This study was conducted to analyze chemical components in flue-cured tobacco using near infrared spectroscopy(NIRS). Samples were collected in '96 and '97 crop year and were scanned in the wavelengths of 400 ~ 2500 nm by near infrared analyzer(NIRSystem Co., Model 6500). Calibration equations were developed and then analyzed flue-cured samples by NIRS. The standard error of calibration(SEC) and performance (SEP) of '96 crop year samples between NIRS and standard laboratory analysis(SLA) were 0.18% and 0.24% for nicotine, 1.60% and 1.77% for total sugar, 0.13% and 0.15% for total nitrogen, 0.58% and 0.68% for crude ash, 0.23% and 0.28% for ether extracts, and 0.09% and 0.08% for chlorine, respectively. The coefficient of determination($R^2$) of calibration and prediction samples between NIRS and SLA of '96 crop year samples was 0.94~0.99 and 0.83~0.97 depending on chemical components, respectively. The SEC and SEP of '97 crop year samples were similar to those of '96 crop year samples. The SEP of '97 crop year samples which were analyzed using '96 calibration equation was 0.32 % for nicotine, 2.72% for total sugar, 0.14 % for total nitrogen, 1.00 % for crude ash, 0.48 for ether extracts and 0.17% for chlorine, respectively. The prediction result was more accurate when calibration and prediction samples were produced in the same crop year than those of the different crop year. The SEP of '96 and '97 crop year samples using calibration equation which was developed '96 plus '97 crop year samples was similar to that of '96 crop year samples using 96 calibration equation and that of '97 crop year samples using '97 calibration equation, respectively. The SEP of '97 crop year samples using calibration equation which was developed '96 plus '97 crop year samples was lower than that of '97 crop year samples analyzed by '96 calibration equation. To improve the analytical inaccuracy caused by the difference of crop year between calibration and prediction samples, we need to include the prediction sample spectra which are different from calibration sample spectra in recalibration sample spectra, and then develop recalibration equation. Although the analytical result using NIR is not as good as SLA, the chemical component analysis using NIR can apply to tobacco leaves, leaf process or tobacco manufacturing process which demand the rapid analytical result.
본 논문은 영상장치를 이용한 차세대 스마트 LED 전광판의 불량픽셀 검출을 위한 딥러닝 구조 개발에 관한 연구를 제안한다. 이 연구에서는 영상장치를 활용하여 딥러닝을 통해 실외 LED 전광판의 결함을 자동으로 검출하는 기법을 제안한다. 이를 통해 LED 전광판의 효율적인 관리와 발생할 수 있는 다양한 오류와 문제를 해결하고자 한다. 연구 과정은 3단계를 거쳐 이루어진다. 첫 번째로, 평면화된 전광판 이미지 데이터를 calibration을 통해 배경을 완전히 제거하고 필요한 전처리 과정을 거쳐 학습 데이터셋을 생성한다. 두 번째로, 생성된 데이터셋은 객체 인식 네트워크를 학습을 시키는 데 활용된다. 네트워크는 Backbone과 Head로 구성된다. Backbone에서는 CSP-Darknet을 활용하여 특징 맵을 추출하고, Head에서는 추출된 Feature Map을 기반으로 물체를 검출한다. 이 과정에서 네트워크는 Confidence score와 IoU가 일치하도록 오차를 수정하며 지속적으로 학습된다. 세 번째에서는 생성된 모델을 활용하여 실제 실외 LED 전광판에서 불량픽셀을 자동으로 검출한다. 본 논문에서 제안하는 방법을 적용하여 LED 전광판의 불량픽셀 검출에 대한 공인 측정 실험 결과로는 실제 LED 전광판에서 불량픽셀을 100% 검출한 결과를 얻을 수 있었다. 이를 통해 LED 전광판의 불량 관리와 유지보수의 효율성이 향상되었음을 확인할 수 있다. 이러한 연구 결과는 LED 전광판 관리의 획기적인 개선을 이룰 것으로 기대된다.
