• 한국수자원학회논문집
• /
• 제54권2호
• /
• pp.81-91
• /
• 2021

Synthetic Aperture Radar (SAR)를 활용하여 토양수분을 산출 할 시 기존의 위성기반 자료에 비해 고해상도의 공간 자료를 생산할 수 있다. 고해상도의 광역 토양수분 자료는 기존의 위성 기반 토양수분 대비 보다 세밀한 지표면 토양수분 변동 관측이 가능하게 하므로, 산사태, 산불 및 홍수와 같은 자연재해 연구에 활용성이 뛰어나다. 하지만 SAR 신호인 후방산란계수는 토양수분 뿐만 아니라, 식생에 의한 영향도 포함하기 때문에 정확한 토양수분을 산정하기 위해서는 이러한 영향을 고려하는 단계가 요구된다. 본 연구에서는 한반도 중부의 농지, 산지, 및 초지의 식생조건 하에서 Sentinel-1 위성 SAR 자료를 활용하여 토양수분을 산정하기 위한 연구를 수행하였다. 식생의 영향을 고려하기 위해 대표적인 지표면 레이더 신호 산란 모형인 Water Cloud Model (WCM)을 사용하였으며, 식생 인자로 Radar Vegetation Index (RVI)를 활용하였다. 연구 지역으로는 토지피복도에 따라 농지와 초지, 산지 각각 2개 지역, 총 6개 대상 지역을 선정하였다. WCM의 매개변수 모의를 위해 지상 관측 토양수분 자료를 활용하였다. 관측 토양수분과의 검증 결과 초지, 산지, 농지 순으로 높은 정확도가 나타났으며, 특히 산지에서는 짙은 식생에도 불구하고 상관계수 값이 0.5 이상으로 나타난 반면 농지에서는 0.3 미만의 매우 낮은 값이 관측되었다. 연구 결과를 통해 다양한 식생 피복에서 SAR 기반 토양수분 산정에 적합한 관측 토양수분 조건을 제시 하였다. 향후 식생 높이, 식생 종류 등 과 융합한 연구가 수행된다면 보다 정확한 토양수분을 산정 할 수 있을 것으로 판단된다.

• 대한의용생체공학회:의공학회지
• /
• 제42권4호
• /
• pp.150-158
• /
• 2021

Intracranial hemorrhage (ICH) refers to acute bleeding inside the intracranial vault. Not only does this devastating disease record a very high mortality rate, but it can also cause serious chronic impairment of sensory, motor, and cognitive functions. Therefore, a prompt and professional diagnosis of the disease is highly critical. Noninvasive brain imaging data are essential for clinicians to efficiently diagnose the locus of brain lesion, volume of bleeding, and subsequent cortical damage, and to take clinical interventions. In particular, computed tomography (CT) images are used most often for the diagnosis of ICH. In order to diagnose ICH through CT images, not only medical specialists with a sufficient number of diagnosis experiences are required, but even when this condition is met, there are many cases where bleeding cannot be successfully detected due to factors such as low signal ratio and artifacts of the image itself. In addition, discrepancies between interpretations or even misinterpretations might exist causing critical clinical consequences. To resolve these clinical problems, we developed a diagnostic model predicting intracranial bleeding and its subtypes (intraparenchymal, intraventricular, subarachnoid, subdural, and epidural) by applying deep learning algorithms to CT images. We also constructed a visualization tool highlighting important regions in a CT image for predicting ICH. Specifically, 1) 27,758 CT brain images from RSNA were pre-processed to minimize the computational load. 2) Three different CNN-based models (ResNet, EfficientNet-B2, and EfficientNet-B7) were trained based on a training image data set. 3) Diagnosis performance of each of the three models was evaluated based on an independent test image data set: As a result of the model comparison, EfficientNet-B7's performance (classification accuracy = 91%) was a way greater than the other models. 4) Finally, based on the result of EfficientNet-B7, we visualized the lesions of internal bleeding using the Grad-CAM. Our research suggests that artificial intelligence-based diagnostic systems can help diagnose and treat brain diseases resolving various problems in clinical situations.

