• 지적과 국토정보
• /
• 제51권1호
• /
• pp.111-124
• /
• 2021

최근, 2019년 4월 15일에 있었던 노트르담 대성당 화재로 문화재 복원 및 재현에 대해 2008년 숭례문 화재사건 이후 관심이 다시 한 번 집중되고 있다. 특히, 기존에 활용되던 LiDAR 및 광파기 측량 등을 활용한 문화재 실측을 다양한 3차원 재현 기술을 활용하여 복원 및 재현하려는 연구가 활발히 진행되고 있다. 본 연구는 운주사의 와형석조여래불을 대상으로 최근 4차 산업혁명 시대에서 핵심기술로 자리매김한 UAV(Unmanned Aerial Vehicle)의 무인항공영상와 기존에 사진측량에 활용되던 근접영상(CRP) 및 지상 LiDAR 스캐닝을 활용하여 데이터를 획득하고, 이들을 3가지 융합모델로 SfM기반의 3차원 재현을 실시, 모델의 재현도 및 정확도를 비교·분석하였다. 아울러, 3가지의 모델 중 가장 우수한 융합모델을 활용하여 11세기 초 고려시대의 불교 천문학적 고증이 녹아있는 와형석조여래불을 실세계 좌표기반으로 북극성과의 연관성을 확인한다. 본 연구를 통해 문화재의 단순한 외형적인 3차원 재현뿐 아니라 문화재에 담긴 역사적 고증을 확인함으로써 문화재의 종류 및 형태에 따라 고증까지 함께 재현하는 방안을 모색하였다.

• 한국화재소방학회논문지
• /
• 제34권2호
• /
• pp.103-109
• /
• 2020

이 연구는 기본심폐소생술 교과목을 이수한 응급구조과 학생을 대상으로 수행자 엉덩관절 각도에 따라 기본심폐소생술의 질이 향상되는지 알아보고자 하였다. 기본심폐소생술 중 엉덩관절 각도에 따른 기본심폐소생술 질(가슴압박 깊이, 완전한 이완, 압박속도 등)을 측정하기 위해 SimPad SkillReporter와 Resusci Anne® QCPR®을 이용하여 비교 분석하였고, 2015 AHA Guideline 따랐으며, 가슴압박과 인공호흡의 비율은 30:2로 5주기 시행하였다. 실험군과 대조군의 일반적인 자세에서는 엉덩관절 각도, 인공호흡정도, 가슴압박 깊이, 가슴압박 속도, 가슴압박 이완, 가슴압박 정확도, 가슴압박 중단시간(Hands off time), 가슴압박 적용시간 비율은 큰 차이를 보이지 않았다(p > 0.05). 엉덩관절 각도를 90도로 유지하는 기본심폐소생술은 유지하지 않았을 때와 큰 차이는 없었으나, 적정깊이와 100% 이완에서는 좋은 결과를 보여 주어 보다 더 나은 심폐소생술 질 향상을 기대할 수 있을 것이다.

• 디지털융복합연구
• /
• 제18권6호
• /
• pp.523-529
• /
• 2020

본 연구는 근대5종 세계대회 데이터베이스에서 2015년부터 총 5년간의 공식 세계기록을 수집하여 사격 유형 및 특성이 기록에 미치는 영향을 밝혀내고자 했다. 이를 위해 UIPM Level 1 대회인 월드컵, 세계선수권대회 출전한 남녀 모든 선수에 대해 전체 사격 격발 경우를 분석하였다. 연구결과 왕복횟수와 차수가 늘어날수록 사격누적기록이 나빠지는 양상을 보였고, 1번째 왕복 3차 사격에서 가장 좋은 기록을, 4번째 왕복 5차 사격에서 가장 나쁜 기록이 나타났다. 또한, 첫발의 성공 유무에 따른 누적사격기록 편차 값은 왕복횟수가 늘어남에 따라 9%가량 편차가 증가하는 경향성이 나타났는데 이는 시간이 지남에 따라 첫발의 성공은 더욱 중요하며 근대5종 사격 시 첫발 명중만으로 기록단축에 큰 효과를 거둘 수 있다. 이러한 연구를 바탕으로 사격 정확성에 영향을 미치는 요인 및 특징을 밝히고, 복합경기 특성에 맞게 육상기록과 연계한 후속 연구가 필요하다고 사료된다.