본 연구에서는 알팔파로부터 추출한 천연계면활성제를 사용하여 중심합성설계모델(CCD-RSM)을 이용한 O/W 유화제조 공정의 최적화를 수행하였다. 그 결과 95% 신뢰구간에서 최적화 결과의 통계학적 합리성을 확인하였다. CCD-RSM을 통하여 독립변수인 알팔파 추출물:Sugar ester S-370의 혼합비율(P), 계면활성제의 첨가량(W) 및 유화속도(R)가 반응치인 유화안정도지수(ESI), 평균입자크기(MDS) 및 점도(V)에 끼치는 영향을 조사하여 O/W 유화제조공정의 최적조건을 산출하였다. 유화안정도지수, 평균입자크기 및 점도에 관한 회귀방정식으로부터 다중반응을 수행하여 3가지 반응치를 동시에 만족하는 최적 유화조건으로 알팔파 추출물:Sugar ester S-370의 혼합비율은 49.5 wt%, 계면활성제의 첨가량 9.1 wt%, 유화속도 6559.5 rpm으로 나타났으며 산출된 반응치의 응답값은 ESI는 89.9%, MDS는 1058.4 nm, V는 1522.5 cP로 산출되었다. 이를 실험으로 확인한 결과 ESI는 88.7%, MDS는 1026.4 nm, V는 1486.5 cP이었으며 평균 오차율은 2.3 (± 0.4)%이었다. 따라서 CCD-RSM을 실제 유화 제조에 적용하여 만족스러운 O/W 유화제조 공정조건을 얻을 수 있었다.
사고 원인에 대한 철저한 분석은 사고 재발 방지를 위한 필수적인 과정이다. 해체공사 사고의 원인을 살펴보면 작업자의 불안전한 행동, 불안전한 상태, 심리적·신체적 상태, 현장관리 원인 등 매우 다양하다. 현재 해체공사 사고통계는 지속적으로 조사·보고되고 있으나 사고 유형에 따른 보다 근본적인 원인 분류 정보가 필요하다. 본 연구에서는 하인리히의 도미노 이론을 바탕으로 해체공사 사고의 유형에 따라 사고원인(불안전한 행동, 불안전한 조건)과 휴먼에러(인적요인)를 분류하였다. 본 연구에서는 해체공사시 사고유형에 따라 사고원인을 체계적으로 분류하기 위해 QFD-FMEA(Quality Function Deployment - Failure Mode Effect Analysis) 3단계 모델을 사용하였다. 사고원인 분류 결과는 사고예방을 위한 안전지식 및 체크리스트로 활용할 수 있다.
스프레드시트를 활용한 인공신경망 교육을 통해, 비전공자 학부생들은 인공신경망의 동작 원리을 이해하며 자신만의 인공신경망 SW를 개발할 수 있다. 여기서, 인공신경망의 동작 원리 교육은 훈련데이터의 생성과 정답 라벨의 할당부터 시작한다. 이후, 인공 뉴런의 발화 및 활성화 함수, 입력층과 은닉층 그리고 출력층의 매개변수들로부터 계산되는 출력값을 학습한다. 마지막으로, 최초 정의된 각 훈련데이터의 정답 라벨과 인공신경망이 계산한 출력값 간 오차를 계산하는 과정을 학습하고 오차제곱의 총합을 최소화하는 입력층과 은닉층 그리고 출력층의 매개변수들이 계산되는 과정을 학습한다. 스프레드시트를 활용한 인공신경망 동작 원리 교육을 비전공자 학부생 대상으로 실시하였다. 그리고 이미지 훈련데이터와 기초 인공신경망 개발 결과를 수집하였다. 본 논문에서는 12화소 크기의 소용량 이미지로 두 가지 훈련데이터와 해당 인공신경망 SW를 수집한 결과를 분석하고, 수집한 훈련데이터를 Orange 머신러닝 모델 학습 및 분석 도구에 활용하는 방법과 실행 결과를 제시하였다.
