• Journal of Computational Design and Engineering
• /
• 제3권2호
• /
• pp.91-101
• /
• 2016

The automated part quality inspection poses many challenges to the engineers, especially when the part features to be inspected become complicated. A large quantity of part inspection at a faster rate should be relied upon computerized, automated inspection methods, which requires advanced quality control approaches. In this context, this work uses innovative methods in remote part tracking and quality control with the aid of the modern equipment and application of support vector machine (SVM) learning approach to predict the outcome of the quality control process. The classifier equations are built on the data obtained from the experiments and analyzed with different kernel functions. From the analysis, detailed outcome is presented for six different cases. The results indicate the robustness of support vector classification for the experimental data with two output classes.

• ETRI Journal
• /
• 제42권2호
• /
• pp.217-229
• /
• 2020

Long-term electroencephalography (EEG) monitoring is time-consuming, and requires experts to interpret EEG signals to detect seizures in patients. In this paper, we propose a novel automated method called adaptive slope of wavelet coefficient counts over various thresholds (ASCOT) to classify patient episodes as seizure waveforms. ASCOT involves extracting the feature matrix by calculating the mean slope of wavelet coefficient counts over various thresholds in each frequency subband. We validated our method using our own database and a public database to avoid overtuning. The experimental results show that the proposed method achieved a reliable and promising accuracy in both our own database (98.93%) and the public database (99.78%). Finally, we evaluated the performance of the method considering various window sizes. In conclusion, the proposed method achieved a reliable seizure detection performance with a short-term window size. Therefore, our method can be utilized to interpret long-term EEG results and detect momentary seizure waveforms in diagnostic systems.

• 한국초지조사료학회지
• /
• 제42권2호
• /
• pp.127-136
• /
• 2022

본 연구는 기계학습을 기반으로 제작한 수량예측모델을 통해 이상기상에 따른 사일리지용 옥수수(WCM)의 피해량 산정 및 전자지도를 작성할 목적으로 수행하였다. WCM 데이터는 수입적응성 시험보고서(n = 1,219), 국립축산과학원 시험연구보고서(n = 1,294), 한국축산학회지(n = 8), 한국초지조사료학회지(n = 707) 및 학위논문(n = 4)에서 총 3,232점을 수집하였으며 기상 데이터는 기상청의 기상자료개방포털에서 수집하였다. 본 연구에서 이상기상에 따른 WCM의 피해량은 WMO 방식을 준용하여 산정하였다. 정상기상에서 DMY 예측값은 13,845~19,347 kg/ha 범위로 나타났으며 피해량은 이상기온, 이상강수량 및 이상풍속에서 각각 -305~310, -54~89 및 -610~813 kg/ha 범위로 나타났다. 최대 피해량은 이상풍속에서 813 kg/ha로 나타났다. WMO 방식을 통해 산정한 WCM의 피해량은 QGIS를 이용하여 전자지도로 제시하였다. 이상기상에 따른 WCM의 피해량 산정시 데이터가 없어 공백인 지역이 존재하여 이를 보완하기 위해 종관기상대보다 많은 지점의 데이터를 제공하고 있는 방재기상대를 이용하면 보다 세밀한 피해량을 산정할 수 있을 것이다.

• 한국방사선학회논문지
• /
• 제18권3호
• /
• pp.267-273
• /
• 2024

본 연구에서는 코딩없이 인공지능 학습 모델을 개발할 수 있는 클라우드 기반의 버텍스 AI 플렛폼을 이용하여 비전문가인 일반인들이 손쉽게 인공지능 학습 모델을 개발하였고 임상적 적용가능성을 확인하였다. 학습용 데이터는 캐글 사이트에 공개된 총9개 치과 질환, 2,999장 치근병 X선 영상을 사용하였고, 무작위로 학습, 검증 및 테스트 데이터 이미지를 분류하였다. 버텍스 AI의 기본 학습모델 워크플로우에서 학습 파이프라인을 사용하여 하이퍼 파라미터 조정작업을 통해 영상분류, 멀티레이블 학습을 수행하였다. Auto ML을 수행한 결과 AUC가 0.967, 정밀도는 95.6%, 재현율은 95.2%로 나타났으며, 학습된 인공지능 모델이 임상적 진단에 충분한 의미가 있음을 확인하였다.

