• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.93-101
• /
• 2024

Accurate field crop classification is essential for various agricultural applications, yet existing methods face challenges due to diverse crop types and complex field conditions. This study aimed to address these issues by combining support vector machine (SVM) models with multi-seasonal unmanned aerial vehicle (UAV) images, texture information extracted from Gray Level Co-occurrence Matrix (GLCM), and RGB spectral data. Twelve high-resolution UAV image captures spanned March-October 2021, while field surveys on three dates provided ground truth data. We focused on data from August (-A), September (-S), and October (-O) images and trained four support vector classifier (SVC) models (SVC-A, SVC-S, SVC-O, SVC-AS) using visual bands and eight GLCM features. Farm maps provided by the Ministry of Agriculture, Food and Rural Affairs proved efficient for open-field crop identification and served as a reference for accuracy comparison. Our analysis showcased the significant impact of hyperparameter tuning (C and gamma) on SVM model performance, requiring careful optimization for each scenario. Importantly, we identified models exhibiting distinct high-accuracy zones, with SVC-O trained on October data achieving the highest overall and individual crop classification accuracy. This success likely stems from its ability to capture distinct texture information from mature crops.Incorporating GLCM features proved highly effective for all models,significantly boosting classification accuracy.Among these features, homogeneity, entropy, and correlation consistently demonstrated the most impactful contribution. However, balancing accuracy with computational efficiency and feature selection remains crucial for practical application. Performance analysis revealed that SVC-O achieved exceptional results in overall and individual crop classification, while soybeans and rice were consistently classified well by all models. Challenges were encountered with cabbage due to its early growth stage and low field cover density. The study demonstrates the potential of utilizing farm maps and GLCM features in conjunction with SVM models for accurate field crop classification. Careful parameter tuning and model selection based on specific scenarios are key for optimizing performance in real-world applications.

• 대한기계학회논문집A
• /
• 제34권11호
• /
• pp.1681-1689
• /
• 2010

Support Vector Machine(SVM)을 이용한 회전기계 진단 연구가 많이 수행되어 왔으나 결함 분류성능은 입력 특징과 더불어 다중 분류 방법, 이진분류기, 커널함수 등에 따라 다르다. SVM 을 이용한 대부분의 기존 연구들은 한번 입력 특징들을 선정하면 결함 분류시 동일한 특징데이터를 이용한다. 본 논문에서는 회전기계의 다양한 결함조건에서 측정한 진동신호로부터 추출한 통계적 특징들을 이용하여 각각의 결함을 분류하기 위한 최적 특징들을 선정한 후, 해당 결함상태를 분류하기 위한 SVM 학습과 분류에 각각 이용하였다. 실험자료를 이용한 검증 결과, 제안한 단계 분류 방법이 상대적으로 적은 학습시간으로 단일 다중 분류 방법과 유사한 분류 성능을 얻을 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권12호
• /
• pp.431-438
• /
• 2020

본 논문에서는 입술 윤곽선을 검출하기 위한 다중 문턱치 기반의 검출방법을 제안하였다. 기존의 연구 중 Spyridonos 등이 제안한 방법은 입력영상을 RGB로부터 YIQ 좌표계로 변환하여 Q 성분만을 이용하여 Q 영상을 얻는다. Q 영상으로부터 변화 점 검출을 통하여 입술 모양의 좌우 끝점을 얻어낸다. 좌우 끝점에 대한 수직 좌표의 평균값을 이용하여 Q 영상을 상하로 분리하고, 상하 영역 각각에 대하여 별도로 Q값을 대상으로 문턱치를 적용하여 후보 윤곽선을 추출한다. 추출된 후보 윤곽선에 특징치 거리를 이용하여 최적의 문턱치를 찾고, 해당하는 윤곽선을 최종 입술 윤곽선으로 결정한다. 이 때 사용되는 특징치 거리 D는 후보 윤곽선 상의 점들을 기준으로 주변 영역에 대한 차이의 절대값을 이용하여 계산한다. 기존연구의 문제점은 세 가지인데, 첫째는 입술 끝점 추출 과정에서 피부영역의 과다한 참여로 입술 끝점의 추출의 정확도가 감소하고, 따라서 후속되는 상/하 영역 분리에도 영향을 미친다. 둘째는 YIQ 칼라 좌표계를 사용하였는데, 다양한 칼라 좌표계에 대한 분석이 미비하므로 추가적인 분석이 필요하다. 세 째, 최적 윤곽선의 선택 시 적용하는 거리 값 파라미터의 계산 과정에서, 문턱치를 적용하여 구한 해당 윤곽선 주변의 데이터들에 의한 변화분을 계산하여 변화가 가장 큰 윤곽선을 입술 후보로 채택하는데, 변화분의 최대치를 기준으로 하기 때문에 검출된 입술영역이 기준보다 축소되는 문제점이 있다. 첫 번째 문제점을 해결하기 위하여 피부영역의 계산과정 참여를 줄여서 성능을 30%정도 향상시켰다. 두 번째는 YIQ 외에 HSV, CIELUV, YCrCb 등의 칼라 좌표계에 대한 성능테스트를 거쳐 기존연구 방법이 칼라좌표계에 대한 의존성이 없음을 확인하였다. 세 번째는 윤곽선 주변의 변화분 검토 시, 윤곽선 포인트 당 변화분의 평균값 대신에 변화분의 총량을 적용하여 46% 성능개선 효과를 얻었다. 이상의 내용을 모두 적용하여 제안한 통합방법은 기존연구 대비 2배의 성능향상과 안정성을 확보할 수 있었다.