본 연구는 다핵구조를 형성하고 있는 대도시의 도시공간구조 진단을 위해 도심 및 부도심의 인구분포상의 구심력 및 유효범위의 변동성을 측정하였다. 이를 위해 부산광역시를 대상으로 1995년부터 2005년까지 5년 간격으로 도심 및 부도심의 인구구심력의 유효범위 변화를 측정하고자 5km 단위로 범위를 확장하여 인구밀도함수 중 음지수함수를 활용한 결정계수 값의 변동성을 분석하였다. 이를 통해 인구분포에 대한 공간적 영향권역의 변동성을 파악하여 도심 및 부도심의 생성, 성장, 쇠퇴 등의 진행과정에 따른 각 과정별 도심 및 부도심의 인구구심력의 유효범위와 도심 및 부도심간의 충돌과정에서의 유효범위 변화과정을 분석하였다. 분석결과를 요약하면 중앙동은 지속적인 결정계수의 감소를 보이고 있으며 서면(부전동)은 설명력이 큰 변화없이 유지되고 있는 것으로 나타났다. 도심으로부터 5km씩 거리를 늘려 인구밀도함수를 적용한 경우에도 부전동의 경우는 10km이후부터 중앙동은 15km구간 이후부터 대체로 증가하였다. 전체적으로는 부산의 인구가 감소추세임에도 불구하고 지속적인 분산화 단계인 것으로 나타나 보다 효율적인 도시공간구조를 형성하기 위해 도심 및 부도심지역의 도심기능강화와 인접지역의 양호한 주거지역 공급이 필요한 것으로 판단된다. 본 연구의 결과는 도시공간구조의 변동성이 갖는 구체적인 공간적 차원의 정보를 제시하여 효율적 공간구조의 재편을 위한 정책적 접근의 기초자료로의 활용이 기대된다.
Recently, the number of observations used in a data assimilation system is increasing due to the enormous amount of observations, including satellite data. However, it is not clear that all of these observations are always beneficial to the performance of the numerical weather prediction (NWP). Therefore, it is important to evaluate the effect of observations on these forecasts so that the observations can be used more usefully in NWP process. In this study, the adjoint-based Forecast Sensitivity to Observation (FSO) method with the KMA Unified Model (UM) is applied to two high-impact weather events which occurred in summer and winter in Korea in an effort to investigate the effects of observations on the forecasts of these events. The total dry energy norm is used as a response function to calculate the adjoint sensitivity. For the summer case, TEMP observations have the greatest total impact while BOGUS shows the greatest impact per observation for all of the 24-, 36-, and 48-hour forecasts. For the winter case, aircraft, ATOVS, and ESA have the greatest total impact for the 24-, 36-, and 48-hour forecasts respectively, while ESA has the greatest impact per observation. Most of the observation effects are horizontally located upwind or in the vicinity of the Korean peninsula. The fraction of beneficial observations is less than 50%, which is less than the results in previous studies. As an additional experiment, the total moist energy norm is used as a response function to measure the sensitivity of 24-hour forecast error to observations. The characteristics of the observation impact with the moist energy response function are generally similar to those with the dry energy response function. However, the ATOVS observations were found to be sensitive to the response function, showing a positive (a negative) effect on the forecast when using the dry (moist) norm for the summer case. For the winter case, the dry and moist energy norm experiments show very similar results because the adjoint of KMA UM does not calculate the specific humidity of ice properly such that the dry and moist energy norms are very similar except for the humidity in air that is very low in winter.
