• Journal of Animal Science and Technology
• /
• 제63권6호
• /
• pp.1453-1463
• /
• 2021

Feeding is the most important behavior that represents the health and welfare of weanling pigs. The early detection of feed refusal is crucial for the control of disease in the initial stages and the detection of empty feeders for adding feed in a timely manner. This paper proposes a real-time technique for the detection and recognition of small pigs using a deep-leaning-based method. The proposed model focuses on detecting pigs on a feeder in a feeding position. Conventional methods detect pigs and then classify them into different behavior gestures. In contrast, in the proposed method, these two tasks are combined into a single process to detect only feeding behavior to increase the speed of detection. Considering the significant differences between pig behaviors at different sizes, adaptive adjustments are introduced into a you-only-look-once (YOLO) model, including an angle optimization strategy between the head and body for detecting a head in a feeder. According to experimental results, this method can detect the feeding behavior of pigs and screen non-feeding positions with 95.66%, 94.22%, and 96.56% average precision (AP) at an intersection over union (IoU) threshold of 0.5 for YOLOv3, YOLOv4, and an additional layer and with the proposed activation function, respectively. Drinking behavior was detected with 86.86%, 89.16%, and 86.41% AP at a 0.5 IoU threshold for YOLOv3, YOLOv4, and the proposed activation function, respectively. In terms of detection and classification, the results of our study demonstrate that the proposed method yields higher precision and recall compared to conventional methods.

• 한국컴퓨터정보학회논문지
• /
• 제27권12호
• /
• pp.77-84
• /
• 2022

본 논문은 객체 위치식별 알고리즘의 성능을 향상하기 위한 레이블 재할당 방법을 제안한다. 제안한 방법은 추론 단계와 재할당 단계로 구분한다. 추론 단계에서는 학습된 모델로부터 사전 지정된 크기에 따라 다중 스케일 추론을 수행한 뒤, 이를 마스킹한 영상을 다시 한번 추론하여 강인한 클래스 종류의 추론 결과를 얻는다. 재할당 단계에서는 박스간의 IoU를 계산하여 중복 박스를 제거하고, 박스와 클래스의 빈도를 계산하여 지배적 클래스를 다시 할당하였다. 제안한 방법을 검증하기 위하여 공사현장 안전장비 인식 영상 데이터 세트에 레이블 재할당 방법을 적용하고 이를 YOLOX-L 객체 탐지 모델에서 학습하였다. 실험 결과 적용 전 대비 mAP가 3.9% 향상하여 51.07%를 달성하였으며 AP_S를 3배 이상 향상하여 14.53%를 달성하였다. 실험 결과를 통해 레이블 재할당 알고리즘이 더 우수한 성능의 모델을 훈련해 냄을 확인하였다.

• Smart Structures and Systems
• /
• 제31권4호
• /
• pp.325-334
• /
• 2023

Computer vision-based damage detection enables non-contact, efficient and low-cost bridge health monitoring, which reduces the need for labor-intensive manual inspection or that for a large number of on-site sensing instruments. By leveraging recent semantic segmentation approaches, we can detect regions of critical structural components and identify damages at pixel level on images. However, existing methods perform poorly when detecting small and thin damages (e.g., cracks); the problem is exacerbated by imbalanced samples. To this end, we incorporate domain knowledge to introduce a hierarchical semantic segmentation framework that imposes a hierarchical semantic relationship between component categories and damage types. For instance, certain types of concrete cracks are only present on bridge columns, and therefore the noncolumn region may be masked out when detecting such damages. In this way, the damage detection model focuses on extracting features from relevant structural components and avoid those from irrelevant regions. We also utilize multi-scale augmentation to preserve contextual information of each image, without losing the ability to handle small and/or thin damages. In addition, our framework employs an importance sampling, where images with rare components are sampled more often, to address sample imbalance. We evaluated our framework on a public synthetic dataset that consists of 2,000 railway bridges. Our framework achieves a 0.836 mean intersection over union (IoU) for structural component segmentation and a 0.483 mean IoU for damage segmentation. Our results have in total 5% and 18% improvements for the structural component segmentation and damage segmentation tasks, respectively, compared to the best-performing baseline model.

