• 한국정보통신학회논문지
• /
• 제26권3호
• /
• pp.422-429
• /
• 2022

본 논문에서는 현재 기술 개발 과제로 진행 중인 다중 공중 이동 및 검증을 위한 다채널 공중 중계 장치와 다수의 임무 장치로 구성된 네트워크 시스템 기반 기저대역부와 RF부간의 중간주파수 전송 신호 레벨을 기준 신호 레벨로 일정하게 유지하도록 하고, 상대방의 수신 입력 범위를 고려하여 단거리 장거리 무선 통신 환경 변화에도 RF부 내의 송수신 회로 상의 신호 탐지와 자동이득제어, 자동출력제어 기능을 통해 신호가 안정되고 신뢰성 있게 전송되도록 하는 다중 링크 보호, MLP-A 알고리즘을 제시한다. 그리고, MLP-A 알고리즘이 적용된 RF부를 설계, 제작, 구현하고 다중 공중 이동 및 검증 네트워크 구성으로 거리 산출 수식을 적용하여 단거리, 장거리 무선 환경을 고려한 실험 및 분석을 수행하였다. 이를 통해 안정적이고 신뢰성 있는 RF 통신 시스템 운용이 가능함을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제21권12호
• /
• pp.322-330
• /
• 2021

수산 양식장에서 어류 질병을 초기에 발견하지 못하는 경우 밀폐된 공간 안에서 확산하기 때문에 집단 폐사로 이어질 확률이 매우 높다. 이런 이유로 질병의 조기 발견은 양식업에서 매우 중요하다. 양식장에서 질병의 확산을 막기 위해서는 초기에 병이 든 어류를 자동식별이 가능한 방법이 필요하다. 최근 딥러닝 기반의 어류 질병 자동식별 방법이 많이 사용되고 있는데, 어류의 질병 이미지가 충분하지 않아 객체 식별에 많은 어려움이 있다. 본 논문은 질병 자동식별 예측을 위한 질병 이미지의 부족 문제를 해결하기 위해서 SinGAN 딥러닝 모델을 이용하여 정상 이미지와 질병 이미지를 합성해 다양한 어류 질병 이미지를 자동 생성하는 방법을 제안한다. 넙치에서 가장 빈번히 발생하는 3가지 질병 스쿠티카병, 비브리오증, 림포시스티스에 대해서 SinGAN 기반으로 질병 이미지를 증강한다. 본 연구에서는 넙치 정상 이미지 11장에 각 질병 패턴 10가지를 합성하여서 스쿠티카병 110장, 비브리오증 110장, 림포시스티스 110장으로 총 330장을 만들었고 이를 통해 생성된 이미지는 4배수 하여 1,320장의 이미지를 생성할 수 있었다.

• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.341-348
• /
• 2022

Wi-Fi가 거의 모든 곳에서 사용이 가능한 환경이 도래하면서 Wi-Fi 기반의 센싱 시스템의 활용가능성에 대한 학계의 주목과 함께 활발한 연구가 진행되고 있다. 최근에는 채널 상태 정보(CSI)를 활용한 딥러닝 기술의 비약적 발달로 높은 감지 성능을 달성하고 있다. 하지만, 새로운 대상 도메인에 적용하기 위해서는 명시적인 데이터 수집 및 모델 재학습 과정의 값비싼 적응 노력 없이는 여전히 실질적으로는 사용하기가 어렵다. 본 연구에서는 딥러닝 기반의 Wi-Fi 센싱 시스템을 위한 훈련데이터 수집 및 레이블링을 자동으로 진행하는 CSI 자동 레이블링 시스템(CALS)를 제안한다. 제안 시스템은 CSI 데이터 수집 과정에서 컴퓨터 비전 기술을 함께 활용하여, 지도학습용으로 수집된 CSI 데이터에 대한 레이블링을 자동으로 수행토록 하였다. CALS의 효율성을 보이기 위해 라즈베리파이를 이용하여 프로토타입 시스템을 구현하고, 실내 환경에서의 사람 존재 감지를 수행하는 3가지 모델에 대해 학습과 평가를 진행하였다. 자동 수집된 데이터를 진행하여 학습을 활용하는 방식으로 실시간 데이터에 대해 평가를 진행했을 때 90% 이상의 높은 정확도를 달성하였다.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.405-411
• /
• 2022