얼굴인식은 외관기반(appearance-based) 매칭기법으로 풀어야 할 문제 중의 하나이다. 그러나, 얼굴영상의 외관은 조명 변화에 매우 민감하다. 얼굴인식 성능을 향상시키기 위해서는 다양한 조명 아래에서 다양한 학습 데이타를 수집해야 하나, 실제로는 데이타 수집이 용이하지 않다. 따라서, 성능향상을 위해서 다양한 데이타를 학습시키는 것 보다 다양한 조건의 데이타를 정규화 하는 기법에 주목하는 것이 바람직하다. 본 논문에서는 방향성 조명 아래에서 취득한 얼굴영상을 정규화 할 수 있는 간단한 방법을 제안한다. 조명 문제는 얼굴인식 시스템에서 오류를 일으키는 가장 중요한 요인중 하나이다. 제안하는 방법을 ICR(illumination Compensation based on Multiple Linear Regression)이라 명명하였다. 본 방법에서는 다중회귀분석 모델을 사용하여 얼굴영상의 화소 밝기 갈 분포에 가장 잘 맞는 평면을 찾은 후 이 평면을 이용하여 얼굴영상을 정규화 한다. 제안하는 방법의 장점은 간단하고 실용적이며, 얼굴영상의 밝기 값 분포에 대한 평면 근사가 선형모델에 의해 수학적으로 정의된다는 점이다. 얼굴인식에서 제안하는 방법의 성능 향상을 보여주기 위해 공개 및 자체 구축 데이타 베이스에 대한 실험 결과를 제시한다. 실험 결과 두드러진 얼굴인식 성능 향상을 보여주었다.
대기효과로 인해 위성에서 측정된 복사휘도는 오차를 가지고 있다. 대기보정은 대기효과를 제거하여 지표반사도를 산출하는 과정이며, 지표반사도는 복사전달모델 기반의 조견표(Look-Up Table; LUT)를 통해 산출된다. 일반적으로 조견표를 사용하는 연구들은 동일한 대기·기하조건으로 채널별 조견표를 구축하고 있다. 하지만, 대기 조건들이 민감하게 반응하는 채널은 모두 다르다. 이에 본 연구에서는 동일한 대기·기하조건으로 KOMPSAT-3/3A의 채널별 조견표를 구축하고, 복사전달모델에서 모의된 대기상단 복사휘도 및 지표반사도를 검증 자료로 활용하여 조견표의 정확도를 확인하였다. 결과적으로, 에어로졸 광학 두께에 민감하게 반응하는 Blue 채널에서 지표반사도의 상대오차가 최대 81.14%으로 나타났고, NIR 채널에서는 최대 42.67%으로 나타났다.
본 논문에서는 물체의 3차원 모델을 복원하기 위하여 거리영상 카메라에서 획득한 다시점 3차원 거리영상을 온라인으로 정합(registration)하는 기술을 제안한다. 3차원 모델 복원을 위하여 거리영상 카메라를 복원하고자하는 물체 주위로 이동하여 연속된 다시점 거리영상과 사진영상을 획득하고 물체와 배경을 분리한다. 분리된 다시점 거리영상의 정합을 위하여 이미 등록된 거리영상의 변환정보 그리고 두 거리영상 사이의 기하정보를 이용하여 정합을 초기화한다. 위 과정을 통해 서로 인접한 거리영상에서 영상 특징점을 선택하고 특징점에 해당하는 거리영상의 3차원 점군을 이용하여 투영 기반(projection-based) 정합을 실시한다. 기하정합이 완료되면 사진영상 간의 대응점을 추적하여 정합을 정제(refinement)하는 과정을 거치는데 KLT (Kanade-Lucas-Tomasi) 추적기를 수정하여 대응점 탐색의 속도와 성공률을 증가시켰다. 영상 특징점과 추적된 대응점에 해당하는 3차원 점군을 이용하여 거리영상을 정제하였다. 정합과 정제의 결과를 통해 추정된 변환 행렬과 정합된 대응점들 사이의 거리를 계산하여 정합 결과를 검증하고 거리영상의 사용 여부를 결정한다. 만약 정합이 실패하더라도 경우에도 거리영상을 실시간으로 계속 획득하고 정합을 다시 시도한다. 위와 같은 과정을 반복하여 충분한 거리 영상을 획득하고 정합이 완료되면 오프라인에서 3차원 모델을 합성하였다. 실험 결과들을 통해 제안한 방법이 3차원 모델을 성공적으로 복원할 수 있음을 확인 할 수 있었고 오차 분석을 통해 모델 복원의 정확도를 검증하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.