• 분석과학
• /
• 제20권4호
• /
• pp.308-314
• /
• 2007

방사흐름 전지를 연결한 고성능 액체 크로마토그래프를 사용하여 독소루비신, 에피루비신, 노갈라마이신, 다우노루비신 및 아이다루비신을 동시에 정량 할 수 있는 역상 크로마토그래피법을 개발하였다. 안트라사이클린계 항생제들은 이동상 용매 중에서 은/염화은 (0.01 M NaCl) 기준전극에 대하여 확산 전류를 나타내는 -0.74 V에서 검출되었다. 부피 흐름속도 ($V_f$)를 1.0 mL/min로 고정하였을 때 독소루비신, 에피루비신, 다우노루비신 및 아이다루비신은 각각 6.4 분, 7.4분, 12.7분 및 18.4분의 머무름 시간 ($t_r$)에서 나타났으며, $V_f$ 0.6 mL/min 에서는 독소루비신, 에피루비신, 노갈라마이신, 다우노루비신 및 아이다루비신의 $t_r$은 각각 9.9분, 11.5분, 13.5분, 19.6분 및 28.7분에서 나타났다. 주입된 각각의 안트라사이클린계 항생제의 농도 ($2.40{\times}10^{-7}M{\sim}1.42{\times}10^{-5}M$)에 대하여 봉우리 면적 (전하)를 도시하였을 때 상관계수의 제곱 ($R^2$)은 0.999 이상으로 직선 성이 우수하였다. 다섯 가지 안트라사이클린계 항생제의 검출한계는 $1.0{\times}10^{-8}M{\sim}1.5{\times}10^{-7}M$이었으며 정밀도는 $0.7{\mu}M$ 이하의 농도를 제외하고는 상대 표준편차3%($1.00{\times}10^{-6}M{\sim}1.42{\times}10^{-5}M$) 미만이었다. 사람의 혈청 중에 포함된 $1.00{\times}10^{-5}M$ 에피루비신, $0.48{\times}10^{-5}M$ 노갈라마이신 및 $1.52{\times}10^{-5}M$ 다우노루비신을 $C_{18}$ 카트리지로 고상 추출하였을 때 회수율은 각각 97%, 100% 및 90% 이었다.

• 한국식품위생안전성학회지
• /
• 제39권2호
• /
• pp.72-82
• /
• 2024

본 연구는 자일로올리고당의 과학적이고 체계적인 표준화된 시험법을 마련하여 다양한 제형의 제품에 적용하고자 하였다. 최적화된 시험법을 마련하기 위해 초음파 처리 시간, 산 가수분해 시간 및 농도를 검토하여 전처리 방법을 비교 평가하였으며, HPLC-UVD를 이용하여 시료 중의 자일로올리고당을 분석하였다. 분석 시 1-phenyl-3-methyl-5-pyrazoline (PMP)으로 유도체화하고, photo diode array (PDA)가 장착된 high performance liquid chromatography (HPLC) (Nanospace SI-2)를 사용하였으며, 칼럼은 Cadenza C₁₈ (4.6 × 250 mm, 3 ㎛)이었으며, 이동상은 pH를 6.0으로 맞춘 20 mM 인산완충용액과 아세토니트릴을 78:22 비율로 혼합하여 사용하였고, 0.5 mL/min 유속으로 254 nm로 하여 분석하였다. 건강기능식품 등 시험법 마련 표준절차에 관한 가이드라인에 따라 밸리데이션을 수행하고, 표준화된 시험법을 이용하여 유통 중인 건강기능식품 대상 품목에 대해 시험법 적용 여부를 확인하였다. 표준화된 시험법은 자일로올리고당을 함유한 건강기능식품 품질관리에 대한 신뢰성을 더 높일 것으로 본다.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.99-107
• /
• 2024

