• 교육녹색환경연구
• /
• 제18권1호
• /
• pp.38-48
• /
• 2019

본 연구는 대학 연구실 사고 예방을 위해서 실험 전 이루어지는 형식적인 일상점검을 보다 실효성 있는 일상점검표를 제시하는데 목적이 있다. 이를 위해 현재 실시중인 일상점검표와 선행연구자료를 재구성하여, 이를 토대로 2차에 걸친 전문가 델파이 조사로 연구를 실시하였다. 그 결과 연구실 정리정돈 등 일반안전 4개, 기계 및 공구 조임부 이상여부 등 기계기구안전 3개, 전기분전반 주변 적재금지 등 전기안전 3개, 유해인자취급 및 관리대장 비치 등 화공안전 6개, 소화기 점검 등 소방안전 3개, 가스용기 점점 등 가스안전 5개, 손 소독기 관리상태 등 생물안전 1개, 기타 1개, 총 26개 항목을 일상점검표로 제시하였다. 관련 전문가들의 의견을 종합해 보면, 실질적인 일상점검을 위해서는 쉽고 간소화 된 일상점검표가 필요한 것으로 나타났다.

• 응용통계연구
• /
• 제34권1호
• /
• pp.99-114
• /
• 2021

반도체 제조 산업에서는 Big Data에 기초한 Smart Factory 도입과 적용이 가시화되면서 생산 공정의 각 단계에서 수집 가능한 다양한 센서(sensor) 데이터를 활용하여 공정 이상 탐지 및 최종 수율 예측 등에 다양한 분석 방법을 시도하고 있다. 현재 반도체 공정은 원료인 잉곳(ingot)에서 패키징(packaging) 작업 이전의 웨이퍼(wafer) 생산까지 500 600개 이상의 세부 공정과 이와 연계된 수천 개의 계측 공정으로 구성된다. 개별 계측 공정 내의 실제 계측 비율은 대상 제품 대비 0.1%에서 최대 5%를 넘지 못하고 계측 시점별로 일정하게 유지할 수 없다. 이러한 이유로 공정 각 단계의 정상 상태를 간접적으로 판단할 수 있는 장비 센서(sensor) 데이터를 활용하여 관리 여부를 판단하고자 하는 노력이 계속되고 있다. 본 연구에서는 장비 센서 데이터 기반의 공정 이상 탐지 프로세스를 정의하고 현재 적용 되고 있는 기술 통계량 기반 진단 방법의 단점을 보완하기 위해 FDA(Functional Data Analysis)방법을 활용하였다. 실제 현장 사례 데이터에 머신러닝을 이용하여 이상 탐지 정확도 비교를 통해 효과성을 검증하였다.

• 한국산업융합학회 논문집
• /
• 제25권2_1호
• /
• pp.177-184
• /
• 2022

The automatic defect sorting function of machinery parts is being introduced to the automation of the manufacturing process. In the final stage of automation of the manufacturing process, it is necessary to apply computer vision rather than human visual judgment to determine whether there is a defect. In this paper, we introduce a deep learning method to improve the classification performance of typical mechanical parts, such as welding parts, galvanized round plugs, and electro galvanized nuts, based on the results of experiments. In the case of poor welding, the method to further increase the depth of layer of the basic deep learning model was effective, and in the case of a circular plug, the surrounding data outside the defective target area affected it, so it could be solved through an appropriate pre-processing technique. Finally, in the case of a nut plated with zinc, since it receives data from multiple cameras due to its three-dimensional structure, it is greatly affected by lighting and has a problem in that it also affects the background image. To solve this problem, methods such as two-dimensional connectivity were applied in the object segmentation preprocessing process. Although the experiments suggested that the proposed methods are effective, most of the provided good/defective images data sets are relatively small, which may cause a learning balance problem of the deep learning model, so we plan to secure more data in the future.

