• 방사성폐기물학회지
• /
• 제14권3호
• /
• pp.253-266
• /
• 2016

현행 규제요건에 따르면 국내에서 발생된 모든 폐밀봉선원은 자체처분 대상, 극저준위 또는 중 저준위 방사성폐기물에 해당하며, 기본적으로 방사능 농도를 기준으로 한 처분방식 제한규정을 준수해야 한다. 본 연구에서는 이러한 분류체계 이외에 IAEA 및 국외 폐밀봉선원 사용국의 방사성폐기물 분류체계, 폐밀봉선원 고유 특성 등에 대한 검토 및 분석결과를 토대로 반감기 및 A/D 값(각 선원의 방사능(A)을 작업자 및 일반 대중에 대한 잠재적 위험도를 의미하는 방사성핵종 고유의 'D값'을 활용하여 정규화한 수치로 선원의 상대적 위험을 평가하는 기초적인 기준으로 사용)에 대한 기준을 추가적으로 적용하여 국내 폐밀봉선원 분류체계에 대한 방안을 제시한 후, 각 범주에 대한 처분방식을 도출하였다. 다양한 처분시점을 상정한 국내 폐밀봉선원 특성 분석 및 처분방안별 대상 수량 체적 평가결과를 통해 본 연구에서 도출된 처분방안을 처분 예상시기와 무관하게 2015년 3월말 기준으로 임시저장 중인 모든 폐밀봉선원에 대해 적용할 수 있음을 확인하였다. 단, 방사능량을 확인할 수 없거나 비방사능 또는 A/D 값을 산출할 수 없는 선원에 대해서는 본 연구결과를 적용할 수 없으므로 처분방안 이행을 위해서는 사전에 비방사능, 체적 등의 선원 고유 특성이 반드시 확인되어야 한다.

• Journal of the Korean Wood Science and Technology
• /
• 제45권2호
• /
• pp.202-212
• /
• 2017

This study was to establish the interrelation between chemical compositions and near infrared (NIR) spectra for the classification on distinguishability of domestic gymnosperms. Traditional wet chemistry methods and infrared spectral analyses were performed. In chemical compositions of five softwood species including larch (Larix kaempferi), red pine (Pinus densiflora), Korean pine (Pinus koraiensis), cypress (Chamaecyparis obtusa), and cedar (Cryptomeria japonica), their extractives and lignin contents provided the major information for distinction between the wood species. However, depending on the production region and purchasing time of woods, chemical compositions were different even though in same species. Especially, red pine harvested from Naju showed the highest extractive content about 16.3%, whereas that from Donghae showed about 5.0%. These results were expected due to different environmental conditions such as sunshine amount, nutrients and moisture contents, and these phenomena were also observed in other species. As a result of the principal component analysis (PCA) using NIR between five species (total 19 samples), the samples were divided into three groups in the score plot based on principal component (PC) 1 and principal component (PC) 2; group 1) red pine and Korean pine, group 2) larch, and group 3) cypress and cedar. Based on the chemical composition results, it was concluded that extractive content was highly relevant to wood classification by NIR analysis.

• 대한임베디드공학회논문지
• /
• 제19권1호
• /
• pp.47-55
• /
• 2024

We spend a lot of time in indoor space, and the space has a huge impact on our lives. Interior design plays a significant role to make an indoor space attractive and functional. However, it should consider a lot of complex elements such as color, pattern, and material etc. With the increasing demand for interior design, there is a growing need for technologies that analyze these design elements accurately and efficiently. To address this need, this study suggests a deep learning-based design analysis system. The proposed system consists of a semantic segmentation model that classifies spatial components and an image classification model that classifies attributes such as color, pattern, and material from the segmented components. Semantic segmentation model was trained using a dataset of 30000 personal indoor interior images collected for research, and during inference, the model separate the input image pixel into 34 categories. And experiments were conducted with various backbones in order to obtain the optimal performance of the deep learning model for the collected interior dataset. Finally, the model achieved good performance of 89.05% and 0.5768 in terms of accuracy and mean intersection over union (mIoU). In classification part convolutional neural network (CNN) model which has recorded high performance in other image recognition tasks was used. To improve the performance of the classification model we suggests an approach that how to handle data that has data imbalance and vulnerable to light intensity. Using our methods, we achieve satisfactory results in classifying interior design component attributes. In this paper, we propose indoor space design analysis system that automatically analyzes and classifies the attributes of indoor images using a deep learning-based model. This analysis system, used as a core module in the A.I interior recommendation service, can help users pursuing self-interior design to complete their designs more easily and efficiently.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.2059-2064
• /
• 2004

