• 한국ITS학회 논문지
• /
• 제19권6호
• /
• pp.96-106
• /
• 2020

본 연구에서는 루프 센서를 통한 교통량 수집방식의 오류를 해결하기 위해 1종(승용차)과 3종(일반 트럭)의 구분이 어려운 부분 및 영상 이미지의 단점을 보완하기 위해 도로변에 열화상 카메라를 설치하여 영상 이미지를 수집하였다. 수집된 영상 이미지를 레이블링 단계를 거쳐 1종(승용차)과 3종(일반 트럭)의 학습데이터를 구성하였다. 정지영상을 대상으로 labeling을 진행하였으며, 총 17,536대의 차량 이미지(640x480 pixel)에 대해 시행하였다. 열화상 영상 기반의 차종 분류를 달성하기 위해 CNN(Convolutional Neural Network)을 이용하였으며, 제한적인 데이터량과 품질에도 불구하고 97.7%의 분류정확도를 나타내었다. 이는 AI 영상인식 기반의 도로 교통량 데이터 수집 가능성을 보여주는 것이라 판단되며, 향후 더욱더 많은 학습데이터를 축적한다면 12종 차종 분류가 가능할 것이다. 또한, AI 기반 영상인식으로 도로 교통량의 12종 차종뿐만 아니라 다양한(친환경 차량, 도로 법규 위반차량, 이륜자동차 등) 차종 분류를 할 수 있을 것이며, 이는 국가정책, 연구, 산업 등의 통계 데이터로 활용도가 높을 것으로 판단된다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제13권4호
• /
• pp.121-128
• /
• 2021

In order to design a real time big data collection and analysis system of manufacturing data in a smart factory, it is important to establish an appropriate wired/wireless communication system and protocol. This paper introduces the latest communication protocol, OPC-UA (Open Platform Communication Unified Architecture) based client/server function, applied user interface technology to configure a network for real-time data collection through IoT Integration. Then, Database is designed in MES (Manufacturing Execution System) based on the analysis table that reflects the user's requirements among the data extracted from the new cutting process automation process, bush inner diameter indentation measurement system and tool monitoring/inspection system. In summary, big data analysis system introduced in this paper performs SPC (statistical Process Control) analysis and visualization analysis with interface of OPC-UA-based wired/wireless communication. Through AI learning modeling with XGBoost (eXtream Gradient Boosting) and LR (Linear Regression) algorithm, quality and visualization analysis is carried out the storage and connection to the cloud.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.233-240
• /
• 2024

본 연구에서는 5G 네트워크용 UAV(: Unmanned Aerial Vehicle)를 사용한 산업단지 내의 현장 상황을 실시간 감시하는 시스템에 대해 소개한다. UAV에 장착된 센서(화재, 유해가스 검출, 산업 재해형 인체 사고 감지)에서 모니터링 이벤트가 발생하면 센서의 주요 정보들이 UAS(: Unmanned Aerial System)애플리케이션 서버로 전달한다. 이러한 정보 전달 처리결과로, 산업단지공단의 관리자나 운영자는 사고 위험 상황별 트리거 처리를 통한 산업단지공단 내의 현장에서 인명사고와 화재, 그리고 유해 가스검출에 대한 법적인 근거 자료를 확보할 수 있게 되었다.

• 한국정보통신학회논문지
• /
• 제22권7호
• /
• pp.1021-1029
• /
• 2018

해상 부이는 항로 및 위험물 표지, 기상 및 해양 환경 모니터링, 군사 전략 요소 등 다양한 목적으로 운용되는 설비이다. 이러한 해상 부이가 선박 충돌 등으로 인해 손상되면 해양이라는 특수성으로 인해 복구 및 교체 작업에 많은 시간과 비용이 소요되며, 표류 시 2차 사고의 위험성이 존재한다. 본 논문에서는 이러한 해상 부이를 보호하기 위하여 트레일 카메라 및 AIS를 활용한 능동감시 및 접근경보 시스템의 개발에 관한 내용을 다룬다. 이러한 시스템의 개발을 위하여 기존 국내외 연구 및 유사 시스템 개발 사례를 분석한 후, 개선 요구사항을 도출하고, 도출된 내용을 바탕으로 시스템을 설계한다. 설계 시 주안점을 둔 내용으로는 AIS와 트레일 카메라 연계형 능동 감시, 선박 접근에 대한 단계별 경보, 육상과 부이의 거리에 따른 선택적 통신매체 적용, 영상 처리를 통한 선박 식별 및 경보 제공, 열화상 카메라의 적용 등 크게 다섯 가지가 있다. 또한, 설계된 내용을 바탕으로 시스템을 개발하고, 실험실 혹은 필드 수준의 테스트를 통해 개발한 시스템의 유용성을 검증한다.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.1243-1244
• /
• 2022

