• 한국전자거래학회지
• /
• 제26권1호
• /
• pp.93-106
• /
• 2021

최근 도로균열 탐지에 대한 많은 연구에서 딥러닝 기반의 접근법을 활용하면서 과거 알고리즘 기반의 접근법을 활용한 연구들보다 높은 성능과 성과를 보이고 있다. 그러나 딥러닝 기반의 많은 연구가 여전히 균열의 유형을 분류하는 것에 집중되어 있다. 균열 유형의 분류는 현재 수작업에 의존하고 있는 균열탐지 프로세스를 획기적으로 개선해 줄 수 있다는 점에서 상당한 기대를 받고 있다. 그러나 실제 도로의 유지보수 작업에 있어서는 균열의 유형뿐만 아니라 균열의 심각도에 관한 판단이 필수적이지만, 아직까지 도로균열 탐지와 관련된 연구들이 균열의 심각도에 대한 자동화된 산출까지 진전되지 못하고 있다. 균열의 심각도를 산출하기 위해서는 균열의 유형과 이미지 속 균열의 부위가 함께 파악되어야 한다. 본 연구에서는 균열 유형과 균열 부위의 동시적 탐지를 효과적으로 자동화하기 위해 딥러닝 기반의 객체탐지 모델인 Mobilenet-SSD를 활용하는 방법을 다루고 있다. 균열탐지의 정확도를 개선하기 위해 U-Net을 활용해 입력 이미지를 자동 분할하고, 이를 객체탐지 기법과 결합하기 위한 여러 실험을 진행하여 그 결과를 정리하였다. 결과적으로 U-Net을 활용한 이미지 의 자동 마스킹을 통해 객체탐지의 성능을 mAP 값이 0.9315가 되도록 향상시킬 수 있었다. 본 연구의 결과를 참고하여 도로포장 관리시스템의 구현에 균열탐지 기능의 자동화가 더욱 진전될 수 있다고 기대된다.

• 대한의생명과학회지
• /
• 제5권1호
• /
• pp.101-107
• /
• 1999

젖소 면역결핍 바이러스 (BIV)는 젖소에게 여러 가지 면역결핍증후군을 야기하는 렌티 바이러스 (역전사효소 바이러스의 아군)로서 국내에서는 이에 대한 연구나 보고가 진행된 바 없다. 본 연구에서는 BIV가 다른 젖소의 역전사효소 바이러스인 젖소 백혈병바이러스 (BLV)와 동시 감염되고 (50%정도)있는 점을 착안해 우선 대구.경북지역의 소의 BLV감염실태를 조사해 BLV가 감염된 젖소를 대상으로 BIV 감염상태를 알아보았다. 먼저 10회에 걸쳐 젖소와 황소 248마리의 혈액을 채취 해 BLV와 BIV의 숙주세포가 되는 말초혈액 단핵구 (peripheral blood monocytes, PBMC)를 분리하고, 이를 이용해 DNA중합효소 연쇄반응 (PCR)과 Southern blot분석법을 통해 BLV와 BIV의 존재여부를 조사하였다. 그 결과 조사대상 젖소의 66.9% (81/121) 이상이 BLV에 감염되어 있음을 PCR 검사를 통해 알 수 있었으며, 이는 Southern blot법으로 재차 확인되었다. 이 결과는 종래에 보고된 대구경북지역에서의 BLV 감염율인 27~30%보다 2배 이상 높은 수치로서, (1) 우리가 사용한 방법들 (PCR & Southern blot법)이 분자생물학적 연구방법인 관계로 고도의 특이성 (specificity)을 지녔기 때문이며 (2) 지난 10년간 조사 대상지역인 대구 경북지역 내에서 젖소들에게 지속적으로 BLV감염이 증가하였기 때문으로 본다. 한편 이들 BLV positive PBMC의 chromosomal DNA를 사용해 BIV의 검출을 시도한 바, lot 3C샘플은 BLV에 100%감염되어 있음과 동시에 그 일부가 BIV에 감염되어 있음을 PCR 방법을 통하여 확인할 수 있었다.

