• 품질경영학회지
• /
• 제51권2호
• /
• pp.283-296
• /
• 2023

Purpose: The purpose of this study is to actually implement and verify whether welding defects can be detected in real time by utilizing deep learning AI solutions in the welding process of electric vehicle hairpin winding motors. Methods: AI's function and technological elements using synthetic neural network were applied to existing electric vehicle hairpin winding motor laser welding process by making special hardware for detecting electric vehicle hairpin motor laser welding defect. Results: As a result of the test applied to the welding process of the electric vehicle hairpin winding motor, it was confirmed that defects in the welding part were detected in real time. The accuracy of detection of welds was achieved at 0.99 based on mAP@95, and the accuracy of detection of defective parts was 1.18 based on FB-Score 1.5, which fell short of the target, so it will be supplemented by introducing additional lighting and camera settings and enhancement techniques in the future. Conclusion: This study is significant in that it improves the welding quality of hairpin winding motors of electric vehicles by applying domestic artificial intelligence solutions to laser welding operations of hairpin winding motors of electric vehicles. Defects of a manufacturing line can be corrected immediately through automatic welding inspection after laser welding of an electric vehicle hairpin winding motor, thus reducing waste throughput caused by welding failure in the final stage, reducing input costs and increasing product production.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.110-113
• /
• 2022

신호를 제어하는 방식은기존의 전통적인 수학적 방식을 이용한 최적화를 넘어 이제 인공지능이 본격적으로 활용되기 시작하는 단계까지 발전하였다. 이에 따라 인공지능을 적용하는 방안에 대해 다양한 연구들이 진행되고 있는데, 현행 연구에서는 주로 좋은 교통 상황에 대한 마땅한 고려 없이 간단히 지체도만을 고려하여 보상함수를 설정하는 방식을 주로 채택하고 있다. 그러나 이 경우 현실성이 떨어지는 신호 제어 방식을 인공지능이 학습할 가능성이 존재한다는 문제점을 지닐 뿐더러, 보상 함수에서 좋다고 평가하는 것이 실질적인 서비스 수준의 정의에 부합하지 않음을 확인할 수 있다. 따라서 본 연구에서는 기존의 보상함수 설정 사례를 분석하고, 개선 방향을 제시하고자 한다.

• 전기전자학회논문지
• /
• 제27권4호
• /
• pp.518-523
• /
• 2023

고정자 권선단락은 미세한 턴이 단락되어 급격히 고장이 심각해짐에 따라 ITSC의 진단이 중요시되고 있다. 그러나, 3상 유도전동기의 노이즈 및 손실등과 유사한 특징을 가짐에 따라 ITSC진단에 많은 어려움이 있다. 이를 효율적으로 진단하기 위해서 인공지능 기법으로 연구되고 있으나, 현장에서는 모델기반 기법이 두루 활용되고 있음에 따라 모델기반 기법에 대한 진단 성능개선 연구가 필요한 실정이다. 이에 본 논문에서는 회전하고 있는 자속에 변화를 무시하며, 전류 성분만을 이용할 수 있도록 Clarke변환 방법을 응용하여 진단방법을 제안하였다. 이에 30분간의 정상 및 ITSC 상태의 측정 결과, 정상상태를 ITSC 상태로 오인식하는 경우 0.2[%], ITSC상태를 정상상태로 오거부하는 경우 0.26[%]로 효율적인 진단 방법임을 실험을 통해 알 수 있었다.

• 인터넷정보학회논문지
• /
• 제24권6호
• /
• pp.99-105
• /
• 2023

4차 산업혁명 시대의 흐름에 발맞춰 형사사법 분야에서는 효율적인 법률서비스 제공을 위해 인공지능을 활용한 리걸테크(Legaltech)에 주목하고 있다. 본 논문은 국내 형사사법 분야의 리걸테크 활용 가능성을 증대시키기 위해 순환신경망(RNN)을 적용할 수 있는 범죄 예측 모델을 제시한다. 이를 위하여 판결문상 기술된 범죄사실에 기반하여 스크립트 분석기법 활용을 통해 범행 과정을 전·중·후 단계로 구분하였다. 또한, 각 시점에 따라 범죄의 수법과 증거 등을 수사 8하원칙이 가지는 문장 구성 요소와 한국어 품사 구성에 기반하여 객체·행위·환경으로 분류하였다. 이 연구에서 도출된 사건 요약 분석 틀은 특정 범죄 수법의 전형적인 패턴을 파악하기에 용이하며 상황적 범죄예방 전략을 수립하는데 기여할 수 있다. 나아가 이 연구의 결과는 향후 후속연구에서의 RNN모델 기반 범죄 상황 예측 데이터 생성 연구에 유용한 참고자료로 활용될 수 있을 것이다.

• 한국인터넷방송통신학회논문지
• /
• 제23권6호
• /
• pp.1-7
• /
• 2023

본 논문은 인공지능 기술을 활용하여 일반 도로와 침수 도로를 분류하는 학습모델을 개발하였다. 다양한 데이터 증강기법을 사용하여 학습 데이터의 다양성을 확장하며, 여러 환경에서도 좋은 성능을 보이는 모델을 구현하였다. CNN 기반의 Resnet152v2 모델을 사전 학습모델로 활용하여, 전이 학습을 진행하였다. 모델의 학습 과정에서 다양한 파라미터 튜닝 및 최적화 과정을 거쳐 최종 모델의 성능을 향상하였다. 학습은 파이선으로 Google Colab NVIDIA Tesla T4 GPU를 사용하여 구현하였고, 테스트 결과 시험 데이터 세트에서 매우 높은 정확도로 침수상황을 탐지함을 알 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.57-66
• /
• 2023

