• 융합정보논문지
• /
• 제7권6호
• /
• pp.181-186
• /
• 2017

최근 아이들의 창의력 학습 및 놀이에 로봇이 활발하게 이용되고 있지만 대부분 로봇이 정형화된 형태를 가지고 있으며 프로그램의 의존도가 높아 창의력 학습 및 놀이에 어려움이 있다. 우리는 이러한 단점을 보완하기 위해 정형화 되지 않은 모듈 형태의 로봇구조를 가지고 있으면서 결합을 쉽고 안정적으로 할 수 있도록 하였고 하나의 버튼을 이용하여 사용자가 원하는 동작을 기억시키고 기억된 동작을 똑같이 재생하는 로봇을 제작 하였다. 또한 모듈 사이를 무선으로 연결하고 정보를 공유하여 다수의 모듈이 결합 되었을 경우 어느 모듈에서나 버튼을 한번 누르면 결합된 모든 모듈의 동작을 쉽게 조정할 수 있도록 하였다. 실제 동작을 검증하기 위해 두 개, 3개 및 5개의 모듈을 결합하여 자벌레 동작과 보행 로봇을 구현하여 제안된 구조와 알고리즘의 유용성을 보였다. 향 후 무선연결 방법을 보완하여 인터넷상에서 통제할 수 있는 지능화된 모듈라 로봇의 연구가 필요하다.

• 융합정보논문지
• /
• 제9권12호
• /
• pp.17-23
• /
• 2019

본 논문에서는 미니 드론을 조종하면서 드론에 부착된 카메라가 촬영하는 영상을 실시간으로 받아들여 특정인의 얼굴을 인식하여 확인시켜주는 시스템 개발 방법론을 제안한다. 본 시스템의 개발을 위해서는 OpenCV, Python 관련 라이브러리 및 드론 SDK 등을 사용한다. 실시간 드론 영상으로부터 특정인의 얼굴 인식 비율을 높이기 위해서는 딥러닝 기반의 얼굴 인식 알고리즘을 사용하며 특히 Triples 원리를 활용한다. 시스템의 성능을 확인하기 위해 저자 얼굴을 기준으로 30회 동안 얼굴 인식 실험을 수행한 결과 약 95% 이상의 인식률을 보여주었다. 본 논문의 연구 결과물은 관광지, 축제 행사장 등에서 특정인을 드론으로 빠르게 찾기 위한 목적으로 사용할 수 있을 것으로 판단된다.

• 센서학회지
• /
• 제31권6호
• /
• pp.433-440
• /
• 2022

Recently, owing to global warming, average summer temperatures are increasing and the number of hot days is increasing is increasing, which leads to an increase in heat stroke. In particular, outdoor workers directly exposed to the heat are at higher risk of heat stroke; therefore, preventing heat-related illnesses and managing safety have become important. Although various wearable devices have been developed to prevent heat stroke for outdoor workers, applying various sensors to the safety helmets that workers must wear is an excellent alternative. In this study, we developed a smart helmet that measures various vital signs of the wearer such as body temperature, heart rate, and sweat rate; external environmental signals such as temperature and humidity; and movement signals of the wearer such as roll and pitch angles. The smart helmet can acquire the various data by connecting with a smartphone application. Environmental data can check the status of heat wave advisory, and the individual vital signs can monitor the health of workers. In addition, we developed an algorithm that classifies the risk of heat-related illness as normal and abnormal by inputting a set of vital signs of the wearer using a support vector machine technique, which is a machine learning technique that allows for rapid binary classification with high reliability. Furthermore, the classified results suggest that the safety manager can supervise the prevention of heat stroke by receiving feedback from the control system.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 2022년도 추계학술대회
• /
• pp.88-88
• /
• 2022

Detection of stress responses in crops is important to diagnose crop growth and evaluate yield. Also, the multi-spectral sensor is effectively known to evaluate stress caused by nutrient and moisture in crops or biological agents such as weeds or diseases. Therefore, in this experiment, multispectral images were taken by an unmanned aerial vehicle(UAV) under field condition. The experiment was conducted in the long-term fertilizer field in the National Institute of Crop Science, and experiment area was divided into different status of NPK(Control, N-deficiency, P-deficiency, K-deficiency, Non-fertilizer). Total 11 vegetation indices were created with RGB and NIR reflectance values using python. Variations in nutrient content in plants affect the amount of light reflected or absorbed for each wavelength band. Therefore, the objective of this experiment was to evaluate vegetation indices derived from multispectral reflectance data as input into machine learning algorithm for the classification of nutritional deficiency in rice. RandomForest model was used as a representative ensemble model, and parameters were adjusted through hyperparameter tuning such as RandomSearchCV. As a result, training accuracy was 0.95 and test accuracy was 0.80, and IPCA, NDRE, and EVI were included in the top three indices for feature importance. Also, precision, recall, and f1-score, which are indicators for evaluating the performance of the classification model, showed a distribution of 0.7-0.9 for each class.

