• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1309-1320
• /
• 2023

모바일 기기의 기술 발전과 대중화는 어디서든 사용자의 위치를 확인할 수 있으며 인터넷을 사용할 수 있도록 발전되었다. 그러나 실내의 경우 인터넷은 끊김없이 사용할 수 있지만 global positioning system (GPS) 기능은 활용하기 어렵다. 실내 공공장소인 백화점, 박물관, 컨퍼런스장, 학교, 터널 등 GPS가 수신되지 않는 음영 지역에서 실시간 위치정보 제공의 필요성이 증가하고 있다. 이에 따라 최근의 실내 측위 기술은 랜드마크 데이터베이스를 구축하기 위해 light detection and ranging (LiDAR) 장비를 기반으로 연구가 증가하고 있다. 본 연구에서는 랜드마크 데이터베이스 구축의 접근성에 초점을 두어 모바일 기기를 기반으로 랜드마크를 촬영한 단일 이미지와 사전에 구축된 랜드마크 데이터베이스 정보를 이용하여 사용자의 위치를 추정하는 기법을 개발하고자 하였다. 첫 번째로, 랜드마크 데이터베이스를 구축하였다. 랜드마크를 촬영한 모바일 이미지만으로 사용자 위치를 추정하기 위해서는 모바일 이미지에서 랜드마크 검출이 필수적이고, 검출된 랜드마크에서 고정적인 성격을 가진 지점의 지상좌표 취득이 필수적이다. 두 번째 단계에서는 bag of words (BoW) 영상 검색 기술을 적용해 랜드마크 데이터베이스 중 모바일 이미지가 촬영한 랜드마크를 유사한 4위까지 검색하였다. 세 번째 단계에서는 scale invariant feature transform (SIFT) 특징점 추출 기법과 Homography random sample consensus (RANSAC)을 통해 검색된 4개의 후보 랜드마크들 중 가장 유사한 하나의 랜드마크를 선정하였고, 이때 임계값 설정을 통해 정합점 수를 기반으로 한 차례 더 필터링을 수행하였다. 네 번째 단계에서는 대응된 랜드마크와 모바일 이미지간의 Homography 행렬을 통해 랜드마크 이미지를 모바일 이미지에 투사하여 랜드마크의 영역과 코너(외곽선)점을 검출하였다. 마지막으로, 위치추정 기법을 통해 사용자의 위치를 추정하였다. 해당 기술의 성능을 분석한 결과, 랜드마크 검색 성능은 약 86%로 측정되었다. 위치추정 결과와 사용자의 실제 지상좌표를 비교한 결과, 약 0.56 m의 수평 위치 정확도를 갖는 것이 확인되어 별도의 고가 장비 없이 랜드마크 데이터베이스를 구축하여 모바일 영상으로 사용자 위치 추정이 가능한 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1553-1563
• /
• 2023

천리안 해양관측위성 2호기(Geostationary Ocean Color Imager-II, GOCI-II)는 한반도 주변을 포함한 동북아 해역과 전구 영역을 관측하는 해색 위성으로 지난 10년간 운용된 GOCI의 임무를 이어받아 2020년부터 현재까지 운용되고 있다. 본 연구에서는 해색 데이터 산출에 있어 필수 과정인 대기보정 알고리즘을 개선하기 위해 GOCI 영상을 이용한 GOCI-II 근적외 파장(near-infrared, NIR) 밴드의 대리교정을 수행하였다. 이를 위해 NIR 밴드의 대기상층(top-of-atmosphere, TOA) radiance에 대한 교차보정 연구를 수행하였으며, 그 결과로 대리교정 상수를 도출하였다. 본 연구에서 도출된 대리교정 상수를 이용하여 보정한 결과 두 센서의 offset이 감소하였으며, ratio는 745 nm, 865 nm에 대해 각 1.02, 1.04에서 1.0, 0.99로 개선되었다. 이는 두 센서의 일관성이 높아진 것으로 판단된다. 또한, 대기 분자 산란 보정 반사도(Rayleigh-corrected reflectance, 𝜌_rc)는 각각 5.62, 9.52% 증가하였다. 이로 인해 745 nm와 865 nm 𝜌_rc의 비율의 차이가 발생했으며, 이는 대기보정 알고리즘 내 에어로졸 광 산란 보정 과정을 통해 모든 밴드의 대기보정 결과에 영향을 줄 수 있다. GOCI, GOCI-II 두 위성의 중복되는 운용 기간이 짧아 2021년 3월의 자료만을 사용하였으나, 향후 타위성과의 지속적인 교차보정 연구를 통해 개선이 가능할 것으로 사료된다. 또한 본 연구에서 도출된 NIR 밴드의 대리교정 상수를 적용하여 가시 채널의 대리교정을 수행하고, 해색 산출물의 정확도에 미치는 영향을 분석할 필요가 있다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1009-1029
• /
• 2023