• 대한원격탐사학회지
• /
• 제36권2_1호
• /
• pp.179-197
• /
• 2020

지형 정규화 기법은 영상 촬영 시의 광원, 센서 및 지표면 특성에 따라 발생하는 밝기값 상의 지형적인 영향을 제거하는 방법으로, 지형 조건으로 인해 동일 피복의 픽셀들이 서로 다른 밝기값을 지닐 때 그 차이를 감소시킴으로써 평면 상의 밝기값과 같아 보이도록 보정한다. 이러한 지형적인 영향은 일반적으로 산악 지형에서 크게 나타나며, 이에 따라 산불 피해 지역 추정과 같은 산악 지형에 대한 영상 활용에서는 지형 정규화 기법이 필수적으로 고려되어야 한다. 그러나 대부분의 선행연구에서는 중저해상도의 위성영상에 대한 지형 보정 성능 및 분류 정확도 영향 분석을 수행함으로써, 고해상도 다시기 영상을 이용한 지형 정규화 기법 분석은 충분히 다루어지지 않았다. 이에 본 연구에서는 PlanetScope 영상을 이용하여 신속하고 정확한 국내 산불 피해 지역 탐지를 위한 각 밴드별 최적의 지형 정규화 기법 평가 및 선별을 수행하였다. PlanetScope 영상은 3 m 공간 해상도의 전세계 일일 위성영상을 제공한다는 점에서 신속한 영상 수급 및 영상 처리가 요구되는 재난 피해 평가 분야에 높은 활용 가능성을 지닌다. 지형 정규화 기법 비교를 위해 보편적으로 이용되고 있는 7가지 기법을 구현하였으며, 토지 피복 구성이 상이한 산불 전후 영상에 모두 적용, 분석함으로써 종합적인 피해 평가에 활용될 수 있는 밴드 별 최적 기법 조합을 제안하였다. 제안된 방법을 통해 계산된 식생 지수를 이용하여 화재 피해 지역 변화 탐지를 수행하였으며, 객체 기반 및 픽셀 기반 방법 모두에서 향상된 탐지 정확도를 나타내었다. 또한, 화재 피해 심각도(burn severity) 매핑을 통해 지형 정규화 기법이 연속적인 밝기값 분포에 미치는 효과를 확인하였다.

• 한국가스학회지
• /
• 제22권6호
• /
• pp.136-143
• /
• 2018

Cellular automata는 천체물리, 사회현상, 화재 확산 및 피난 등 많은 분야의 시뮬레이션에 활용되고 있다. 본 연구는 빈번히 발생하고 있는 화학사고에 대비한, 위험성평가 및 비상대응계획 작성시 요구되는 화학물질 확산 시뮬레이션을 위한 보급용 모델을 cellular automata를 기반으로 개발하였다. 상세한 플랜트 안전설계용과는 달리, 실시간 사고대응을 위해선 빠른 계산과 더불어 피해영역 분포의 불확실성을 줄이기 위한 반복 계산이 요구된다. EPA ALOHA, 화학물질안전원 KORA 등이 있지만, 지속적인 모델과 코드의 보완이 가능하고, 중소기업용의 무료 S/W개발에 본 연구의 차별성이 있다. 계산시간이 많이 요구되는 full-scale CFD에 비해 상대적인 정확도의 손실은 감수하고, 특히 일반 사용자의 편리성을 도모하였다. 기상청 기상정보 연계를 비롯해, Python open-source 라이브러리들을 활용해, 기능 확장 및 지속적인 update가 가능하며, 사용자는 해당 플랜트의 지형도와 사용 물질의 입력만으로 쉽게 결과를 얻을 수 있다. Full-scale CFD 시뮬레이션과 대비해 정확도를 확인하였으며, 빠른 계산을 위해 GPU를 활용하는 open source software로 배포될 예정이다.

