• 전기전자학회논문지
• /
• 제23권2호
• /
• pp.743-746
• /
• 2019

본 논문에서는 새로운 해양 방사선 자동 감시 시스템을 제안한다. 제안하는 시스템은 다음과 같은 특징들을 가진다. 첫 번째로 NaI + PVT 혼합형 검출기를 사용함으로 반응속도가 빠르고 정밀분석이 가능하다. 두 번째로 섬광체형 센서에 온도보상 알고리즘을 적용함으로서 추가적인 냉각장치가 필요 없으며 시시각각 변화하는 해양환경에 안정적인 운영이 가능하다. 세 번째로 냉각장치가 필요 없으므로 전력소비량이 적어 태양열을 활용하여 전력의 안정적인 공급이 가능하므로 해양환경 관측부이에 설치 가능하다. 네 번째로 GPS 및 무선통신을 사용하여 측정지역에 대한 정확한 위치정보와 실시간 데이터 전송기능으로 주변국 등의 원전사고 등 발생 시 즉각적인 경보대응이 가능하다. 제안된 시스템의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과는 방사선 측정범위는 세계 최고 수준인 $5{\mu}Sv/h{\sim}15mSv/h$의 범위에서 측정이 되었고, 정확도는 ${\pm}8.1%$의 측정 불확도가 측정되어 국제 표준인 ${\pm}15%$ 이하에서 정상동작 됨이 확인되었다. 내환경등급(방수)은 IP67을 달성하였고, $-20{\sim}50^{\circ}C$ 동작온도에서 5% 이내로 변동률이 측정되어서 안정성이 확인되었다. 진동시험 후 측정값 변화율이 10% 이내로 측정되어서, 파도에 의한 해양환경에서 진동으로 인한 측정값의 변화가 없을 것으로 확인되었다.

• 대한토목학회논문집
• /
• 제44권1호
• /
• pp.85-93
• /
• 2024

안전하고 지속가능한 건설현장의 운영을 위해 소음, 분진, 진동, 온·습도 등의 환경정보 모니터링은 매우 중요하다. 하지만, 상용 센서들은 단가가 상당하고, 건설현장과 같이 가혹한 환경에서 사용하도록 설계되지 않아 쉽게 고장나거나 측정값이 불안정하며, 각 환경정보마다 개별적인 센서를 설치 및 관리해야 하기 때문에 인력/비용/공간의 확보가 어렵다는 한계점이 존재한다. 본 연구는 건설현장의 소음, 분진, 진동, 온·습도 등의 환경정보를 측정하는 통합 센싱모듈을 개발했다. 구체적으로, 설치 비용을 상용 센서의 3.3% 수준으로 낮추고, 야외의 가혹한 환경에서 사용 가능하도록 설계하며, 다수의 센서를 통합하여 설치와 관리가 편리하도록 개선했다. 또한, 건설현장에서 센싱모듈을 효과적으로 사용하기 위해 GPS, LTE, 실시간 센싱(1분 이내)을 지원한다. 센싱모듈을 검증하기 위해 국가 인증 센서와 측정 성능을 비교했고, 데이터 통신을 검증하기 위해 7곳의 현장에 25회 방문하여 테스트를 진행했다. 그 결과, 소음 측정 정확도 97.5% 및 정밀도 99.9%, 분진 측정 정확도 89.7%, 데이터 송신 안정률 93.5% 등 우수한 성능을 확인했다. 본 연구는 현장으로부터 대량 및 양질의 환경정보 데이터를 수집하도록 지원하여 (1) 관련 규정/법령의 준수 여부 평가, (2) 환경정보 시뮬레이션, (3) 환경대책 수립 등 현장 의사결정에 기여한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권9호
• /
• pp.317-322
• /
• 2022

