• 화약ㆍ발파
• /
• 제37권2호
• /
• pp.22-30
• /
• 2019

화약을 이용하여 작업하는 현장에서는 발파에 의해 발생되는 소음과 진동의 영향으로 작업상 많은 제약을 받는다. 최근에 민원 발생 증가 및 보안물건에 대한 환경규제 기준이 대폭 강화되고 있는 추세이다. 때문에 보안물건이 근접해 있는 경우 일반적으로 기계식굴착에 의해 작업이 이루어지고 있다. 기계식굴착 공법은 발파공법에 비해 소음과 진동을 저감시키는 장점을 갖고 있으나 굴착하고자 하는 암반의 상태에 따라서 계획 보다 시공성이 떨어지는 경우가 발생되기도 한다. 일반적으로 굴착암이 극경암에 가까울수록 시공성이 낮아진다. 본고에서는 전자뇌관을 사용하여 보안물건이 초근접해 있는 공사구간을 시공한 사례에 대해 설명하고자 한다. 당 현장은 인근에 보안물건(철도)이 근접(9.9m)해 있어 암파쇄 굴착공법으로 설계가 되어 시공하던 중, 극경암 노출에 따른 시공성 저하 및 공사기간 단축을 위한 대안 공법으로 전자뇌관을 이용한 시공을 검토하게 되었다. 전자뇌관 이용한 발파작업으로 주변 보안물건에 미치는 영향을 최소화 하면서 시공성과 경제성을 극대화 할 수 있었다. 한화에서 생산하는 하이트로닉($HiTRONIC^{TM}$)은 혁신적인 안정성과 높은 기폭 신뢰성을 갖고 있어 초정밀발파가 가능하다. 전자뇌관은 철도 및 고속도로현장, 대형 석회석 광산을 비롯한 도심지 터파기 등에서 널리 사용되고 있다.

• 재활복지
• /
• 제21권3호
• /
• pp.129-146
• /
• 2017

본 연구는 실내에서 화재 발생시 시각 장애인들을 지원하기 위한 영상 기반의 화재감지기를 제안한다. 건물 내에 화재가 발생하는 비상 상황 발생시 시각 장애인은 일반인보다 상황을 인지하는 것이 늦기 때문에 위험한 상황에 노출되기 쉽다. 기존의 연기 감지기와 같은 현재의 화재 감지 방법은 화재 발생시 발생하는 화학 센서 기반 기술을 사용함으로써 감지가 상대적으로 늦으며 화재가 확산된 후에 감지가 되는 등 낮은 신뢰성이 문제가 될 수 있다. 이를 보완하기 위해 영상 기반의 화재 감지 기술이 개발되었지만 낮은 정확도가 문제가 되어 실용화되지 못하였다. 최근 인공 지능을 위한 심층 학습 분야의 큰 발전으로 영상 내의 물체 인식률이 높아짐에 따라 관련 연구가 활발히 진행되고 있다. 따라서 본 연구에서는 보안 카메라 영상을 사용하여 화재를 감지할 수 있는 심층 학습 기반의 화재 감지기를 제안한다. 심층 학습 기반의 접근법은 영상에서 자동으로 특징을 학습할 수 있으므로 일반적으로 복잡한 상황에 대해서도 일반화가 가능하다. 본 논문에서는 화재감지 정확도와 속도 측면의 균형을 고려하여 두 개의 심층 합성곱 신경망 모델을 제안하였다. 실험을 통해 두 모델 모두 99%의 평균 정밀도로 화재를 감지할 수 있으며 첫 번째 모델은 초당 30장의 처리 속도와 76%의 정확도를 나타냈다. 두번째 모델은 초당 50장의 처리 속도와 61%의 정확도를 나타낸다. 또한 두 개의 모델의 메모리 사용량을 서로 비교하였으며 다양한 실제 화재 시나리오에서 테스트하여 신뢰할 수 있는 모델임을 증명하였다. 본 논문에 제안한 영상 기반 화재 감지기가 상용화된다면 상대적으로 실내 화재에 취약한 시각 장애인들의 안전에 도움이 될 것이다.

