• 한국산학기술학회논문지
• /
• 제21권8호
• /
• pp.1-8
• /
• 2020

건물 내부 공기 순환을 위한 공조 덕트는 장기간 사용 시 오염물질이 내부에 쌓여 인력 또는 로봇이 투입되어 청소가 주기적으로 수행된다. 청소는 작업시간과 인건비 문제를 해결하기 위해 최근 원격 조정으로 로봇을 작동시키는 방법이 사용되고 있다. 하지만 완전 자동화가 아니라 인력 의존적이며 청소 시간 단축에도 한계가 있다. 본 연구는 공조 덕트 청소 로봇 자율 주행을 위해 교차점 검출 알고리듬 개발에 대한 것이다. 자율 주행은 청소 로봇에 장착된 카메라 영상에서 교차점 검출 알고리듬을 통해 추출된 점과 중심점 사이의 거리 및 각도를 계산하여 로봇을 제어하도록 구성된다. 교차점 검출을 위한 데이터는 3D CAD 프로그램을 이용한 공조 덕트 내부 이미지를 Python을 이용해 교차점 좌표 및 두 경계선 각도를 추출하여 생성했다. 검출 알고리듬은 딥러닝 중 CNN 모델이 학습에 사용됐으며 학습 모델은 입력이미지에서 교차점 정보를 추출하며 학습 모델 정확도는 면적과 거리를 이용해 판단했다. 알고리듬 검증을 위해 청소 로봇을 제작했으며 로봇은 몸체, Raspberry Pi, 카메라 및 초음파 센서를 포함한 제어부, 모터와 바퀴를 포함한 구동부로 구성된다. 알고리듬을 탑재한 로봇 청소기 주행 영상을 통해 알고리듬을 검증했다. 향후 공조 덕트뿐만 아니라 에스컬레이터 등 다양한 환경에서 적용 가능할 것으로 기대된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.276-279
• /
• 2022

4차 산업혁명은 지식의 생산속도가 빠르고 지식산업의 비중이 매우 증가하는 지식사회로의 전환을 의미하며 이와 관련하여 디지털 혁명이 지속되고 있다. 신기술에 의한 산업구조의 재편과 직업·직무의 변화는 교육의 변화를 가져오고 있고 디지털 기술의 발전으로 인해 경계가 없고 개별적이며 역동적인 교육이 새로운 교육의 표준이 되어 가고 있다. 이런 배경에서 정규 과정 학위보다는 신기술에 관한 나노 학위(Nano Degree)나 핵심강좌에 집중된 마이크로 디그리(microdegree)에 대한 관심도 많이 증가하고 있다. 대표적으로 미국의 유다시티(Udacity)는 직업과 연계된 온라인 나노디그리 과정을 개설해 운영하고 있고, 주요 기업들과 협업하여 기업에 필요한 핵심 교육과정을 개발 및 교육함으로 기업의 인재 확보를 효율적으로 지원하고 있다. 이렇게 온라인 직업 및 직무 교육이 활성화되면서 이제 개인 스스로가 직업능력개발에 대한 목표를 세우고 포트폴리오 방식의 지속가능한 학습을 이어갈 수 있는 환경이 갖추어 졌다. 그러나 효과적인 직업 교육을 위해서는 자동화된 개인 맞춤형 교육컨텐츠 설계가 선행되어야 한다. 이를 위해 본 논문에서는 온라인 학습시대에 직업준비를 위한 개인 맞춤형 career and course map 추천 시스템을 제안하고자 한다.

• 한국항해항만학회지
• /
• 제30권10호
• /
• pp.833-837
• /
• 2006

해난사고를 억제하고 선박을 안전하게 운항하기 위해서는 선박을 조종하는 항해사와 항해사의 항해 수행을 보조하는 시스템의 효과적인 상호작용이 필수적이다. 본 연구에서는 항해사의 항해 수행을 지원하고 안전한 선박 운행을 확보하기 위해 개발된 SCMS(Ship Control and Management System)의 기능을 항해사의 수행과 관련지어 (1) 경계(watchkeeping), (2) 위치확인(positioning) 및 조종(maneuvering)의 측면에서 개관하고, 선박 조종 및 안전성 확보를 위해 항해사가 이 시스템과 어떠한 방식으로 상호작용하는지 기술하였다. 또한 실제 선박에 탑재된 것과 동일한 SCMS 시뮬레이터를 이용하여 항해사를 훈련할 경우 선박조종을 위한 교육시간이 훨씬 단축될 수 있다는 것과, 실제 항해 실습 과정에서 경험하는 선박조종에서의 안전 정도(특히 조종 부문에서)도 급격히 상승함을 경험적 자료를 통해 확인하였다.