• 정보처리학회논문지C
• /
• 제18C권3호
• /
• pp.167-178
• /
• 2011

유비쿼터스 서비스의 성장과 함께 여러 종류의 애드 혹 네트워크가 등장하게 되었다. 특히 애드 혹 네트워크에는 무선 센서 네트워크와 모바일 애드 혹 네트워크가 많이 알려져 있는데, 앞서 서술한 두 가지 네트워크의 특성을 혼합한 무선 애드 혹 네트워크도 존재한다. 본 논문은 LEACH 라우팅 프로토콜을 혼합 네트워크 환경에 적합하도록 개선한 변형된 LEACH 프로토콜 제안한다. 즉 제안한 라우팅 프로토콜은 대규모 이동 센서 노드로 구성된 네트워크에서 노드 검출과 경로 탐색 및 경로 유지를 제공하며, 동시에 노드의 이동성, 연결성, 에너지 효율성을 유지할 수 있다. 제안한 라우팅 프로토콜은 멀티-홉(multi-hop) 및 멀티-패스(multi-path) 알고리즘을 적용하고, 토플로지 재구성 기법으로는 이동중인 대규모 노드에 대한 노드 이동 평가, 진동 센서, 효율적인 경로 선택과 데이터 전송 기법을 이용하여 구현하였다. 실험에서는 제안한 프로토콜과 기존의 전통적인 LEACH 프로토콜을 비교하여 성능을 나타내었다.

• 한국환경생태학회지
• /
• 제33권4호
• /
• pp.472-480
• /
• 2019

도심지 내 미세먼지 저감 식재를 위한 식물 소재 선정 시에는 식물의 흡착 기능에 영향을 미치는 식물의 잎 모양, 질감, 수피의 형태 등 형태적 특성을 종합적으로 고려하여 선정하여야 한다. 그러나 지금까지 식물을 통한 미세먼지 저감에 대한 연구는 식물의 흡착 기능보다 흡수 기능에 대한 연구가, 실외식물보다 실내식물인 관엽식물을 대상으로 한 연구가 주로 진행되어 왔다. 특히, 미세먼지 저감 수종 선정 기준이 구체적이지 않아 미세먼지 저감 식재를 위한 식물 소재 선정 기준에 대한 연구가 필요한 실정이다. 본 연구는 퍼지다기준 의사결정법(Fuzzy MCDM)을 활용하여 미세먼지 저감에 영향을 미치는 8가지 지표 항목에 대한 우선순위를 도출하고 도심 내 미세먼지 저감 식재를 위한 수종 선정 기준을 마련하였다. 이를 위하여 미세먼지 관련 분야 전공자와 미세먼지 관련 연구 경험자들을 대상으로 설문 조사를 실시하였다. 설문 조사 분석 결과, 미세먼지 저감에 영향을 미치는 지표 항목 중 잎 면적과 수종의 종류가 가장 높은 순위를 나타냈다. 그리고 잎 표면의 거칠기, 수고, 성장 속도, 잎의 복잡성, 잎 가장자리 형태, 수피 특징 순서로 우선순위가 높게 나타났다. 잎 표면이 거친 수종을 선정할 경우에는 잎에 털이 있고, 광택이 나며, 왁스층이 있는 수종을 우선적으로 선정하는 것이 좋다. 잎의 형태를 고려할 경우, 단일 잎보다 3종 혹은 2종 잎과 손바닥 형태의 잎을 선정하고, 잎의 가장자리는 밋밋한 모양보다는 톱니 모양의 잎을 선별하여 공기 중의 미세먼지가 잎의 표면에 흡착되는 표면적 비율을 높아지게 할 필요가 있다. 수피의 특성을 고려할 경우에는 피목이나 무늬종보다는 코르크층이 있고 껍질이탈이나 갈라짐이 관찰되거나, 앞으로 관찰될 가능성이 높은 수종을 선정하는 것이 바람직하다. 본 연구는 도심 내 미세먼지 저감을 위한 식재계획 시 식물의 미세먼지 흡착 기능에 영향을 미치는 식물의 형태적 특성을 중심으로 식물 소재 선정 기준에 대한 우선순위를 제시하였다는 것에 의의가 있다. 본 연구에서 도출한 결과는 도심지 내 수목 식재 계획을 위한 수종 선정 시 기초 자료로서 활용될 수 있을 것이다.

