산사태 취약성도를 작성하는데 활용될 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.146-146
• /
• 2012

영상 분석을 통하여 하천의 표면유속을 산정하는 표면영상유속계(SIV)는 기존 유속측정 방법들에 비해 간편하고, 효율적이며 짧은 시간에 원하는 영역의 유속장을 산정할 수 있다는 장점을 가지고 있다. 하지만 현장 상황에 따라 분석을 위한 변수들을 달리 적용하고 있기 때문에 사용자마다 유속 결과가 달라질 수 있다는 단점이 있다. 이에 본 연구에서는 표면영상유속계의 측정 불확도 산정을 위해 기지의 유속 분포와 추적자 분포를 가진 인공 영상들을 제작하였다. 이 인공 영상들은 입자영상유속계(PIV)의 불확도 분석에 많이 사용되는 표준 PIV 영상과 유사한 것이다. 이 인공 영상을 이용하여 영상의 취득과 처리에 관련된 여러 변수가 최종 유속장에 미치는 영향을 분석하였다. 연구된 변수에는 상관창의 크기, 탐색창의 크기, 추적 입자의 농도, 면외 속도와 평균 영상 속도, 두 영상간의 시간 간격이 포함된다. 상호상관법을 이용하여 고정확도의 결과를 얻기 위해, 상관창의 크기는 상관창 안에 포함되는 입자의 수가 충분할 만큼 커야 하며, 추적 입자의 농도가 정확도에 크게 영향을 미치는 것을 확인하였다. 또한, 상호상관법을 이용하여 정확도 높은 유속측정 결과를 얻기 위해서는 최적 시간간격 또는 평균 영상 유속이 선택되어야 함을 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.53-56
• /
• 2021

국내 산업화가 들어선 후 산업화 당시 지었던 낙후된 건물의 증가에 따라 구조물의 손상 조사 및 검사 방법의 수요가 늘어나고 있다. 일반적으로 구조물의 손상은 전문 검사원이 현장에서 직접 측량도구와 시각적인 방식으로 검사한다. 그러나 전문 검사원들이 직접 조사하는 수고에 비해 균열을 검사하는 방식 자체가 단순하고, 일반 사람이 검사하기에는 객관성이 떨어지는 한계가 있어 균열을 자동적으로 검출함으로써 객관성과 편의성을 보장할 기술이 필요하다. 본 연구에서는 이미지 기반으로 다양한 환경에서의 외벽 균열을 검출할 수 있는 딥러닝 모델 개발을 소개한다. 균열 검출을 위해 다양한 외벽 균열 관련 데이터셋을 확보 및 구축하고 각 데이터셋의 검출 정보를 보완할 반자동(semi-auto) 라벨링 작업을 수행하였다. 두 번째로 기존 높은 검출 성능을 보였던 모델들을 선정 및 비교하여 YOLO v5 모델을 최종적으로 선정하였고, 도메인이 각각 다른 데이터셋에 대한 교차 학습을 통해 각 데이터셋의 mAP의 편차가 31%에서 11%로 좁히는 작업을 수행하였다. 이를 통해 실제 상황에서의 균열 영상에서 균열을 검출할 수 있는 측량 시스템을 개발함으로써 실질적인 검사의 도구로 활용될 수 있길 기대한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.49-52
• /
• 2022

건물 외벽에 발생하는 균열은 시설물 구조 안전에 영향을 미치며 그 크기에 따라 위험도가 달라진다. 이에 따라 전문검사관의 현장 점검을 통해 발생 균열 두께를 정밀하게 측정할 필요가 있고 최근에는 이러한 현장 안전점검에 인공지능을 도입하려는 추세다. 그러나 기존의 균열 데이터셋은 주로 콘크리트에만 한정되어 다양한 외벽에 강인한 모델을 구축하기 어렵고 균열 두께를 측정하기 위해 정확한 마스크(Mask) 정보가 필요하나 이를 만족하는 데이터셋이 부재하다. 본 논문에서는 다양한 외벽에 강인한 균열 구획화 모델을 목적으로 2,744장의 이미지를 촬영하고 매직 완드 기법으로 라벨링을 진행해 데이터셋을 구축 후, 이를 바탕으로 딥러닝 기반 균열 구획화 모델을 개발했다. UNet-ResNet50을 최종모델로 선정 및 개발 결과, 테스트 데이터셋에 대해 81.22%의 class IoU 성능을 보였다. 본 연구의 기술을 바탕으로 균열 두께를 측정하여 건축물 안전점검에 활용될 수 있기를 기대한다.