정보기술의 급격한 발달은 의료 환경에서도 많은 변화를 가져오고 있다. 특히 빅데이터와 인공지능(AI)을 활용한 의료영상 정보 시스템의 빠른 변화를 견인하고 있다. 전자의무기록(EMR)과 의료영상저장전송시스템(PACS)으로 구성된 처방전달시스템(OCS)은 의료 환경을 아날로그에서 디지털로 빠르게 바꾸어 놓았다. PACS는 여러 솔루션과 결합하여 호환, 보안, 효율성, 자동화 등 새로운 발전 방향을 보여주고 있다. 그 중, 영상의 질적 개선을 할 수 있는 빅데이터를 활용한 인공지능(AI)과의 결합이 활발히 진행되고 있다. 특히 딥러닝 기술을 활용하여 의료 영상 판독을 보조할 수 있는 시스템인 AI PACS가 대학과 산업체의 협력으로 개발되어 병원에서 활용되고 있다. 이처럼 의료 환경에서 의료영상 정보 시스템의 빠른 변화에 맞추어 의료시장의 구조적인 변화와 이에 대처할 수 있는 의료정책의 변화도 필요하다. 한편, 의료영상정보는 디지털 의료영상 전송 장치에서 생성되는 DICOM 방식을 기본으로 하고, 생성하는 방법의 차이에 따라 Volume 영상, 단면 영상인 2차원적 영상으로 구분된다. 또한, 최근 많은 의료기관에서는 스마트 병원 서비스를 내세우며 차세대 통합 의료정보시스템의 도입을 서두르고 있다. 차세대 통합 의료정보시스템은 EMR을 바탕으로 전자동의서, AI와 빅데이터를 활용한 정밀의료, 외부기관 등을 통합한 솔루션으로 구축하며, 이를 바탕으로 환자 정보 DB 구축과 데이터의 표준화를 통한 의료 빅데이터 기반의 의학 연구를 목적으로 한다. 우리나라의 의료영상 정보 시스템은 앞선 IT 기술력과 정부의 정책에 힘입어 세계적인 수준에 있으며, 특히 PACS 관련 프로그램은 의료 영상정보 기술에서 세계로 수출을 하고 있는 한 분야이다. 본 연구에서는 빅데이터를 활용한 의료영상 정보 시스템의 분석과 함께 의료영상 정보 시스템이 국내에 도입되게 된 역사적 배경을 바탕으로 현재의 흐름을 파악하고 나아가 미래의 발전 방향을 예측하였다. 향후, 20여 년 동안 축적된 DICOM 빅데이터를 기반으로 AI, 딥러닝 알고리즘을 활용하여 영상 판독률을 높일 수 있는 연구를 진행하고자 한다.

• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.4107-4107
• /
• 2001

Previous works have shown the viability of NIRS technology for the prediction of fatty acids in Iberian pig fat, but although the resulting equations showed high precision, in the predictions of new samples important fluctuations were detected, greater with the time passed from calibration development to NIRS analysis. This fact makes the use of NIRS calibrations in routine analysis difficult. Moreover, this problem only appears in products like fat, that show spectrums with very defined absorption peaks at some wavelengths. This circumstance causes a high sensibility to small changes of the instrument, which are not perceived with the normal checks. To avoid these inconveniences, the software WinISI 1.04 has a mathematic algorithm that consist of create a “Repeatability File”. This file is used during calibration development to minimize the variation sources that can affect the NIRS predictions. The objective of the current work is the evaluation of the use of a repeatability file in quantitative NIRS analysis of Iberian pig fat. A total of 188 samples of Iberian pig fat, produced by COVAP, were used. NIR data were recorded using a FOSS NIRSystems 6500 I spectrophotometer equipped with a spinning module. Samples were analysed by folded transmission, using two sample cells of 0.1mm pathlength and gold surface. High accuracy calibration equations were obtained, without and with repeatability file, to determine the content of six fatty acids: miristic (SECV$\sub$without/=0.07% r$^2$$\sub$without/=0.76 and SECV$\sub$with/=0.08% r$^2$$\sub$with/=0.65), Palmitic (SECV$\sub$without/=0.28 r$^2$$\sub$without/=0.97 and SECV$\sub$with/=0.24% r$^2$$\sub$with/=0.98), palmitoleic (SECV$\sub$without/=0.08 r$^2$$\sub$without/=0.94 and SECV$\sub$with/=0.09% r$^2$$\sub$with/=0.92), Stearic (SECV$\sub$without/=0.27 r$^2$$\sub$without/=0.97 and SECV$\sub$with/=0.29% r$^2$$\sub$with/=0.96), oleic (SECV$\sub$without/=0.20 r$^2$$\sub$without/=0.99 and SECV$\sub$with/=0.20% r$^2$$\sub$with/=0.99) and linoleic (SECV$\sub$without/=0.16 r$^2$$\sub$without/=0.98 and SECV$\sub$with/=0.16% r$^2$$\sub$with/=0.98). The use of a repeatability file like a tool to reduce the variation sources that can disturbed the prediction accuracy was very effective. Although in calibration results the differences are negligible, the effect caused by the repeatability file is appreciated mainly when are predicted new samples that are not in the calibration set and whose spectrum were recorded a long time after the equation development. In this case, bias values corresponding to fatty acids predictions were lower when the repeatability file was used: miristic (bias$\sub$without/=-0.05 and bias$\sub$with/=-0.04), Palmitic (bias$\sub$without/=-0.42 and bias$\sub$with/=-0.11), Palmitoleic (bias$\sub$without/=-0.03 and bias$\sub$with/=0.03), Stearic (bias$\sub$without/=0.47 and bias$\sub$with/=0.28), oleic (bias$\sub$without/=0.14 and bias$\sub$with/=-0.04) and linoleic (bias$\sub$without/=0.25 and bias$\sub$with/=-0.20).