도시 수목은 탄소를 저장하고 불투수면적을 감소시키는 도시 생태계의 중요 요소이며, 탄소 저장량 및 순환량 산정 시 주요 정보로 활용될 수 있다. 많은 선행 연구에서 항공 라이다 자료 및 인공지능 기법을 활용하여 고해상도 수목 정보를 산출하고 있으나, 항공 라이다 영상은 제공하는 플랫폼이 제한되어 있으며 비용적인 면에서도 한계가 다수 존재한다. 따라서 본 연구에서는 수원시를 대상으로 자료 취득이 용이한 고해상도 위성 영상인 Sentinel-2를 활용하여 기계학습 기반의 도시 내 수목 피복률(fractional tree canopy cover, FTC)을 추정하고자 하였다. Sentinel-2 시계열 영상으로부터 중앙값 합성을 수행하여 수원시 전역에 대한 단일 영상을 제작하여 활용하였다. 도시 내 토지 피복의 이질성을 반영하기 위하여, 30 m 격자내 10 m 해상도의 광학 지수의 평균 및 표준편차 값과 환경부 세분류 토지 피복 지도 기반 항목별 피복률을 계산하여 기계학습 모델의 입력 변수로 활용하였다. 총 4가지의 입력 변수 조합을 설정하여, 입력 변수 구성에 따른 FTC 추정 정확도를 비교 및 평가하였다. 광학 영상의 평균 정보만을 활용(Scheme 1)했을 때 보다 도시 내 이질적인 특성을 반영할 수 있는 표준 편차 및 피복률 정보를 모두 함께 고려(Scheme 4, S4)했을 때 향상된 성능을 나타낼 수 있었다. 검증용 자료에 대해 S4의 Random Forest (RF) 모델이 0.8196의 R², 0.0749의 mean absolute error (MAE), 및 0.1022의 root mean squared error (RMSE)로 전체 기계학습 모델 중에서 성능이 가장 높게 나타났다. 변수 기여도 분석 결과 광학 지수의 표준 편차 정보는 도시 내 복잡한 토지 피복 지역에 대해 높은 기여도를 나타내었다. 훈련된 S4 구성의 RF 모델을 수원시 전역에 대해 확장 적용하였을 때, 참조 FTC 자료에 대해 0.8702의 R², 0.0873의 MAE, 및 0.1335의 RMSE의 우수한 성능을 나타냈다. 본 연구의 FTC 추정 기법은 향후 다른 지역에 대한 적용성이 우수할 것으로 판단되며, 도시 생태계 탄소순환 파악의 기초자료로 활용될 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제57권1호
• /
• pp.35-44
• /
• 2024