• 한국산학기술학회논문지
• /
• 제20권3호
• /
• pp.16-22
• /
• 2019

로봇을 적용한 자동화 생산 라인에서 로봇 셋업 시 시뮬레이션을 통한 Off-Line Programming(OLP)과 로봇 캘리브레이션은 작업 시간을 단축하고 양산 전부터 생산 품질을 관리하기 위해 필수적이다. 본 연구에서는 상용 3D 스캐너를 사용하여 생산 라인의 CAD 데이터와 현장의 3차원 측정 스캔 데이터를 정합하는 로봇 캘리브레이션 방법을 개발하였다. 제안한 방법은 Iterative Closest Point(ICP) 알고리즘을 통해 두 개의 3차원 점군 데이터를 정합하여 로봇을 교정한다. 정합은 3단계로 수행한다. 먼저 CAD 데이터로부터 3개의 평면으로 연결된 꼭짓점을 특징점으로 추출한다. 추출한 특징점 주변에 위치한 스캔 점군데이터로부터 평면을 재구성하여 대응하는 특징점을 생성한다. 마지막으로 ICP 알고리즘을 통해 추출한 특징점들 간의 거리를 최소화하여 위치 변환 행렬을 계산한다. 자동차 차체 조립라인의 스팟용접 로봇 설치에 제안한 방법을 적용한 결과 스팟용접에서 일반적으로 요구하는 정밀도 1.5mm 수준으로 로봇의 위치 및 자세를 캘리브레이션 할 수 있었으며, 기존에 레이저 트래커를 사용하면 로봇 한 대당 5시간 이상 소요되던 셋업 시간은 40분 이내로 단축할 수 있었다. 개발한 시스템을 사용하면 차체 스팟 용접에 필요한 정밀도를 유지하면서 자동차 차체 조립 라인의 OLP 작업시간을 단축하여, 로봇 정밀 티칭 시간을 단축하여, 생산제품의 품질 향상 및 불량률을 최소화할 수 있다.

• 농업생명과학연구
• /
• 제52권6호
• /
• pp.103-109
• /
• 2018

점적기의 성능은 압력보상 기능에 따른 유량 균등성에 의해 좌우되고, 유량의 균등성은 점적기 내부의 위치에 따른 공급압력이 일정할 때 이루어진다. 점적기의 압력보상은 탄성을 가진 연질의 실리콘과 미로가 동시에 결합된 경우에 가장 큰 효과를 나타낸다. 그러나 경질 미로만으로 구성된 점적기의 경우에는 미로의 길이와 내부구조에 따라 유량이 크게 달라진다. 경질 미로만으로 구성된 점적기의 경우에는 연질의 실리콘을 동시에 결합한 점적기보다 공급 압력에 따른 유량의 오차가 훨씬 크게 나타나므로 간편한 반면에 성능에서는 불리한 조건을 가진다. 경질미로로 구성된 점적호스의 경우 공급 압력과 미로의 길이와 단면에 따른 최적 설계를 통하여 적절한 조건에서 폭넓게 사용할 수 있는 장점이 있으므로 이에 대한 연구는 점적기의 성능을 개선하는데 매우 중요한 역할을 한다. 그러나 이러한 분야의 연구는 거의 이루어지지 않은 실정이다. 따라서 본 연구에서는 경질미로로 구성된 점적호스의 성능평가를 구명하기 위해 원형의 미로를 길이별로 8단계(#1~#8)로 나누어, 공급압력(0.5~3.0bar) 변화에 따른 출구유량을 실험적 방법과 이론적 해석(CFD)으로 구하였다.

• 한국방사선학회논문지
• /
• 제13권2호
• /
• pp.185-192
• /
• 2019

DXA 검사는 작은 골량의 변화로 발생하는 생물학적 변화를 가장 잘 반영할 수 있어 임상에서 우수한 성능을 발휘하는 골밀도 검사 장치이다. 검사의 정확도와 정밀도의 유지를 위하여 정도관리가 필수적으로 수행되어야 하지만 팬텀의 제작이 어렵고 상대적으로 고가의 가격이기 때문에 병원마다 보유하지 않고 있는 경우가 많다. 따라서 본 연구에서는 3D 프린터 및 시중에서 손쉽게 구할 수 있는 필라멘트의 내부채움 정도의 변화를 이용하여 교차보정 팬텀을 개발하고 상용화된 팬텀과의 비교 평가를 통해 유용성을 평가하였다. 팬텀의 개발을 위해 ABS, TPU, PLA, 30% Cu-PLA, 30% Al-PLA의 HU을 평가하였으며 각각 내부 채움 100%에서 $-149.74{\pm}2.36$, $-55.62{\pm}7.14$, $-7.68{\pm}3.82$, $87.53{\pm}1.07$, $1795.20{\pm}16.15$의 HU를 나타내었다. 선형회귀분석이 적용된 3D 프린팅 팬텀의 L1, L2, L3 골밀도는 $0.620{\pm}0.010g/cm^2$, $1.092{\pm}0.025g/cm^2$, $1.554{\pm}0.026g/cm^2$으로, 기존 팬텀과 통계적으로 높은 관련성을 보였다. 이를 활용한다면, DXA 장치의 적절한 정도관리가 가능할 것이며, FDM 3D 프린팅을 이용한 다양한 의료용 팬텀 제작에 기초 자료로 활용될 것으로 사료된다.