• 한국항행학회논문지
• /
• 제25권4호
• /
• pp.305-312
• /
• 2021

보안 시스템에는 다양한 센서가 사용되고 있지만, 사생활 문제가 논란이 됨에 따라 레이다 센서가 대안으로 제시되고 있다. 그 중 PD (Pulse Doppler) 레이다는 짧은 펄스를 사용함으로써 수신부 복잡도가 증가하는 문제가 존재하나, FMCW (Frequency modulated continuous wave) 레이다는 그러한 제한이 적다는 장점이 있다. 그러나, FMCW 레이다는 2D-FFT (2-dimensional fast Fourier transform)를 사용하므로 기존의 센서에 비해서 상대적으로 높은 복잡도를 가지며, 정지해있는 표적에 대해 사람과 사물을 구분하기 어려운 단점이 있다. 따라서 본 논문에서는 1D-FFT와 위상 변화만으로 호흡 여부를 확인하여 사람과 사물을 구분할 수 있는 레이다 신호처리 프로세서의 설계 및 구현 결과를 제시한다. 제안된 신호처리 프로세서는 Verilog-HDL을 기반으로 설계하여 FPGA 디바이스에 기반하여 구현 및 검증하였다. LUT (Look up table) 6,425개, register 4,243개, 12,288개의 memory bit로 구현하여 92.1%의 정확도로 대상의 호흡 여부를 확인할 수 있음을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권3호
• /
• pp.33-43
• /
• 2022

본 논문에서는 기존의 스마트폰 카메라 센서를 사용하여 비접촉식 손바닥 기반 사용자 식별 시스템을 구축하기 위해 Attention U-Net 모델과 사전 훈련된 컨볼루션 신경망(CNN)이 있는 다채널 손바닥 이미지를 이용한 앙상블 모델을 제안한다. Attention U-Net 모델은 손바닥(손가락 포함), 손바닥(손바닥 미포함) 및 손금을 포함한 관심 영역을 추출하는 데 사용되며, 이는 앙상블 분류기로 입력되는 멀티채널 이미지를 생성하기 위해 결합 된다. 생성된 데이터는 제안된 손바닥 정보 기반 사용자 식별 시스템에 입력되며 사전 훈련된 CNN 모델 3개를 앙상블 한 분류기를 사용하여 클래스를 예측한다. 제안된 모델은 각각 98.60%, 98.61%, 98.61%, 98.61%의 분류 정확도, 정밀도, 재현율, F1-Score를 달성할 수 있음을 입증하며, 이는 저렴한 이미지 센서를 사용하고 있음에도 불구하고 제안된 모델이 효과적이라는 것을 나타낸다. 본 논문에서 제안하는 모델은 COVID-19 펜데믹 상황에서 기존 시스템에 비하여 높은 안전성과 신뢰성으로 대안이 될 수 있다.

• Journal of Radiation Protection and Research
• /
• 제47권2호
• /
• pp.99-106
• /
• 2022

Background: The radionuclide inventory calculation codes such as ORIGEN and FISPACT collapse neutron reaction libraries with energy spectra and generate an effective one-group cross-section. Since the nuclear cross-section data, energy group (g) structure, and other input details used by the two codes are different, there may be differences in each code's activation inventory calculation results. In this study, the calculation results of neutron-induced activation inventory using ORIGEN and FISPACT were compared and analyzed regarding radioactive waste classification and worker exposure during nuclear decommissioning. Materials and Methods: Two neutron spectra were used to obtain the comparison results: Watt fission spectrum and thermalized energy spectrum. The effective one-group cross-sections were generated for each type of energy group structure provided in ORIGEN and FISPACT. Then, the effective one-group cross-sections were analyzed by focusing on ⁵⁹Ni, ⁶³Ni, ⁹⁴Nb, ⁶⁰Co, ¹⁵²Eu, and ¹⁵⁴Eu, which are the main radionuclides of stainless steel, carbon steel, zircalloy, and concrete for decommissioning nuclear power plant (NPP). Results and Discussion: As a result of the analysis, ¹⁵⁴Eu and ⁵⁹Ni may be overestimated or underestimated depending on the code selection by up to 30%, because the cross-section library used for each code is different. When ORIGEN-44g, -49g, and -238g structures are selected, the differences of the calculation results of effective one-group cross-section according to group structure selection were less than 1% for the six nuclides applied in this study, and when FISPACT-69g, -172g, and -315g were applied, the difference was less than 1%, too. Conclusion: ORIGEN and FISPACT codes can be applied to activation calculations with their own built-in energy group structures for decommissioning NPP. Since the differences in calculation results may occur depending on the selection of codes and energy group structures, it is appropriate to properly select the energy group structure according to the accuracy required in the calculation and the characteristics of the problem.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1489-1503
• /
• 2022