2008년에 시작된 한국의 노인 장기요양보험은 그보다 8년 먼저 시작된 일본의 개호보험을 원용한 것이다. 양국은 노인의 생활을 지원하기 위하여 지적 정신적으로 약화된 노인의 삶을 지원하기 위한 복지용구 급여제도를 가지고 있다. 본 연구에서는 한국의 복지용품 품목과 일본의 복지용품 품목을 비교·검토하여 한국과 일본의 품목별 특성을 알아보았다. 한국은 배회감지기, 자세변환용구, 요실금팬티 등이 일본보다 앞서서 복지용구로 등록되었으며 일본은 자동소변처리기, 휠체어 전동보조장치, 체위변환기, 이동용 리프트 등이 한국보다 먼저 복지용구로 지정되었다. 또한 일본 후생노동성은 배설예측지원기기의 복지용구 지정을 예고한 상태이다. 한국과 일본이 복지용구 품목들을 발전 시키기 위하여 협력한다면 초고령사회에 양국의 노인의 삶의 질을 향상시키는데 많은 도움이 될 것이다.

• Journal of Animal Science and Technology
• /
• 제64권3호
• /
• pp.531-538
• /
• 2022

In Italy, buffalo mozzarella is a largely sold and consumed dairy product. The fraudulent adulteration of buffalo milk with cheaper and more available milk of other species is very frequent. In the present study, Fourier transform infrared spectroscopy (FTIR), in combination with multivariate analysis by partial least square (PLS) regression, was applied to quantitatively detect the adulteration of buffalo milk with cow milk by using a fully automatic equipment dedicated to the routine analysis of the milk composition. To enhance the heterogeneity, cow and buffalo bulk milk was collected for a period of over three years from different dairy farms. A total of 119 samples were used for the analysis to generate 17 different concentrations of buffalo-cow milk mixtures. This procedure was used to enhance variability and to properly randomize the trials. The obtained calibration model showed an R² ≥ 0.99 (R² cal. = 0.99861; root mean square error of cross-validation [RMSEC] = 2.04; R² val. = 0.99803; root mean square error of prediction [RMSEP] = 2.84; root mean square error of cross-validation [RMSECV] = 2.44) suggesting that this method could be successfully applied in the routine analysis of buffalo milk composition, providing rapid screening for possible adulteration with cow's milk at no additional cost.

• Imaging Science in Dentistry
• /
• 제52권4호
• /
• pp.383-391
• /
• 2022

Purpose: Periodontitis, the most prevalent chronic inflammatory condition affecting teeth-supporting tissues, is diagnosed and classified through clinical and radiographic examinations. The staging of periodontitis using panoramic radiographs provides information for designing computer-assisted diagnostic systems. Performing image segmentation in periodontitis is required for image processing in diagnostic applications. This study evaluated image segmentation for periodontitis staging based on deep learning approaches. Materials and Methods: Multi-Label U-Net and Mask R-CNN models were compared for image segmentation to detect periodontitis using 100 digital panoramic radiographs. Normal conditions and 4 stages of periodontitis were annotated on these panoramic radiographs. A total of 1100 original and augmented images were then randomly divided into a training (75%) dataset to produce segmentation models and a testing (25%) dataset to determine the evaluation metrics of the segmentation models. Results: The performance of the segmentation models against the radiographic diagnosis of periodontitis conducted by a dentist was described by evaluation metrics(i.e., dice coefficient and intersection-over-union [IoU] score). MultiLabel U-Net achieved a dice coefficient of 0.96 and an IoU score of 0.97. Meanwhile, Mask R-CNN attained a dice coefficient of 0.87 and an IoU score of 0.74. U-Net showed the characteristic of semantic segmentation, and Mask R-CNN performed instance segmentation with accuracy, precision, recall, and F1-score values of 95%, 85.6%, 88.2%, and 86.6%, respectively. Conclusion: Multi-Label U-Net produced superior image segmentation to that of Mask R-CNN. The authors recommend integrating it with other techniques to develop hybrid models for automatic periodontitis detection.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.225-228
• /
• 2022

한국건축정책학회의 건축 설계 대가 산정 방법은 설계 기간 중 투입된 시간을 고려한다. 그래서 설계 시간을 단축하면 설계 비용을 절감할 수 있다. 실제 건축학과 전공 학생들을 대상으로 설문 조사한 결과, 반복되는 도면 작성으로 인한 피로감과 도면 작성 시 고려할 사항이 많다는 점에서 어려움을 느끼고 있었다. 본 논문에서는 건축 설계 과정 중 도면화 단계에서 스케치를 규격화된 평면도로 자동 변환할 수 있는 프로그램과 사용자의 편리를 위한 웹앱을 구현한다. 제안하는 방법에서는 사용자가 스케치 이미지를 웹앱을 통해 등록하게 되면 프로그램은 도형 검출을 통해 도면 내 공간을 분리한다. 스케치에 표기된 치수와 공간 정보를 기반으로 외벽과 내벽을 표시하고 공간에 적절한 인테리어를 배치한다. 제안하는 방법을 통해 건축 설계 단계 중 도면화 과정의 시간을 줄여 설계 비용 절감을 기대할 수 있으며, 실제 건축 전공자 학생들 중 95.2%는 본 프로그램을 사용하고 싶다는 의향을 밝혔다.