• 한국식품위생안전성학회지
• /
• 제34권3호
• /
• pp.263-268
• /
• 2019

메탄올은 부동액, 세제, 살균제, 소독제 및 공업용매 등 다양한 분야에서 사용되는 독성 알코올이며, 섭취, 경피흡수 및 흡입을 통해 인체에 노출된다. 체내에서 메탄올은 포름알데히드와 포름산으로 산화되며, 이러한 생성물을 대사산증, 시신경장애를 일으키고, 심한 경우 사망에 이르기도 한다. 본 연구에서는 국내에서 유통되는 세척제 및 헹굼보조제 중 메탄올의 함량을 모니터링하고자 하였으며, 기존의 식약처에서 고시한 방법보다 더 간단하고 빠른 GC-HS-MS방법으로 진행하였다. 본 분석법은SIM 모드로 진행하였고(메탄올 31 m/z 및 이소프로판올 45 m/z), LOD는 1.09 mg/kg으로 계산되었으며, 정확도와 정밀도는 각각 91.1-97.9%와 10%이하로 나타나 정량분석에 적합한 수준임을 확인하였다. 본 연구는 세척제 중 메탄올 함량을 모니터링한 최초의 연구로써 가치가 있다고 판단된다.

• Journal of Korean Neurosurgical Society
• /
• 제62권4호
• /
• pp.442-449
• /
• 2019

Objective : Bone mineral density (BMD) is an important consideration during fusion surgery. Although dual X-ray absorptiometry is considered as the gold standard for assessing BMD, quantitative computed tomography (QCT) provides more accurate data in spine osteoporosis. However, QCT has the disadvantage of additional radiation hazard and cost. The present study was to demonstrate the utility of artificial intelligence and machine learning algorithm for assessing osteoporosis using Hounsfield units (HU) of preoperative lumbar CT coupling with data of QCT. Methods : We reviewed 70 patients undergoing both QCT and conventional lumbar CT for spine surgery. The T-scores of 198 lumbar vertebra was assessed in QCT and the HU of vertebral body at the same level were measured in conventional CT by the picture archiving and communication system (PACS) system. A multiple regression algorithm was applied to predict the T-score using three independent variables (age, sex, and HU of vertebral body on conventional CT) coupling with T-score of QCT. Next, a logistic regression algorithm was applied to predict osteoporotic or non-osteoporotic vertebra. The Tensor flow and Python were used as the machine learning tools. The Tensor flow user interface developed in our institute was used for easy code generation. Results : The predictive model with multiple regression algorithm estimated similar T-scores with data of QCT. HU demonstrates the similar results as QCT without the discordance in only one non-osteoporotic vertebra that indicated osteoporosis. From the training set, the predictive model classified the lumbar vertebra into two groups (osteoporotic vs. non-osteoporotic spine) with 88.0% accuracy. In a test set of 40 vertebrae, classification accuracy was 92.5% when the learning rate was 0.0001 (precision, 0.939; recall, 0.969; F1 score, 0.954; area under the curve, 0.900). Conclusion : This study is a simple machine learning model applicable in the spine research field. The machine learning model can predict the T-score and osteoporotic vertebrae solely by measuring the HU of conventional CT, and this would help spine surgeons not to under-estimate the osteoporotic spine preoperatively. If applied to a bigger data set, we believe the predictive accuracy of our model will further increase. We propose that machine learning is an important modality of the medical research field.