• Journal of Communications and Networks
• /
• 제11권1호
• /
• pp.57-71
• /
• 2009

Networking together hundreds or thousands of cheap sensor nodes allows users to accurately monitor a remote environment by intelligently combining the data from the individual nodes. As sensor nodes are typically battery operated, it is important to efficiently use the limited energy of the nodes to extend the lifetime of the wireless sensor network (WSN). One of the fundamental issues in WSNs is the coverage problem. In this paper, the border coverage problem in WSNs is rigorously analyzed. Most existing results related to the coverage problem in wireless sensor networks focused on planar networks; however, three dimensional (3D) modeling of the sensor network would reflect more accurately real-life situations. Unlike previous works in this area, we provide distributed algorithms that allow the selection and activation of an optimal border cover for both 2D and 3D regions of interest. We also provide self-healing algorithms as an optimization to our border coverage algorithms which allow the sensor network to adaptively reconfigure and repair itself in order to improve its own performance. Border coverage is crucial for optimizing sensor placement for intrusion detection and a number of other practical applications.

• Applied Microscopy
• /
• 제41권2호
• /
• pp.81-88
• /
• 2011

최근 나노 영역에서의 구조분석과 조성분석의 중요성이 증대되고 있으나, 기존의 분석장비들은 한계에 부딪히고 있다. 최근 개발된 APT는 nm 이하의 공간분해능과 수십 ppm수준의 detection limit으로 원소의 3차원분포와 조성정보를 제공해 주는 분석장비로서, 이러한 기존 분석의 한계를 극복할 수 있는 새로운 분석장비이다. 그러나 국내에는 아직 잘 알려지지 않아 활용이 미비한 실정이다. 따라서, 본 논문에서는 APT에 대한 이해를 돕기 위해 APT분석의 원리와 시편준비에 대해 소개하였다.

• 한국측량학회지
• /
• 제28권2호
• /
• pp.239-246
• /
• 2010

위성영상을 이용하면 단시간에 매우 광범위한 지역의 데이터를 획득할 수 있으며, 여러 시간대의 영상으로부터 지형, 토지, 자연생태계, 도시화 등의 변화에 대한 자료를 확보할 수 있다. 본 연구에서는 시기가 다른 4개의 Landsat 위성영상을 이용하여 대전광역시의 식생에 대한 시계열적 변화를 탐지하였다. 또한 식생의 활력도를 파악하기 위하여 NDVI를 사용하였으며, 영상분류 결과와 NDVI로부터 연구대상지 식생의 시계열적 변화를 효과적으로 탐지할 수 있었다. 이는 도시의 효율적 관리 및 계획 수립과 관련된 의사결정에 활용될 것으로 기대된다.

• International Journal of Computer Science & Network Security
• /
• 제22권5호
• /
• pp.294-302
• /
• 2022

Detection of fake news is a complex and a challenging task. Generation of fake news is very hard to stop, only steps to control its circulation may help in minimizing its impacts. Humans tend to believe in misleading false information. Researcher started with social media sites to categorize in terms of real or fake news. False information misleads any individual or an organization that may cause of big failure and any financial loss. Automatic system for detection of false information circulating on social media is an emerging area of research. It is gaining attention of both industry and academia since US presidential elections 2016. Fake news has negative and severe effects on individuals and organizations elongating its hostile effects on the society. Prediction of fake news in timely manner is important. This research focuses on detection of fake news spreaders. In this context, overall, 6 models are developed during this research, trained and tested with dataset of PAN 2020. Four approaches N-gram based; user statistics-based models are trained with different values of hyper parameters. Extensive grid search with cross validation is applied in each machine learning model. In N-gram based models, out of numerous machine learning models this research focused on better results yielding algorithms, assessed by deep reading of state-of-the-art related work in the field. For better accuracy, author aimed at developing models using Random Forest, Logistic Regression, SVM, and XGBoost. All four machine learning algorithms were trained with cross validated grid search hyper parameters. Advantages of this research over previous work is user statistics-based model and then ensemble learning model. Which were designed in a way to help classifying Twitter users as fake news spreader or not with highest reliability. User statistical model used 17 features, on the basis of which it categorized a Twitter user as malicious. New dataset based on predictions of machine learning models was constructed. And then Three techniques of simple mean, logistic regression and random forest in combination with ensemble model is applied. Logistic regression combined in ensemble model gave best training and testing results, achieving an accuracy of 72%.