• 디지털콘텐츠학회 논문지
• /
• 제19권9호
• /
• pp.1819-1824
• /
• 2018

본 논문에서는 사용자의 스트레스 해소와 주의력 향상에 도움이 될 수 있는 ASMR(autonomous sensory meridian response) 콘텐츠 제어 기법을 제안한다. 제안된 기법은 뇌파 측정 디바이스로부터 EEG(electroencephalography), 집중도, 명상도, 눈 깜빡임 데이터를 측정하고 안드로이드 IoT(internet of things) 앱을 통해 oneM2M 표준을 준용한 IoT 서버 플랫폼으로 전송한다. 서버 플랫폼에 수집된 EEG, 집중도 및 명상도 데이터를 사용하여 사용자의 정신건강상태를 분류하기 위한 SVM(support vector machine) 모델을 생성하고, 이 모델을 통해 분류된 사용자의 정신건강상태와 눈 깜빡임 데이터에 따라 ASMR 콘텐츠를 제어한다. 데이터 사용형태에 따라 SVM 모델을 비교한 결과, 집중도와 명상도 데이터를 사용하는 SVM 모델이 85.7%의 정확도를 나타내었고 이 SVM 모델이 분류한 정신건강상태와 눈 깜빡임 데이터의 변화에 따라 ASMR 콘텐츠 제어 알고리즘이 정상적으로 동작하는 것을 확인하였다.

• 한국지반공학회논문집
• /
• 제38권11호
• /
• pp.87-95
• /
• 2022

국토지반정보 포털시스템이 구축된 지반정보는 최근 설계, 시공, 지하안전관리, 재해재난 평가 등 다양한 분야에서 활용되고 있다. 그러나 전국적으로 기 구축된 약 30여만공의 지반정보는 누락되거나 잘못된 정보를 다수 포함하고 있어 데이터 활용시 신뢰도를 확보하기가 어렵다. 따라서 분석 데이터의 신뢰도를 확보하기 위해서는 지반정보를 활용하기 전 단계에서 지반정보의 정제(품질관리)가 반드시 필요하다. 본 연구에서는 딥러닝 기법 중 하나인 인공신경망 기법을 활용하여 지반정보를 자동으로 품질관리 하는 방안에 대하여 제안하였다. 특히, 가장 일반적으로 사용되는 정보인 표준관입시험 결과와 지층정보를 이용하여 지반정보의 이상치를 탐지하였다. 서울시 지반정보 데이터를 이용하여 분석하였으며, 검증데이터에 대한 오분류 비율은 5.4%로 확인되었다. 신경망 모델에서 이상치 분류된 데이터만을 추후에 검사함으로써 효율적으로 이상치를 탐지할 수 있을 것으로 기대된다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.1-16
• /
• 2022

Despite recent breakthroughs in deep learning and computer vision fields, the pixel-wise identification of tiny objects in high-resolution images with complex disturbances remains challenging. This study proposes a modified U-net for tiny crack segmentation in real-world steel-box-girder bridges. The modified U-net adopts the common U-net framework and a novel Self-Attention-Self-Adaption (SASA) neuron as the fundamental computing element. The Self-Attention module applies softmax and gate operations to obtain the attention vector. It enables the neuron to focus on the most significant receptive fields when processing large-scale feature maps. The Self-Adaption module consists of a multiplayer perceptron subnet and achieves deeper feature extraction inside a single neuron. For data augmentation, a grid-based crack random elastic deformation (CRED) algorithm is designed to enrich the diversities and irregular shapes of distributed cracks. Grid-based uniform control nodes are first set on both input images and binary labels, random offsets are then employed on these control nodes, and bilinear interpolation is performed for the rest pixels. The proposed SASA neuron and CRED algorithm are simultaneously deployed to train the modified U-net. 200 raw images with a high resolution of 4928 × 3264 are collected, 160 for training and the rest 40 for the test. 512 × 512 patches are generated from the original images by a sliding window with an overlap of 256 as inputs. Results show that the average IoU between the recognized and ground-truth cracks reaches 0.409, which is 29.8% higher than the regular U-net. A five-fold cross-validation study is performed to verify that the proposed method is robust to different training and test images. Ablation experiments further demonstrate the effectiveness of the proposed SASA neuron and CRED algorithm. Promotions of the average IoU individually utilizing the SASA and CRED module add up to the final promotion of the full model, indicating that the SASA and CRED modules contribute to the different stages of model and data in the training process.

