• 한국정보통신학회논문지
• /
• 제25권5호
• /
• pp.619-627
• /
• 2021

최근 드론은 가격 하락, 소형화와 함께 높은 기술 발전에 힘입어 드론 보급이 민군에 걸쳐 증가하면서 보안안전사고, 치안·안보 위협 등의 문제를 유발할 가능성도 커지고 있다. 드론으로 인해 발생하는 사건 및 사고를 예방하기 위해서는 드론의 출현에 대응할 수 있는 탐지 기술이 우선적으로 선행되어야 한다. 드론은 크기가 작고 전파 반사도가 낮은 재질로 구성되어 있어 음향, 적외선, 레이다의 운용만으로는 탐지가 어렵다. 최근 영상 식별 성능을 강화하기 위해 레이다 신호에 인공지능을 접목한 연구사례가 증가하는 추세이다. 본 논문에서는 레이다 영상을 이용한 드론 탐지 기술을 소개하며, 드론의 모의실험 데이터와 실제 실험 데이터를 기반으로 인공지능 기술에 적용하여 드론의 분류 정확도를 효과적으로 입증하였다.

• 한국분말재료학회지
• /
• 제28권3호
• /
• pp.208-215
• /
• 2021

Metal three-dimensional (3D) printing is an important emerging processing method in powder metallurgy. There are many successful applications of additive manufacturing. However, processing parameters such as laser power and scan speed must be manually optimized despite the development of artificial intelligence. Automatic calibration using information in an additive manufacturing database is desirable. In this study, 15 commercial pure titanium samples are processed under different conditions, and the 3D pore structures are characterized by X-ray tomography. These samples are easily classified into three categories, unmelted, well melted, or overmelted, depending on the laser energy density. Using more than 10,000 projected images for each category, convolutional neural networks are applied, and almost perfect classification of these samples is obtained. This result demonstrates that machine learning methods based on X-ray tomography can be helpful to automatically identify more suitable processing parameters.

• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.227-233
• /
• 2021

Predictive maintenance has been one of important applications of data science technology that creates a predictive model by collecting numerous data related to management targeted equipment. It does not predict equipment failure with just one or two signs, but quantifies and models numerous symptoms and historical data of actual failure. Statistical methods were used a lot in the past as this predictive maintenance method, but recently, many machine learning-based methods have been proposed. Such proposed machine learning-based methods are preferable in that they show more accurate prediction performance. However, with the exception of some learning models such as decision tree-based models, it is very difficult to explicitly know the structure of learning models (Black-Box Model) and to explain to what extent certain attributes (features or variables) of the learning model affected the prediction results. To overcome this problem, a recently proposed study is an explainable artificial intelligence (AI). It is a methodology that makes it easy for users to understand and trust the results of machine learning-based learning models. In this paper, we propose an explainable AI method to further enhance the explanatory power of the existing learning model by targeting the previously proposedpredictive model [5] that learned data from a core facility (Hyper Compressor) of a domestic chemical plant that produces polyethylene. The ensemble prediction model, which is a black box model, wasconverted to a white box model using the Explainable AI. The proposed methodology explains the direction of control for the major features in the failure prediction results through the Explainable AI. Through this methodology, it is possible to flexibly replace the timing of maintenance of the machine and supply and demand of parts, and to improve the efficiency of the facility operation through proper pre-control.

• 한국항행학회논문지
• /
• 제26권5호
• /
• pp.344-349
• /
• 2022

UWB 응용을 위해 스트립이 추가된 직각 삼각형-모양의 다이폴 소자로 구성된 소형 대수 주기 다이폴 배열 (LPDA; log periodic dipole array) 안테나를 제안하였다. 첫째, LPDA 안테나의 폭을 줄이기 위해 기존의 스트립 다이폴 소자 대신에 직각 삼각형-모양 다이폴 소자를 사용하였다. 둘째, 소자 사이의 간격을 줄여 LPDA 안테나의 길이를 줄였다. 마지막으로, 안테나의 폭을 더 줄이기 위해 직각 삼각형-모양 다이폴 소자의 양 팔의 끝에 스트립을 추가하였다. 16개의 다이폴 소자와 4 dBi 이상의 이득을 가지도록 제안된 안테나의 시제품을 FR4 기판에 44mm×30mm 크기로 제작하였다. 제작된 안테나의 전압 정재파비가 (VSWR; voltage standing wave ratio) 2 이하인 주파수 대역은 2.99-14.76 GHz로 UWB 대역을 만족하며, 측정된 이득은 4.0-5.5dBi이고 전후방비는 10 dB 이상이다. 제안된 소형 LPDA 안테나의 길이와 너비는 기존 LPDA에 비해 각각 40.9%와 20.6% 감소하였다.