• 플랜트 저널
• /
• 제17권4호
• /
• pp.53-60
• /
• 2021

본 연구에서는 국내 진동감시시스템 제작업체인 (주)나다와 발전소 회전기기 진동데이터 취득 및 분석에 효과적인 휴대용 진동분석기를 개발하고자 하였다. 개발된 휴대용 진동분석기의 하드웨어는 측정기기의 교정을 위한 측정 불확도를 통해 얻은 측정값을 시스템에서 보정함으로써 측정오차를 최소화하였고, 고속 데이터 처리로 높은 분해능을 가진 신호처리 장치로 구성되었다. 소프트웨어 구조는 다양한 진동 플롯을 구현하여 상세한 분석프로그램을 실행하며, 회전기기 운전 중 외란으로 발생하는 노이즈 측정 및 제거에 효과적인 알고리즘을 적용하였다. 개발품은 사용자의 이동 편의성 증대 및 고속 데이터 처리로 분해능을 높임으로써 성능향상은 물론, 국산화 개발에 따른 구입비용 절감에도 크게 기여하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.257-261
• /
• 2022

Diseases of agricultural plants in recent years have spread greatly across the regions of the Kyrgyz Republic and pose a serious threat to the yield of many crops. The consequences of it can greatly affect the food security for an entire country. Due to force majeure, abnormal cases in climatic conditions, the annual incomes of many farmers and agricultural producers can be destroyed locally. Along with this, the rapid detection of plant diseases also remains difficult in many parts of the regions due to the lack of necessary infrastructure. In this case, it is possible to pave the way for the diagnosis of diseases with the help of the latest achievements due to the possibilities of feedback from the farmer - developer in the formation and updating of the database of sick and healthy plants with the help of advances in computer vision, developing on the basis of machine and deep learning. Currently, model training is increasingly used already on publicly available datasets, i.e. it has become popular to build new models already on trained models. The latter is called as transfer training and is developing very quickly. Using a publicly available data set from PlantVillage, which consists of 54,306 or NewPlantVillage with a data volumed with 87,356 images of sick and healthy plant leaves collected under controlled conditions, it is possible to build a deep convolutional neural network to identify 14 types of crops and 26 diseases. At the same time, the trained model can achieve an accuracy of more than 99% on a specially selected test set.

• 대한의용생체공학회:의공학회지
• /
• 제44권1호
• /
• pp.25-32
• /
• 2023

Recognizing the size and location of prostate cancer is critical for prostate cancer diagnosis, treatment, and predicting prognosis. This paper proposes a model to classify the tumor region and normal tissue with cross-sectional visual images of prostatectomy tissue. We used specimen images of 44 prostate cancer patients who received prostatectomy at Gachon University Gil Hospital. A total of 289 prostate slice images consist of 200 slices including tumor region and 89 slices not including tumor region. Images were divided based on the presence or absence of tumor, and a total of 93 features from each slice image were extracted using Radiomics: 18 first order, 24 GLCM, 16 GLRLM, 16 GLSZM, 5 NGTDM, and 14 GLDM. We compared feature selection techniques such as LASSO, ANOVA, SFS, Ridge and RF, LR, SVM classifiers for the model's high performances. We evaluated the model's performance with AUC of the ROC curve. The results showed that the combination of feature selection techniques LASSO, Ridge, and classifier RF could be best with an AUC of 0.99±0.005.

• 응용통계연구
• /
• 제35권1호
• /
• pp.131-146
• /
• 2022

로지스틱 회귀 모형은 다양한 분야에서 범주형 종속 변수를 예측하거나 분류하기 위한 모형으로 많이 사용되고 있다. 로지스틱 회귀 모형에 대한 전통적인 베이지안 추론 기법으로 메트로폴리스-헤이스팅스 알고리즘이 많이 사용되었지만, 수렴의 속도가 느리고 제안 분포에 대한 적절성을 보장하기 어렵다. 따라서, 본 논문에서는 모형에 대한 베이지안 추론 방법으로 Frühwirth-Schnatter와 Frühwirth (2007)에서 제안된 보조 혼합 샘플링(auxiliary mixture sampling) 기법을 사용하였다. 이 방법은 모형의 선형성과 정규성을 만족시키기 위해 두 단계에 거쳐 잠재변수를 도입하며, 결과적으로 깁스 샘플링을 통한 추론을 가능하게 한다. 제안한 모형의 효과를 검증하기 위해 2020년 지역사회 건강조사 당뇨병 자료에 적용하여 메트로폴리스-헤이스팅스를 사용한 모형과 추론 결과를 비교 분석하였다. 또한, 다양한 분류 모형들과 본 논문에서 제안한 모형의 분류 성능을 비교한 결과 제안된 모형이 분류 분석에서도 좋은 성능을 보이는 것을 확인할 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권6호
• /
• pp.243-250
• /
• 2023

