• 제어로봇시스템학회논문지
• /
• 제22권4호
• /
• pp.247-252
• /
• 2016

In this paper, we propose a new defect detection technology for micro-defect on the surface of steel products. Due to depth and size of microscopic defect, slop of surface and vibration of strip, the conventional optical method cannot guarantee the detection performance. To solve the above-mentioned problems and increase signal to noise ratio, a novel retro-schlieren method that consists of retro reflector and knife edge is proposed. Moreover dual switching lighting method is also applied to distinguish uneven micro defects and surface noise. In proposed method, defective regions are represented by a black and white pattern. This pattern is detected by a defect detection algorithm with Gabor filter. Experimental results by simulator for sample defects of cold rolled steel show that the proposed method is effective.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권12호
• /
• pp.6018-6033
• /
• 2018

Fires are a common cause of catastrophic personal injuries and devastating property damage. Every year, many fires occur and threaten human lives and property around the world. Providing early important sign for early fire detection, and therefore the detection of smoke is always the first step in fire-alarm systems. In this paper we propose an automatic smoke detection system built on camera surveillance and image processing technologies. The key features used in our algorithm are to detect and track smoke as moving objects and distinguish smoke from non-smoke objects using a convolutional neural network (CNN) model for cascade classification. The results of our experiment, in comparison with those of some earlier studies, show that the proposed algorithm is very effective not only in detecting smoke, but also in reducing false positives.

• International Journal of Computer Science & Network Security
• /
• 제22권4호
• /
• pp.374-386
• /
• 2022

Nowadays, research in deep learning leveraged automated computing and networking paradigm evidenced rapid contributions in terms of Software Defined Networking (SDN) and its diverse security applications while handling cybercrimes. SDN plays a vital role in sniffing information related to network usage in large-scale data centers that simultaneously support an improved algorithm design for automated detection of network intrusions. Despite its security protocols, SDN is considered contradictory towards DDoS attacks (Distributed Denial of Service). Several research studies developed machine learning-based network intrusion detection systems addressing detection and mitigation of DDoS attacks in SDN-based networks due to dynamic changes in various features and behavioral patterns. Addressing this problem, this research study focuses on effectively designing a multistage hybrid and intelligent deep learning classifier based on modified deep forest classification to detect DDoS attacks in SDN networks. Experimental results depict that the performance accuracy of the proposed classifier is improved when evaluated with standard parameters.

• 한국정보시스템학회지:정보시스템연구
• /
• 제31권4호
• /
• pp.01-23
• /
• 2022

Purpose This study aims to propose a deep learning-based fake review detection model by combining authors' linguistic features and semantic information of reviews. Design/methodology/approach This study used 358,071 review data of Yelp to develop fake review detection model. We employed linguistic inquiry and word count (LIWC) to extract 24 linguistic features of authors. Then we used deep learning architectures such as multilayer perceptron(MLP), long short-term memory(LSTM) and transformer to learn linguistic features and semantic features for fake review detection. Findings The results of our study show that detection models using both linguistic and semantic features outperformed other models using single type of features. In addition, this study confirmed that differences in linguistic features between fake reviewer and authentic reviewer are significant. That is, we found that linguistic features complement semantic information of reviews and further enhance predictive power of fake detection model.

• 전자공학회논문지
• /
• 제50권12호
• /
• pp.141-149
• /
• 2013

본 논문은 멀티 코어 프로세서 기반의 영상 감시 시스템을 위한 침입 탐지 처리의 가속화를 제안한다. 침입 탐지 처리의 가속화를 위해 병렬화를 진행하였고, 이를 위해 기존 침입 탐지 알고리즘을 분석하고 데이터 의존성을 고려하여 프레임 단위의 병렬화된 처리 구조를 설계하였다. 병렬화된 침입 탐지 처리의 유효성을 검증하기 위하여 다중 쓰레드 기반의 프로그램으로 구현하여 침입 탐지의 가속화 정도를 측정하였다. 구현한 침입 탐지 처리 프로그램의 탐지 속도는 논리적 쓰레드를 8개까지 구현할 수 있는 환경에서 기존 단일 쓰레드 처리 대비 최대 353.76%가 향상되었다.

• 한국ITS학회 논문지
• /
• 제15권4호
• /
• pp.104-114
• /
• 2016

포트홀은 차량파손과 교통사고 유발 등의 사회문제를 유발시키고 있다. 포트홀을 효율적으로 관리하기 위해서는 빠르게 포트홀을 찾아내는 기술이 가장 중요하다. 기존의 포트홀 탐지 기법은 민원에 의한 수동식 신고방식을 사용하고 있어, 포트홀로 인해 발생하는 문제를 사전에 예방하지 못하고 있다. 최근 포트홀을 저비용으로 빠르게 탐지하기 위하여 영상 카메라를 이용한 연구가 많이 진행되고 있다. 본 논문에서는 사전에 연구되었던 포트홀 탐지 알고리즘의 탐지정확도를 개선하기 위한 Saliency Map 기반의 알고리즘을 제안한다. 기존 알고리즘은 포트홀이 그림자와 겹쳐있거나 포트홀의 내부 모양이 주변 도로노면과 비슷한 형태를 가지는 등의 복잡한 환경에서 포트홀을 탐지하지 못하는 문제를 가지고 있다. 이러한 문제를 해결하기 위하여 제안하는 알고리즘은 Saliency Map 알고리즘을 이용하여 보다 정확한 포트홀 후보 영역을 찾는다. 제안 알고리즘은 포트홀 후보영역 추출부와 결정부로 구성되며, 실험을 통하여 기존 알고리즘보다 더 높은 탐지 정확도를 가짐을 보인다.

