• 생물환경조절학회지
• /
• 제31권4호
• /
• pp.270-278
• /
• 2022

본 연구는 무대재배 복숭아 '미황'을 대상으로 성숙기간 중 RGB 영상을 취득한 후 다양한 품질 지표를 측정하고 이를 딥러닝 기술에 적용하여 복숭아 과실 숙도 분류의 가능성을 탐색하고자 실시하였다. 취득 영상 730개의 데이터를 training과 validation에 사용하였고, 170개는 최종테스트 이미지로 사용하였다. 본 연구에서는 딥러닝을 활용한 성숙도 자동 분류를 위하여 조사된 품질 지표 중 경도, Hue 값, a^*값을 최종 선발하여 이미지를 수동으로 미성숙(immature), 성숙(mature), 과숙(over mature)으로 분류하였다. 이미지 자동 분류는 CNN(Convolutional Neural Networks, 컨볼루션 신경망) 모델 중에서 이미지 분류 및 탐지에서 우수한 성능을 보이고 있는 VGG16, GoogLeNet의 InceptionV3 두종류의 모델을 사용하여 복숭아 품질 지표 값의 분류 이미지별 성능을 측정하였다. 딥러닝을 통한 성숙도 이미지 분석 결과, VGG16과 InceptionV3 모델에서 Hue_left 특성이 각각 87.1%, 83.6%의 성능(F1 기준)을 나타냈고, 그에 비해 Firmness 특성이 각각 72.2%, 76.9%를 나타냈고, Loss율이 각각 54.3%, 62.1%로 Firmness를 기준으로 한 성숙도 분류는 적용성이 낮음을 확인하였다. 추후에 더 많은 종류의 이미지와 다양한 품질 지표를 가지고 학습이 진행된다면 이전 연구보다 향상된 정확도와 세밀한 성숙도 판별이 가능할 것으로 판단되었다.

• 한국빅데이터학회지
• /
• 제4권2호
• /
• pp.1-12
• /
• 2019

인공지능 기술이 발전하면서 이미지, 음성, 텍스트 등 다양한 분야에 적용되고 있으며, 데이터가 충분한 경우 기존 기법들에 비해 좋은 결과를 보인다. 주식시장은 경제, 정치와 같은 많은 변수에 의해 영향을 받기 때문에, 주식 가격의 움직임 예측은 어려운 과제로 알려져 있다. 다양한 기계학습 기법과 인공지능 기법을 이용하여 주가 패턴을 연구하여 주가의 등락을 예측하려는 시도가 있어왔다. 본 연구는 딥러닝 기법 중 컨볼루셔널 뉴럴 네트워크(CNN)를 기반으로 주가 패턴 예측률 향상을 위한 데이터 증강 방안을 제안한다. CNN은 컨볼루셔널 계층을 통해 이미지에서 특징을 추출하여 뉴럴 네트워크를 이용하여 이미지를 분류한다. 따라서, 본 연구는 주식 데이터를 캔들스틱 차트 이미지로 만들어 CNN을 통해 패턴을 예측하고 분류하고자 한다. 딥러닝은 다량의 데이터가 필요하기에, 주식 차트 이미지에 다양한 데이터 증강(Data Augmentation) 방안을 적용하여 분류 정확도를 향상 시키는 방법을 제안한다. 데이터 증강 방안으로는 차트를 랜덤하게 변경하는 방안과 차트에 가우시안 노이즈를 적용하여 추가 데이터를 생성하였으며, 추가 생성된 데이터를 활용하여 학습하고 테스트 집합에 대한 분류 정확도를 비교하였다. 랜덤하게 차트를 변경하여 데이터를 증강시킨 경우의 분류 정확도는 79.92%였고, 가우시안 노이즈를 적용하여 생성된 데이터를 가지고 학습한 경우의 분류 정확도는 80.98%이었다. 주가의 다음날 상승/하락으로 분류하는 경우에는 60분 단위 캔들 차트가 82.60%의 정확도를 기록하였다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제27권1호
• /
• pp.171-191
• /
• 2018