• 정보보호학회논문지
• /
• 제34권1호
• /
• pp.31-40
• /
• 2024

최근 정적분석 기반의 시그니처 및 패턴 탐지 기술은 고도화되는 IT 기술에 따라 한계점이 드러나고 있다. 이는 여러 아키텍처에 대한 호환 문제와 시그니처 및 패턴 탐지의 본질적인 문제이다. 악성코드는 자신의 정체를 숨기기 위하여 난독화, 패킹 기법 등을 사용하고 있으며 또한, 코드 재정렬, 레지스터 변경, 분기문 추가 등 기존 정적분석 기반의 시그니처 및 패턴 탐지 기법을 회피하고 있다. 이에 본 논문에서는 이러한 문제를 해결할 수 있는 머신러닝을 통한 LLVM IR 코드 이미지 기반 악성코드 정적분석 자동화 기술을 제안한다. 바이너리가 난독화되거나 패킹된 사실에 불구하고 정적 분석 및 최적화를 위한 중간언어인 LLVM IR로 디컴파일한다. 이후 LLVM IR 코드를 이미지로 변환하여 CNN을 이용한 알고리즘 중 전이 학습 및 Keras에서 지원하는 ResNet50v2으로 학습하여 악성코드를 탐지하는 모델을 제시한다.

• 농업과학연구
• /
• 제50권3호
• /
• pp.373-382
• /
• 2023

The task of sorting and excluding blemished apples and others that lack commercial appeal is currently performed manually by human eye sorting, which not only causes musculoskeletal disorders in workers but also requires a significant amount of time and labor. In this study, an automated apple-sorting machine was developed to prevent musculoskeletal disorders in apple production workers and to streamline the process of sorting blemished and non-marketable apples from the better quality fruit. The apple-sorting machine is composed of an arm-rest, a main body, and a height-adjustable part, and uses object detection through a machine learning technology called 'You Only Look Once (YOLO)' to sort the apples. The machine was initially trained using apple image data, RoboFlow, and Google Colab, and the resulting images were analyzed using Jetson Nano. An algorithm was developed to link the Jetson Nano outputs and the conveyor belt to classify the analyzed apple images. This apple-sorting machine can immediately sort and exclude apples with surface defects, thereby reducing the time needed to sort the fruit and, accordingly, achieving cuts in labor costs. Furthermore, the apple-sorting machine can produce uniform quality sorting with a high level of accuracy compared with the subjective judgment of manual sorting by eye. This is expected to improve the productivity of apple growing operations and increase profitability.

• 한국산학기술학회논문지
• /
• 제19권1호
• /
• pp.75-84
• /
• 2018

본 철도 유지보수 산업의 효율화를 위해서는 핵심부품의 적시 관리를 통한 부품 가동률 향상 및 철도 운행의 안정성 향상이 필요하다. 또한 유지보수 시스템 고속화에 따른 신뢰성 향상과 핵심부품의 유지보수 비용 절감의 두 가지 측면을 모두 만족시키기 위해, 부품 이력관리와 대규모 빅데이터의 자동화된 분석 기술을 활용한 부품 상태 진단 기술 수요가 증가하고 있다. 이 논문에서는 철도차량의 차상 및 지상 장치로부터 발생되는 실시간 빅데이터 수집, 처리, 분석을 위해서 빅데이터 플랫폼 기반의 철도차량 부품의 상태 데이터 관리시스템을 개발하였으며, 이 시스템의 활용으로 철도차량의 부품 상태정보 및 시스템 리소스에 대한 실시간 모니터링이 가능하다. 또한 빅데이터 플랫폼으로부터 수집된 상태 데이터를 기반으로 분산/병렬처리 및 자동화된 부품 고장진단이 가능한 머신러닝 기법을 제안하였다. 실험결과, 분산/병렬처리 기술이 적용된 알고리즘의 실행시간 단축을 아마존 웹서비스의 가상 인스턴스 생성 시스템을 통해 증명하였으며, random forest 머신러닝 기법을 활용한 고장 진단 모델의 베어링 및 차륜 부품에 대한 상태 예측 정확도가 83%임을 확인하였다.