• 한국생활과학회지
• /
• 제7권1호
• /
• pp.217-233
• /
• 1998

Foodservice management practices in 52 educare centers in Jeonbuk province were evaluated in order to provide basic informations and guidelines for the standardization of foodservice management and facilities in the educare centers. The survey was conducted using the structured questionnaire. The results are summarized as follows: 1. Only 10% of the centers investigated had the stationed dietitian, therefore most of foodservice management was not conducted by a professional personnel. The average number of kitchen employees was 1.3 and significantly different with type(p<0.05) and size(p<0.001) of the centers, which was not enough to meet the regulation. 2. Menu planning was performed mostly(59.6%) by managers and teachers of educare centers. Food items were purchased(94.7%) and recieved(91.6%) by kitchen employees or center managers and teachers. Produced foods were also evaluated(97.7%) and distributed(100%) by kitchen employees or center managers and teachers depending on their experience without any supervision of the professional personnel for the mass production. 3. Among the centers studied, 84.6% of them conducted nutrition education programs regularly by teachers. About 77.3% of them evaluated that these programs did not accomplish the proper training for good food habit because of the lack of nutritional knowledge(54.5%) and educational media(27.3%). 4. In general, the hygienic maintenance was evaluated as fair state to need the improvement. 5. Kitchen facilities and equipments were similar to those of home cooking and did not meet the standards for institutional practices. Besides, automated machinery and tools for safety, sanitation and improvement of work efficiency were far short. 6. Log book for the foodservice management was not prepared properly, which made the systematic planning and operation of the foodservice facilities difficult.

• 한국구조물진단유지관리공학회 논문집
• /
• 제23권6호
• /
• pp.38-44
• /
• 2019

본 연구에서는 아스팔트 콘크리트 도로포장의 표면균열 검출을 위해 합성곱 신경망을 이용하였다. 합성곱 신경망의 학습에 사용되는 표면균열 이미지 데이터의 양에 따른 합성곱 신경망의 성능향상 정도를 평가하였다. 사용된 합성곱 신경망의 구조는 5개의 층으로 구성되어있으며, 3×3 크기의 convolution filter와 2×2 크기의 pooling kernel을 사용하였다. 합성곱 신경망의 학습을 위해서 도로노면 조사 장비를 통해 구축된 국내 도로포장 표면균열 이미지를 활용하였다. 표면균열 이미지 데이터를 학습한 합성곱 신경망 모델의 표면균열 검출 정확도, 정밀도, 재현율, 미검출율, 과검출율을 평가하였다. 가장 많은 양의 데이터를 학습한 합성곱 신경망 모델의 표면균열 검출 정확도, 정밀도, 재현율은 96.6% 이상, 미검출율, 과검출율은 3.4% 이하의 성능을 나타내었다.

• 한국멀티미디어학회논문지
• /
• 제23권8호
• /
• pp.953-964
• /
• 2020

Ever since media contents took over the world, the importance of typography has increased, and the influence of fonts has be n recognized. Nevertheless, the current Hangul font system is very poor and is provided passively, so it is practically impossible to understand and utilize all the shape characteristics of more than six thousand Hangul fonts. In this paper, the characteristics of Hangul font shapes were selected based on the Hangul structure of similar fonts. The stroke element detection training was performed by fine tuning Faster R-CNN Inception v2, one of the deep learning object detection models. We also propose a system that automatically extracts the stroke element characteristics from characters by introducing an automatic extraction algorithm. In comparison to the previous research which showed poor accuracy while using SVM(Support Vector Machine) and Sliding Window Algorithm, the proposed system in this paper has shown the result of 10 % accuracy to properly detect and extract stroke elements from various fonts. In conclusion, if the stroke element characteristics based on the Hangul structural information extracted through the system are used for similar classification, problems such as copyright will be solved in an era when typography's competitiveness becomes stronger, and an automated process will be provided to users for more convenience.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권3호
• /
• pp.129-134
• /
• 2015