• 한국재난정보학회 논문집
• /
• 제20권1호
• /
• pp.106-116
• /
• 2024

연구목적: 본 논문은 건설 시공현장에서 발생하는 사고 및 잠재적 위험분석을 위한 IoT 및 CCTV 기반 안전모니터링을 실시하고 추락, 충돌 등 위험 또는 이상현상을 탐지하여 무전기 등을 이용한 예·경보 및 챗봇서비스를 구축하는 방법을 제시하는데 목적이 있다. 연구방법: 건설현장 스마트 건설기술 사례 및 문헌분석을 통하여 안전관리 모델을 제시한다. 연구결과: '건설사고 통계'에 따르면 2021년 건설업 사고재해자는 26,888명으로 전체 사고재해의 26.3%가 건설업에서 발생하였고, 건설업 안전사고 사망자는 417명으로 전체 산업재해 사망자의 50.5%에 달한다. 이런한 건설재해의 개선 방안으로, IoT 건전성모니터링 기반 스마트 건설기술을 활용한 건설현장 안전관리 AI 챗봇서비스를 제시한다. 근로자 등 이해관계자가 참여하는 건설현장은 비계공정 및 개구부, 위험기계기구류 접근 등 사업장 내부 주요 위험구역을 선정하여 인공지능 챗봇시스템을 구현하여 실증하였다. 결론: 건설현장 인공지능 챗봇서비스 실증결과에 대한 참여근로자의 만족도 조사에서 90점 이상을 받아 상업화 가능성을 확인하였다.

• 해양환경안전학회:학술대회논문집
• /
• 해양환경안전학회 2006년도 춘계학술발표회
• /
• pp.47-52
• /
• 2006

연안 김 양식장의 효과적 관리를 위해서는 실제 시설량의 조사가 필요하며, 인공위성을 이용한 방법이 가장 효과적이다. 본 연구에서는 10m의 해상도를 갖고 있는 SPOT-5 다중분광영상을 사용하였으며, 김 양식장의 자동탐지알고리듬의 개발을 위하여 경기도 화성시 제부도 남방해역에 대한 2005년도 영상을 사용하였다. 김 양식장을 추출하기 위하여 우선 3밴드 영상의 분광특성을 이용한 밴드차(Band difference) 영상을 작성하여, 두 가지 방법 (형태학적 처리기법 및 Canny 에지 탐지기법)으로 처리를 한 후, 두 결과를 합성하여 라벨링함으로써 탐지율을 극대화하였다. 마지막으로 2005년 우리나라 연안의 김 양식장에 대한 인공위성 조사 결과, 실제 시설량은 676,749 책(柵)으로, 면허시설량 572,745 책보다 다소 많은 것으로 나타났다. 양식장 시설 현황 조사 결과는, 정부에서 전체 생산량을 조절할 수 있게 하며, 양식업자가 좋은 수확을 달성하는데 도움이 될 수 있을 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.197-201
• /
• 2018

인공위성 기반의 원격탐사자료는 홍수, 가뭄 등 자연재해에 대한 모니터링 및 예측에 활용되어 왔으며, 특히 인공위성을 이용한 광역적 강수량 추정 자료는 지형적 제약을 받는 지상관측자료와 비교하여 시공간적으로 연속적이고 균질한 강수량 자료 취득이 가능하다는 장점이 있다. 우리나라의 경우 상대적으로 조밀한 지상관측망이 구축되어 있어 공간적으로 상세한 강수량 정보를 생산할 수 있는 여건을 갖추고 있지만, 북한 지역의 경우 기상, 수문, 통계자료에 관한 자료의 접근 및 품질의 제한성으로 인해 미계측 지역에 대한 강수량의 추정에 한계가 있다. CHIRPS (Climate Hazards Group InfraRed Precipitation with Stations) 데이터는 1999년부터 미국국제개발처 (U.S. Agency for International Development, USAID), 미국항공우주국 (National Aeronautics and Space Administration, NASA), 미국해양대기청 (National Oceanic and Atmospheric Administration, NOAA)의 지원으로 개발된 전지구 강우데이터 자료이다. CHIRPS는 1981년부터 현재까지 전지구 강우자료를 0.05도 격자 해상도로 제공하고 있으며, 강수량의 추세 분석 및 가뭄 모니터링을 위해 활용되고 있다. 본 연구에서는 CHG (Climate Hazards Group)에서 제공하고 있는 인공위성을 이용한 광역적 강수량 추정 자료인 CHIRPS와 남한 및 북한의 지상관측 강수량 자료와의 비교를 통해 위성으로부터 유도된 격자 강수량자료의 정확도 및 지역적인 강수추정의 불확실성을 평가하고, 수자원 및 재해 분야 이용 가능성을 검토하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.18-18
• /
• 2018