Purpose Corporate technology leakage is not only monetary loss, but also has a negative impact on the corporate image and further deteriorates sustainable growth. In particular, since SMEs are highly dependent on core technologies compared to large corporations, loss of technology leakage threatens corporate survival. Therefore, it is important for SMEs to "prevent and protect technology leakage". With the recent development of data analysis technology and the opening of public data, it has become possible to discover and proactively detect companies with a high probability of technology leakage based on actual company data. In this study, we try to construct profiles of enterprises with and without technology leakage experience through profiling analysis using data mining techniques. Furthermore, based on this, we propose a classification model that distinguishes companies that are likely to leak technology. Design/methodology/approach This study tries to develop the empirical model for prevention and protection of technology leakage through profiling method which analyzes each SME from the viewpoint of individual. Based on the previous research, we tried to classify many characteristics of SMEs into six categories and to identify the factors influencing the technology leakage of SMEs from the enterprise point of view. Specifically, we divided the 29 SME characteristics into the following six categories: 'firm characteristics', 'organizational characteristics', 'technical characteristics', 'relational characteristics', 'financial characteristics', and 'enterprise core competencies'. Each characteristic was extracted from the questionnaire data of 'Survey of Small and Medium Enterprises Technology' carried out annually by the Government of the Republic of Korea. Since the number of SMEs with experience of technology leakage in questionnaire data was significantly smaller than the other, we made a 1: 1 correspondence with each sample through mixed sampling. We conducted profiling of companies with and without technology leakage experience using decision-tree technique for research data, and derived meaningful variables that can distinguish the two. Then, empirical model for prevention and protection of technology leakage was developed through discriminant analysis and logistic regression analysis. Findings Profiling analysis shows that technology novelty, enterprise technology group, number of intellectual property registrations, product life cycle, technology development infrastructure level(absence of dedicated organization), enterprise core competency(design) and enterprise core competency(process design) help us find SME's technology leakage. We developed the two empirical model for prevention and protection of technology leakage in SMEs using discriminant analysis and logistic regression analysis, and each hit ratio is 65%(discriminant analysis) and 67%(logistic regression analysis).

• 한국측량학회지
• /
• 제39권3호
• /
• pp.133-139
• /
• 2021

현재 정밀도로지도 구축 공정은 수작업의 비율이 높아 구축 시간과 비용의 한계가 따른다. 인공지능을 이용하여 정밀도로지도 제작을 자동화하기 위한 연구가 활발하게 진행되고 있으나 정밀도로지도 제작을 위한 학습데이터의 구축 또한 수동으로 이루어지고 있어 학습데이터를 자동으로 구축할 필요성이 있다. 이에 본 연구에서는 모바일매핑시스템으로 취득한 포인트 클라우드를 이용하여 영상으로 변환한 후, 임계치를 이용한 영상 재분류와 중첩 분석 등을 통해 도로 노면표시 영역을 추출하고 추출한 영역의 다각형 유형 분류를 통해 정밀도로지도 제작을 위한 딥러닝 학습데이터를 자동으로 구축하는 방법론을 제안하였다. 제안한 방법론을 통해 구축한 2,764개의 차선 데이터를 딥러닝 기반의 PointNet 모델에 학습한 결과 학습 정확도는 99.977%로 나타났으며, 학습된 모델을 이용하여 3가지 색상 유형의 차선을 예측한 결과 정확도는 99.566%로 나타났다. 따라서, 본 연구에서 제안한 방법론으로 정밀도로지도 구축을 위한 학습데이터를 효율적으로 제작할 수 있는 것을 알 수 있었으며, 도로 노면표시의 정밀도로지도 제작과정 또한 자동화할 수 있을 것으로 사료된다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권10호
• /
• pp.377-382
• /
• 2018