• 스마트미디어저널
• /
• 제12권9호
• /
• pp.28-37
• /
• 2023

쌀 수확량 감소에 크게 영향을 주는 것은 집중호우나 태풍에 의한 도복 피해이다. 도복 피해 면적 산정 방법은 직접 피해 지역을 방문하는 현장 조사를 기반으로 육안 검사 및 판단하여 객관적인 결과 획득이 어렵고 많은 시간과 비용이 요구된다. 본 논문에서는 무인 항공기로 촬영된 RGB 영상을 Vision Transformer 기반 Segformer을 활용한 벼 도복 영역 추정 및 진단을 제안한다. 제안된 방법은 도복, 정상, 그리고 배경 영역을 추정하고 종자관리요강 내 벼 포장 검사를 통해 도복률을 진단한다. 진단된 결과를 통해 벼 도복 피해 분포를 관찰할 수 있게 하며, 정부 보급종 포장 검사에 활용할 수 있다. 본 연구의 벼 도복 영역 추정 성능은 평균 정확도 98.33%와 mIoU 96.79%의 성능을 나타내었다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.949-965
• /
• 2023

본 연구에서는 Sentinel-1 synthetic aperture radar 영상을 활용하여 딥러닝 모델인 Swin Transformer로 국내 농업용 저수지의 수표면적을 모니터링 하는 방법을 제시한다. Google Earth Engine 플랫폼을 이용하여 70만톤 급, 90만톤급, 150만톤급 저수지 7개소에 대한 2017년부터 2021년 데이터셋을 구축하였다. 저수지 4개소에 대한 영상 1,283장에 대해서 셔플링(suffling) 및 5-폴드(fold) 교차검증 기법을 적용하여 모델을 학습하였다. 시험평가 결과 모델의 윈도우 크기를 12로 설정한 Swin Transformer Large 모델은 각 폴드에서 평균적으로 99.54%의 정확도와 95.15%의 mean intersection over union (mIoU)을 기록하여 우수한 의미론적 분할 성능을 보여주었다. 최고 성능을 보여준 모델을 나머지 3개소 저수지 데이터셋에 적용하여 성능을 검증한 결과, 모든 저수지에서 정확도 99% 및 mIoU 94% 이상을 달성함을 확인했다. 이러한 결과는 Swint Transformer 모델이 국내의 농업용 저수지의 수표면적 모니터링에 효과적으로 활용될 수 있음을 보여준다.

• 전자통신동향분석
• /
• 제30권3호
• /
• pp.84-94
• /
• 2015

5G와 IoT로 인한 무선 트래픽 급증에 대응하기 위해서는, 무선망 성능 및 주파수효율 향상, 신규주파수할당, 주파수 공동사용 기술 개발 등이 복합적으로 적용되어야 달성 가능하다. 그의 일환으로, LTE를 비면허 대역에 사용하려는 LTE-U(Long Term Evolution-Unlicensed)라는 새로운 패러다임의 수평적 주파수 공동사용 기술을, 이동통신에 적용하려는 시도가 진행되고 있다. LTE-A의 주파수 집성기술을 활용하여, 1차 캐리어를 면허 대역 LTE 기반으로 하고, 2차 캐리어를 비면허 대역 LTE로 묶어서 고속으로 데이터를 전송하는 기술이다. 우선적으로 5GHz 비면허 대역에 적용을 검토하고 있는데, 기존에 사용하던 Wi-Fi 및 기상레이다 등과의 공정한 공존(fair coexistence)이 가장 중요하다. 따라서 각국의 5GHz 주파수 대역 규제 현황, 공존을 위한 LBT(Listen-Before-Talk)통신 메커니즘, 표준화 현황을 살펴본다. 또한 이해 당사자인 Wi-Fi, LTE, 이용자, 기술기준의 입장을 살펴보고, 구현이슈, 지적소유권 동향 등을 검토하고, 기술적 및 정책적 대응전략을 살펴본다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3364-3382
• /
• 2023

Remote sensing image segmentation plays an important role in realizing intelligent city construction. The current mainstream segmentation networks effectively improve the segmentation effect of remote sensing images by deeply mining the rich texture and semantic features of images. But there are still some problems such as rough results of small target region segmentation and poor edge contour segmentation. To overcome these three challenges, we propose an improved semantic segmentation model, referred to as MRU-Net, which adopts the U-Net architecture as its backbone. Firstly, the convolutional layer is replaced by BasicBlock structure in U-Net network to extract features, then the activation function is replaced to reduce the computational load of model in the network. Secondly, a hybrid multi-scale recognition module is added in the encoder to improve the accuracy of image segmentation of small targets and edge parts. Finally, test on Massachusetts Buildings Dataset and WHU Dataset the experimental results show that compared with the original network the ACC, mIoU and F1 value are improved, and the imposed network shows good robustness and portability in different datasets.