In recent years, the growing interest in off-site construction has led to factories scaling up their manufacturing and production processes in the construction sector. Consequently, continuous large-scale site monitoring in low-variability environments, such as prefabricated components production plants (precast concrete production), has gained increasing importance. Although many studies on computer vision-based site monitoring have been conducted, challenges for deploying this technology for large-scale field applications still remain. One of the issues is collecting and transmitting vast amounts of video data. Continuous site monitoring systems are based on real-time video data collection and analysis, which requires excessive computational resources and network traffic. In addition, it is difficult to integrate various object information with different sizes and scales into a single scene. Various sizes and types of objects (e.g., workers, heavy equipment, and materials) exist in a plant production environment, and these objects should be detected simultaneously for effective site monitoring. However, with the existing object detection algorithms, it is difficult to simultaneously detect objects with significant differences in size because collecting and training massive amounts of object image data with various scales is necessary. This study thus developed a large-scale site monitoring system using edge computing and a small-object detection system to solve these problems. Edge computing is a distributed information technology architecture wherein the image or video data is processed near the originating source, not on a centralized server or cloud. By inferring information from the AI computing module equipped with CCTVs and communicating only the processed information with the server, it is possible to reduce excessive network traffic. Small-object detection is an innovative method to detect different-sized objects by cropping the raw image and setting the appropriate number of rows and columns for image splitting based on the target object size. This enables the detection of small objects from cropped and magnified images. The detected small objects can then be expressed in the original image. In the inference process, this study used the YOLO-v5 algorithm, known for its fast processing speed and widely used for real-time object detection. This method could effectively detect large and even small objects that were difficult to detect with the existing object detection algorithms. When the large-scale site monitoring system was tested, it performed well in detecting small objects, such as workers in a large-scale view of construction sites, which were inaccurately detected by the existing algorithms. Our next goal is to incorporate various safety monitoring and risk analysis algorithms into this system, such as collision risk estimation, based on the time-to-collision concept, enabling the optimization of safety routes by accumulating workers' paths and inferring the risky areas based on workers' trajectory patterns. Through such developments, this continuous large-scale site monitoring system can guide a construction plant's safety management system more effectively.

• Journal of Advanced Marine Engineering and Technology
• /
• 제38권1호
• /
• pp.56-63
• /
• 2014

해양플랜트는 태풍, 해일 등과 같은 환경적인 요소와 충돌, 화재 등의 인공적인 요소에 의해 위험에 노출되어 있기 때문에 일반적인 선박에 비해 유지보수 비용이 높으며 사고 발생 시, 빠른 대응이 어려워 관리적 측면에서 어려움이 많다. 이 논문에서는 이러한 문제를 개선하고 해양플랜트를 관제하기위해 AtoN AIS, 다단 데이터베이스를 활용한 영상복합형 해양플랜트 원격 관제 시스템을 개발한다. 개발한 시스템은 카메라 및 AIS를 이용하여 실시간으로 해양플랜트 주변의 영상 및 환경 정보를 수집하여 VHF 무선 통신 모뎀을 통해 전송하고, 육상에서 이를 수신하여 전자해도 기반의 원격 관제 어플리케이션을 통해 해양플랜트 주변의 상황을 정확하게 판단할 수 있게 해주며, 다단 데이터베이스를 이용하여 여러 정보를 효율적으로 관리할 수 있도록 해준다.

• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.1-8
• /
• 2021

본 연구에서는 도로 포장 유지관리에 필요한 핵심정보를 생산해 낼 수 있는 저비용·고효율 포장상태 모니터링 기술을 개발하고자 하였다. 특히 시각정보와 고가 센서에 의존하는 기존 장비의 단점을 보완하기 위해 소음과 인공지능 기반의 포장상태등급 평가시스템을 고안하였다. 시스템 개발을 위한 아이디어 정립부터 기능 정의, 정보흐름 및 아키텍쳐 설계 과정을 거쳤으며, 생산된 프로토타입에 대한 성능 검증과 활용 전주기에 대한 실증 평가를 수행하였다. 그 결과, 높은 수준의 인공지능 평가 신뢰도가 확보되었으며, 하드웨어와 소프트웨어적 요소 외에도 시스템 활용에 관한 짜임새 있는 가이드라인이 개발되었다. 또한 현장평가 과정을 통해 비전문가도 쉽고 빠른 조사와 분석이 가능하고, 직관적인 시각적 정보 제공을 통해 관리자의 업무 지원이 가능함도 확인하였다. 반면에 학습에 고려되지 않은 외부 조건에 대한 선행 판별 기술, 시스템 간소화, 가변 주행속도 대응 기술 등 기술의 완성도 제고도 필요함을 알 수 있었다. 본 연구를 시작으로 1960년대 이후 반세기 이상 지속되어온 포장상태 모니터링 기술의 새로운 패러다임이 제시되길 기대한다.