• 지적과 국토정보
• /
• 제50권1호
• /
• pp.163-180
• /
• 2020

본 연구에서는 스마트시티 구성요소인 공간정보인프라 구축을 위해 최신 공간정보 취득 기술인 드론을 기반으로 도심지의 3차원 디지털트윈 모형을 구축하였으며, 구축된 모형 간의 처리시간·품질·정확도 분석과 스마트시티 응용시스템을 활용하여 몇 가지 분석 모델을 구현하였다. 3종의 드론 사진측량 소프트웨어의 데이터 처리시간·품질이 각각 다르게 나타난 반면 구축 모델의 정확도는 8점의 검사점에 대한 평균제곱근 오차(RMSE)는 N방향으로 ±0.04m, E방향으로는 ±0.03m, Z방향으로 ±0.02m로 경계점좌표등록부시행지역의 경계점에 대한 측량성과와 검사성과의 허용범위로 규정하고 있는 0.1m 미만으로 나타났으며. 항공사진측량 작업규정의 1:500~1:600 축척의 사진기준점 오차 한계인 표준편차 0.14cm 이내로 나타나서 지적과 항공사진측량에서 규정하는 대축척의 오차 한계 모두 만족함을 알 수 있었다. 또한 드론기반의 3차원 도심지 디지털트윈 모형을 이용한 스마트시티 구현의 활용성 증대를 위해 본 연구에서 구축한 모형을 이용하여 조망권·경관분석, 일조권분석, 순찰경로분석, 화재진압 모의 훈련 등을 구현하였으며, 기존 항공측량 방법과 비교해서 육안 판독지점에 대한 정확도는 기존 항공측량 보다 10cm 내외 더 정확하고, 약 30㎢ 이하의 구축 면적에서 기존항공측량 보다 구축비용을 절감할 수 있을 것이라 판단할 수 있었다.

• Journal of Radiation Protection and Research
• /
• 제45권2호
• /
• pp.76-80
• /
• 2020

Background: To improve the measurement accuracy of liquid-scintillation counting for activity standardization, it is necessary to significantly reduce the background caused by thermal noise or after-pulses. We have therefore improved a movable 3 photomultiplier (3PM)-γ coincidence-counting method using the logical sum of three double coincidences for β events. Materials and Methods: We designed a new data-acquisition system in which β events are obtained by counting the logical sum of three double coincidences. The change in β-detection efficiency can be derived by moving three photomultiplier tubes sequentially from the liquid-scintillation vial. The validity of the method was investigated by activity measurement of ¹³⁴Cs calibrated at the Korea Research Institute of Standards and Science (KRISS) with 4π(PC)β-γ(NaI(Tl)) coincidence counting using a proportional counter (PC) for the β detector. Results and Discussion: Measurements were taken over 14 counting intervals for each liquidscintillation sample by displacing three photomultiplier tubes up to 45 mm from the sample. The dead time in each β- and γ-counting channel was adjusted to be a non-extending type of 20 ㎲. The background ranged about 1.2-3.3 s^-1, such that the contributions of thermal noise or after-pulses were negligible. As the β-detection unit was moved away from the sample, the β-detection efficiencies varied between 0.54 and 0.81. The result obtained by the method at the reference date was 396.3 ± 1.7 kBq/g. This is consistent with the KRISS-certified value of 396.0 ± 2.0 kBq/g within the uncertainty range. Conclusion: The movable 3PM-γ method developed in the present work not only succeeded in reducing background counts to negligible levels but enabled β-detection efficiency to be varied by a geometrical method to apply the efficiency extrapolation method. Compared with our earlier work shown in the study of Hwang et al. [2], the measurement accuracy has much improved. Consequently, the method developed in this study is an improved method suitable for activity standardization of β-γ emitters.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.57-64
• /
• 2022

화재, 붕괴, 자연재해 등의 재난 발생으로 건물 내부가 붕괴하는 경우, 기존의 건물 내부의 물리적 보안이 무력해질 확률이 높다. 이때, 붕괴 건물 내의 인명피해와 물적 피해를 최소화하기 위한 물리적 보안이 필요하다. 따라서 본 논문은 기존 연구되었던 장애물을 탐지하고 건물 내 붕괴된 지역을 탐지하는 연구와 인명피해를 최소화하기 위한 딥러닝 기반 객체 탐지 알고리즘을 융합하여 재난 상황의 피해를 최소화하기 위한 알고리즘을 제안한다. 기존 연구에서 단일 카메라만을 활용하여 현재 로봇이 있는 복도 환경의 붕괴 여부를 판단하고 구조 및 수색 작업에 방해가 되는 장애물을 탐지했다. 이때, 붕괴 건물 내 물체는 건물의 잔해나 붕괴로 인해 비정형의 형태를 가지며 이를 장애물로 분류하여 탐지하였다. 또한, 재난 상황에서 자원 중 가장 중요한 요구조자를 탐지하고 인적 피해를 최소화하기 위한 방법을 제안하고 있다. 이를 위해, 본 연구는 공개된 재난 영상과 재난 상황의 이미지 데이터를 수집하여 다양한 딥러닝 기반 객체 탐지 알고리즘을 통해 재난 상황에서 요구조자를 탐지하는 정확도를 구했다. 본 연구에서 재난 상황에 요구조자를 탐지하는 알고리즘을 분석한 결과 YOLOv4 알고리즘의 정확도가 0.94로 실제 재난 상황에서 활용하기 가장 적합하다는 것을 증명하였다. 본 논문을 통해 재난 상황의 효율적인 수색과 구조에 도움을 주며 붕괴된 건물 내에서도 높은 수준의 물리적 보안을 이룰 수 있을 것이다.