댐유입량 예측에 대하여 데이터 기반 머신러닝 및 딥러닝(Machine Learning & Deep Learning, ML&DL) 분석도구들이 공개되어 다양한 분야에서 ML&DL의 적용연구가 활발히 진행되고 있으며, 모델의 자체 성능향상 뿐만 아니라 모델의 특성을 고려한 데이터의 전처리도 댐유입량을 정확하게 예측하게 하는 중요한 모델성능 향상의 요소라고 할 수 있다. 특히 기존 강우자료는 적설량을 열선 설비를 통하여 녹여 강우량으로 환산되어 있으므로, 융적설에 따른 강우와 유입량의 상관관계를 왜곡하게 된다. 따라서 본연구에서는 소양강댐과 같이 융적설의 영향을 받는 댐유역에 대한 댐일유입량 예측시 겨울에 강설량이 적설이 되어 적게 유출되는 현상과, 봄에 융설로 인하여 무강우나 적은 비에도 많은 유출이 일어나는 물리적 현상을 ML&DL모델로 적용하기 위하여 필요한 강우 데이터의 전처리에 대한 연구를 수행 하였다. 강우계열, 유입량계열을 조합하여 3가지 머신러닝(SVM, RF, LGBM)과 2가지 딥러닝(LSTM, TCN) 모델을 구축하고, 최적 하이퍼파라메터 튜닝을 통하여 적합 모델을 적용하고 한 결과, NSE 0.842~0.894로 높은 수준의 예측성능을 나타내었다. 또한 융적설을 반영한 강우보정 데이터를 만들기 위하여 융적설 모의 알고리즘을 개발하고, 이를 통하여 산정된 보정강우를 머신러닝 및 딥러닝 모델에 적용한 결과 NSE 0.841~0.896 으로 융적설 적용전과 비슷한 높은 수준의 예측 성능을 나타내었으나, 융적설 기간에는 조정된 강우로 학습되어 예측되었을 때 실측유입량에 근접하는 모의결과를 나타내었다. 결론적으로, 융적설이 영향을 미치는 유역에서의 데이터 모델 적용시에는 입력자료 구축시 적설 및 융설이 물리적으로 타당한 강우-유출 반응에 적합하도록 전처리과정이 중요함을 밝혔다.

• 한국식품위생안전성학회지
• /
• 제39권2호
• /
• pp.163-170
• /
• 2024

서울 시내 유통점과 온라인 쇼핑몰에서 구입한 홍삼함유식품 66건과 건강기능식품 홍삼제품 35건의 기능 성분인 진세노사이드 함량을 비교·분석하였다. 홍삼함유식품 66건 중 전통시장에서 구입한 2건은 진세노사이드가 검출되지 않았고 64건의 제품에서는 진세노사이드 함량에 대한 기준은 없지만 일일 섭취량 기준 0.55-71.56 mg을 함유하고 있었다. 건강기능식품의 홍삼제품은 진세노사이드 평균 함량이 분말형 제품을 제외하고 일일 섭취량 기준 18.23 mg으로 홍삼함유식품의 8.80 mg 보다 약 2배 정도가 많았다. 홍삼과 흑삼 비교 시 진세노사이드 함량은 홍삼 제품이 흑삼 제품보다 많거나 비슷하였으나 분말형 제품의 경우 흑삼 제품이 2배 많았다. 제형별 진세노사이드 평균 함량은 일일섭취량 기준 농축액 21.95 mg으로 가장 많고 분말 형태 12.54 mg, 스틱형 7.36 mg, 파우치형이 4.10 mg 순이었다. 흑삼제품은 고기능성으로 알려져 있으나 대부분 일반 식품으로 판매되고 있어 건강기능식품 수준의 관리와 규제가 필요할 것으로 보이며 흑삼의 규격기준 설정 이후에는 흑삼제품의 기능성분 함량 재평가가 필요할 것으로 판단된다. 스틱형이나 농축액 제품의 경우 건강기능식품뿐만 아니라 일반식품인 액상차, 홍삼음료로도 널리 판매되고 있어 식품유형 표시를 명확히 해야 할 것으로 보인다. 최근 면역력 향상을 위한 소비자의 관심 증가로 다양한 건강기능식품의 수요가 늘어나고 있다. 따라서 홍삼을 함유한 식품을 섭취 목적에 맞게 선택할 수 있도록 정확한 함량정보 제공을 위해 다양한 제품에 대한 지속적인 품질평가가 필요하다.

