• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06c
• /
• pp.13-16
• /
• 2011

에너지플랜트는 위험성이 높은 유해화학물질을 취급해서 누출사고가 발생 할 가능성이 높다. 유해화학물질이 누출되어 대기 중에 확산되면 강한 유독성으로 인해 대형피해를 불러온다. 유해화학물질의 누출로 인한 대기 중의 확산피해 최소화하는 방안에는 확산 될 범위를 산출하여 적절한 사고대응조치를 취하는 것이다. 대기확산모델의 시뮬레이션을 이용한 대기확산범위 산출은 가상으로 설정 된 시나리오의 데이터를 사용자가 수동으로 입력하여 결과를 도출한다. 가상 데이터로 산출 된 결과는 정확성이 결여 될 수 있으며 실시간 대기확산범위 산출이 불가능하다. 본 연구에서는 유해화학물질의 대기확산범위를 즉각적으로 산출 할 수 있는 실시간 대기확산시스템을 설계하고 구현한다. 대기확산범위 산출에 필요한 데이터는 실시간으로 수집 된 실제 데이터를 이용한다. 실시간으로 수집된 실 데이터를 토대로 데이터마이닝기법을 통해 자율적인 누출사고를 탐지하고 누출지점을 특정 할 수 있는 지능화모듈을 설계한다. 대기확산모델은 유해화학물질의 증기운의 무게에 따라 가우시안과 SLAB모델을 이용한다. 실시간으로 산출 된 대기확산범위는 ERPG의 각 단계의 농도 기준에 근거하여 총 3단계로 구분해서 GIS맵 상의 유저인터페이스에 표현한다. 산출된 대기확산피해범위는 현장 작업자의 모바일기기로 사고와 관련 된 대응조치와 함께 신속히 전파할 수 있도록 구현해서 누출로 인한 유해화학물질의 확산사고피해 최소화를 도모한다.

• Journal of Space Technology and Applications
• /
• v.1 no.1
• /
• pp.49-63
• /
• 2021

The exploration of the solar system is carried out through various payloads, and accordingly, many research results are emerging. We tried to apply deep-learning as a method of studying the bodies of solar system. Unlike Earth observation satellite data, the data of solar system differ greatly from celestial bodies to probes and to payloads of each probe. Therefore, it may be difficult to apply it to various data with the deep-learning model, but we expect that it will be able to reduce human errors or compensate for missing parts. We have implemented a model that detects craters on the lunar surface. A model was created using the Lunar Reconnaissance Orbiter Camera (LROC) image and the provided shapefile as input values, and applied to the lunar surface image. Although the result was not satisfactory, it will be applied to the image of the permanently shadow regions of the Moon, which is finally acquired by ShadowCam through image pre-processing and model modification. In addition, by attempting to apply it to Ceres and Mercury, which have similar the lunar surface, it is intended to suggest that deep-learning is another method for the study of the solar system.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04a
• /
• pp.883-885
• /
• 2002

오늘날 인터넷 기술이 급격한 성장과, 인터넷을 통한 조직과 개인의 사회적 활동의 증가에 따라 인터넷에 대한 우리의 생활 의존도가 점차로 커지고 있으며 이에 따른 역작용으로 침해사고 및 정보의 유출, 파괴, 서비스방해, 위조, 변조 등의 컴퓨터범죄가 날로 증가하여 심가한 사회문제로 대두되고 있다. 사이버 공간에서 전산망을 보호하기 위해서 사용자 인증, 무결성 점검, 침입탐지, 파이어 월 등 다양한 기술이 사용되고 있다, 하지만 가장 우선시 되어야 하는 것은 공격의 목표가 되는 시스템의 보안 취약점을 찾아내고 이를 제거하는 작업이라고 할 수 있다, 이 논문에서는 대학 전산망의 확대와 해킹기술은 급속히 발달하고 있지만 이에 비해 대학 전산망 보호를 위한 보안장비 및 관리자/사용자들의 보안 지식 및 기술은 절대적으로 부족한 실정을 감안해서, 내부 사용자들이 자신의 취약점을 쉽게 점검 및 해결할 수 있고, 관리자들이 전산망의 취약점을 파악하는데 효과적인 시스템을 제안한다.

• Annual Conference of KIPS
• /
• 2012.11a
• /
• pp.373-376
• /
• 2012

본 논문은 진공을 이용한 흡착방식과 바퀴형 이동방식을 이용하고 환경 탐지용 센서를 부착한 벽면 이동형 로봇의 구현에 관한 연구로서, 대형 구조물의 안전 검사 및 위험한 시설물의 보수 작업등을 보조하기 위한 목적이 있다. 로봇의 무게에 따른 중력을 견딜 수 있도록 강력한 진공흡착방식을 고안하여 다양한 벽면재질에도 견딜 수 있도록 설계하였으며, 바퀴형 이동방식을 택하여 높은 이동성과 제어 능력을 고려하였다. 또한 환경 감지를 위한 센서와 카메라를 부착하여 시각정보 등 유용한 정보를 관리자와 통신을 통해 교환할 수 있도록 하여 지능능력과 활용성을 갖추었다.