• 공업화학
• /
• 제33권5호
• /
• pp.451-458
• /
• 2022

반도체 양자점은 우수한 형광 특성을 가진 광학 탐침자로 생명-의학 영상화 기술 및 바이오센싱 분야에서 광범위하게 활용되고 있다. 양자점은 넓은 광흡수 에너지띠, 좁은 형광 에너지띠와 같은 광학 특성을 가지므로 서로 다른 형광 파장을 지닌 양자점을 조합해 다종의 신호를 생성할 수 있도록 구성하면 복수의 바이오마커를 동시에 검출할 수 있다. 본 총설에서는 이와 같은 다중 검출 분석법에서의 양자점 및 이에 기반한 양자점 나노비드가 가지는 장점과 활용 사례를 기술하고 다중 형광 바이오마커 검출법의 최근 개발 동향 및 개선사항을 요약 정리하였다. 특히 양자점을 활용한 형광-결합 면역흡착 분석법, 양자점 나노비드를 이용한 면역크로마토그래피 분석법 등 면역 분석법에서의 신호 전환 소재 디자인을 중심으로 최근의 연구 결과를 검토하였다. 정확성과 민감도가 우수한 다중 바이오마커 검출 기술이 확보된 데이터를 처리하고 해석하는 인공지능 알고리즘과 결합될 경우 질병의 조기 진단을 포함한 다양한 분야에 활용가능한 새로운 검출 플랫폼의 개발로 이어질 것으로 기대된다.

• Journal of Radiation Protection and Research
• /
• 제47권3호
• /
• pp.111-133
• /
• 2022

The exciting advancement related to the "modeling of digital human" in terms of a computational phantom for radiation dose calculations has to do with the latest hype related to deep learning. The advent of deep learning or artificial intelligence (AI) technology involving convolutional neural networks has brought an unprecedented level of innovation to the field of organ segmentation. In addition, graphics processing units (GPUs) are utilized as boosters for both real-time Monte Carlo simulations and AI-based image segmentation applications. These advancements provide the feasibility of creating three-dimensional (3D) geometric details of the human anatomy from tomographic imaging and performing Monte Carlo radiation transport simulations using increasingly fast and inexpensive computers. This review first introduces the history of three types of computational human phantoms: stylized medical internal radiation dosimetry (MIRD) phantoms, voxelized tomographic phantoms, and boundary representation (BREP) deformable phantoms. Then, the development of a person-specific phantom is demonstrated by introducing AI-based organ autosegmentation technology. Next, a new development in GPU-based Monte Carlo radiation dose calculations is introduced. Examples of applying computational phantoms and a new Monte Carlo code named ARCHER (Accelerated Radiation-transport Computations in Heterogeneous EnviRonments) to problems in radiation protection, imaging, and radiotherapy are presented from research projects performed by students at the Rensselaer Polytechnic Institute (RPI) and University of Science and Technology of China (USTC). Finally, this review discusses challenges and future research opportunities. We found that, owing to the latest computer hardware and AI technology, computational human body models are moving closer to real human anatomy structures for accurate radiation dose calculations.

• 방송공학회논문지
• /
• 제26권4호
• /
• pp.356-367
• /
• 2021

최근 사물인터넷 및 인공지능 기술의 발전에 따라 제조, 스마트시티 등 다양한 분야에서 실시간으로 데이터를 수집하고 분석하여 현실세계 문제에 대한 최적화를 수행하는 연구 및 적용사례가 증가하고 있다. 대표적으로 현실세계를 디지털화한 가상세계와 양방향으로 실시간 동기화를 지원하는 디지털 트윈 기술이 주목받고 있다. 본 논문에서는 디지털 트윈을 정의하고 사물인터넷 국제표준인 oneM2M 기반의 IoT 플랫폼을 활용하여 현실사물과 가상세계의 예측결과를 실시간으로 연결하는 디지털 트윈 플랫폼의 프로토타입을 제안한다. 또한, 제안된 프로토타입을 적용하여 물체의 충돌을 사전에 예측하여 사고를 예방할 수 있는 응용서비스를 구현한다. 응용서비스에서는 사전 정의한 테스트 케이스 수행을 통해 제안한 디지털 트윈 프로토타입이 크레인의 동작을 사전 예측하여 충돌 위험을 감지하고 이를 기반으로 최적 제어를 수행할 수 있으며 실제 환경에 응용 가능함을 보였다.

