• 한국콘텐츠학회논문지
• /
• 제21권1호
• /
• pp.552-560
• /
• 2021

현재 국내 수산 양식업은 스마트화를 추진하고 있지만, 여전히 양식 단계의 많은 과정에서 사람의 주관적인 판단으로 진행되고 있다. 수산 양식업 스마트화를 위해서 선행되어야 할 부분은 양식장 내 물고기들의 상태를 효과적으로 파악하는 것이다. 어류 개체 수, 크기, 이동경로, 이동속도 등을 파악하여 실시간 모니터링 할 수 있게 된다면 사료 자동 급이, 질병유무판단 등 다양한 양식자동화를 진행할 수 있을 것이다. 본 연구에서는 수중 촬영한 어류비디오 데이터를 이용하여 실시간으로 어류의 상태를 파악 할 수 있는 알고리즘을 제안하였다. 어류 객체검출을 위해 딥러닝 기반 최신 객체검출 모델들을 적용하여 검출 성능을 비교 평가 하였고, 검출 결과를 이용하여 비디오내의 연속적인 이미지 프레임에서 어류 객체 ID부여, 이동경로 추적 및 이동속도를 측정할 수 있는 알고리즘을 제안하였다. 제안한 알고리즘은 객체 검출 성능 92%(F1-score 기준)를 보였으며, 실제 테스트비디오 상에서 실시간으로 다수의 어류 객체를 효과적으로 추적하는 것을 확인하였다. 본 논문에서 제안하는 알고리즘을 이용하여 향후 사료 자동 급이, 어류 질병 예측 등 다양한 스마트양식 기술에 효과적으로 활용될 수 있을 것으로 기대한다.

• 한국시뮬레이션학회논문지
• /
• 제30권2호
• /
• pp.41-48
• /
• 2021

농촌 인구의 감소와 고령화가 지속되면서 농업 생상성 향상의 중요성이 높아지고 있는 가운데, 농작물 품질에 대한 조기 예측은 농업 생산성 및 수익성 향상에 중요한 역할을 할 수 있다. 최근 CNN 기반의 딥러닝 기술 및 전이 학습을 활용하여 농작물의 질병을 분류하거나 수확량을 예측하는 연구가 활발하게 진행되고 있지만, 수확 후 농작물의 품질을 식재단계에서 조기에 예측하는 연구는 찾아보기 힘들다. 본 연구에서는 건강 기능성 식품으로 주목받고 있는 새싹삼을 대상으로, 수확 후 새싹삼의 품질을 식재단계에서 조기에 예측하는 모델을 제안한다. 이를 위하여 묘삼의 이미지를 촬영한 후 수경재배를 통해 새싹삼을 재배하였고, 수확 후 새싹삼의 품질을 분류하여 실험 데이터를 수집하였다. 다수의 CNN 기반의 사전 학습된 모델을 활용하여 새싹삼 조기 품질 예측 모델을 구축하고, 수집된 데이터를 이용하여 각 모델의 학습 및 예측 성능을 비교 분석하였다. 분석 결과 모든 예측 모델에서 80% 이상의 예측 정확도를 보였으며, 특히 ResNet152V2 기반의 예측 모델에서 가장 높은 정확도를 보였다. 본 연구를 통해 인력에 의존하던 기존의 묘삼 선별 작업을 자동화하여 새싹삼의 품질을 높이고 생산량을 증대시켜 농가의 수익창출에 기여할 수 있을 것으로 기대된다.