경제성장과 산업 발전에 따라 반도체 제품부터 SMT 제품, 전기 배터리 제품에 이르기 까지 많은 전자통신 부품들의 제조과정에서 발생하는 철, 알루미늄, 플라스틱 등의 이물질로 인해 제품이 제대로 동작하지 않거나, 전기 배터리의 경우 화재를 발생하는 문제까지 심각한 문제로 이어질 가능성이 있다. 이러한 문제를 해결하기 위해 초음파나 X-ray를 이용한 비파괴 방법으로 제품 내부에 이물질이 있는지 판단하여 문제의 발생을 차단하고 있으나, X-ray 영상을 취득하여 이물질이 있는지 판정하는 데에도 여러 한계점이 존재한다. 특히. 크기가 작거나 밀도가 낮은 이물질들은 X-Ray장비로 촬영을 하여도 보이지 않는 문제점이 있고, 잡음 등으로 인해 이물들이 잘 안 보이는 경우가 있으며, 특히 높은 생산성을 가지기 위해서는 빠른 검사속도가 필요한데, 이 경우 X-ray 촬영시간이 짧아지게 되면 신호 대비 잡음비율(SNR)이 낮아지면서 이물 탐지 성능이 크게 저하되는 문제를 가진다. 따라서, 본 논문에서는 저화질로 인해 이물질을 탐지하기 어려운 한계를 극복하기 위한 5단계 방안을 제안한다. 첫번째로, Global 히스토그램 최적화를 통해 X-Ray영상의 대비를 향상시키고, 두 번째로 고주파 영역 신호의 구분력을 강화하기 위하여 Local contrast기법을 적용하며, 세 번째로 Edge 선명도 향상을 위해 Unsharp masking을 통해 경계선을 강화하여 객체가 잘 구분되도록 한다, 네 번째로, 잡음 제거 및 영상향상을 위해 Resdual Dense Block(RDB)의 초고해상화 방법을 제안하며, 마지막으로 Yolov5 알고리즘을 이용하여 이물질을 학습한 후 탐지한다. 본 연구에서 제안하는 방식을 이용하여 실험한 결과, 저밀도 영상 대비 정밀도 등의 평가기준에서 10%이상의 성능이 향상된다.

• 한국식품위생안전성학회지
• /
• 제32권4호
• /
• pp.267-274
• /
• 2017

2016년 6~12월 서울약령시에서 원형 또는 분말 형태로 유통 판매되는 식 약 공용 농산물 총 62건을 구입하여, 후칼럼 유도체화 장치인 광화학 반응장치를 연결한 HPLC-FLD를 이용하여 아플라톡신($B_1$, $B_2$, $G_1$, $G_2$)을 정성 및 정량 분석함으로써 오염도를 조사하였다. 아플라톡신의 검출한계는 $B_1$ $0.086{\mu}g/kg$, $B_2$ $0.020{\mu}g/kg$, $G_1$ 0.363 g/kg, $G_2$ $0.126{\mu}g/kg$이었고, 정량한계는 $B_1$ $0.262{\mu}g/kg$, $B_2$ $0.059{\mu}g/kg$, $G_1$ 1.101 g/kg, $G_2$ $0.382{\mu}g/kg$였다. 회수율은 $B_1$ 95.1~101.8%, $B_2$ 86.9~105.6%, $G_1$ 95.2~100.6%, $G_2$ 98.6~114.0%이었으며, 변동계수(Coefficient of Variation, %)는 $B_1$ 1.9~9.8%, $B_2$ 1.2~8.2%, $G_1$ 2.1~9.5%, $G_2$ 0.9~9.3%였다. 사용부위에 따른 아플라톡신 오염의 특성을 살펴본 결과 종자(Semen)만 아플라톡신이 검출되었으며, 21건 중 6건(원형 3건, 분말 3건)에서 아플라톡신이 검출되었다. 품목별 아플라톡신 검출 건수를 살펴본 결과, 연자육 중 원형은 7건을 검사한 결과 2건에서 아플라톡신 $B_1$, $B_2$가 검출되었고, 분말은 6건 중 2건에서 아플라톡신 $B_1$이 검출되었다. 산조인 원형은 5건 중 1건에서 아플라톡신 $B_1$, $B_2$가 검출되었으며, 분말은 3건 중 1건에서 아플라톡신 $B_1$, $B_2$가 검출되었다. 아플라톡신 검출량을 살펴보면, 연자육 원형은 총아플라톡신($B_1$, $B_2$, $G_1$ 및 $G_2$의 합)이 $ND{\sim}14.655{\mu}g/kg$($B_1$ $ND{\sim}11.869{\mu}g/kg$) 검출되었고, 분말은 총아플라톡신이 $ND{\sim}2.223{\mu}g/kg$($B_1$이 $ND{\sim}2.223{\mu}g/kg$) 검출되었다. 산조인 원형의 아플라톡신 검출량은 총아플라톡신이 $ND{\sim}9.182{\mu}g/kg$($B_1$이 $ND{\sim}6.612{\mu}g/kg$) 검출되었고, 분말은 총아플라톡신이 $ND{\sim}21.797{\mu}g/kg$($B_1$이 $ND{\sim}19.345{\mu}g/kg$) 검출되었다. 따라서 이러한 곰팡이독소 검출현황을 토대로 식 약 공용 농산물에 대한 곰팡이독소 기준을 설정하여 식 약 공용 농산물의 안전한 유통을 관리할 필요가 있다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.