Texture analysis is an important role for automatic visual insfection. This paper presents an application of wavelet extension and Gray level co-occurrence matrix (GLCM) for detection of defect encountered in textured images. Texture characteristic in low quality images is not to easy task to perform caused by noise, low frequency and small dimension. In order to solve this problem, we have developed a procedure called wavelet image extension. Wavelet extension procedure is used to determine the frequency bands carrying the most information about the texture by decomposing images into multiple frequency bands and to form an image approximation with higher resolution. Thus, wavelet extension procedure offers the ability to robust feature extraction in images. Then the features are extracted from the co-occurrence matrices computed from the sub-bands which performed by partitioning the texture image into sub-window. In the detection part, Mahalanobis distance classifier is used to decide whether the test image is defective or non defective.

• 대한조선학회 특별논문집
• /
• 대한조선학회 2008년도 특별논문집
• /
• pp.1-9
• /
• 2008

This report contains the results of structural analysis for the verification of the optimum offset range on the top of T-Bar with stiffener and BKT using at DSME Offset range as $6.0{\sim}10.0mm$ based on the 3-D FE analysis and experimental results of angie type stiffener as described in Annex 1 has been used as yard standard over ten (10) years under all Classification approval. Recently, Owner and Class have requested the confirmation for the misalignment based on the Yard's Standard so that a couple of locations for LNGC and LPGC has been investigated the structural strength by FE method using the offset ranges from 0.0 to 18.0 mm.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.705-708
• /
• 2010

An eigen color co-occurrence approach is proposed that exploits the correlation between color channels to identify the degree of image similarity. This method is based on traditional co-occurrence matrix method and histogram equalization. On the purpose of feature extraction, eigen color co-occurrence matrices are computed for extracting the statistical relationships embedded in color images by applying Principal Component Analysis (PCA) on a set of color co-occurrence matrices, which are computed on the histogram equalized images. That eigen space is created with a set of orthogonal axes to gain the essential structures of color co-occurrence matrices, which is used to identify the degree of similarity to classify an input image to be tested for various purposes. In this paper RGB, Gaussian color space are compared with grayscale image in terms of PCA eigen features embedded in histogram equalized co-occurrence features. The experimental results are presented.

• 환경생물
• /
• 제39권4호
• /
• pp.581-589
• /
• 2021

본 연구는 메꽃과 6종의 식물에 대해 신속하고 비파괴적으로 분류하기 위해 근적외선(Vis-NIR) 스펙트럼을 이용하였고 데이터의 전처리와 머신러닝 기술을 적용하였다. 전국적으로 분포하는 메꽃과 6종에 대해 야외에서 휴대용 분광기를 이용하여 판별하였다. 식물의 잎의 표면에서 400~1,075 nm의 근적외선 스펙트럼(1.5 nm)을 수집하였다. 수집된 스펙트럼 데이터는 3가지의 전처리와 raw데이터를 이용하였고 4종류의 머신러닝 모델을 적용하여 높은 판별 정확도를 확인하였다. 전처리와 머신러닝 모델의 조합을 통해 분석된 판별의 정확도는 43~99%의 범위로 분석되었고, standard normal variate 전처리와 support vector machine 머신러닝 모델의 조합에서 판별 정확도가 98.6%로 가장 높게 나타났다. 본 연구에서 수집된 스펙트럼은 식물의 성장단계, 다양한 측정 지역 및 잎에서의 측정 위치 등과 같은 요인과 더불어 데이터 분석을 위한 조건으로 최적의 전처리와 머신러닝 기술을 적용한다면 메꽃과 식물의 야외에서의 정확한 분류가 가능하고 이들 식물의 효과적인 관리와 모니터링에 활용할 수 있을 것으로 판단되었다.