본 연구에서는 딥러닝 기법과 정서적 AI를 적용하여 사용자의 감정 상태를 추정하고 이를 추천 과정에 반영할 수 있는 추천 시스템에 대한 새로운 연구 프레임워크를 제안한다. 이를 위해 분노, 혐오, 공포, 행복, 슬픔, 놀람, 중립의 7가지 감정을 각각 분류하는 감정분류모델을 구축하고, 이 결과를 추천 과정에 반영할 수 있는 모형을 제안한다. 그러나 일반적인 감정 분류 데이터에서는 각 레이블 간 분포 비율의 차이가 크기 때문에 일반화된 분류 결과를 기대하기 어려울 수 있다. 본 연구에서는 감정 이미지 데이터에서 혐오감 등의 감정 개수가 부족한 경우가 많으므로 데이터 증강을 이용한다. 마지막으로, 이미지 증강을 통해 데이터 기반의 감정 예측 모델을 추천시스템에 반영하는 방법을 제안한다.

• 한국ITS학회 논문지
• /
• 제23권1호
• /
• pp.182-196
• /
• 2024

자동차 보급과 교통 시설 발달로 인한 문제에 대응하여, ADAS와 같은 운전 보조 기술이 주목받고 있다. 최근에는 스마트폰 내장 센서를 사용한 운전패턴 분석 방법론이 개발되었다. 이 연구에서는 레이블 없이 대조학습을 통해 운전패턴의 특징을 학습하고 변화점을 감지하는 새로운 방법을 제안한다. 이 방법은 운전패턴 분류에도 확장 가능하여, 매우 적은 레이블링 데이터만으로 높은 분류 성능을 달성할 수 있음은 물론 적용 차량이 달라지는 도메인 변화 문제에 민감하게 반응하지 않아 일반화된 성능을 달성할 수 있다는 장점을 가지고 있다. 또한 본 연구에서는 추후 스마트폰 적용성을 고려하여 6가지 대표적인 경량화 딥러닝 모델에 대해 제안하는 방법을 적용하고 비교분석하여 추후 스마트폰 기반의 시스템 개발에 활용할 수 있도록 하였다.

• 정보보호학회논문지
• /
• 제34권2호
• /
• pp.245-261
• /
• 2024

코로나19 팬데믹으로 인해 비대면 거래가 보편화되면서, 완전 무인 매장의 증가 추세가 두드러지고 있다. 이러한 매장에서는 모든 운영 과정이 자동화되어 있으며, 주로 인공지능 기술이 적용된다. 그러나 이러한 인공지능기술에는 여러 보안 취약점이 존재하고, 이러한 취약점들은 완전 무인 매장 환경에서 치명적으로 작용할 수 있다. 본 논문은 인공지능 기반의 완전 무인 매장이 직면할 수 있는 보안 취약점을 분석하고, 특히 객체 검출 모델인 YOLO에 초점을 맞추어, 적대적 패치를 활용한 Hiding Attack과 Altering Attack이 가능함을 보인다. 이러한 공격으로 인해, 적대적 패치를 부착한 객체는 검출 모델에 의해 인식되지 않거나 다른 객체로 잘못 인식될 수 있다는 것을 확인한다. 또한, 보안 위협을 완화하기 위해 Data Augmentation 기법이 적대적 패치 공격에 어떠한 방어 효과를 주는지 분석한다. 우리는 이러한 결과를 토대로 완전 무인 매장에서 사용되는 인공지능 기술에 내재된 보안 위협에 대응하기 위한 적극적인 방어 연구의 필요성을 강조한다.

• Journal of Positioning, Navigation, and Timing
• /
• 제13권1호
• /
• pp.111-115
• /
• 2024

This study builds a machine learning model optimized for clocks among various techniques in the field of artificial intelligence and applies it to clock stabilization or synchronization technology based on atomic clock noise characteristics. In addition, the possibility of providing stable source clock data is confirmed through the characteristics of machine learning predicted values during holdover of atomic clocks. The proposed machine learning model is evaluated by comparing its performance with the AutoRegressive Integrated Moving Average (ARIMA) model, an existing statistical clock prediction model. From the results of the analysis, the prediction model proposed in this study (MSE: 9.47476) has a lower MSE value than the ARIMA model (MSE: 221.2622), which means that it provides more accurate predictions. The prediction accuracy is based on understanding the complex nature of data that changes over time and how well the model reflects this. The application of a machine learning prediction model can be seen as a way to overcome the limitations of the statistical-based ARIMA model in time series prediction and achieve improved prediction performance.

• 경영정보학연구
• /
• 제25권1호
• /
• pp.47-73
• /
• 2023

본 연구는 인공지능 기법 중 다중레이블 속성선택 방법을 적용하여 복잡한 경영환경에서 의사결정의 효과성을 증대시키는 방안을 설명한다. 인공지능 기반의 의사결정 시스템은 의사결정자의 선택과 판단을 돕거나, 대신하는 중요한 역할을 한다. 더욱이 최근 인공지능을 중심으로 한 비즈니스 의사결정은 기업의 성장 동력으로 평가받는데, 이를 위해서는 효과적인 의사결정 방법이 수반되어야 한다. 이에 본 연구는 의미 있는 속성값을 선별하는 CFS-BR(이진연관성 접근 기반의 상관관계 속성선택 모델)을 제안하여, 효과적인 의사결정을 지원하는 것을 돕는다. 예시데이터와 실증데이터의 분석 결과, CFS-BR은 유의미한 속성을 최상우선선별 알고리즘 기반으로 최상의 조합을 선별하므로 효율적 의사결정을 지원할 수 있고, 기존의 다중 레이블 속성선택 방법과 비교하였을 때 정확도가 높은 것으로 보아 효과적인 의사결정을 증대시키는 데 유용하다.