• 분석과학
• /
• 제32권2호
• /
• pp.35-47
• /
• 2019

In this study, high-performance liquid chromatography-tandem mass spectrometry (HPLC-MS/MS) was employed to detect 26 antidiabetic compounds in adulterated dietary supplements using a simple, selective method. The work presented herein may help prevent incidents related to food adulteration and restrict the illegal food market. The best separation was obtained on a Shiseido Capcell Pak(R) C18 MG-II ($2.0mm{\times}100mm$, $3{\mu}m$), which improved the peak shape and MS detection sensitivity of the target compounds. A gradient elution system composed of 0.1 % (v/v) formic acid in distilled water and methanol at a flow rate of 0.3 mL/min for 18 min was utilized. A triple quadrupole mass spectrometer with an electrospray ionization source operated in the positive or negative mode was employed as the detector. The developed method was validated as follows: specificity was confirmed in the multiple reaction monitoring mode using the precursor and product ion pairs. For solid samples, LOD ranged from 0.16 to 20.00 ng/mL and LOQ ranged from 0.50 to 60.00 ng/mL, and for liquid samples, LOD ranged from 0.16 to 20.00 ng/mL and LOQ ranged from 0.50 to 60.00 ng/mL. Satisfactory linearity was obtained from calibration curves, with $R^2$ > 0.99. Both intra and inter-day precision were less than 13.19 %. Accuracies ranged from 80.69 to 118.81 % (intra/inter-day), with a stability of less than 14.88 %. Mean recovery was found to be 80.6-119.0 % and less than 13.4 % RSD. Using the validated method, glibenclamide and pioglitazone were simultaneously determined in one capsule at concentrations of 1.52 and 0.53 mg (per capsule), respectively.

• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.27-36
• /
• 2019

본 연구에서는 공개된 뇌파 데이터인 DEAP(A Database for Emotion Analysis using Physiological Signals) 데이터 세트를 활용한 감정분류 분석 및 정확도 향상에 대한 실험을 진행하였다. 실험에는 32명에 대한 32개의 뇌파측정 채널 데이터가 모두 사용되었다. 전처리과정에서는 뇌파 데이터에 대한 256Hz 샘플링작업을 진행하였고, 유한 임펄스 응답 필터를 사용하여 주파수 대역별로 쎄타(4-8Hz), 슬로 알파(8-10Hz), 알파(8-12Hz), 베타(12-30Hz), 감마(31-45Hz) 파형에 대한 데이터를 추출하였다. 추출한 데이터는 시간-주파수 변형을 통하여 데이터의 상태를 구분한 후에, 독립성분분석방법을 통해 잡음(Artifact)을 제거하여 데이터를 정제했다. 도출된 데이터는 분류기 기계학습 알고리즘 실험을 시행할 수 있도록 CSV 파일로 변형 하였으며, 감정분류에는 Arousal-Valence 평면을 사용하였다. 감정은 "긍정적(Positive)", "부정적(Negative)" 이외에 평온한 상태로 존재하는 "중립적(Neutral)"의 3가지 상태로 분류하였다. 정확도를 개선하기 위해서 랜덤 포레스트(Random Forest) 알고리즘에 속성 선택적 분류기(Attribute Selected Classifier: ASC) 방식에 의해 선택된 속성을 적용하여 실험하였다. 정확도는 "각성(Arousal)" 부분에서 Koelstra의 결과보다 "32.48%" 높은 결과가 도출되었고, Liu의 실험의 "정서가(Valence)"와 비교해보면 ASC(Random Forest) 결과가 "8.13%" 더 높은 결과를 도출하였다. 정확도를 개선하기 위해 ASC 방식을 적용한 랜덤 포레스트 분류기 실험결과에서는 전체평균을 기준으로 기존 연구 결과와 대비하여 "2.68%" 높은 정확도가 도출되었다.

• 한국폐기물자원순환학회지
• /
• 제35권7호
• /
• pp.616-626
• /
• 2018

The quality standards of solid refuse fuel (SRF) define the values for 12 physico-chemical properties, including moisture, lower heating value, and metal compounds, according to Article 20 of the Enforcement Rules of the Act on Resource Saving and Recycling Promotion. These parameters are evaluated via various SRF Quality Test Methods, but problems related to the heavy metal content have been observed in the microwave acid digestion method. Therefore, these methods and their applicability need improvement. In this study, the appropriate testing conditions were derived by varying the parameters of microwave acid digestion, such as microwave power and pre-treatment time. The pre-treatment of SRF as a function of the microwave power revealed an incomplete decomposition of the sample at 600 W, and the heavy metal content analysis was difficult to perform under 9 mL of nitric acid and 3 mL of hydrochloric acid. The experiments with the reference materials under nitric acid at 600 W lasted 30 minutes, and 1,000 W for 20 or 30 minutes were considered optimal conditions. The results confirmed that a mixture of SRF and an acid would take about 20 minutes to reach $180^{\circ}C$, requiring at least 30 minutes of pre-treatment. The accuracy was within 30% of the standard deviation, with a precision of 70 ~ 130% of the heavy metal recovery rate. By applying these conditions to SRF, the results for each condition were not significantly different and the heavy metal standards for As, Pb, Cd, and Cr were satisfied.