• Current Optics and Photonics
• /
• 제8권2호
• /
• pp.127-137
• /
• 2024

The distribution of tags is an important factor that affects the performance of radio-frequency identification (RFID). To study RFID performance, it is necessary to obtain RFID tags' coordinates. However, the positioning method of RFID technology has large errors, and is easily affected by the environment. Therefore, a new method using optical measurement is proposed to achieve RFID performance analysis. First, due to the possibility of blurring during image acquisition, the paper derives a new image prior to removing blurring. A nonlocal means-based method for image deconvolution is proposed. Experimental results show that the PSNR and SSIM indicators of our algorithm are better than those of a learning deep convolutional neural network and fast total variation. Second, an RFID dynamic testing system based on photoelectric sensing technology is designed. The reading distance of RFID and the three-dimensional coordinates of the tags are obtained. Finally, deep learning is used to model the RFID reading distance and tag distribution. The error is 3.02%, which is better than other algorithms such as a particle-swarm optimization back-propagation neural network, an extreme learning machine, and a deep neural network. The paper proposes the use of optical methods to measure and collect RFID data, and to analyze and predict RFID performance. This provides a new method for testing RFID performance.

• Journal of Biosystems Engineering
• /
• 제37권4호
• /
• pp.271-278
• /
• 2012

Worldwide trends in animal welfare have resulted in an increased interest in individual management of sows housed in groups within hog barns. Estrus detection has been shown to be one of the greatest determinants of sow productivity. Purpose: We conducted this study to develop a method that can automatically detect the estrus state of a sow by selecting optimal texture parameters from images of a sow's pudendum and by optimizing the number of neurons in the hidden layer of an artificial neural network. Methods: Texture parameters were analyzed according to changes in a sow's pudendum in estrus such as mucus secretion and expansion. Of the texture parameters, eight gray level co-occurrence matrix (GLCM) parameters were used for image analysis. The image states were classified into ten grades for each GLCM parameter, and an artificial neural network was formed using the values for each grade as inputs to discriminate the estrus state of sows. The number of hidden layer neurons in the artificial neural network is an important parameter in neural network design. Therefore, we determined the optimal number of hidden layer units using a trial and error method while increasing the number of neurons. Results: Fifteen hidden layers were determined to be optimal for use in the artificial neural network designed in this study. Thirty images of 10 sows were used for learning, and then 30 different images of 10 sows were used for verification. Conclusions: For learning, the back propagation neural network (BPN) algorithm was used to successful estimate six texture parameters (homogeneity, angular second moment, energy, maximum probability, entropy, and GLCM correlation). Based on the verification results, homogeneity was determined to be the most important texture parameter, and resulted in an estrus detection rate of 70%.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2010년도 추계 학술발표회 2차
• /
• pp.21-31
• /
• 2010

Although it is important to reflect the accurate information of the ground condition in the tunnel design, the analysis and design are conducted by limited information because it is very difficult to get it practically on considering various geography and geotechnical condition. So construction management of information concept is required to manage immediately on the field condition because it is very time-consuming to establish the countermeasure of underground reinforcement and the pattern change of Bo. Therefore, when construction is on tunnel area, examination of accurate safety and prediction of behavior is performed to overcomes the limit of predicting behavior by using Artificial Neural Network(ANN) in this study. Firstly, the field data was secured. Secondly, suitable structure was made on multi-layer perceptrons among the ANN. Thirdly, learning algorithm-propagated applies to ANN. The data for the learn of field application using ANN was used by considering impact factors, which influenced the behavior of tunnel, and performing credibility analysis. crown displacement, spring displacement, subsurfacement, and rock bolt axial force are predicted at the tunnel construction and on-site application was confirmed by using ANN from analyzing and comparing with measurement value of on-site. In this study, the data from Seoul Highway $\bigcirc\bigcirc$ tunnel section was applied to the ANN Theory, and the analysis on the investigate value and the reasoning for the value associated with field application was performed.

• Korean Journal of Radiology
• /
• 제20권4호
• /
• pp.558-568
• /
• 2019

Objective: To evaluate whether computed tomography (CT) reconstruction algorithms affect the CT texture features of the liver parenchyma. Materials and Methods: This retrospective study comprised 58 patients (normal liver, n = 34; chronic liver disease [CLD], n = 24) who underwent liver CT scans using a single CT scanner. All CT images were reconstructed using filtered back projection (FBP), hybrid iterative reconstruction (IR) (iDOSE⁴), and model-based IR (IMR). On arterial phase (AP) and portal venous phase (PVP) CT imaging, quantitative texture analysis of the liver parenchyma using a single-slice region of interest was performed at the level of the hepatic hilum using a filtration-histogram statistic-based method with different filter values. Texture features were compared among the three reconstruction methods and between normal livers and those from CLD patients. Additionally, we evaluated the inter- and intra-observer reliability of the CT texture analysis by calculating intraclass correlation coefficients (ICCs). Results: IR techniques affect various CT texture features of the liver parenchyma. In particular, model-based IR frequently showed significant differences compared to FBP or hybrid IR on both AP and PVP CT imaging. Significant variation in entropy was observed between the three reconstruction algorithms on PVP imaging (p < 0.05). Comparison between normal livers and those from CLD patients revealed that AP images depend more strongly on the reconstruction method used than PVP images. For both inter- and intra-observer reliability, ICCs were acceptable (> 0.75) for CT imaging without filtration. Conclusion: CT texture features of the liver parenchyma evaluated using the filtration-histogram method were significantly affected by the CT reconstruction algorithm used.

