• 인터넷정보학회논문지
• /
• 제24권6호
• /
• pp.171-180
• /
• 2023

수소에너지 기술은 4차 산업 시대에서 주목받는 중요한 분야로 수소와 산소를 활용하여 전기 에너지를 생성하는 기술이다. 이 기술을 군사 차량에 적용할 경우, 온실가스 감소, 무소음, 저 진동 및 낮은 발열량의 효과로서 군사적으로 전략적 이점을 얻을 수 있어 다국에서 수소 군사 차량을 위한 연구 중이다. 우리나라 또한 미래 군사 차량에 수소를 적용하고 소형화 및 AI를 통한 스마트화 시키는 미래전을 대비한 전략인 Army Tiger4.0 계획을 수립하였다. 또한 국방부는 군용 수소충전소 설치에 따라 군 내 수소차 보급에도 탄력이 붙을 것으로 예상하여 환경부와의 협력으로 군용 수소충전소를 전국적으로 확충하기 위한 계획을 수립하였다. 하지만 수소는 화재와 폭발 위험물질로 안전한 충전소 구축과 효과적인 관리를 위한 체계적인 제도가 필요하다. 현재 군에서는 지정한 수소충전소 시설의 분류와 설치 조건을 군 시설 설계지침서를 통해 확인하였다. 그 결과, 충전소는 주유 시설로 분류되며 인접 건물과의 최소 안전거리를 2m 이상으로 이격시키는 것만 명시되어 있을 뿐 안전거리에 대한 그 외의 내용은 명시되지 않았다. 폭발의 규모가 큰 수소의 특성을 고려하여 과학적 기법을 통해 사고 피해 범위를 정량적으로 파악하고 피해 거리 밖으로 최소 안전거리를 제시하였다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1693-1705
• /
• 2023

국토 면적의 약 90%를 차지하는 농촌은 여러가지 공익적 기능을 수행하는 공간으로서 중요성과 가치가 증가하고 있지만 주거지 인근에 축사, 공장, 태양광패널 등 주민생활에 불편을 미치는 시설들이 무분별하게 들어서면서 농촌 환경과 경관이 훼손되고 주민 삶의 질이 낮아지고 있다. 농촌지역의 무질서한 개발을 방지하고 농촌 공간을 계획적으로 관리하기 위해서는 농촌지역 내 위해시설에 대한 탐지 및 모니터링이 필요하다. 주기적으로 취득 가능하고 전체 지역에 대한 정보를 얻을 수 있는 위성영상을 통해 데이터의 취득이 가능하고, 합성곱 신경망 기법을 통한 영상 기반 딥러닝 기술을 활용하여 효과적인 탐지가 가능하다. 따라서 본 연구에서는 의미적 분할(Semantic segmentation)에서 높은 성능을 보이는 U-Net 모델을 이용하여 농촌 지역에서 잠재적으로 위해시설이 될 수 있는 농촌시설을 분류하는 연구를 수행하였다. 본 연구에서는 2020년에 제작된 공간해상도 0.7 m의 KOMPSAT 정사모자이크 광학영상을 한국항공우주연구원으로부터 제공받아 사용하였으며 축사, 공장, 태양광 패널에 대한 AI 학습용 데이터를 직접 제작하여 학습 및 추론을 진행하였다. U-Net을 통해 학습시킨 결과 픽셀 정확도(pixel accuracy)는 0.9739, mean Intersection over Union (mIOU)은 0.7025의 값을 도출하였다. 본 연구 결과는 농촌 지역의 위험 시설물 모니터링에 활용될 수 있으며, 농촌계획 수립에 있어 기초 자료로 활용될 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.41-48
• /
• 2023