• 한국정보과학회논문지:시스템및이론
• /
• 제29권10호
• /
• pp.561-572
• /
• 2002

분산시스템에서는 어느 한 사이트가 전체 시스템의 상태 정보를 알 수 없기 때문에 분산 교착상태의 발견은 어려운 문제로 알려져 왔다. 본 논문은 분산 교착상태의 발견 및 해결을 위한 시간 효율적인 알고리즘을 제안한다. 알고리즘의 시작노드는 교착상태 발견을 위한 메시지를 전파하고 이에 대한 응답 정보로부터 wait-for graph를 구축한다. 제시한 알고리즘은 기존에 비해 교착상태를 발견하는데 걸리는 시간을 반으로 단축시키는 장점이 있다. 또한 대부분의 연구결과가 단지 알고리즘의 시작노드가 교착상태에 속하였는지의 여부를 판단할 수 있는 것과는 달리 본 알고리즘은 알고리즘을 수행하는 모든 노드들에 대해 그같은 결과를 말해준다. 이러한 특성으로 인해 교착상태는 보다 신속히 발견될 수 있다. 더우기 이제까지 교착상태의 해결에 대해 무관심하였거나 알고리즘의 시작노드를 중지시킴으로써 해결하였던 것에 반해 본 알고리즘은 효율적이고 상세한 교착상태 해결방법을 제시하였다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.129-140
• /
• 2022

The effectiveness of system identification, damage detection, condition assessment and other structural analyses relies heavily on the accuracy and reliability of the measured data in structural health monitoring (SHM) systems. However, data anomalies often occur in SHM systems, leading to inaccurate and untrustworthy analysis results. Therefore, anomalies in the raw data should be detected and cleansed before further analysis. Previous studies on data anomaly detection mainly focused on just single type of data anomaly for denoising or removing outliers, meanwhile, the existing methods of detecting multiple data anomalies are usually time consuming. For these reasons, recognising multiple anomaly patterns for real-time alarm and analysis in field monitoring remains a challenge. Aiming to achieve an efficient and accurate detection for multi-type data anomalies for field SHM, this study proposes a pattern-recognition-based data anomaly detection method that mainly consists of three steps: the feature extraction from the long time-series data samples, the training of a pattern recognition neural network (PRNN) using the features and finally the detection of data anomalies. The feature extraction step remarkably reduces the time cost of the network training, making the detection process very fast. The performance of the proposed method is verified on the basis of the SHM data of two practical long-span bridges. Results indicate that the proposed method recognises multiple data anomalies with very high accuracy and low calculation cost, demonstrating its applicability in field monitoring.

• 대한교통학회지
• /
• 제26권2호
• /
• pp.177-186
• /
• 2008

영상검지기(Video Image Detection System)는 교통운영 및 안전 등 교통류 관리를 위한 다양한 측면에서 이용될 수 있다. 영상검지기법은 크게 Tripwire System과 Tracking System으로 구분할 수 있으며, 가장 대표적으로 이용되는 Autoscope는 Tripwire System에 해당한다. 본 연구에서는 Autoscope의 성능을 구현할 수 있는 Tripwire 기반의 영상검지 기술을 자체적으로 개발함과 동시에, 미시적 교통정보를 취득할 수 있는 개별차량 추적기술을 이용한 Tracking 기반의 영상검지시스템을 개발하였다. 개발된 두 시스템의 통합에 앞서서, 동일한 영상과 분석시간을 가지고 기초적인 교통정보수집 능력에 대한 성능비교 및 분석을 수행하고자 하였으며, 우수성 및 정확성을 판단하기 위한 지표로는 가장 보편적이고 일반적으로 사용되고 있는 Autoscope를 이용하였다. 개발된 두 시스템과 Autoscope를 이용하여 성능비교를 수행한 결과, 교통량의 경우, 실제 교통량 대비 0.35%의 오차를 보였으며 Autoscope와 비교하여 1.78%의 오차를 보였다. 속도에 대한 성능비교는 Autoscope와 비교하여 최대 1.77%의 오차를 보여 개발된 두 시스템의 성능이 우수한 것으로 확인되었다.

• Journal of Microbiology and Biotechnology
• /
• 제16권11호
• /
• pp.1713-1719
• /
• 2006

A method for the simple, rapid, specific, and accurate detection of Bacillus anthracis spores was developed by employing specific capture peptides conjugated with fluorescent quantum dots (QDs). It was possible to distinguish B. anthracis spores from the spores of B. thuringiensis and B. cereus using these peptide-QD conjugates by flow cytometric and confocal laser scanning microscopic analyses. For more convenient high-throughput detection of B. anthracis spores, spectrofluorometric analysis of spore-peptide-QD conjugates was performed. B. anthracis spores could be detected in less than 1 h using this method. In order to avoid any minor yet false-positive signal caused by the presence of B. thuringiensis spores, the B-Negative peptide, which can only bind to B. thuringiensis, conjugated with another type of QD that fluoresces at different wavelength was also developed. In the presence of mixed B. anthracis and B. thuringiensis spores, the BABA peptide conjugated with QD525 and the B-Negative peptide conjugated with QD585 were able to bind to the former and the latter, specifically and respectively, thus allowing the clear detection of B. anthracis spores against B. thuringiensis spores by using two QD-labeling systems. This capture peptide-conjugated QD system should be useful for the detection of B. anthracis spores.