• Composites Research
• /
• 제13권2호
• /
• pp.61-71
• /
• 2000

오늘날 항공기의 경량화를 위해 복합재료를 사용하는 것은 필수적인 설계 및 제작 요건이 되고 있다. 복합재료로 제작된 날개는 적층각에 따라 구조적 특성이 심하게 변화될 수 있기 때문에 설계시 최적의 적층각을 결정하는 것이 매우 중요한 문제이다. 따라서, 본 연구에서는 복합재료 날개의 적층각에 대한 정적 공탄성 최적화 연구를 수행하였다. 이를 위해 공력하중에 대한 복합재료 날개의 구조 평형상태를 구할 수 있는 정적 공탄성(하중재분포) 해석시스템을 개발하였으며, 유전자 알고리즘을 활용한 최적화 프로그램이 통합 개발되었다. 후퇴각이 있는 복합재료날개에 대하여 적층각 변화가 정적 공탄성 변형에 미치는 영향을 고찰하였으며, 구조 변형이 최소가 되는 경우의 최적 적층각 조건을 구하였다. 이를 토대로 실제 제작에 실용적인 적층각 조합에 대하여 정적 공탄성 특성을 최대화 할 수 있는 최적 적층각 조건이 제시되었다.

• 전기전자학회논문지
• /
• 제6권2호
• /
• pp.152-160
• /
• 2002

본 논문에서는 멀티미디어 환경을 위한 얼굴 인식 시스템을 구현하였다. 본 얼굴 인식 시스템에서는 얼굴 영역을 선정하고 출력하는 처리시간의 단축과 인식률 향상을 위한 설계에 중점을 두었다. 전형적인 RGB 색상체계를 변형 없이 사용함으로써 색상체계 변환에 필요한 시간을 감소시켰으며, 얼굴 특성을 이용한 알고리즘과 신경망 기법을 활용하여 인식률을 향상시켰다. 본 시스템은 입력된 영상을 모자이크화 시킨 후 모자이크 블록의 색상 분석을 통하여 얼굴 색상 후보 블록을 선정하고, 얼굴이 가지는 특성을 활용하여 잘못 검색된 얼굴 색상 후보 블록을 제거한다 잘못 검색된 얼굴 색상 후보 블록이 제거된 모자이크 블록 영역에서 신경망의 입력으로 사용될 4가지 특성 값을 산출하여 오류 역전파 학습과정을 거친 신경망에서 처리한 후 그 출력 값을 가지고 얼굴 영역의 진위 여부를 판단하게 된다. 본 논문에서 구현된 시스템은 복수의 인원이 포함된 10장의 입력영상을 사용하여 실험한 결과 0.1초미만의 처리시간 내에 90%의 얼굴 인식률을 보여주었다. 이 결과는 멀티미디어 동영상의 응용을 위한 얼굴인식 시스템으로 충분히 이용될 수 있을 것이다.

• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.425-430
• /
• 2015

본 논문은 딥러닝 알고리즘을 적용한 깊은신경망을 이용하여 회전 객체의 분류 효율성을 높이기 위한 연구이다. 회전객체의 분류 실험을 위하여 데이터는 COIL-20을 사용하며 객체의 2/3영역을 학습시키고 1/3영역을 유추하여 분류한다. 연구에 이용된 3가지 분류기는 주성분 분석법을 이용해 데이터의 차원을 축소하면서 특징값을 추출하고 유클리디안 거리를 이용하여 분류하는 PCA분류기와 오류역전파 알고리즘을 이용하여 오류 에너지를 줄여가는 방식의 MLP분류기, 마지막으로 pre-training을 통하여 학습데이터의 관찰될 확률을 높여주고 fine-tuning으로 오류에너지를 줄여가는 방식의 딥러닝을 적용한 DBN분류기이다. 깊은신경망의 구조별 오류율을 확인하기 위하여 은닉층의 개수와 은닉뉴런의 개수를 변경해가며 실험하고 실제로 가장 낮은 오류율을 나타내는 구조를 기술한다. 가장 낮은 오류율을 보였던 분류기는 DBN을 이용한 분류기이다. 은닉층을 2개 갖는 깊은신경망의 구조로 매개 변수들을 인식에 도움이 되는 곳으로 이동 시켜 높은 인식률을 보여줬다.