드론(drone)과 센서(senor) 적용기술은 농업분야 작물의 성장 정보에 대한 디지털화를 가능하게 하면서 정밀농업 발전을 한층 가속화하고 있다. 이 기술은 자연재해 발생시 농작물 피해량 산정을 가능하게 하고, 현장 방문조사로 진행되고 있는 농작물재해보험 평가방법의 과학화에 기여할 수 있다. 본 연구는 콩을 대상으로 드론 기반 RGB영상을 취득하여 추출된 식생지수로 도복피해율을 산정하는 방법을 개발하고자 하였다. Support Vector Classifier (SVC) 분류 모델은 Crop Surface Model (CSM) 기반의 도복피해율에 식생지수를 추가하여 식생지수 적용성을 검토하였다. 식생지수 중 Visible Atmospherically Resistant Index (VARI), Green Red Vegetation Index (GRVI) 기반 콩의 도복피해율 분류 정확도는 각각 0.709, 0.705로 높은 분류정확도를 나타내었다. 연구 결과, 드론 기반 RGB 영상은 도복피해율 산정에 매우 유용한 도구로 활용 가능하다는 점을 확인할 수 있었다. 본 연구에서 얻어진 결과는 이상기후로 인한 광역 지역 자연재해에 대한 도복피해 산정 시 Sentinel-2, RapidEye 위성과 더불어 2025년 발사 예정인 농림업중형위성 영상과 연계해 활용 가능할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.967-977
• /
• 2022

산불의 발생과 강도는 기후 변화로 인하여 증가하고 있다. 산불 연기에 의한 배출가스 대기질과 온실 효과에 영향을 미치는 주요 원인 중 하나로 인식되고 있다. 산불 연기의 효과적인 탐지를 위해서는 위성 산출물과 기계학습의 활용이 필수적이다. 현재까지 산불 연기 탐지에 대한 연구는 구름 식별의 어려움 및 모호한 경계 기준 등으로 인한 어려움이 존재하였다. 본 연구는 우리나라 환경위성 센서인 Geostationary Environment Monitoring Spectrometer (GEMS)의 Level 1, Level 2 자료와 기계학습을 이용한 산불 연기 탐지를 목적으로 한다. 2022년 3월 강원도 산불을 사례로 선정하여 산불 연기 레이블 영상을 생성하고, 랜덤 포레스트 모델에 GEMS Level 1 및 Level 2 자료를 투입하여 연기 픽셀 분류 모델링을 수행하였다. 훈련된 모델에서 입력변수의 중요도는 Aerosol Optical Depth (AOD), 380 nm 및 340 nm의 복사휘도 차, Ultra-Violet Aerosol Index (UVAI), Visible Aerosol Index (VisAI), Single Scattering Albedo (SSA), 포름알데히드, 이산화질소, 380 nm 복사휘도, 340 nm 복사휘도의 순서로 나타났다. 또한 2,704개 픽셀에 대한 산불 연기 확률(0≤p≤1) 추정에서 Mean Bias Error (MBE)는 -0.002, Mean Absolute Error (MAE)는 0.026, Root Mean Square Error (RMSE)는 0.087, Correlation Coefficient (CC)는 0.981의 정확도를 보였다.