• 디지털융복합연구
• /
• 제20권4호
• /
• pp.367-376
• /
• 2022

전통적인 형사 사건에서 조사 대상에 관한 정보는 국가의 합법적 조직이 보유하고 있는 개인정보만이 제공되기 때문에 정보 수집에 한계가 있다. 일반 검색엔진으로 검색이 가능한 SNS와 포털사이트를 포함하는 표면 웹 기반 공개정보(OSINT)는 범죄수사에 사용할 수 있는 의미 있는 프로파일링에 활용할 수 있다. 한국형 공개정보 워크플로우를 사용하면 공개정보 기반의 효과적인 프로파일링이 가능하지만 "개인"의 경우에는 "성명"으로 시작되기 때문에 수집할 수 있는 공개정보가 제한적이고 동명이인의 정보가 수집되는 등의 신뢰성의 한계가 있다. 본 논문에서는 이러한 한계를 극복하기 위해 개인과 연관된 정보 즉, 등가정보를 정의하고 이를 기반으로 효율적이고 정확한 정보를 수집할 수 있도록 한다. 따라서, 공개정보에서 특정인과 연관된 정보 즉, 등가정보를 추출할 수 있는 개선된 워크플로우를 제시한다. 이때 인물의 인지도에 따라 서로 다른 워크플로우를 제시한다. 이를 통해 인물(개인)의 효과적인 프로파일링이 가능하여 수사 정보 수집의 신뢰도를 높인다. 본 연구를 통해 향후에는 해당 워크플로우를 인공지능 기술을 이용하여 수집된 정보의 분석과정을 자동화할 수 있는 시스템을 개발함으로써 범죄 수사에 있어서 공개 정보 활용을 위한 기틀을 마련하고 수사 방식 다양화에 기여할 수 있을 것이다.

• 인터넷정보학회논문지
• /
• 제23권1호
• /
• pp.77-86
• /
• 2022

본 연구의 궁극적인 목표인 지능형 해안 경계 체계 구축을 위해, 본 논문에서는 먼저 해안경계 지능화를 위한 AI 학습 모델의 구축 방안을 제시하였다. 우리는 3면이 바다로 이루어져있고 남과 북이 대치하는 상황으로 인해 해안 경계가 중요한 국가적 과업인 나라이다. 국방개혁 2.0에 의해 해안경계를 담당하고 있는 R/D (Radar) 운용인력이 감소하고 복무 기간이 단축되고 있다. 특히, 레이더와 같이 고도의 장비를 다루는 데에는 휴먼 에러가 발생할 개연성은 늘 상존하는 것이다. 해안 경계와 인공지능의 접목은 정부의 인공지능 국가전략의 구현과 확대라는 목표에도 필요 충분한 시점에 와 있다. 지능형 해안 경계 체계 구축을 위한 AI학습 모델 개발의 기능별 방안을 제시하였다. R/D신호 분석 AI모델 개발, 책임해역 분석 AI모델 개발, 표적 관리 자동화 기능으로 구분하였다. 이를 실현하기 위한 3단계 추진 전략을 살펴보았다. 1단계는 AI 학습모델 구축의 통상적인 단계로써, 데이터 수집, 데이터 저장, 데이터 여과, 데이터 정제, 데이터 변환 등이 이루어진다. 2단계에서는 R/D 특성에 기초해 신호분석을 실시하고, 실상과 허상을 분류하는 AI 학습모델 개발을 진행하고, 책임해역을 분석하고, 취약지역/시간 분석을 실시한다. 최종 단계에서는 AI 학습모델의 검증, 가시화 및 시연 등이 이루어진다. 군 무기체계에 AI 기술이 접목돼 지능화된 무기체계로 바뀌는 최초의 성과가 달성된다.

• 한국건축시공학회지
• /
• 제21권6호
• /
• pp.665-676
• /
• 2021

노후 건축물의 수가 증가함에 따라, 건물의 안전진단, 유지 보수에 대한 중요성이 증가하고 있다. 기존 외관 조사는 점검자의 주관적인 판단이 수반되어 평가 결과가 다르고 객관성과 신뢰성이 떨어진다. 따라서 본 연구는 기존 연구를 통해 기실시된 외관 조사 및 상태 평가 프로세스의 한계를 제시하였으며, UAV, Laser Scanner를 통해 3D Point Cloud 데이터를 수집하였다. 또한, Reverse Engineering 기술을 이용하여 3D 모델을 생성한 후 객관적인 상태평가 데이터를 취득하였다. 이후 기존의 정밀검사 데이터와 정밀 안전진단 데이터를 활용하여 DNN 구조를 생성하고, 고정밀도 측정 장치를 이용하여 얻은 상태평가 데이터를 적용하여 객관적인 건물안전등급을 산출하였다. 자동화된 프로세스는 20개의 노후된 건축물에 적용되며 동일 면적 건축물 기준 수작업으로 실시되는 안전진단의 시간에 비해 약 50% 감소하였다. 이후 본 연구에서는 안전등급 결과값과 기존값을 비교하여 안전등급 산출과정의 정확성을 검증하고 약 90%의 높은 정확도를 가진 DNN을 구축하였다. 이는 향후 노후 건물의 안전등급 산정의 신뢰성이 향상되고 비용과 시간을 절약해 경제성이 향상될 것으로 기대된다.