• 한국수자원학회논문집
• /
• 제54권5호
• /
• pp.301-309
• /
• 2021

본 연구에서는 시계열 순서의 의미가 희석될 수 있는 기존의 U-net 기반 딥러닝 강우예측 모델의 성능을 개선하고자 하였다. 이를 위해서 데이터의 연속성을 고려한 ConvLSTM2D U-Net 신경망 구조를 갖는 모델을 적용하고, RainNet 모델 및 외삽 기반의 이류모델을 이용하여 예측정확도 개선 정도를 평가하였다. 또한 신경망 기반 모델 학습과정에서의 불확실성을 개선하기 위해 단일 모델뿐만 아니라 10개의 앙상블 모델로 학습을 수행하였다. 학습된 신경망 강우예측모델은 현재를 기준으로 과거 30분 전까지의 연속된 4개의 자료를 이용하여 10분 선행 예측자료를 생성하는데 최적화되었다. 최적화된 딥러닝 강우예측모델을 이용하여 강우예측을 수행한 결과, ConvLSTM2D U-Net을 사용하였을 때 예측 오차의 크기가 가장 작고, 강우 이동 위치를 상대적으로 정확히 구현하였다. 특히, 앙상블 ConvLSTM2D U-Net이 타 예측모델에 비해 높은 CSI와 낮은 MAE를 보이며, 상대적으로 정확하게 강우를 예측하였으며, 좁은 오차범위로 안정적인 예측성능을 보여주었다. 다만, 특정 지점만을 대상으로 한 예측성능은 전체 강우 영역에 대한 예측성능에 비해 낮게 나타나, 상세한 영역의 강우예측에 대한 딥러닝 강우예측모델의 한계도 확인하였다. 본 연구를 통해 시간의 변화를 고려하기 위한 ConvLSTM2D U-Net 신경망 구조가 예측정확도를 높일 수 있었으나, 여전히 강한 강우영역이나 상세한 강우예측에는 공간 평활로 인한 합성곱 신경망 모델의 한계가 있음을 확인하였다.

• Korean Chemical Engineering Research
• /
• 제57권2호
• /
• pp.274-282
• /
• 2019

최근 빅데이터 과학은 사회현상 모델링을 통한 예측은 물론 강화학습과 결합하여 산업분야 자동제어까지 응용범위가 확대되고 있다. 이러한 추세 가운데 이미지 영상 데이터 활용연구는 화학, 제조, 농업, 바이오산업 등 다양한 산업분야에서 활발히 진행되고 있다. 본 논문은 신경망 기술을 활용하여 영상 데이터의 시맨틱 분할 성능을 개선하고자, U-Net의 계산효율성을 개선한 DeepU-Net 신경망에 AutoML 강화학습 알고리즘을 구현한 NASNet을 결합하였다. BRATS2015 MRI 데이터을 활용해 성능 검증을 수행하였다. 학습을 수행한 결과 DeepU-Net은 U-Net 신경망 구조보다 계산속도 향상 뿐 아니라 예측 정확도도 동등 이상의 성능이 있음을 확인하였다. 또한 이미지 시맨틱 분할 성능을 개선하기 위해서는 일반적으로 적용하는 드롭아웃 층을 빼고, DeepU-Net에 강화학습을 통해 구한 커널과 필터 수를 신경망의 하이퍼 파라미터로 선정했을 때 DeepU-Net보다 학습정확도는 0.5%, 검증정확도는 0.3% 시맨틱 분할 성능을 개선할 수 있었다. 향후 본 논문에서 시도한 자동화된 신경망을 활용해 MRI 뇌 영상진단은 물론, 열화상 카메라를 통한 이상진단, 비파괴 검사 진단, 화학물질 누출감시, CCTV를 통한 산불감시 등 다양한 분야에 응용될 수 있을 것으로 판단된다.