상수관망 시스템(Water Distribution System, WDS)은 이용자에게 양질의 상수도를 공급하기 위해 구축된 사회기반시설물로써, 정수된 물이 사용처에 도달하기까지 송수과정에서 발생 가능한 수질저하를 고려해야 한다. 일반적으로 정수장에서 염소처리를 한 후, 도달시간을 고려한 시스템 내 잔류 염소농도를 유지함으로써 수질저하를 예방한다. 여기서 상수도 내 잔류 염소농도는 미생물 번식 및 관내 부식물 등 다양한 생물 화학적 오염을 효과적으로 예방하는 반면, 과다할 경우 이용자의 음용성을 저해할 수 있어 시스템 전반에 걸쳐 염소농도의 적절한 관리가 요구된다. 특히, 상수관망에서는 공급경로 및 공급량에 따라 각 수요처의 도달 염소농도가 다르게 분포할 수 있으므로, 시설운영자는 균등하고 적절한 염소농도를 유지하기 위해 추가적인 염소 재투입시설을 설치하여 함께 관리하고 있다. 이 때, 염소투입 시설의 운영계획은 EPANET과 같은 상수관망 해석모형의 수질모의를 바탕으로 수립된다. 그러나 일반적으로 수질모의는 수리해석과는 달리 긴 시간이 소요되는 단점이 존재한다. 본 연구에서는 이러한 단점을 개선하기 위해, 특정 네트워크의 수질모의 결과를 학습시킨 인공신경망(ANN) 모형을 구축하고 이를 이용하여 상수관망 수질모의 계산시간을 단축하고자 하였다. 여기서 ANN모형의 학습은 EPANET을 통해 미리 선정된 다양한 염소 투입지점의 염소 투입농도와 용수 공급량 자료, 그리고 주요 관측지점에서 측정된 염소농도자료를 이용하였다. 학습된 ANN모형을 EPANET 수질모의 결과와 비교 및 검증을 실시한 결과, 사전에 소요된 학습시간을 제외하면 수질모의 소요시간 측면에서 큰 개선효과를 보였으며, 대표지점에서의 수질모의 결과가 유사하였다. 추가적으로, 본 연구에서는 학습된 ANN모형과 최적화 알고리즘인 GA(Genitic Algorithm)를 연계하여 상수관망에서의 염소 재투입 스케줄링을 최적화하는 프로그램을 개발함으로써, 안전하고 경제적인 상수관망의 수질운영에 기여하고자 하였다.

• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.197-206
• /
• 2021

GPR(Ground Penetrating Radar)에서 수집된 데이터는 지하 탐사를 위해 사용된다. 이 때, 지반 아래의 시설물들이 GPR을 반사하는 경우가 종종 발생하여 수집된 데이터는 전문가에 경험에 의존하여 해석된다. 또한, GPR 데이터는 수집 장비, 환경 등에 따라 데이터의 노이즈, 특성 등이 다르게 나타난다. 이로 인해 정확한 레이블을 가지는 데이터가 충분히 확보되지 못하는 경우가 많다. 일반적으로 이미지 분류 문제에서 높은 성능을 보이는 인공신경망 모델을 적용하기 위해서는 많은 양의 학습 데이터가 확보되어야 한다. 그러나 GPR 데이터의 특성 상 데이터에 정확한 레이블을 붙이는 것은 많은 비용을 필요로 하여 충분한 데이터를 확보하기가 어렵다. 이는 결국 일반적으로 활용되는 지도학습 방법을 기반으로 인공신경망을 적절히 학습시킬 수 없게 한다. 본 논문에서는 각 레이블의 정확도가 유사한 수준을 갖도록 하는 것을 목표로 데이터 특성을 바탕으로 하는 이미지 분류 방법을 제안한다. 제안 방법은 준지도학습을 기반으로 하고 있으며, 인공신경망으로부터 이미지의 특징값을 추출한 후 클러스터링 기법을 활용하여 이미지를 분류한다. 이 방법은 라벨링 된 데이터가 충분하지 않은 경우 라벨링할 때 뿐 만 아니라 데이터에 달린 레이블의 신뢰도가 높지 않은 경우에도 활용할 수 있다.