• The Journal of Korean Physical Therapy
• /
• 제26권6호
• /
• pp.453-458
• /
• 2014

Purpose: The purpose of this study was to compare the activities of the abdominal and neck flexor muscles of children with and without cerebral palsy (CP) while lifting the head in a supine position. Methods: The subjects were eight children with CP and eight children without the disease. The activities of the external abdominal oblique (EO), internal abdominal oblique (IO), rectus abdominis (RA), sternocleidomastoid (SCM), and RA/SCM muscles were collected by surface electromyography (EMG) when the children lifted their heads. A Mann-Whitney U test was used to compare the activity of each muscle during the head-lifting exercise. Statistical significance was accepted at p<0.05. Results: The activities of the EO, IO, and RA, and RA/SCM muscles differed significantly between the children with and without CP, but there was no significant between-group difference in the activity of the SCM muscle. Conclusion: These findings suggest that the abdominal muscles are not employed as much in the activities of children with CP compared to those without the disease. Additionally, those with CP were more dependent on the neck flexor muscle during the head-lifting exercise in a supine position.

• 디지털융복합연구
• /
• 제14권7호
• /
• pp.175-184
• /
• 2016

본 연구의 목적은 최근 증가하는 운전 중 스마트폰의 사용 시 발생되는 위험도를 파악하고 스마트폰과 같은 기기조작에 따른 교통사고 증가에 대처하기 위한 방안을 제시하고자함에 있다. 따라서 본 연구에서는 운전 중 스마트폰의 사용으로 인해 발생되는 위험도를 파악하기 위해 스마트폰을 사용하는 운전자를 대상으로 설문조사를 진행하였다. 그 결과 운전자들이 운전 중에 문자, 전화통화, GPS 또는 지도의 사용과 게임 등 다양한 행동을 하는 것으로 나타났다. 이러한 설문 결과를 바탕으로 본 연구에서는 운전자의 안전운전을 위해 운전 중에 스마트폰의 일부 기능을 제어하는 기기의 개발을 제안한다. 이것은 IoT(Internet of Things; 사물인터넷)를 기반으로 하는 비콘(Beacon)등의 블루투스 기기와 스마트폰에 내장된 어플리케이션(Application)으로 구현될 수 있으며, 본 논문에서는 이것을 가칭 "안전운전솔루션"이라 명한다. 운전 중 스마트폰의 최소기능을 제외한 부가 기능들이 차량이 움직일 때 차단되는 "안전운전솔루션"은 운전 중 스마트폰의 사용으로 인해 발생하는 교통사고를 줄이는데 가장 효과적인 대안이 될 수 있다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권6호
• /
• pp.719-729
• /
• 2017

최근 농업 분야는 농업 분야에 ICT 기술이 접목 되면서 새로운 도약의 계기가 마련되고 있다. 특히 농업에 사물 인터넷(IoT: Internet of Things) 기술을 접목한 스마트 팜 [smart farm] 영역이 각광받고 있다. 스마트 팜 [smart farm] 기술은 농작물이 재배 되는 환경의 온도, 습도 등의 정보를 센서를 이용해 실시간으로 수집, 분석하여 제어장치에서 농작물 수확에 필요한 장치들을 자동으로 구동하여 농작물이 자랄 수 있는 최적의 환경을 제공하는 것이다. 스마트 팜 [smart farm] 기술이 마치 모든 것을 해결할 수 있을 것처럼 주목을 받고 있지만, 대부분의 연구가 농작물의 생산량 증대에만 치중되어 있다. 본 논문 에서는 농작물의 생산량 증대 보다는 우수한 품질의 농작물을 최적기에 수확할 수 있는 시스템의 아키텍처 개발에 중점을 두어 이루어졌다. 본 논문에서는 사과나무를 표본으로 아키텍처를 개발 하였으며 사과나무의 수확시기를 예측하는 데이터로는 색상정보와 중량정보를 사용하였다. 색상정보와 중량정보를 수집하여 서버 단으로 전송하는 간이형 보드는 아두이노를 사용하였으며. 개발 방법론으로는 모델 주도 개발(model-driven development :MDD)를 적용하였다. PC 사용자들에게는 웹 형태로 서비스를 제공하며 Smart Phone 사용자들에게는 하이브리드앱 형태로 서비스를 제공할 수 있도록 아키텍처를 개발했다. 또한 비콘 기술을 사용해서 과수원 정보를 실시간으로 사용자들에게 제공하도록 아키텍처를 개발했다.