본 논문은 여러 산업 분야에서 범용적으로 활용될 수 있는 NFT(Non-Fungible Token)에 대해 토픽 모델링 기법을 활용하여 최근의 NFT 산업 동향에 대한 분석 결과를 제시한다. 본 연구에서는 산업 동향을 파악하기 위해 특허 데이터를 활용하였으며, NFT 표준안이 처음으로 발표되었던 2017년부터 2023년 10월까지 특허정보검색서비스 키프리스에 등록된 NFT 관련 국내·외 특허 각각 371건, 454건의 특허 데이터를 수집하였다. 다음으로 전처리 작업에서 불용어, 표제어를 제거 후 명사 단어만을 추출하였고, 분석 방법으론 빈도수에 따른 상위 50개의 단어를 나열하고, 단어마다 계산된 TF-IDF 값을 같이 확인하여 산업 동향의 핵심 키워드를 도출하였다. 다음으로, LDA 알고리즘을 활용해 국내·외 별로 특허 데이터에서 잠재된 4개의 주요 주제를 도출하였다. 도출한 주제별로 내용을 분석하고, 실제 NFT 산업사례를 근거로 들어 NFT 산업 동향 분석내용을 제시하였다. 선행연구에서는 논문 데이터를 통해 학술적 관점에서 동향을 제시하였다면 본 연구는 현장 실무에 기반을 둔 데이터를 활용하여 실용적인 동향 내용을 제공했다는 점에서 의의가 있으며, NFT 산업계 관련자들이 시장 현황 파악 및 새로운 아이템 창출을 위한 참고용으로 활용될 것으로 기대한다.

• 화약ㆍ발파
• /
• 제41권3호
• /
• pp.26-37
• /
• 2023

발파공법을 이용한 터널 건설 시 발생하는 진동을 최소화할 수 있는 폭약량의 결정을 위해서는 현장에서 시험발파, 혹은 유사조건에서의 진동기록을 분석하여 발파진동계수 K, n을 도출해야 한다. 본 연구에서는 시험발파를 수행하지 못할 경우, 합리적인 K 및 n을 도출할 수 있는 기법의 개발을 목적으로 하였다. 이를 위해 실규모 시험발파 자료를 수집한 후, 심층학습(DL)을 활용하여 화약류의 종류, 심발공법, 암반의 성인 및 종류, 암반등급에 따라 발파진동계수(K, n)를 예측할 수 있는 방법을 연구하였다. 또한 시추공 시험발파 결과의 한계성을 보완하고, 현실에 좀 더 부합하는 설계 수행을 목적으로 실규모 및 시추공 시험발파 결과 간의 보정값을 산정하였다. 본 연구결과 시추공 시험발파 결과식에 따른 사용 가능한 폭약량을 비교하였을 경우, 심층학습(DL)에 의한 결과는 50%이상, 보정값을 반영한 결과는 기타 발파진동 추정식과 유사하거나 약 20% 더 사용할 수 있어서 보다 경제적 설계가 가능하였다.

• 방송공학회논문지
• /
• 제25권2호
• /
• pp.200-207
• /
• 2020

CNN 기반 인공신경망은 영상 분류, 객체 인식, 화질 개선 등 다양한 분야에서 뛰어난 성능을 보이고 있다. 그러나, 많은 응용에서 딥러닝(Deep Learning) 모델의 복잡도 및 연산량이 방대해짐에 따라 IoT 기기 및 모바일 환경에 적용하기에는 제한이 따른다. 따라서 기존 딥러닝 모델의 성능을 유지하면서 모델 크기를 줄이는 인공신경망 압축 기법이 연구되고 있다. 본 논문에서는 인공신경망 압축기법을 통하여 원본 CNN 모델을 압축하고, 압축된 모델을 임베디드 시스템 환경에서 그 성능을 검증한다. 성능 검증을 위해 인공지능 지원 맞춤형 칩인 QCS605를 내장한 임베디드 보드에서 카메라로 입력한 영상에 대해서 원 CNN 모델과 압축 CNN 모델의 분류성능과 추론시간을 비교 분석한다. 본 논문에서는 이미지 분류 CNN 모델인 MobileNetV2, ResNet50 및 VGG-16에 가지치기(pruning) 및 행렬분해의 인공신경망 압축 기법을 적용하였고, 실험결과에서 압축된 모델이 원본 모델 분류 성능 대비 2% 미만의 손실에서 모델의 크기를 1.3 ~ 11.2배로 압축했을 뿐만 아니라 보드에서 추론시간과 메모리 소모량을 각각 1.2 ~ 2.1배, 1.2 ~ 3.8배 감소함을 확인했다.