본 연구는 홍삼 등급 판정을 위한 내부 상태 및 조직의 치밀도 분석 방법에 관한 것이다. 홍삼 내부 측정을 위해 1990년대 이후부터는 자기공명영상법(MRI), X-ray 판별 등의 비파괴 검사 방법에 대한 연구가 다양하게 이루어졌지만, 등급 판정에 가장 중요한 내공(內空), 내백(內白)을 파악하는데 어려움이 있어 정확한 내부 판정이 불가능하였다. 그리하여 본 연구에서는 적외선 조명 환경의 폐쇄형 영상 취득 장치를 제작하고 내공, 내백의 유무와 직경을 파악할 수 있는 내부 측정 시스템을 개발하였다. 제작한 장치는 홍삼 내부 투과율이 높은 950nm 파장대역의 적외선 조명, 적외선 대역 촬영이 가능한 카메라, 카메라에 홍삼의 초점을 자동제어 할 수 있는 Y축 제어 액추에이터 그리고 홍삼을 $1^{\circ}$의 간격으로 $360^{\circ}$ 회전하며 영상을 취득할 수 있는 회전 액추에이터로 구성이 되어있다. 제안하는 알고리즘은 Y축 액추에이터에서 Auto-Focus 알고리즘을 수행하여 홍삼의 크기와 두께 변화에 따라 객체의 선명한 초점을 자동으로 맞춰준다. 그다음 홍삼을 $1^{\circ}$ 간격으로 $360^{\circ}$ 회전하며 총 360장의 홍삼 영상을 취득하면 라돈 변환(Radon transform)을 통해 사이노그램(Sinogram)으로 재구성하고, 역 라돈 변환(Inverse Radon transform)을 통해 단층영상복원(Back-projection) 알고리즘이 수행되어 홍삼 내부 영상을 획득하였다. 알고리즘 수행 결과 홍삼 두께나 모양에 관계없이 내부 단면영상 획득이 가능하였고 영상을 통해 내공, 내백의 유무와 직경을 파악할 수 있었다. 추후 10,000개 이상의 다양한 모양과 크기를 가지는 홍삼에 대하여 내부 영상을 취득하여 등급 판별 기준을 적용한다면 신뢰성 있는 홍삼 등급 자동화 측정 방법으로 사용가능 할 것이다.

• 한국방사선학회논문지
• /
• 제16권5호
• /
• pp.499-504
• /
• 2022

양전자방출단층촬영기기(positron emission tomography, PET)는우수한 공간분해능을 달성하기 위해 매우 작은 섬광체를 사용한다. 이에 본 연구에서는 0.8 mm 크기의 섬광체를 사용한 PET 시스템을 설계하여 성능을 평가하였다. 관심 시야(field of view, FOV) 중심에서부터 10 mm 간격으로 외곽에 이르는 위치에서 소멸방사선을 발생시켜 동시계수하였다. 획득한 데이터를 사용하여 영상을 재구성하였으며, 프로파일을 통해 반치폭을 획득하여 공간분해능을 계산하였다. FOV 중심에서 공간분해능은 1.02 mm로 매우 우수한 결과를 보였으며, 외곽에 위치할수록 공간분해능은 저하되는 특징을 보였다. 팬텀 영상을 평가하기 위해 Derenzo 팬텀을 구성하여 영상을 획득하였으며, 프로파일 분석을 통해 선원간 구분 정도를 평가하였다. 각 위치별 선원의 공간분해능에 비해 선원간의 간격이 더 큰 결과를 보였으며, 이를 통해 모든 위치의 선원들이 구분되는 것을 확인할 수 있었다. 본 연구에서 설계한 PET 시스템을 소동물용 PET에 적용할 경우 매우 우수한 공간분해능을 특성을 통해 우수한 성능을 확보할 수 있을 것으로 판단된다.