• 서비스연구
• /
• 제14권1호
• /
• pp.63-76
• /
• 2024

공동주택은 사람들이 생활하고 거주하는 중요한 장소이자 소통 공간으로서 그 주거 환경의 좋고 나쁨이 주민의 행복감과 안정감에 직접적인 영향을 미치기 때문에 이에 기반한 공동주택의 범죄예방디자인(CPTED)이 필요하다. 하지만, 중국의 범죄 관련 데이터를 대중에게 공개하지 않고 있어 중국의 학자들은 정확한 범죄 데이터에 대한 추가적인 연구를 수행하기 어려운 상황이다. 이로 인해 범죄예방 측면에서 범죄예방디자인의 이론 구축과 적용이 늦어지고 있다. 본 연구는 공동주택의 범죄예방디자인에 대한 소비자의 인식, 각 요소의 중요도, 공동주택 범죄예방디자인 인식개선 방안 등 세 가지 측면을 연구하여 공동주택의 범죄예방디자인 원칙을 효과적으로 개선하고, 공공의 안전을 향상하는 것을 목적으로 하고 있다. 본 연구는 중국 주택 소비자의 범죄예방에 대한 인지도를 파악하기 위해 관련 연구 보고서와 선행문헌을 통해 중국 범죄예방디자인의 현황 및 개발 동향을 조사했다. 또한, 중국 소비자의 공동주택에 대한 범죄예방디자인 인식과 공동주택 범죄예방디자인 각 요소의 중요도 와 인식개선 방안을 파악하기 위해 중국 소비자들을 대상으로 설문조사를 실시하였다. 리커트 척도(Likert Scale)에 기반한 설문 조사와 통계 패키지인 SPSS의 신뢰도 분석을 이용하여 공동주택 범죄예방디자인의 인지 상황, 각 요소의 중요도와 개선 방안을 도출하였다. 본 연구가 실제 효과에 대한 검증이 부족한 점을 고려할 때, 향후 연구에서는 범죄예방디자인의 효과를 검증하고 보다 실질적인 결과를 도출하는 연구가 필요하다. 더불어, 지역 특성에 맞는 안전 솔루션을 도입하고 주민들의 안전 의식을 높이는 교육과 정보 확산을 통해 지역사회의 안전을 촉진하는 방안을 연구하는 것도 중요하다. 연구 결과를 통해 도출된 공동주택의 범죄예방디자인에 대한 인식도와 각 요소의 중요도 및 개선 방안은 향후 중국 지역을 기반으로 한 공동주택 범죄예방디자인 개발에 기초 자료로 활용되길 기대한다.

• 대순사상논총
• /
• 제48집
• /
• pp.41-155
• /
• 2024

수운이 해월에게 도통을 전수(傳授)한 때로 알려진 1863년 7~8월에 관한 기록 중 가장 앞선 것으로 평가되는 문헌은 『수운문집(水雲文集)』, 『대선생주문집(大先生主文集)』, 『최선생문집도원기서(崔先生文集道源記書)』(이하 『도원기서』)이다. 이 세 문헌의 수운 관련 기록은 구조, 내용, 기술 방식으로 본다면 같은 문헌에서 기원했음이 분명하다. 세 문헌이 지닌 차이는 어느 문헌이 도통전수의 실상을 정확히 반영하고 있는지에 대한 논쟁을 초래했으며 신앙과 조직 체계 등 초기 동학의 성격에 대한 재검토의 필요성을 환기하고 있다. 따라서 세 문헌을 고증하여 각 문헌의 선후 관계와 성립연대, 정확성, 기술 방향, 문헌에 반영된 초기 동학 신앙체계의 특징을 밝혀낼 수 있다면 1860~1880년의 동학 전개 과정을 보다 명확히 기술할 수 있으며 여러 도통전수 담론이 지닌 의미를 보다 깊이 분석할 수 있다. 세 문헌을 비교하고 관련 문헌과 대조하여 고증한 결과, 해월의 도통전수 사건이 기록되지 않은 『수운문집(水雲文集)』 계통의 문헌이 이를 명확히 기록한 『대선생주문집(大先生主文集)』과 『도원기서』의 저본일 가능성이 크다는 사실을 확인했다. 이는 『대선생주문집(大先生主文集)』과 『도원기서』가 편찬되는 시기까지 해월의 도통전수는 동학 교단 내외에서 명확하게 인정받지 못했다는 것을 뜻한다. 해월의 연원이 동학의 최대 조직이 된 1870년대 후반에 이르러서야 해월을 중심으로 동학의 교리가 재해석되고 조직이 재건되었다는 사실을 통해서도 이는 방증 된다. 따라서 해월의 도통전수를 역사적 사실이라기보다는 하나의 담론으로 보는 관점에서 수운 이후의 동학은 조망될 필요가 있다. 이는 '수운의 동학'과는 단층을 이루는 '해월의 동학', 그리고 해월과 한국의 근대 신종교 운동의 관계를 새로운 관점에서 볼 수 있도록 해줄 것이다.