• International Journal of Computer Science & Network Security
• /
• 제23권5호
• /
• pp.135-147
• /
• 2023

Internet of things has revolutionaries every field of life due to the use of artificial intelligence within Machine Learning. It is successfully being used for the study of Radiation monitoring, prediction of Ultraviolet and Electromagnetic rays. However, there is no particular system available that can monitor and detect waves. Therefore, the present study designed in which IOT enables intelligence system based on machine learning was developed for the prediction of the radiation and their effects of human beings. Moreover, a sensor based system was installed in order to detect harmful radiation present in the environment and this system has the ability to alert the humans within the range of danger zone with a buzz, so that humans can move to a safer place. Along with this automatic sensor system; a self-created dataset was also created in which sensor values were recorded. Furthermore, in order to study the outcomes of the effect of these rays researchers used Support Vector Machine, Gaussian Naïve Bayes, Decision Trees, Extra Trees, Bagging Classifier, Random Forests, Logistic Regression and Adaptive Boosting Classifier were used. To sum up the whole discussion it is stated the results give high accuracy and prove that the proposed system is reliable and accurate for the detection and monitoring of waves. Furthermore, for the prediction of outcome, Adaptive Boosting Classifier has shown the best accuracy of 81.77% as compared with other classifiers.

• 드라이브 ㆍ 컨트롤
• /
• 제20권2호
• /
• pp.15-23
• /
• 2023

In this study, two-dimensional location of crops for auto weeding was detected using deep learning. To construct a dataset for soybean detection, an image-capturing system was developed using a mono camera and single-board computer and the system was mounted on a weeding robot to collect soybean images. A dataset was constructed by extracting RoI (region of interest) from the raw image and each sample was labeled with soybean and the background for classification learning. The deep learning model consisted of four convolutional layers and was trained with a weakly supervised learning method that can provide object localization only using image-level labeling. Localization of the soybean area can be visualized via CAM and the two-dimensional position of the soybean was estimated by clustering the pixels associated with the soybean area and transforming the pixel coordinates to world coordinates. The actual position, which is determined manually as pixel coordinates in the image was evaluated and performances were 6.6(X-axis), 5.1(Y-axis) and 1.2(X-axis), 2.2(Y-axis) for MSE and RMSE about world coordinates, respectively. From the results, we confirmed that the center position of the soybean area derived through deep learning was sufficient for use in automatic weeding systems.

• 국제학술발표논문집
• /
• The 8th International Conference on Construction Engineering and Project Management
• /
• pp.87-95
• /
• 2020

Generally, occupational safety and particularly construction safety is an intricate phenomenon. Industry professionals have devoted vital attention to enforcing Occupational Safety and Health (OHS) from the last three decades to enhance safety management in construction. Despite the efforts of the safety professionals and government agencies, current safety management still relies on manual inspections which are infrequent, time-consuming and prone to error. Extensive research has been carried out to deal with high fatality rates confronting by the construction industry. Sensor systems, visualization-based technologies, and tracking techniques have been deployed by researchers in the last decade. Recently in the construction industry, computer vision has attracted significant attention worldwide. However, the literature revealed the narrow scope of the computer vision technology for safety management, hence, broad scope research for safety monitoring is desired to attain a complete automatic job site monitoring. With this regard, the development of a broader scope computer vision-based risk recognition system for correlation detection between the construction entities is inevitable. For this purpose, a detailed analysis has been conducted and related rules which depict the correlations (positive and negative) between the construction entities were extracted. Deep learning supported Mask R-CNN algorithm is applied to train the model. As proof of concept, a prototype is developed based on real scenarios. The proposed approach is expected to enhance the effectiveness of safety inspection and reduce the encountered burden on safety managers. It is anticipated that this approach may enable a reduction in injuries and fatalities by implementing the exact relevant safety rules and will contribute to enhance the overall safety management and monitoring performance.