• 헤리티지:역사와 과학
• /
• 제52권2호
• /
• pp.80-105
• /
• 2019

재난 유형의 복합화 및 불규칙성이 날로 늘고 있는 가운데 다양한 자연적 인문적 요인에 의하여 문화재가 파괴되고 손상되는 사례가 빈번해짐에 따라 보다 적극적인 사전 예방적 차원에서의 문화재 보존 관리 필요성이 높아지고 있다. 이에 문화재청은 문화재의 체계적인 보존 관리를 위해 2005년 12월 정기조사를 법제화하였고, 최근에는 법령을 개정하여 조사 주기를 5년에서 3년으로 단축하는 한편, 정기조사 대상을 등록문화재까지 확대하는 등 제도적으로 문화재 보존 관리 역량을 강화하고자 노력하고 있다. 한편 시 도지정문화재의 정기조사는 조례에 따라 광역자치단체 중심으로 시행하도록 되어 있는데, 서울특별시의 경우 도심에 위치한 문화재가 많고 탐방 수요가 높아 상대적으로 예방적 차원의 관리가 더욱 중요함에 따라 2008년 조례를 개정해 정기조사의 법적 근거를 마련하고, 2016년에서 2018년까지 시지정문화재 전체를 대상으로 정기조사를 실시하였다. 이에 개별 문화재를 중심으로 진행된 조사의 결과를 취합하고 종합적인 관리 현황을 진단함으로써 보다 효과적인 관리방안을 마련하기 위한 검토가 필요한 시점이다. 따라서 본 연구는 서울특별시 지정문화재에 대하여 3개년(2016~2018) 동안 추진된 정기조사 결과를 중심으로 종합적인 관리 실태를 점검함으로써 성과 및 한계를 진단하고 개선방안을 모색하는 한편, 서울특별시가 추진 중인 통합 관리 시스템에 기초 DB 탑재를 위한 방안을 제언하였다. 구체적으로 정기조사 운영 지침상의 조사 서식을 준용하되 시지정문화재의 특성을 고려하여 조사 서식의 유형을 재분류하고 세분화하였다. 또한 조사 범위 및 방식에 있어 일관성 있고 구체적인 정보 기술을 위한 매뉴얼을 개발하였다. 이를 토대로 정기조사 결과를 분석한 바 조사 대상 문화재 총 521건 가운데 401건(77.0%)은 전반적으로 보존 관리 상태가 양호하였고, 102건(19.6%)은 주의관찰, 정밀진단, 수리 등 별도의 조치가 필요한 것으로 확인되었다. 이에 대한 조치로 관리 상태 및 시급성에 따라 중점 관리 대상을 선정하여 우선적으로 관리하는 방안을 제안하였다. 향후 본 연구를 기초로 보다 합리적이고 체계적인 문화재 보존 관리 계획의 수립 및 추진을 도모하는 한편, 중장기적으로 서울특별시가 추진하고 있는 통합 관리 시스템에 기초 DB를 효과적으로 제공함으로써 사전 예방적이고 효율적인 문화재 관리 체계의 구축을 통한 안전하고 지속가능한 문화재 보호의 토대가 마련될 수 있기를 기대한다.