• Annual Conference of KIPS
• /
• 2012.04a
• /
• pp.417-420
• /
• 2012

본 논문은 진공을 이용한 흡착방식과 바퀴형 이동방식을 이용하고 환경 탐지용 센서를 부착한 벽면 이동형 로봇의 구현에 관한 연구로서, 대형 구조물의 안전 검사 및 위험한 시설물의 보수 작업등을 보조하기 위한 목적이 있다. 로봇의 무게에 따른 중력을 견딜 수 있도록 강력한 진공흡착방식을 고안하여 다양한 벽면재질에도 견딜 수 있도록 설계하였으며, 바퀴형 이동방식을 택하여 높은 이동성과 제어 능력을 고려하였다. 또한 환경 감지를 위한 센서와 카메라를 부착하여 시각정보 등 유용한 정보를 관리자와 통신을 통해 교환할 수 있도록 하여 지능능력과 활용성을 갖추었다.

• Annual Conference of KIPS
• /
• 2013.11a
• /
• pp.1421-1424
• /
• 2013

본 논문은 진공을 이용한 흡착방식과 바퀴형 이동방식을 이용하고 환경 탐지용 센서를 부착한 벽면 이동형 로봇의 구현에 관한 연구로서, 대형 구조물의 안전 검사 및 위험한 시설물의 보수 작업등을 보조하기 위한 목적이 있다. 로봇의 무게에 따른 중력을 견딜 수 있도록 강력한 진공흡착방식을 고안하여 다양한 벽면재질에도 견딜 수 있도록 설계하였으며, 바퀴형 이동방식을 택하여 높은 이동성과 제어 능력을 고려하였다. 벽면의 모서리를 이동하기 위해 이중 벽로봇 구조와 모서리 극복 이동 메카니즘을 제안하였으며 또한 환경 감지를 위한 카메라를 부착하여 시각정보 등 유용한 정보를 관리자와 통신을 통해 교환할 수 있도록 하여 지능능력과 활용성을 갖추었다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.1 no.1 s.1
• /
• pp.193-201
• /
• 1993

In a number of areas, there are important benefits to be gained when we bring both the detection and monitoring abilities of remote sensing as well as the philosophical approach and analytic capabilities of a geographic information system to bear on a problem. A key area in the joint applications of remote sensing technology and GIS is to identify change. Whether this change is of interest for its own sake, or because the change causes us to act (for example, to update a map), remote sensing provides an excellent suite of tools for detecting change. At the same time, a GIS is perhaps the best analytic toot for quantifying the process of change. There are two alternative methods for quantifying changes. The conceptually simple approach is to un the pixel values in each of the images. This method is practical but may be too simple to identify the variety of changes in a complex scene. The common alternative is called symbolic change detection. The analyst first decides on a set of thematic categories that are important to distinguish for the application. This approach is useful only if accurate landuse/cover classifications can be obtained. Persons conducting digital change detection must be intimately familiar with the environment under study, the quality of the data set and the characteristics of change detection algorithms. Also, much work remains to identify optimum change detection algorithms for specific geographic areas and problems.

• Convergence Security Journal
• /
• v.22 no.3
• /
• pp.25-32
• /
• 2022

Recently, the image processing industry has been activated as deep learning-based technology is introduced in the image recognition and detection field. With the development of deep learning technology, learning model vulnerabilities for adversarial attacks continue to be reported. However, studies on countermeasures against poisoning attacks that inject malicious data during learning are insufficient. The conventional countermeasure against poisoning attacks has a limitation in that it is necessary to perform a separate detection and removal operation by examining the training data each time. Therefore, in this paper, we propose a technique for reducing the attack success rate by applying modifications to the training data and inference data without a separate detection and removal process for the poison data. The One-shot kill poison attack, a clean label poison attack proposed in previous studies, was used as an attack model. The attack performance was confirmed by dividing it into a general attacker and an intelligent attacker according to the attacker's attack strategy. According to the experimental results, when the proposed defense mechanism is applied, the attack success rate can be reduced by up to 65% compared to the conventional method.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.9
• /
• pp.33-40
• /
• 2022

In this paper, we propose a system that analyzes drone photographic images of panel-type factory roofs and conducts abnormal detection of bolts. Currently, inspectors directly climb onto the roof to carry out the inspection. However, safety accidents caused by working conditions at high places are continuously occurring, and new alternatives are needed. In response, the results of drone photography, which has recently emerged as an alternative to the dangerous environment inspection plan, will be easily inspected by finding the location of abnormal bolts using deep learning. The system proposed in this study proceeds with scanning the captured drone image using a sample image for the situation where the bolt cap is released. Furthermore, the scanned position is discriminated by using AI, and the presence/absence of the bolt abnormality is accurately discriminated. The AI used in this study showed 99% accuracy in test results based on VGGNet.

• Journal of Korean Tunnelling and Underground Space Association
• /
• v.24 no.6
• /
• pp.583-598
• /
• 2022

As human-based tunnel inspections are affected by the subjective judgment of the inspector, making continuous history management difficult. There is a lot of deep learning-based automatic crack detection research recently. However, the large public crack datasets used in most studies differ significantly from those in tunnels. Also, additional work is required to build sophisticated crack labels in current tunnel evaluation. Therefore, we present a method to improve crack detection performance by inputting existing datasets into a deep learning model. We evaluate and compare the performance of deep learning models trained by combining existing tunnel datasets, high-quality tunnel datasets, and public crack datasets. As a result, DeepLabv3+ with Cross-Entropy loss function performed best when trained on both public datasets, patchwise classification, and oversampled tunnel datasets. In the future, we expect to contribute to establishing a plan to efficiently utilize the tunnel image acquisition system's data for deep learning model learning.