• 한국항행학회논문지
• /
• 제26권5호
• /
• pp.365-372
• /
• 2022

관성 측정 센서는 사람 행동 인식 시스템에 주로 사용되는 센서들에 비해 크기가 작고 가벼우며 낮은 비용으로 시스템의 경량화를 달성할 수 있다. 따라서, 본 논문에서는 관성 측정 센서를 이용한 이진 신경망 기반 걸음걸이 패턴 분석 시스템을 제안하고, 연산 가속을 위한 FPGA 기반 가속기 설계 및 구현 결과를 제시한다. 관성 측정 센서를 통해 걸음걸이에 대한 6가지 신호를 측정하고, 단시간 푸리에 변환을 이용하여 스펙트로그램을 추출한다. 높은 정확도를 가지는 경량화 시스템을 갖추기 위해 걸음걸이 패턴 분류에 BNN (binarized neural network) 기반 구조를 사용하였고, 검증 결과 97.5%의 높은 정확도와 메모리 사용량이 합성곱 신경망에 비해 96.7% 감소한 것을 확인하였다. 이진 신경망의 연산 가속을 위해 FPGA를 이용한 하드웨어 가속기 구조로 설계하였다. 제안된 걸음걸이 패턴 분석 시스템은 24,158개의 logic, 14,669개의 register, 13.687 KB의 block memory를 사용하여 구현되어 62.35 MHz의 최대 동작 주파수에서 1.5ms 내에 연산이 완료되어 실시간 동작이 가능함을 확인하였다.

• 한국해양학회지:바다
• /
• 제27권2호
• /
• pp.71-86
• /
• 2022

해양환경을 정량적으로 평가하기 위해 수질평가지수(water quality index, WQI)가 사용되고 있다. 우리나라는 해양수산부고시 해양환경기준에 따라 WQI를 5개 등급으로 구분하여 수질을 평가한다. 하지만, 방대한 수질 조사 자료에 대한 WQI 계산은 복잡하고 많은 시간이 요구된다. 이 연구는 기존의 조사된 수질 자료를 활용하여 WQI 등급을 예측할 수 있는 기계학습(machine learning, ML) 기반의 모델을 제안하고자 한다. 특별관리해역인 시화호를 모델링 지역으로 선정하였다. AdaBoost와 TPOT 알고리즘을 모델 훈련을 위해 사용하였으며, 분류 모델 평가 지표(정확도, 정밀도, F1, Log loss)로 모델 성능을 평가하였다. 훈련하기 전, 각 알고리즘 모델의 최적 입력자료 조합을 탐색하기 위해 변수 중요도와 민감도 분석을 수행하였다. 그 결과 저층 용존산소(dissolved oxygen, DO)는 모델의 성능에서 가장 중요한 인자였다. 반면, 표층 용존무기질소(dissolved inorganic nitrogen, DIN)와 표층 용존무기인(dissolved inorganic phosphorus, DIP)은 상대적으로 영향이 적었다. 한편, 최적 모델의 시공간적 민감도와 WQI 등급 별 민감도를 비교한 결과 각 조사 정점 및 시기, 등급 별 모델의 예측 성능이 상이하였다. 결론적으로 TPOT 알고리즘이 모든 입력자료 조합에서 성능이 더 우수하여 충분한 자료로 훈련된 최적 모델은 새로운 수질 조사 자료의 WQI 등급을 정확하게 분류할 수 있을 거라 판단된다.

• 정보보호학회논문지
• /
• 제31권6호
• /
• pp.1097-1104
• /
• 2021

온라인 게임 봇은 이미 수 많은 방식을 통해 사람들에게 알려져 왔으며, 사용자의 게임 흥미 저하, 게임 내 경제 순환 파괴, 게임 컨텐츠 및 수명 단축 등 많은 문제점을 야기한다. 정상적이지 않은 게임 봇 운영을 방치하는 것은 장기적으로 게임 제작사와 게임 플레이어에게 모두 악영향을 미치게 되므로 이에 대한 탐지 및 제재는 필수가 되었다. 하지만 제재 단계에서 생기는 오인 제재의 딜레마를 피하기 쉽지 않다. 게임사 측에서 유저를 제재하기 위해서는 객관적인 분석 지표인 로그를 가지고 제재 여부를 판단해야 하며, 로그에서 추출한 정보를 근거로 확보해야 한다. 본 연구에서는 탐지 대상 기간의 로그에 대하여 이를 일일 단위로 나누어서 게임봇 유저 판별을 수행할 것이다. 일일 단위 탐지를 위해 탐지 기간을 하루 단위로 나누어 해당 일자에 대한 게임봇 여부를 우선 판별하고, 이후 최종 결과를 판단하였다. 제안한 방법론을 통해 일반 유저 스타일과 게임봇 유저 스타일이 섞여 있는 경우를 쉽게 탐지해 낼 수 있을 것이다. 본 논문에서 제안한 방법론으로 테스트한 결과, 분류 정확도를 확인할 수 있는 지표 중 하나인 F1-score가 0.898에서 0.945로 향상되었다.