• 대한의용생체공학회:의공학회지
• /
• 제40권6호
• /
• pp.242-249
• /
• 2019

Forearm electromyography (EMG) generated by wrist movements has been widely used to develop an electrical prosthetic hand, but EMG generated by finger movements has been rarely used even though 20% of amputees lose fingers. The goal of this study is to improve the classification performance of different finger movements using a deep learning algorithm, and thereby contributing to the development of a high-performance finger-based prosthetic hand. Ten participants took part in this study, and they performed seven different finger movements forty times each (thumb, index, middle, ring, little, fist and rest) during which EMG was measured from the back of the right hand using four bipolar electrodes. We extracted mean absolute value (MAV), root mean square (RMS), and mean (MEAN) from the measured EMGs for each trial as features, and a 5x5-fold cross-validation was performed to estimate the classification performance of seven different finger movements. A long short-term memory (LSTM) model was used as a classifier, and linear discriminant analysis (LDA) that is a widely used classifier in previous studies was also used for comparison. The best performance of the LSTM model (sensitivity: 91.46 ± 6.72%; specificity: 91.27 ± 4.18%; accuracy: 91.26 ± 4.09%) significantly outperformed that of LDA (sensitivity: 84.55 ± 9.61%; specificity: 84.02 ± 6.00%; accuracy: 84.00 ± 5.87%). Our result demonstrates the feasibility of a deep learning algorithm (LSTM) to improve the performance of classifying different finger movements using EMG.

• 한국터널지하공간학회 논문집
• /
• 제4권4호
• /
• pp.277-286
• /
• 2002

터널을 설계함에 있어서 굴착방법이나 지보패턴을 결정할 때 어려움을 겪는 주된 요인은 현지 지반에 작용하는 응력조건 및 암반상태를 정확히 파악하는데 한계가 있기 때문이다. 현장 장비의 제약, 터널을 굴착 위치까지 접근성이 난이함 등의 기술적인 제약뿐만 아니라 최근에는 민원이나 각종 인허가 등으로 더욱 많은 제약요건이 존재한다. 그럼에도 불구하고 최근들어 대안설계나 턴키설계를 통하여 직접적인 시추에 의존하지 않더라도 미지의 산악터널구간에 대한 지반정보를 획득할 수 있는 고급화된 물리탐사기술이 눈부시게 발전하는 추세이며 이를 통하여 터널굴착구간의 암반에 대한 직 간접적인 지반정보를 입수할 수 있다. 인공신경망 (ANN)의 장점은 이러한 적은 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성있는 결과를 제공하여 준다는 것이다. 본 연구에서는 미지의 터널굴착구간에 대한 예비 지반정보를 입력항목으로 하여 인공신경망의 오류역전파 학습알고리즘기법에 의하여 학습된 패턴을 가지고 미지의 터널굴착구간에 대한 예비 암반분류 (RMR)를 수행하는데 그 목적을 두었다. 이를 위하여 연장 4km에 달하는 ${\triangle}{\triangle}$터널현장에 대한 인공신경망 모형적용시 입력자료에 대한 적정성을 사전 평가하였고, 그 이후에 물리탐사자료를 입력변수로 활용하여 미지의 터널구간에 대한 RMR을 예측하였다. 그 결과 자료의 일치성이나 예측 RMR에 대한 신뢰도가 높은 것으로 나타났으며, 향후에는 학습효과를 높이기 위한 입력변수의 민감도 분석 (sensitivity analysis)수행 및 모델과정에서 노출된 몇가지 문제점 보완등을 통하여 설계에 적극적으로 활용하고자 한다.

• 한국음향학회지
• /
• 제29권5호
• /
• pp.303-313
• /
• 2010

본 논문에서는 25 kHz의 반송파와 5 kHz의 심볼율을 갖는 QPSK (Quadrature Phase Shift Keying) 통신시스템에서 수신된 신호를 100 kHz로 샘플링하여 전송데이터를 복원하는 수중통신용 수신기의 구조에 대하여 논한다. 또한, 천해역에서 제작한 센서를 이용하여 취득한 데이터를 2:1의 비율로 간축한 후 설계한 수신기의 입력으로 하여, 결합채널등화기 출력신호의 BER (Bit Error Rate) 을 최소화하는 결합채널등화기의 FF (Feed-Forward) 및 FB (Feed-Back) 필터 탭 수 및 RLS (Recursive Least-Square) 알고리듬의 망각인자 등의 설계 파라미터를 도출하였다. 취득 신호의 전송거리는 각각 1.4 km, 2.9 km, 4.7 km이다. 분석결과 BER을 최소화하기 위한 결합채널등화기의 FF 와 FB 탭 수는 전송거리에 따라 상이하나 망각인자는 0.997에서 최적 또는 최적에 가까운 성능을 보이는 것을 확인하였다. 그러므로, 수중음향통신 수신기 설계시 망각인자, ${\lambda}$,는 0.997로 고정하고, 전송거리에 따라 최적의 성능을 갖는 결합채널등화기의 FF 필터 탭 수와 FB 필터 탭수를 가변적으로 변경할 수 있는 구조를 갖는 수신기를 설계하는 것이 바람직하다는 결론을 얻을 수 있었다. 또한, 수신기 성능 분석을 통하여 본 논문에서 고려하는 시스템에서는 16탭 길이를 갖는 간단한 형태의 필터를 161탭 길이를 갖는 정합필터 대신에 수신기의 저역통과필터로 사용하더라도 성능의 열화가 적음을 확인하였다.