• 한국항해항만학회지
• /
• 제46권3호
• /
• pp.269-279
• /
• 2022

인공지능의 발전으로 산업계 전반에서 시스템의 자동화를 위해 인공지능을 도입하고 있다. 해양산업분야에서도 자율운항선박이라는 패러다임을 통해 인공지능을 단계적으로 적용하고 있다. 이러한 흐름에 따라 ABS와 DNV에서는 자율운항선박에 대한 가이드라인을 발표하였다. 하지만 선급의 가이드라인은 선박의 운항 및 해양 서비스 관점에서 요구사항을 기술하고 있으므로, 인공지능의 위험에 대해서는 충분히 고려되지 못했을 가능성이 있다. 그래서 본 연구에서는 ISO/IEC JTC1/SC42 인공지능 분과에서 제정한 표준들을 활용하여 선급 요구사항을 위험의 원인으로 분류하고, 위험원인과 인공지능 메트릭(metrics)의 조합을 통해 위험을 평가할 수 있는 척도로 사용하고자 한다. 본 연구에서 제안한 인공지능의 위험 원인과 이를 평가하기 위한 특성의 조합을 통해 해양 시스템에 인공지능이 도입됨으로써 발생하는 위험을 정의하고 식별하는 데 도움이 될 수 있을 것으로 생각되며, 선급을 포함한 다양한 기구에서 자율운항선박을 위한 안전 요구사항을 더욱 자세하고 구체적으로 작성하는 데 도움을 줄 수 있을 것으로 기대한다.

• 스마트미디어저널
• /
• 제11권5호
• /
• pp.9-16
• /
• 2022

최근 농업 현장에서는 빅데이터와 IoT(Internet of Things) 등 기술을 적용하여 디지털농업 스마트팜으로 자동화를 하고 있다. 이러한 스마트팜은 작물의 환경을 측정하고 데이터를 조사하고 가공하여 생산량의 증대와 작물의 품질을 향상하고자 한다. 생산량 예측은 첨단 농업인 스마트팜 디지털 농업에서 중요한 연구로 빅데이터를 활용하여 환경데이터를 분석하고 나아가 생육정보 데이터 품질 관리를 위한 표준화 연구가 필요하다. 본 논문에서는 스마트팜 딸기 농장에서 수집된 환경 및 생산량 데이터를 분석하여 연구하였다. 회귀분석을 기반으로 릿지회귀(Ridge Regression), LightGBM, XGBoost를 사용하여 작물 생산량 예측 모델을 분석하였다. 3가지 모델 중 최적의 모델은 XGBoost로 R2는 82.5%의 설명력을 보였다. 연구 결과 양액흡수량과 환경데이터간의 상관관계를 확인할 수 있었고, 생산량 예측 연구에 대한 유의미한 결과를 얻을 수 있었다. 향후 작물의 생육환경 정보 및 양액의 성분 등 양액흡수량을 연구하여 양액관리를 통해 환경오염 예방 및 양액 절감에 기여할 것으로 기대된다.