• 생물환경조절학회지
• /
• 제31권1호
• /
• pp.1-7
• /
• 2022

서부 경남 지역 중 딸기재배로 유명한 지역 40개 농가를 대상으로 한 조사에 따르면 국산품종 중에서 "설향"이 65.0%으로서 가장 선호하고 있는 것으로 나타났다. 그리고 현재의 농업은 4차 산업혁명으로 스마트팜(Smart Farm)의 기술이 더욱 발전하고 있는 실정이다. 그러나 각 생육단계가 어떤 상황일 때 딸기의 생산량이 최적에 달하는지 대한 기준이 없으며, 이러한 판단기준은 아직까지 스마트팜에 경험이 있는 농업인의 의사에 달려있다는 문제점이 있다. 따라서 본 연구에서는 딸기의 생육상황에 대한 생산량 예측을 통해 선진화된 스마트팜 시스템을 구축하고자 한다. 실험 장소는 경상남도 사천시의 딸기 농가에서 수행하였으며, 총 3곳을 대상으로 데이터 수집을 진행하였다. 실험 대상의 모든 온실 내에서 재배하는 딸기의 품종은 '설향'이다. 작물 데이터의 수집 항목은 작물의 엽수, 꽃수, 과실수, 초장, 잎의 길이, 엽록소 함량이며, 환경 데이터의 수집 항목은 온도, 습도, 조도이다. 기존의 농가 단위의 스마트팜의 문제점 보완 및 개선을 통하여 고품질의 작물 생장 상태를 유지하기 위해 K-fold 교차검증, Lasso 회귀분석, MAPE 검증을 통해 예측모델을 도출하였으며, MAPE 검증 결과 값으로 0.511(꽃 예측)과 0.488(과일 예측)의 값이 나타났다. 본 연구는 스마트팜 데이터 구축을 위해서는 AI를 통해 성장상태별 수확량을 예측하였으며, 이를 농가 및 농업 관련 기업에 활용해 농업 서비스가 편리할 것으로 판단된다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.2037-2040
• /
• 2004

In this paper we introduce a new prototype based classifiers for overlapping data, where training pattern can be overlap on the feature space. The proposed classifier is based on the prototype from neural network classifier (NNC)[1] for overlap data. The method automatically chooses the initial center and two radiuses for each class. The center is used as a mean representative of training data for each class. The unclassified pattern is classified by measure distance from the class center. If the distance is in the lower (shorter radius) the unknown pattern has the high percentage of being in this class. If the distance is between the lower and upper (further radius), the pattern has the probability of being in this class or others. But if the distance is outside the upper, the pattern is not in this class. We borrow the words upper and lower from the rough set to represent the region of certainty [3]. The training algorithm to find number of cluster and their parameters (center, lower, upper) is presented. The clustering result is tested using patterns from Thai handwritten letter and the clustering result is very similar to human eyes clustering.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.150-155
• /
• 2003

We discussed a quantitative structure-activity relationships (QSAR) technique on incomplete data set. We proposed a new solver that used 2 kinds of multi-layer neural networks. One is to compensate the defect data, and another is to evaluate the QSAR. The solver can predict the defects in model QSAR data. By using them, we get very high precision QSAR. It is 5-10 times higher than that of a traditional method. However, in case of anti-cancer Carboquone, the prediction is not so complete. It was about O(3) wrong than the model calculation. The predicted values would have rather large error. It is caused by noisy observations of Carboquone. However, if we used the uncertain predictions, new data are included in QSAR. If not, they were omitted. The effect would not be little. Therefore, we evaluated the QSAR. The results are contrary to the expectation, are not so wrong. We believe that the wrong effect is suppressed by including information of new data.