• 한국수자원학회논문집
• /
• 제54권12호
• /
• pp.1255-1263
• /
• 2021

안개는 대체수자원이 될 수 있으나 교통사고 위험을 높이고 공항 운영에 제약을 가하는 사회적 영향이 큰 기상현상이다. 본 연구에서는 1 km 미만 가시거리(시정)로 정의되는 안개 발생을 기상자료로 예측하는 지역 기계학습모형을 개발하고 그 예측력을 평가하였다. 전라북도 지역의 10개 기상청 지상관측소의 2017-2019년 시정 및 기상관측자료로 앙상블 분류기법인 Extreme Gradient Boosting (XGB), Light Gradient Boosting(LGB), Random Forests (RF)를 학습시켜 지역 안개 모형을 개발하였고 독립적인 2020년 자료로 모형의 사용성을 평가하였다. 그 결과, 학습·검증기간(2017-2019)에는 True Skill Score를 기준으로 가장 높은 예측력을 보인 방법은 LGB 기법이었지만 다른 두 모형에 비해 False Alarm Ratio가 컸다. RF 모형과 XGB 방법 역시 기존 연구에 상응하는 예측성능을 보이는 것으로 확인되었다. 2020년 자료를 입력해 안개 발생을 모의했을 때 세 모형의 예측성능은 2017-2019년 기간보다 떨어졌지만 모두 관측 안개일수의 공간분포와 일관되는 안개 위험을 예측했다. 세 기계학습모형은 안개위험이 상대적으로 높은 지역을 추출하는 기법으로 사용이 가능할 것으로 보인다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권4호
• /
• pp.145-152
• /
• 2020

기계독해는(Machine reading comprehension) 사용자 질의와 관련된 문서를 기계가 이해한 후 정답을 추론하는 인공지능 자연어처리 태스크를 말하며, 이러한 기계독해는 챗봇과 같은 자동상담 서비스에 활용될 수 있다. 최근 자연어처리 분야에서 가장 높은 성능을 보이고 있는 BERT 언어모델은 대용량의 데이터를 pre-training 한 후에 각 자연어처리 태스크에 대해 fine-tuning하여 학습된 모델로 추론함으로써 문제를 해결하는 방식이다. 본 논문에서는 BERT기반 특허상담 기계독해 태스크를 위해 특허상담 데이터 셋을 구축하고 그 구축 방법을 소개하며, patent 코퍼스를 pre-training한 Patent-BERT 모델과 특허상담 모델학습에 적합한 언어처리 알고리즘을 추가함으로써 특허상담 기계독해 태스크의 성능을 향상시킬 수 있는 방안을 제안한다. 본 논문에서 제안한 방법을 사용하여 특허상담 질의에 대한 정답 결정에서 성능이 향상됨을 보였다.

• International Journal of Computer Science & Network Security
• /
• 제24권3호
• /
• pp.125-134
• /
• 2024

The novel coronavirus 2019 is called COVID-19 has outspread swiftly worldwide. An early diagnosis is more important to control its quick spread. Medical imaging mechanics, chest calculated tomography or chest X-ray, are playing a vital character in the identification and testing of COVID-19 in this present epidemic. Chest X-ray is cost effective method for Covid-19 detection however the manual process of x-ray analysis is time consuming given that the number of infected individuals keep growing rapidly. For this reason, it is very important to develop an automated COVID-19 detection process to control this pandemic. In this study, we address the task of automatic detection of Covid-19 by using a popular deep learning model namely the VGG19 model. We used 1300 healthy and 1300 confirmed COVID-19 chest X-ray images in this experiment. We performed three experiments by freezing different blocks and layers of VGG19 and finally, we used a machine learning classifier SVM for detecting COVID-19. In every experiment, we used a five-fold cross-validation method to train and validated the model and finally achieved 98.1% overall classification accuracy. Experimental results show that our proposed method using the deep learning-based VGG19 model can be used as a tool to aid radiologists and play a crucial role in the timely diagnosis of Covid-19.