• 한국작물학회지
• /
• 제66권2호
• /
• pp.105-111
• /
• 2021

해마다, 강한 바람을 동반한 태풍 및 집중호우로 인해 벼도복이 발생하고 있으며, 이삭이 여무는 등숙기에 도복으로 인한 수발아와 관련된 피해를 발생시키고 있다. 따라서,신속한 피해 대응을 위해 신속한 벼 도복 피해 면적 산정은 필수적이다. 벼 도복과 관련된 이미지들은 도복이 발생된 김제, 부안, 군산일대에서 드론을 이용하여 수집하였고, 수집한 이미지들을 128 × 128 픽셀로 분할하였다. 벼 도복을 예측하기 위해 이미지 기반 딥 러닝 모델인 CNN을 이용하였다. 분할한 이미지들은 도복 이미지(lodging)와 정상 이미지(non-lodging) 2가지로 라벨로 분류하였고, 자료들은 학습을 위한 training-set과 검증을 위한 vali-se을 8:2의 비율로 구분하였다. CNN의 층을 간단하게 구성하여, 3개의 optimizer (Adam, Rmsprop, and SGD)로 모델을 학습하였다. 벼 도복 면적 평가는 training-set과 vali-set에 포함되지 않은 자료를 이용하였으며, 이미지들을 methshape 프로그램으로 전체 농지로 결합하여 총 3개의 농지를 평가하였다. 도복 면적 추정은 필지 전체의 이미지를 모델의 학습 입력 크기(128 × 128)로 분할하여 학습된 CNN 모델로 각각 예측한 후, 전체 분할 이미지 개수 대비 도복 이미지 개수의 비율을 전체 농지의 면적에 곱하여 산정하였다. training-set과 vali-set에 대한 학습 결과, 3개의 optimizer 모두 학습이 진행됨에 따라 정확도가 높아졌으며, 0.919 이상의 높은 정확도를 보였다. 평가를 위한 3개의 농지에 대한 결과는 모든 optimizer에서 높은 정확도를 보였으며, Adam이 가장 높은 정확도를 보였다(RMSE: 52.80 m², NRMSE: 2.73%). 따라서 딥 러닝을 이용하여 신속하게 벼 도복 면적을 추정할 수 있을 것으로 예상된다.

• 한국건축시공학회지
• /
• 제20권1호
• /
• pp.83-91
• /
• 2020

최근의 교량 건설 프로젝트는 교량 건설의 증가추세에 따라 위험 손실에 대비하기 위해 보다 정교한 리스크 관리 조치와 손실 예측을 요구하고 있다. 본 연구는 교량 건설 사업에 대한 국내 주요 보험사의 과거 보험료 지급 실적을 토대로 실제 교량 건설에서 목적물의 손실을 유발하는 위험 요인을 분석하고, 정량화된 예측 손실 모델을 개발하고자 하였다. 정량적 교량건설 손실모형 개발을 위해 사고 건당 보험지급액을 총공사비로 나눈 손실비율을 종속변수로 선정하였고, 독립변수로는 1)기술적 요인: 상부 구조 유형, 하부 구조 유형, 상부 가설방법, 교량 길이 2) 자연재해요인 : 태풍, 홍수 3) 프로젝트 정보: 공사기간, 총공사비를 채택하였다. 선정된 독립변수 중 상부구조, 가설방법 및 프로젝트 기간이 교량건설 손실 비율에 영향을 미치는 지표로 나타났다. 본 연구 결과로 도출된 리스크 지표와 손실예측 함수는 정부 관련기관, 교량 건설 설계 및 시공사, 보험회사에 정량적 피해 예측 및 위험 평가 서비스를 제공하며, 향후 기초 교량 리스크 평가 개발 연구의 가이드라인으로 활용할 수 있다.