• 산업융합연구
• /
• 제21권1호
• /
• pp.175-185
• /
• 2023

최근 COVID-19와 같은 신종 바이러스 감염증이 확산하여 심각한 공중 보건 문제를 제기하고 있다. 특히 이러한 질병은 고령자에게 치명적으로 작용하여, 생명을 위협하고 심각한 사회적, 경제적 손실을 초래하였다. 이에 많은 산업분야에서 사물 인터넷(IoT) 및 인공 지능(AI)을 응용한 원격진료, 헬스케어, 질병예방 등의 애플리케이션이 소개되어 질병 감지, 모니터링 및 검역 성능을 향상하고 있다. 하지만 기존기술은 갑작스러운 전염병의 출현에 신속하고 통합적으로 적용되지 않기 때문에, 사회 속에 감염병이 대규모 감염 및 전국적 확산되는 것을 차단하지 못하였다. 따라서 본 논문에서는 바이러스 질병 정보 수집기를 통해 지역적 한계가 있는 다양한 감염 정보를 수집하고, AI 브로커를 통해 AI 분석 및 심각도 매칭을 수행하여 감염의 확산을 예측하고자 한다. 최종에는 질병관리본부를 통해 고령자에게 위험경보 발령, 확산 차단 문자 발송 및 감염지역 대피정보를 신속하게 제공한다. 현실적인 고령자 지원시스템은 감염자 발생지역 정보와 고령자의 위치정보를 비교하여 증강현실 기반의 스마트폰 애플리케이션으로 직관적인 위험지역(감염지역) 회피기능을 제공하고 감염지역 방문이 확인되면 자동으로 방역관리 서비스를 제공한다. 향후 제안시스템은 위치기반의 사용자 밀집도를 파악함으로써 갑작스런 인파 집중으로 인한 압사 사고를 사전에 예방하는 방법으로도 활용 가능할 것이다.

• 한국재난정보학회 논문집
• /
• 제20권3호
• /
• pp.484-499
• /
• 2024

연구목적: 최근 국가 산업단지 안전시설물의 노후화로 안전사고 증가와 대형화로 예방 중심의 재난관리 패러다임 전환 및 디지털 안전망 구축 등 대대적인 산업단지 재난관리시스템의 필요성 대두되고 있다. 이에 본 연구는 디지털트윈 기반의 통합관제기술을 통해 재난 시 유해물질의 확산 예측과 사고 발생지점 역추적, 안전한 대피경로를 제공하여 보다 신속하고 정밀한 사고대응을 위한 의사결정을 지원하는 정보체계를 제공하고자한다. 연구방법: 선행 연구 사례의 한계점인 실제 유해물질의 특성과 기상 상황에 따라 지표면 확산 또는 상층부 확산, 복합 확산 등 다양한 시뮬레이션 결과를 고려하였다. 또한 시공간 사각지대에서 발생하는 유해물질 누출에 대한 주변 IoT 센싱 데이터를 활용하여 누출 지점을 예측하는 역추적 모델을 통해 시공간 모니터링의 한계를 최소화하는 통합 관리 체계를 설계하였다. 연구결과: 구미산업단지 내에 리빙랩 2곳의 실증 기업을 선정하여 AIoT 센서를 설치하고, 디지털트윈 기반의 산업단지 유해물질 확산예측, 역추적, AI 누출예지 및 대피정보 안내 서비스를 제공하는 통합관리체계를 구축하여 리빙랩을 운영하였다. 결론: 이전 연구의 한계를 고려한 디지털트윈 기반의 AI 분석을 통해 유해화학물질 누출감지와 누출사고 예지, 3차원 복합 확산예측 및 역추적 확산을 예측하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.753-755
• /
• 2021

본 논문에서 기존의 치아가공기는 회전하는 모터를 사용하여 구성하였으나 이러한 모터는 정밀도, 반복정밀도가 50um 이하로 가공물 가공시에 치기공사나 치과의사가 사람에 맞추어 다시 작업을 해야하는 불편함과 시간적, 작업자의 피로도를 높일수 있는데 이러한 모터에 스크류나 밸트를 연결하여 선형적으로 움직일 수 있는 리니어모듈과 리니어모터를 적용하게되면 20um수준의 고정밀의 위치제어가 가능한 5축 치아가공기를 만들 수 있었다. 또한 MEMS센서를 이용하여 스핀들의 상태를 모니터링 하고 임계값을 지정하여 이상 신호 발생시 모터를 멈추어 위험상황에 대해서 인공지능기법을 이용하여 정지하거나 관리자에게 알림을 주어 효과적으로 5축치아가공기를 운영할 수 있도록 하였다.