• 한국전자거래학회지
• /
• 제13권4호
• /
• pp.193-207
• /
• 2008

본 연구는 정보 시스템 분야에서 최고 학술지 중 하나인 MIS Quarterly를 중심으로 공저자 관계를 설명하고 논문을 게재한 연구자들의 협력 네트워크 패턴을 살펴보고자 하였다. 1996년부터 2004년까지 MIS Quarterly에 게재된 242편의 논문 공저자 네트워크에 대한 사회연결망분석을 통해 그 해답을 찾고자 하였다. 공저자 자료에 대한 사회연결망분석 결과 이 기간 MIS Quarterly 전체 불 완전 네트워크는 낮은 밀도를 나타내고 있다. 따라서, 세 개의 서브네트워크들을 대상으로 분석을 진행하고 그 서브네트워크에서 중요 역할을 하는 저자가 누구인지를 분석하였다. 다음으로, 키워드 분류 스키마에 따라 분류된 논문에서 관련된 데이터를 수집 및 코딩을 하여 MIS Quarterly 커뮤니티에 세 개의 중요한 협력 패턴이 존재함을 분석 및 확인하였다. 마지막으로 각 서브네트워크의 중심에 있는 연구 키워드들에 근거하여 협력 네트워크 패턴을 제시하고 시사점들을 논의하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.551-553
• /
• 2016

공기압축기는 공장 및 설비 가동에 사용되는 필수 장비로서 국내 산업용 전기의 20%이상을 소비하고 있어 실시간 센서 데이터 모니터링에 의한 소비전력 절감 분석은 중요하다. 이러한 모니터링 변수들 중 특히 유량과 압력은 소비 전력과 직접적인 상관관계가 있다. 본 논문은 EM 알고리즘을 이용한 유량과 전력의 이변량 분류 분석을 통하여 유량 센서의 계측치가 센서 의측정 한계에 의한 오류인지를 파악하는 방법을 제시하여 우측 한계 측정치가 존재하는 데이터에서 더욱 정확한 유량과 전력간의 상관관계를 통한 분석이 가능하도록 하였다.

• 한국융합학회논문지
• /
• 제10권11호
• /
• pp.85-93
• /
• 2019

한국은 반도체 산업에서의 독보적 우위에도 불구하고, 반도체 장비 분야에서는 두각을 나타내지 못하고 있다. 세정장비는 반도체 장비 중 한 분야로, 반도체 기술의 고도화에 따라 향후 중요성이 더욱 강조되는 분야이다. 본 연구는 특허 정보를 분석하여 한국을 포함한 주요 국가별 세정장비 분야 기술경쟁력을 파악하고 국가별 중점 기술분야를 살펴보고자 하였다. 이를 위해 최근 10년 간 미국 특허청에 등록된 세정장비 특허를 검색하여, 정량적 특허분석 및 특허 동시분류 네트워크 분석을 실시하였다. 연구 결과, 미국과 일본이 이 분야 기술을 선도하고 있는 것으로 나타났으며, 한국은 이들 선도국에 비해 경쟁력이 크게 뒤쳐짐은 물론, 경쟁국인 대만이나 후발국인 중국에 비해서도 우위에 있다고 보기 어려운 상황이다. 또한 국가별 전문화가 진행되어 있어, 국가 간 협력체제가 원활치 못할 경우 기술장벽으로 작용할 가능성도 없지 않다. 따라서 국내 세정장비 산업의 발전을 위한 적극적인 연구개발과 기술역량 확충이 요구된다.