• 한국지능시스템학회논문지
• /
• 제18권5호
• /
• pp.718-723
• /
• 2008

베어링은 각종 설비에서 활용되는 중요한 기계요소 중 하나이다. 설비고장의 상당수는 베어링의 결함이나 파손에 기인하고 있다. 따라서 베어링에 대한 온라인모니터링기술은 설비의 정지를 예방하고 손실을 줄이는 데 필수적이다. 본 논문은 진동 신호를 이용하여 베어링의 상태를 예측하기 위한 온라인모니터링에 대해 연구한다. 프로파일로 주어지는 진동신호는 이산 웨이블릿 변환을 통해 분석되고, 분해수준별 웨이블릿 계수로부터 얻은 통계적 특징 중 유의한 것을 선별하고자 분산분석 (ANOVA)을 이용한다. 선별된 특징벡터는 Support Vector Machine (SVM)의 입력이 되는 데, 본 논문에서는 다중클래스 분류문제를 다루기 위한 계층적 SVM 트리를 제안한다. 수치실험 결과, 제안된 방법은 베어링의 결함을 분류하는 데 우수한 성능을 갖는 것으로 나타났다.

• KIEAE Journal
• /
• 제14권3호
• /
• pp.105-109
• /
• 2014

The recent rising living standards, environment-friendly, well-being and health aspects of life in the basic gratification, as well as the desire for a pleasant environment emotionally environmentally friendly way of external space or industrial interest in the indoor environment, the manifestation. In particular, the biggest problem of the indoor environment has been emerged as a Sick House Syndrome indoor space that is provided to the building materials, and the impact on the domestic and the indoor environment, and clean the house in a health standards are specified as laws. The performance rating and the various materials to create environmentally-friendly standards for building materials. The more detail, Porous clay material, toxic substances released by applying the high humidity and the water itself, and to absorb the moisture, if the emissions, without a separate device, to maintain a comfortable indoor environment and at the same time, one of the causes of Sick House Syndrome breaking down harmful substances to absorb a comfortable indoor environment to maintain an environmentally-friendly building interior material studies. It is aimed at the development to multi-functional high performance eco-friendly construction materials, rather than through one feature performance, identify key features for national and international eco-friendly building materials can exert Water Vapour Adsorption raw, decomposed materials for the application and selection.

• 한국ITS학회 논문지
• /
• 제18권3호
• /
• pp.106-118
• /
• 2019

최근 들어 인공 지능을 이용한 영상 객체 인식에 대한 연구 및 개발이 활발하게 진행되고 있다. 그 연장선상에서 도로 유지 및 관리 분야에도 관련 연구의 활용도가 크게 향상될 것으로 기대된다. 그 중에서도 특히 도로 노면 파손 객체 인식 (Object Detection) 을 위한 인공 지능모델이 지속적으로 개발되고 있다. 이러한 객체 인식 알고리즘을 개발하려면 우선적으로 특징지도를 생성하는 Backbone Network가 반드시 필요한데, 본 논문에서는 이를 선정하는 방법을 제안하고자 한다. 이를 위해 6,000여 장의 도로 노면 파손 영상 데이터를 확보하고, 근래에 많이 사용되는 4종류의 심층 신경망을 활용하여 성능을 비교한다. 3가지의 성능 평가 방법을 적용하여 심층 신경망의 특징을 분석하고 최적의 심층 신경망을 결정한다. 또한 하이퍼 파라미터의 최적 조율을 통해 성능을 향상시키고, 최종적으로 도로 노면 파손 영상 분류를 위하여 85.9%의 정확도로 수행이 가능한 경량화된 Backbone Network용 심층 신경망을 제안한다.