• 한국식품위생안전성학회지
• /
• 제38권5호
• /
• pp.279-286
• /
• 2023

Rapid and accurate detection of pathogenic bacteria is crucial for various applications, including public health and food safety. However, existing bacteria detection techniques have several drawbacks as they are inconvenient and require time-consuming procedures and complex machinery. Recently, the precision and versatility of CRISPR/Cas system has been leveraged to design biosensors that offer a more efficient and accurate approach to bacterial detection compared to the existing techniques. Significant research has been focused on developing biosensors based on the CRISPR/Cas system which has shown promise in efficiently detecting pathogenic bacteria or virus. In this review, we present a biosensor based on the CRISPR/Cas system that has been specifically developed to overcome these limitations and detect different pathogenic bacteria effectively including Vibrio parahaemolyticus, Salmonella, E. coli O157:H7, and Listeria monocytogenes. This biosensor takes advantage of the CRISPR/Cas system's precision and versatility for more efficiently accurately detecting bacteria compared to the previous techniques. The biosensor has potential to enhance public health and ensure food safety as the biosensor's design can revolutionize method of detecting pathogenic bacteria. It provides a rapid and reliable method for identifying harmful bacteria and it can aid in early intervention and preventive measures, mitigating the risk of bacterial outbreaks and their associated consequences. Further research and development in this area will lead to development of even more advanced biosensors capable of detecting an even broader range of bacterial pathogens, thereby significantly benefiting various industries and helping in safeguard human health

• 한국산학기술학회논문지
• /
• 제20권11호
• /
• pp.305-313
• /
• 2019

최근 드론을 이용한 공간정보 구축이 활성화되면서 공간정보 산업발전에 많은 기여를 하고 있다. 하지만 드론 공간정보는 카메라의 중심투영에 의한 발생하는 폐색영역 뿐 아니라 가로수, 보행자, 현수막과 같은 적치물에 의한 폐색 영역이 필연적으로 발생한다. 이러한 폐색영역을 효율적으로 해결하기 위한 다양한 방안이 연구되고 있다. 본 연구에서는 폐색영역 해결을 위해 원초적인 재촬영이 아닌 딥러닝 알고리즘을 적용하기 위한 다양한 알고리즘별 조사 및 비교 연구를 수행하였다. 그 결과, 객체 검출 알고리즘인 HOG부터 기계학습 방법인 SVM, 딥러닝 방식인 DNN, CNN, RNN까지 다양한 모델들이 개발 및 적용되고 있으며, 이 중 영상의 분류, 검출에 가장 보편적이고 효율적인 알고리즘은 CNN 기법임을 확인하였다. 향후 AI 기반의 자동 객체 탐지와 분류는 공간정보 분야에서 각광받는 최신 과학기술이다. 이를 위해 다양한 알고리즘에 대한 검토와 적용은 중요하다. 따라서, 본 연구에서 제시하는 알고리즘별 적용 가능성은 자동으로 드론 영상의 폐색영역을 탐지하고 해결할 수 있어 공간정보 구축의 시간, 비용, 인력에 대한 효율성 향상에 기여할 것으로 판단된다.

• 한국멀티미디어학회논문지
• /
• 제16권1호
• /
• pp.11-18
• /
• 2013

본 논문에서는 정확한 깊이를 추출하기 위해 고차 통계기반 초점 척도를 이용한 SFF(shape from focus) 알고리즘을 제시한다. 기존의 SFF기반 3차원 깊이 복원 기법들은 초점 척도로 SML(sum of modified Laplacian)을 사용하기 때문에, 성능이 영상의 특성에 크게 의존하여 초점이 정밀하거나 질감이 풍부한 영상에서만 효율적이다. 그러므로, 본 논문에서는 비교적 질감과 초점이 빈약한 영상에서도 초점 값을 추출할 수 있도록 고차 통계(HOS:higher order statistics)를 이용한 알고리즘을 제안한다. 이 초점 척도에 의해 초점 영역 맵이 생성되고 국부적으로 최적의 초점 값을 갖는 화소를 추출하기 위해 영역개선, 세선화, 모서리 검출과정이 순서적으로 적용된다. 최종적으로 추출된 점에 대해서 Delaunay 삼각화를 사용하여 3차원 모델정보를 생성한다.

• 보건행정학회지
• /
• 제6권1호
• /
• pp.85-109
• /
• 1996

Telemedicine can increase accessibility to advance medical technology at the university hospital for community residents living in a remote area. This paper focused on the economic evaluation of telemedicine to identify important factors influencing costs and benefits and to understand how these factors can be changed to improve economic performance of the telemedicine. When the telemedicine project currently operating in Korea was evaluated based on the traditional cost-benefit analysis, the results showed a heavy net loss wiht a B/C ration of 0.56. As several values were added to the analysis based on the Information Economics approach, B/C ratios steadly increased. When the saving of medical expenses from the early detection of diseases was taken into a consideration, the ration exceeded the break-even point. >From the sensitivity analysis, a number of patients and the cost for equipment and communication were found to be the key factors for influencing economic performance of telemedicine.