• 우주기술과 응용
• /
• 제1권1호
• /
• pp.7-22
• /
• 2021

본 논문에서는 국내 최초로 개발 중인 랑데부/도킹 기술검증용 초소형위성의 지상 환경에서의 도킹 단계 시험 결과에 대해 기술하였다. 랑데부/도킹 기술은 우주기술 중 고난이도 기술로서 우주 궤도상에서 상대 물체에 접근한 후 작업을 수행하는 데 매우 핵심적인 기술이기도 하다. 본 논문에서는 에어베어링 장치를 이용하여 체이서가 모의 타겟으로 접근하여 최종적으로 도킹하는 단계의 지상시험 결과에 대해 기술하고자 한다. 본 논문에서 검증된 2차원 평판에서 도킹 단계에서의 추력 제어 알고리즘과 시각 기반 센서를 이용한 상대물체 인식 및 상대거리 추정 알고리즘을 기반으로 추후에는 우주에서의 시험을 위한 3차원 공간에서의 랑데부/도킹 알고리즘으로 확장·개발하는 데 이용하고자 한다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.251-266
• /
• 2022

Structural Health Monitoring (SHM) of critical infrastructure comprises a major pillar of maintenance management, shielding public safety and economic sustainability. Although SHM is usually associated with data-driven metrics and thresholds, expert judgement is essential, especially in cases where erroneous predictions can bear casualties or substantial economic loss. Considering that visual inspections are time consuming and potentially subjective, artificial-intelligence tools may be leveraged in order to minimize the inspection effort and provide objective outcomes. In this context, timely detection of sensor malfunctioning is crucial in preventing inaccurate assessment and false alarms. The present work introduces a sensor-fault detection and interpretation framework, based on the well-established support-vector machine scheme for anomaly detection, combined with a coalitional game-theory approach. The proposed framework is implemented in two datasets, provided along the 1st International Project Competition for Structural Health Monitoring (IPC-SHM 2020), comprising acceleration and cable-load measurements from two real cable-stayed bridges. The results demonstrate good predictive performance and highlight the potential for seamless adaption of the algorithm to intrinsically different data domains. For the first time, the term "decision trajectories", originating from the field of cognitive sciences, is introduced and applied in the context of SHM. This provides an intuitive and comprehensive illustration of the impact of individual features, along with an elaboration on feature dependencies that drive individual model predictions. Overall, the proposed framework provides an easy-to-train, application-agnostic and interpretable anomaly detector, which can be integrated into the preprocessing part of various SHM and condition-monitoring applications, offering a first screening of the sensor health prior to further analysis.

• 한국소프트웨어감정평가학회 논문지
• /
• 제17권2호
• /
• pp.47-57
• /
• 2021

뉴로모픽 기술은 인간의 뇌 구조와 연산과정을 하드웨어로 모방하는 기술로 기존 인공지능 기술의 단점을 보완하기 위하여 제안되었다. 뉴로모픽 하드웨어 기반의 IoT 응용을 개발하기 위해 NA-IDE가 제안되었으며, NA-IDE에서 SNN 모델을 구현하기 위하여 일반적으로 많이 사용되는 입력 데이터를 SNN모델에 사용할 수 있도록 변환이 필요하다. 본 논문에서는 이미지 데이터를 SNN 입력으로 사용하기 위하여 스파이크 시계열 패턴으로 변환하는 신경코딩 방식의 인코더 컴포넌트를 구현하였다. 디코더 컴포넌트는 SNN 모델이 스파이크 시계열 패턴을 생성하는 경우, 출력된 시계열 데이터를 다시 이미지 데이터로 변환하도록 구현하였다. 디코더 컴포넌트는 출력 데이터에 인코딩 과정과 동일한 매개변수를 사용한 경우, 원본 데이터와 유사한 정적 데이터를 얻을 수 있었다. 제안된 인코더와 디코더를 사용한다면 image-to-image나 speech-to-speech와 같이 입력 데이터를 변환하여 재생성하는 분야에 사용할 수 있을 것이다.