• 생명과학회지
• /
• 제34권5호
• /
• pp.339-355
• /
• 2024

폐는 생리학적 기능과 해부 조직학적 구조 측면을 통합적으로 고려하여 분석해야만 하는 매우 복잡한 조직이기 때문에 폐질환의 병리학적 연구와 흡입독성 평가에 현재까지 주로 동물모델을 사용하고 있다. 그러나 실험동물 윤리와 동물복지를 이유로 점차적으로 실험동물 수를 줄이자는 전세계적인 움직임에 맞춰 생체 외 동물실험 대체법들이 집중적으로 개발되고 있다. 특히 경제협력개발기구(OECD)와 미국 환경보호청(USEPA)은 2030년대 이후, 동물실험을 금지하기로 잠정적으로 합의함에 따라 의생명공학과 제약 분야에서 생체 외 흡입 독성 및 폐질환 모델들을 확립하고 개발된 모델을 이용한 평가 법들의 표준화 연구가 활발하다. 그 모델 중에 예를 들어, 생체칩(organ-on-a-chip, OoC) 및 오가노이드(organoid) 모델은 3차원 바이오 프린터, 미세 유체 시스템, 인공지능(artificial intelligent) 기술들과 접목되어 연구되고 있다. 이러한 생체 장기를 모방한 복합 장기 생체 외 모델링 시스템은 개체 차이를 가지는 생체 내 동물 실험에 비해 복잡한 생물학적 환경을 보다 정확하게 모방할 수 있을 것으로 기대되고 있으나 생체 모방성, 재현성, 민감성, 기반 데이터베이스의 부족 등 아직은 여러 한계점도 가지고 있다. 따라서 본 리뷰 논문에서는 만능성 줄기 세포 또는 암세포를 이용한 폐포, 폐 공기액 인터페이스(air-liquid interface, ALI) 시스템, 트랜스웰 멤브레인(transwell membrane)을 포함하여 폐 OoC 및 오가노이드의 최근 생체 외 폐 시스템 연구결과들과 AI와 접목된 인실리코(in silico) 폐 모델링에 대한 결과들의 현황을 살펴보고자 한다.

• 한국음향학회지
• /
• 제43권1호
• /
• pp.9-18
• /
• 2024

최근 수중표적의 저소음화와 해상교통량의 증가로 인한 주변 소음의 증가로 능동 소나 시스템의 중요성이 증대되고 있다. 하지만 신호의 다중 경로를 통한 전파, 다양한 클러터와 주변 소음 및 잔향 등으로 인한 반향신호의 낮은 신호대잡음비는 능동 소나를 통한 수중 표적 식별을 어렵게 만든다. 최근 수중 표적 식별 시스템의 성능을 향상 시키기 위해 머신러닝 혹은 딥러닝과 같은 데이터 기반의 방법을 적용시키려는 시도가 있지만, 소나 데이터셋의 특성 상 훈련에 충분한 데이터를 모으는 것이 어렵다. 부족한 능동 소나 데이터를 보완하기 위해 수학적 모델링에 기반한 방법이 주로 활용되어오고 있다. 그러나 수학적 모델링에 기반한 방법론은 복잡한 수중 현상을 정확하게 모의하는 데에는 한계가 있다. 따라서 본 논문에서는 심층 신경망 기반의 소나 신호 합성 기법을 제안한다. 제안하는 방법은 인공지능 모델을 소나 신호 합성 분야에 적용하기 위해, 음성 합성 분야에서 주로 사용되는 타코트론 모델의 주요 모듈인 주의도 기반의 인코더 및 디코더를 소나 신호에 적절하게 수정하였다. 실제 해상 환경에 모의 표적기를 배치해 수집한 데이터셋을 사용하여 제안하는 모델을 훈련시킴으로써 보다 실제 신호와 유사한 신호를 합성해낼 수 있게 된다. 제안된 방법의 성능을 검증하기 위해, 합성된 음파 신호의 스펙트럼을 직접 분석을 진행하여 비교하였으며, 이를 바탕으로 오디오 품질 인지적 평가(Perceptual Quality of Audio Quality, PEAQ)인지적 성능 검사를 실시하여 총 4개의 서로 다른 환경에서 생성된 반사 신호들에 대해 원본과 비교해 그 차이가 최소 -2.3이내의 높은 성적을 보여주었다. 이는 본 논문에서 제안한 방법으로 생성한 능동 소나 신호가 보다 실제 신호에 근사한다는 것을 입증한다.