• 한국가정과교육학회지
• /
• 제24권2호
• /
• pp.117-134
• /
• 2012

본 연구의 목적은 가정과교육에서 창의 인성 교육에 대한 가정과 교사의 관심 단계와 실행 수준, 그리고 실행 실태를 알아보는데 있다. 연구 자료는 전국의 중학교 가정과 교사를 대상으로 체계적 표집과 편의 표집을 하여 우편과 이메일을 통해 설문지를 배포하고 회수된 187부를 최종 분석에 사용하였다. 조사 도구는 주로 Hall(1987)이 개발한 혁신에 대한 교사의 관심도와 실행 수준에 대한 질문지를 수정 보완하여 사용하였고 그 외는 선행연구를 기초하여 개발하였으며 타당도와 신뢰도를 검증하였다. 자료는 SPSS/window(12.0) 프로그램을 이용하여 빈도, 백분율, 평균, 표준편차, t-test, ANOVA를 실시하였다. 본 연구를 통해 밝혀진 결과를 요약하면 다음과 같다. 첫째, 창의 인성 교육에 대한 가정과 교사의 관심 단계는 정보적 관심 단계(85.51)가 가장 높았으며 다음으로 개인적 관심 단계(85.18), 운영적 관심 단계(81.88), 지각적 관심 단계(82.15), 강화적 관심 단계(68.80), 협동적 관심 단계(61.97), 그리고 결과적 관심단계(59.76)의 순으로 나타났다. 둘째, 창의 인성 교육에 대한 가정과 교사의 실행 수준은 기계적 실행 수준(수준 3; 21.4%)이 가장 많았으며, 다음으로 탐색 수준(수준 1; 20.9%), 정교화 수준(수준 5; 17.1%), 사용하지 않는 수준(수준 0; 15.0%), 준비 수준(수준 2; 10.2%), 통합 수준(수준 6; 5.9%), 갱신 수준(수준 7; 4.8%), 일상화 수준(수준 4; 4.8%) 순이었다. 셋째, 창의 인성 교육에 대한 가정과 교사의 실행 실태를 조사한 결과, 반 이상의 가정과 교사(56.1%)는 가정과 수업에서 인성 교육에 치중하고 있으며, 31.0%의 교사는 창의 인성 교육을 모두 실행한다고 응답하였다. 반면 소수의 교사(6.4%)는 창의성 교육을 실행한다고 응답하였고 같은 수의 교사(6.4%)는 창의성과 인성 교육 어느 것도 실행하지 않는다고 응답하였다. 가정과 교사의 창의 인성 교육 요소의 실행 정도를 조사한 결과, 창의 인성 교육 요소의 실행은 평균은 5점 만점에서 3.76이었고 창의성 요소의 평균은 3.59, 인성 요소의 평균은 3.94로 보통보다 높았다. 창의성 교육 요소의 실행 정도에 대해서, 개방성/민감성(3.97)을 가장 많이 실행하였고 다음으로 문제해결능력(3.79), 호기심/흥미(3.73), 비판적 사고(3.68), 논리/분석적 사고(3.63), 문제발견능력(3.61), 독창성(3.57), 유추성(3.47), 유창성/융통성(3.46), 정교성(3.46), 상상력(3.37), 몰입/공감(3.37)의 순으로 실행하였다. 인성 교육 요소는 실천력(4.07)을 가장 많이 실행하였고, 다음으로 협동/배려/공정(4.06), 자기관리능력(4.04), 시민의식(4.04), 진로개발능력(4.03), 환경친화능력(3.95), 책임(감)/소유(3.94), 의사결정능력(3.89), 신뢰/정직/약속(3.88), 자율성(3.86), 글로벌역량(3.55)의 순으로 실행한 것으로 나타났다. 창의 인성 교육을 실행할 때 어려운 점으로, 많은 가정과 교사(64.71%)는 창의 인성 교육을 실행할 수업 자료가 부족한 데 있다고 하였으며, 40.11%의 교사는 창의 인성 교육의 연수 기회가 적은데 있다고 응답하였다. 한편 38.50%의 가정과 교사는 창의 인성 교육에 대한 평가 기준을 설정하거나 평가 도구를 개발하는 것이 어렵다고 응답하였고, 25.67%의 교사는 창의 인성 교육 방법을 모른다고 응답하였다. 창의 인성 교육 실행을 위해서 필요한 지원에 대해서, '창의 인성 교육과 관련된 학생들의 체험활동의 확대'(4.34), '창의성과 인성을 중시하는 가정과 수업 문화 조성'(4.29), '학생 발달 단계에 적합한 창의 인성 교육 내용'(4.27), '창의 인성 교육을 담당할 교수 인력 확보'(4.21), '창의 인성 교육의 개념과 가치 확립'(4.09), '지역 사회 기업 등과 연계한 창의 인성 교육 추진'(3.94)의 순으로 응답하였다.