• 정보관리학회지
• /
• 제32권1호
• /
• pp.135-152
• /
• 2015

이 논문의 연구목적은 컴퓨터공학 및 정보학 관련 연구동향을 분석하는 것이다. 이를 위해 텍스트마이닝 기법을 이용하여 DBLP(Digital Bibliography & Library Project)의 학술회의 데이터를 분석하였다. 대부분의 연구동향 분석 연구가 계량서지학적 연구방법을 사용한 것과 달리 이 논문에서는 LDA(Latent Dirichlet Allocation) 기반 다항분포 토픽모델링 기법을 이용하였다. 가능하면 컴퓨터공학 및 정보학과 관련된 광범위한 자료를 수집하기 위해서 DBLP에서 컴퓨터공학 및 정보학과 관련된 353개의 학술회의를 수집 대상으로 하였으며 2000년부터 2011년 기간 동안 출판된 236,170개의 문헌을 수집하였다. 토픽모델링 결과와 주제별 문헌 수, 주제별 학술회의 수를 조사하여 2000년부터 2011년 사이의 주제별 상위 저자와 주제별 상위 학술회의를 제시하였다. 주제동향 분석 결과 네트워크 관련 연구 주제 분야는 성장 패턴을 보였으며, 인공지능, 데이터마이닝 관련 연구 분야는 쇠퇴 패턴을 나타냈고, 지속 패턴을 보인 주제는 웹, 텍스트마이닝, 정보검색, 데이터베이스 관련 연구 주제이며, HCI, 정보시스템, 멀티미디어 시스템 관련 연구 주제 분야는 성장과 하락을 지속하는 변동 패턴을 나타냈다.

• 한국기후변화학회지
• /
• 제2권2호
• /
• pp.79-91
• /
• 2011

본 연구에서는 기후변화와 대기환경 사이의 통합적 상호작용 연구를 위하여 전 지구규모 기후모델(CCSM3) 결과를 지역 규모 기후모델(MM5)의 초기 및 경계 조건으로 사용할 수 있도록 역학적 상세화(Downscaling) 기법을 개발하였다. 개발된 상세화 기법에서는 위 경도 좌표계로 이루어진 CCSM3 결과를 Lambert-Conformal Arakawa-B 격자 체계로, CCSM3의 hybrid-vertical coordinate를 MM5의 sigma coordinate로 대체하는 과정과 CCSM3 모델 수행 결과와 모델 수행에 필요한 변수들 간의 일치화 과정이 포함된다. 전 지구 규모 모델 결과들이 지역 규모 모델의 입력값으로 역학적 규모 축소되는 과정을 검증하기 위해 공간 분포 및 통계분석을 수행한 결과, 여름철과 겨울철의 기온 및 강수량 패턴이 동아시아 영역 및 한반도 지역에 대해 기존 관측을 이용한 결과와 매우 유사한 패턴을 보였으며, 통계 분석 결과 모델 예측지수가 기온의 경우 0.9 이상의 좋은 값이 나타났으며, 상관성 역시 0.9 수준의 결과를 보여 인터페이스 구축이 성공적으로 수행되었음을 알 수 있다.