• 사상체질의학회지
• /
• 제19권3호
• /
• pp.51-61
• /
• 2007

1. Objectives The Face is an important standard for the classification of Sasang Constitutions. We are developing 3D Automatic Face Recognition Apparatus(3D-AFRA) to analyse the facial characteristics. This apparatus show us 3D image and data of man's face and measure facial figure data. So We should examine the Measurement of Facial Figure data error of 3D Automatic Face Recognition Apparatus(3D-AFRA) in Software Error Analysis. 2. Methods We scanned face status by using 3D Automatic Face Recognition Apparatus(3D-AFRA). And we measured lengths Between Facial Definition Parameters of facial figure data by Facial Measurement program. 2.1 Repeatability test We measured lengths Between Facial Definition Parameters of facial figure data restored by 3D-AFRA by Facial Measurement program 10 times. Then we compared 10 results each other for repeatability test. 2.2 Measurement error test We measured lengths Between Facial Definition Parameters of facial figure data by two different measurement program that are Facial Measurement program and Rapidform2006. At measuring lengths Between Facial Definition Parameters, we uses two measurement way. The one is straight line measurement, the other is curved line measurement. Then we compared results measured by Facial Measurement program with results measured by Rapidform2006. 3. Results and Conclusions In repeatability test, standard deviation of results is 0.084-0.450mm. And in straight line measurement error test, the average error 0.0582mm, and the maximum error was 0.28mm. In curved line measurement error test, the average error 0.413mm, and the maximum error was 1.53mm. In conclusion, we assessed that the accuracy and repeatability of Facial Measurement program is considerably good. From now on we complement accuracy of 3D-AFRA in Hardware and Software.

• 대한토목학회논문집
• /
• 제28권3D호
• /
• pp.407-415
• /
• 2008

본 연구에서는 도시하천의 수체적 계산에 이용되는 지형측량자료의 정확도 향상을 위해 영상정보를 연계하는 기법을 제시하였다. 먼저, 사주와 초지에 대한 지형을 구축하기 위해 횡단측량자료로부터 IDW와 크리깅과 같은 GIS 공간추정기법을 적용하였으며 생성된 지형의 정확도를 평가하기 위해 검정점 측량자료와 비교하였다. 비교결과, 사주에서는 2차 제곱의 IDW가 초지영역에서는 크리깅 구형모델이 하천내 지형구축에 효과적이었으나, 보간법간의 차이는 크지 않은 것으로 나타났다. 또한 하천에 분포하고 있는 사주와 초지에 대한 영역을 효과적으로 고려하기 위해 최소거리법을 적용하여 영상을 분류하여 Water Level Point의 수위값을 적용하였다. 사주와 초지영역을 영상정보로부터 추출하여 생성한 지형자료로부터 분석한 하천내 수체적은 영상정보를 활용하지 않은 기존의 지형에 비해 사주는 20%, 초지는 13%의 정확도 개선효과를 나타내었다. 따라서, 영상정보를 연계한 하천지형분석기법은 홍수시 댐하류에 분포하는 사주와 초지영역에 대한 모니터링 및 하천내 수체적 계산에 유용하게 활용될 수 있으리라 판단된다.

• 인터넷정보학회논문지
• /
• 제22권2호
• /
• pp.29-39
• /
• 2021

새롭게 발생되는 사이버 공격으로 인해 개인, 민간 및 기업의 피해가 증가함에 따라, 이에 기반이 되는 네트워크 보안 문제는 컴퓨터 시스템의 주요 문제로 부각되었다. 이에 기존에 사용되는 네트워크 침입 탐지 시스템(Network Intrusion Detection System: NIDS)에서 발생되는 한계점을 개선하고자 기계 학습과 딥러닝을 활용한 연구 이뤄지고 있다. 이에 본 연구에서는 CNN(Convolution Neural Network) 알고리즘을 이용한 NIDS 모델 연구를 진행한다. 이미지 분류 기반의 CNN 알고리즘 학습을 위해 기존 사용되는 전처리 단계에서 연속성 변수 이산화(Discretization of Continuous) 알고리즘을 추가하여 예측 변수에 대해 선형 관계로 표현하여 해석에 용이한 데이터로 변환 후, 정사각형 행렬(Square Matrix) 구조에 매칭된 픽셀(Pixel) 이미지 구조를 모델에 학습한다. 모델의 성능 평가를 위해 네트워크 패킷 데이터인 NSL-KDD를 사용하였으며, 정확도(Accuracy), 정밀도(Precision), 재현율(Recall) 및 조화평균(F1-score)을 성능지표로 사용하였다. 실험 결과 제안된 모델에서 85%의 정확도로 가장 높은 성능을 보였으며, 학습 표본이 적은 R2L 클래스의 조화평균이 71% 성능으로 다른 모델에 비해서 매우 좋은 성능을 보였다.