역 사회공학 기반 스팸공격은 공격자가 직접적인 공격을 수행하는 것이 아니라 피해자가 문제 있는 사이트 주소, 문자, 이메일 수신 및 친구 수락 등을 통해 유도하기 때문에 온라인 소셜 네트워크에서 활성화되기 쉽다. 스팸 탐지 관련 기존 연구들은 소셜 네트워크 특성을 반영하지 않은 채, 관리자의 수동적인 판단 및 라벨링을 바탕으로 스팸을 정상 데이터와 구분하는 단계에 머물러있다. 본 논문에서는 소셜 네트워크 데이터 중 하나인 Twitter spam데이터 셋을 실제로 분석하고 소셜 네트워크에서 다양한 속성들을 반영하여 정상 (ham)과 비정상 (spam)을 구분할 수 있는 탐지 메트릭을 제안한다. 또한, 관리자의 관여 없이도 실시간 및 점진적으로 스팸의 특성을 학습하여 새로운 스팸에 대해서도 탐지할 수 있는 비지도 학습 기법(unsupervised scheme)을 제안한다. 실험 결과, 제안하는 기법은 90% 이상의 정확도로 정상과 스팸을 구별했고 실시간 및 점진적 학습 결과도 정확함을 보였다.

• 한국콘텐츠학회논문지
• /
• 제9권11호
• /
• pp.80-89
• /
• 2009

유비쿼터스 컴퓨팅이 발전하면서, 스마트 홈 환경에서 개인화 서비스의 중요성이 부각되고 있다. 본 논문에서는 음성인식을 이용한 상황정보 기반의 스마트 홈 개인화 서비스를 제안한다. 제안된 서비스에서는 OSGi 프레임워크 기반의 서비스 이동 관리자, 서비스 관리자, 음성인식 관리자, 위치 관리자로 구성된다. 스마트 홈 공간을 정의하고 정의된 공간에서 가장 많이 사용하는 유닛의 명령어 및 센서 정보, 사용자 정보를 상황정보로 구성하였다. 특히, 본 서비스는 음성인식의 훈련모델과 패턴매칭 분석을 통하여 RFID로 구별하기 어려운 동일한 공간의 사용자들을 구별하고 상황 및 개인 정보를 사용하여 스마트 홈 어플리케이션의 개인화 서비스를 지원한다. 실험 결과, 동일 공간에서 사용자 확인을 통한 OSGi 기반의 자동화되고 개인화 된 서비스가 가능함을 확인하였다.

• 한국CDE학회논문집
• /
• 제19권2호
• /
• pp.138-147
• /
• 2014

In manufacturing companies, different types of production have been developed based on diverse production strategies and differentiated technologies. The production systems have become smart, factories are filled with unmanned manufacturing lines, and sustainable manufacturing technologies are under development. Nowadays, the digital manufacturing technology is being adopted and used in manufacturing industries. When this technology is applied, a lot of efforts, time and cost are required and training professionals in-house is limited. In this paper, we introduce e-FEED system (electronic based Front End Engineering and Design) that is the integrated design and analysis system for optimized manufacturing line development on virtual environment. This system provides the functions that can be designed easily using library and template based on standardized modules and analyzed automatically the logistic and capacity simulation by one-click and verified the result using visual reports. Also, we can review the factory layout using automatically created 3D virtual factory and increase the knowledge reuse by e-FEED system.

• 한국기계가공학회지
• /
• 제19권7호
• /
• pp.7-15
• /
• 2020

Recently, the fourth industrial revolution has been presented as a new paradigm and additive manufacturing (AM) has become one of the most important topics. For this reason, process monitoring for each cross-sectional layer of additive metal manufacturing is important. Particularly, deep learning can train a machine to analyze, optimize, and repair defects. In this paper, image classification is proposed by learning images of defects in the metal cross sections using the convolution neural network (CNN) image labeling algorithm. Defects were classified into three categories: crack, porosity, and hole. To overcome a lack-of-data problem, the amount of learning data was augmented using a data augmentation algorithm. This augmentation algorithm can transform an image to 180 images, increasing the learning accuracy. The number of training and validation images was 25,920 (80 %) and 6,480 (20 %), respectively. An optimized case with a combination of fully connected layers, an optimizer, and a loss function, showed that the model accuracy was 99.7 % and had a success rate of 97.8 % for 180 test images. In conclusion, image labeling was successfully performed and it is expected to be applied to automated AM process inspection and repair systems in the future.