• 한국융합학회논문지
• /
• 제13권3호
• /
• pp.33-41
• /
• 2022

본 논문에서는 다중 요인을 고려한 천연 가스 누출 정도 예측을 위해 관련 요인을 포함하는 기상청 자료와 천연가스 누출 자료를 통합하고, 요인 분석을 기반으로 중요 특성을 선택하는 머신러닝 기법을 제안한다. 제안된 기법은 3단계 절차로 구성되어 있다. 먼저, 통합 데이터 셋에 대해 선형 보간법을 수행하여 결측 데이터를 보완하는 전처리를 수행한다. 머신러닝 모델 학습 최적화를 위해 OrdinalEncoder(OE) 기반 정규화와 함께 요인 분석을 사용하여 필수 특징을 선택하며, 데이터 셋은 k-평균 클러스터링으로 레이블을 지정한다. 최종적으로 K-최근접 이웃, DT(Decision Tree), RF(Random Forest), NB(Naive Bayes)의 네 가지 알고리즘을 사용하여 가스 누출 수준을 예측한다. 제안된 방법은 정확도, AUC, 평균 표준 오차(MSE)로 평가되었으며, 테스트 결과 OE-F 전처리를 수행한 경우 기존 기법에 비해 성공적으로 개선되었음을 보였다. 또한 OE-F 기반 KNN(OE-F-KNN)은 95.20%의 정확도, 96.13%의 AUC, 0.031의 MSE로 비교 알고리즘 중 최고 성능을 보였다.

• 지질공학
• /
• 제33권4호
• /
• pp.673-687
• /
• 2023

데이터 탐색은 수집한 데이터를 다양한 각도에서 관찰 및 이해하는 과정으로 데이터 구조 및 특성 분석을 통해 데이터의 분포와 상관관계를 파악하는 과정이다. 일반적으로 산사태는 다양한 인자들에 의해 유발되고 발생 지역에 따라 유발 인자들이 미치는 영향이 상이하기 때문에 산사태 취약성 분석 이전에 데이터 탐색을 통해 유발 인자 사이의 상관관계를 파악하고 특징적인 유발 인자를 선별한다면 효과적인 분석을 수행할 수 있다. 따라서 본 연구는 데이터 탐색이 예측 모델의 성능에 미치는 결과를 확인하기 위해 두 단계에 걸친 데이터 탐색을 수행하여 인자를 선별하고, 선별된 유발 인자들 사이의 조합과 23개의 전체 유발 인자 조합을 활용하여 딥러닝 기반의 산사태 취약성 분석을 진행하였다. 데이터 탐색 과정에서는 Pearson 상관계수 heat map과 random forest의 인자 중요도 histogram을 활용하였으며, 딥러닝 기반 산사태 취약성 분석 결과의 정확도는 분석을 통해 획득한 산사태 취약 지수 값을 이용해 제작한 산사태 취약성 지도를 confusion matrix 기반의 정확도 검증 방법을 통해 분석하였다. 분석 결과, 전체 23개의 인자를 사용한 산사태 취약성 해석 결과는 55.90%의 낮은 정확도를 보였지만 한 단계의 탐색을 거쳐 선별한 13개 인자를 활용한 취약성 해석 결과는 81.25%의 분석 정확도를 보였고, 두 단계 데이터 탐색을 모두 수행하여 선별된 9개의 유발 인자를 활용한 산사태 취약성 분석 결과는 92.80%로 가장 높은 정확도를 보였다. 따라서 데이터 탐색을 통해 특징적인 유발 인자를 선별하고 분석에 활용하는 것이 산사태 취약성 분석에서 더 좋은 분석 성능을 기대할 수 있음을 확인하였다.