• 방송공학회논문지
• /
• 제27권3호
• /
• pp.391-401
• /
• 2022

최근 딥러닝 기반의 객체 검출 및 인식 연구가 발전해가면서 산업 및 실생활에 적용되는 범위가 넓어지고 있다. 건설 분야에도 딥러닝 기반의 시스템이 도입되고 있지만 아직은 미온적이다. 건설 도면에서 자재 산출이 수작업으로 이뤄지고 있어 많은 소요시간과 부정확한 적산 결과로 잘못된 물량산출의 거래가 생길 수 있다. 이를 해결하기 위해서 빠르고 정확한 자동 도면 인식시스템이 필요하다. 따라서 본 논문은 건설도면 내 철강 자재를 검출하고 인식하는 인공지능기반 자동 도면 인식 적산 시스템을 제안한다. 빠른 속도의 YOLOv4 기반에 소형 객체 검출성능을 향상하기 위한 복제 방식의 데이터 증강기법과 공간집중 모듈을 적용하였다. 검출한 철강 자재 영역을 문자 인식한 결과를 토대로 철강 자재를 적산한다. 실험 결과 제안한 방식은 기존 YOLOv4 대비 정확도와 정밀도를 각각 1.8%, 16% 증가시켰다. 제안된 방식의 Precision은 0.938, Recall은 1, AP_0.5는 99.4%, AP_0.5:0.95 68.8%의 향상된 결과를 얻었다. 문자 인식은 기존 데이터를 사용한 인식률 75.6%에 비해 건설도면에 사용되는 폰트에 맞는 데이터 세트를 구성하여 학습한 결과 99.9%의 인식률을 얻었다. 한 이미지 당 평균 소요시간은 검출 단계는 0.013초, 문자 인식은 0.65초, 적산 단계는 0.16초로 총 0.84초의 결과를 얻었다.

• 한국음향학회지
• /
• 제43권4호
• /
• pp.400-405
• /
• 2024

선박 프로펠러 캐비테이션 소음이 발생하면 수중 방사 소음의 수준이 급격히 상승하는데, 특히 함정의 경우에 피탐지 확률이 증가해 치명적인 위협 요인이 될 수 있다. 따라서 함정의 생존성 향상을 위하여 캐비테이션 신호를 정확하고 신속하게 판단하는 것이 매우 중요한데, 종래에는 센서로 계측한 음압/진동 준위가 기준값 이상이면 캐비테이션 발생으로 판단하는 기술과 데몬 기법을 통해 캐비테이션 발생 여부를 판별하는 방법이 주로 수행되었다. 그러나 이와 관련된 기술은 캐비테이션의 발생 현상에 대한 물리적 이해와 사용자의 주관적 기준을 기반으로 수행되며 여러 절차를 거치기 때문에 캐비테이션 신호를 조기에 자동으로 인식하는 기법의 개발이 필요하다. 본 논문에서는 선체에 부착된 음향 센서를 이용하여 계측된 음향 신호로부터 캐비테이션 신호의 특징을 반영한 간단한 통계량 기반 특징을 추출하고 이로부터 캐비테이션 발생 여부를 자동으로 판단하는 알고리즘을 제안한다. 제안된 기법의 성능은 센서 수와 모형 시험 조건에 따라 평가하는데, 단일 센서로 계측된 신호에 캐비테이션의 특징을 충분히 반영하여 훈련하면 캐비테이션 신호의 발생 여부를 판단 가능함을 확인했다.

• 한국컴퓨터정보학회논문지
• /
• 제25권1호
• /
• pp.45-53
• /
• 2020

기존의 CNN 알고리즘은 위성영상과 같은 대형 이미지에서 소형 객체를 식별하는 것이 불가능하다는 문제점을 가지고 있었다. 본 연구에서는 이러한 문제를 해결하기 위해 관심영역 설정 및 이미지 분할 기법을 적용한 CNN 알고리즘 개선방안을 제시하였다. 실험은 비행장 및 항공기 데이터셋으로 전환학습한 YOLOv3 / Faster R-CNN 알고리즘과 테스트용 대형 이미지를 이용하여 진행하였으며, 우선 대형 이미지에서 관심영역을 식별하고 이를 순차적으로 분할해 나가며 CNN 알고리즘의 객체식별 결과를 비교하였다. 분할 이미지의 크기는 실험을 통해 최소 분할로 최대의 식별률을 얻을 수 있는 최적의 이미지 조각 크기를 도출하여 적용하였다. 실험 결과, 본 연구에서 제시한 방안을 통해 CNN 알고리즘으로 대형 이미지에서의 소형 객체를 식별하는 것이 충분히 가능함을 검증하였다.