흉부 X-ray 영상은 폐와 심장을 검사하는 방사선 검사이며 특히, 폐 질환을 진단하는 데 널리 사용되고 있다. 이러한 흉부 X-ray의 품질은 의사의 진단에 영향을 줄 수 있으므로 품질을 평가하는 과정이 필수적으로 거쳐야 하는데, 이 과정은 영상의학과 전문의의 주관이 개입될 수 있고, 수작업으로 이루어지기 때문에 많은 시간과 비용이 소모된다. 또한, 이러한 품질평가는 X-ray 영상의 특징과 사용 목적에 따라 일반적인 품질평가와는 다른 평가 요소가 필요하다. 따라서 본 논문에서는 X-ray 영상에서 검출되는 장기의 해상도, ,해부학적인 구조, 균형 등을 고려하여 임상 현장에서 사용되는 흉부 X-ray 영상 화질 평가 가이드라인을 적용하여 품질요소를 5가지(인공음영, 포함범위, 환자자세, 흡기정도, 그리고 투과상태)로 나누고 이를 자동화하는 도구를 제안한다. 제안하는 도구는 수작업으로 품질평가를 진행하는 본래의 방식 대비 소요 시간과 비용을 줄여주고, 더 나아가 흉부 X-ray를 이용한 학습 모델 개발에 높은 품질의 학습데이터를 선별하는 과정에도 사용될 수 있다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.110-110
• /
• 2022

본 연구는 자율운항 선박의 원격 고장 진단 기법 개발의 일부로 수행되었다. 특히, 엔진 연료 계통 장비로부터 계측된 시계열 데이터로부터 상태 진단을 위한 알고리즘 구현 결과를 제시하였다. 엔진 연료 펌프와 청정기를 가진 육상 실험 장비로부터 진동 시계열 데이터 계측하였으며, 이상 감지, 고장 분류 및 고장 예측이 가능한 심층 학습(Deep Learning) 및 기계 학습(Machine Learning) 알고리즘을 구현하였다. 육상 실험 장비에 고장 유형 별로 인위적인 고장을 발생시켜 특징적인 진동 신호를 계측하여, 인공 지능 학습에 이용하였다. 계측된 신호 데이터는 선행 발생한 사건의 신호가 후행 사건에 영향을 미치는 특성을 가지고 있으므로, 시계열에 내포된 고장 상태는 시간 간의 선후 종속성을 반영할 수 있는 학습 알고리즘을 제시하였다. 고장 사건의 시간 종속성을 반영할 수 있도록 순환(Recurrent) 계열의 RNN(Recurrent Neural Networks), LSTM(Long Short-Term Memory models)의 모델과 합성곱 연산 (Convolution Neural Network)을 기반으로 하는 Conv1D 모델을 적용하여 예측 정확성을 비교하였다. 특히, 합성곱 계열의 RNN LSTM 모델이 고차원의 순차적 자연어 언어 처리에 장점을 보이는 모델임을 착안하여, 신호의 시간 종속성을 학습에 반영할 수 있는 합성곱 계열의 Conv1 알고리즘을 고장 예측에 사용하였다. 또한 기계 학습 모델의 효율성을 감안하여 XGBoost를 추가로 적용하여 고장 예측을 시도하였다. 최종적으로 연료 펌프와 청정기의 진동 신호로부터 Conv1D 모델과 XGBoost 모델의 고장 예측 성능 결과를 비교하였다

• Journal of Korean Neurosurgical Society
• /
• 제66권6호
• /
• pp.632-641
• /
• 2023

Central nervous system tumors are identified as tumors of the brain and spinal cord. The associated morbidity and mortality of cerebrospinal tumors are disproportionately high compared to other malignancies. While minimally invasive techniques have initiated a revolution in neurosurgery, artificial intelligence (AI) is expediting it. Our study aims to analyze AI's role in the neurosurgical management of cerebrospinal tumors. We conducted a scoping review using the Arksey and O'Malley framework. Upon screening, data extraction and analysis were focused on exploring all potential implications of AI, classification of these implications in the management of cerebrospinal tumors. AI has enhanced the precision of diagnosis of these tumors, enables surgeons to excise the tumor margins completely, thereby reducing the risk of recurrence, and helps to make a more accurate prediction of the patient's prognosis than the conventional methods. AI also offers real-time training to neurosurgeons using virtual and 3D simulation, thereby increasing their confidence and skills during procedures. In addition, robotics is integrated into neurosurgery and identified to increase patient outcomes by making surgery less invasive. AI, including machine learning, is rigorously considered for its applications in the neurosurgical management of cerebrospinal tumors. This field requires further research focused on areas clinically essential in improving the outcome that is also economically feasible for clinical use. The authors suggest that data analysts and neurosurgeons collaborate to explore the full potential of AI.