• 스마트미디어저널
• /
• 제11권3호
• /
• pp.54-61
• /
• 2022

공공기관과 기업에서 관리하는 정보 시스템 종류의 증가로, 국내에서는 보안 점검의 미흡으로 발생할 수 있는 취약성에 신속하게 대응하기 위한 보안 인증제도를 시행하고 있다. ISMS-P와 같은 국내의 정보보호체계 평가는 기술적 점검 항목들에 대해 범주를 나누어 평가함으로써 각 범주에 대한 체계적인 보안성 평가를 수행하고 있다. 미국의 NIST에서는 보안 점검 목록을 작성하고 취약성 점검을 자동화할 수 있는 프로토콜인 SCAP을 개발했으며 SCAP에 사용되는 보안 점검 목록은 OVAL로 작성할 수 있다. 제조사 별로 보안 점검 목록을 작성하여 SCAP 커뮤니티를 통해 공유하고 있지만, 국내 보안평가체제에 맞게 범주화되어있지 않아 국내에서는 실질적으로 사용하기에 어려움이 있다. 이에 본 논문에서는 국내 정보보호체계에 SCAP을 적용하기 위해 OVAL로 작성된 점검 항목인 OVAL 정의를 범주화하는 메커니즘을 제시한다. 레드햇 8 STIG 파일을 대상으로 230개 항목 중 189개의 OVAL 정의를 국내 보안 평가체제에 적용할 수 있음을 보였고, 범주화된 레드햇 정의 파일의 통계를 분석하여 범주별 시스템 취약성 추이를 확인할 수 있었다.

• 한국측량학회지
• /
• 제40권5호
• /
• pp.413-419
• /
• 2022

지하공간의 개발이 활발해짐에 따라 최근에는 지하와 관련된 안전사고가 자주발생하고 있다. 이와 관련하여 국토교통부에서는 『지하안전관리에 관한 특별법』(2018.01.01. 시행, 이하 지하안전법)을 시행하고 있다. 지하안전법의 핵심이 되는 내용 중에는 현재 우리나라에서 지하공간에 존재하는 지하시설물, 지하구조물, 지반의 지하정보를 3차원으로 가시화 할 수 있도록 지하공간통합지도를 구축하고 이를 활용하는 것을 포함하고 있다. 본 연구는 지하공간통합지도 중 3차원의 지하구조물 데이터를 대상으로 3차원 모델 생성 후 이를 빠르게 검수할 수 있는 프로그램을 개발하는 것을 목적으로 한다. 이를 위하여 우선 3차원 지하구조물 데이터를 생성하고 자동 검수하는 기술에 대하여 국내·외 현황을 조사하였다. 핵심이 되는 연구내용으로는 지하공간통합지도를 구축할 때 3차원 지하구조물의 검수기준에 따라 자동으로 3차원 모델 품질을 검수하는 프로그램을 개발하였다. 본 연구를 통하여 현재 수작업 방식으로 진행하고 있는 3차원 모델 검수과정을 98% 이상 자동화함으로써 지하공간통합지도 지하구조물의 3차원 모델의 품질향상을 도모할 수 있을 것으로 기대된다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권6호
• /
• pp.157-166
• /
• 2022

철근 콘크리트 구조 건설현장에서 육안 검사 방식으로 수행되는 현재 단계의 구조감리는 그 필요성에 비하여 매우 노동 집약적이기에 현실적으로 현장의 모든 상황을 파악하기에 제한적이며, 검사자의 주관성도 배제될 수 없다. 따라서 본 연구는 철근을 대상으로 한 구조감리의 효율성 개선을 위해 360° 카메라를 통해 수집한 RGB 및 Depth 데이터 기반 3D model을 이용하여 배근 간격을 도출하고 실측값과의 비교를 통해 정확도를 검증하였다. 소규모 현장(약 265 m²)의 12개 지점에 대해 계측을 수행하였으며, 지점당 스캔시간은 약 20초, 이동 및 설치시간을 포함한 총 계측 시간은 약 15분이 소요되었다. 계측된 데이터는 SLAM 알고리즘을 통하여 RGB-based 3D model과 3D point cloud model을 생성하였으며, 각각의 모델에서의 계측값을 실측값과 비교하여 정확도 검증을 진행하였다. RGB-based 3D model과 3D point cloud model은 각각 10mm, 0.1mm의 최소분해능을 갖으며, 각 모델로부터 계측된 철근의 배근 간격 은 의 오차는 최대 28.4%, 최소 3.1% (RGB-based 3D model) 최대 10.8%, 최소 0.3% (3D point cloud model)로 확인되었다. 본 연구를 토대로 추후 자동화 기반의 원격구조 감리 기술개발을 통하여 현장적용 및 분석의 효율성을 증대시키고자 한다.