• Journal of Microbiology and Biotechnology
• /
• 제26권3호
• /
• pp.558-566
• /
• 2016

Biotic agents such as fumarate-reducing bacteria can be used for controlling methane (CH₄) production in the rumen. Fumarate-reducing bacteria convert fumarate to succinate by fumarate reductase, ultimately leading to the production of propionate. Fumarate-reducing bacteria in the genus Enterococcus were isolated from rumen fluid samples from slaughtered Korean native goats. The enterococci were identified as Enterococcus faecalis SROD5 and E. faecium SROD by phylogenetic analyses of 16S rRNA gene sequences. The fumarate reductase activities of the SROD5 and SROD strains were 42.13 and 37.05 mM NADH oxidized/min/mg of cellular nitrogen (N), respectively. Supplementation of rumen fermentation in vitro with the SROD5 and SROD strains produced significantly higher propionate, butyrate, and total volatile fatty acid (VFA) concentrations than controls at 12 h; VFA concentrations tended to increase after 24 h of incubation. The generated CH₄ concentration was significantly lower in the SROD5 and SROD treatment groups after 24 h of incubation. These findings indicate that E. faecium SROD has potential as a direct-fed microbial additive for increasing total VFAs while decreasing CH₄ production in rumen fermentation in vitro.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.547-551
• /
• 2009

최근, 필름복원은 다양한 멀티미디어 출현과 영상보존의 중요성으로 많은 연구자들로부터 관심을 받고 있다. 블로치(blotch)는 오래된 영상에서 나타나는 대표적인 손상요인이다. 따라서 본 논문에서는 객체의 컬러특징과 방향분포 변화를 이용한 블로치 검출방법을 제안한다. 제안된 방법은 두가지 모듈로 구성 된다. 블로치의 불연속적인 특징을 이용한 SROD 검출기로 불로치의 후보지를 검출하고, 후보지로부터 블로치의 컬러와 형태 특징을 이용한 신경망으로 블로치 영역을 검출한다. 제안된 방법을 평가 하기 위해 실제 오래된 영상으로부터 실험 하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권1호
• /
• pp.120-124
• /
• 2010

이 논문은 오래된 영화에서 스크래치, 블로치등의 여러 종류의 손상요인을 자동으로 검출하는 방법을 제안한다. 제안된 방법은 후보 검출과 검증 단계로 이루어져 있다. 후보검출 단계에서는 스크래치와 블로치를 각각 공간적인 영역에서 주변에 비해 높은 대비를 가지는 특성과, 시공간적 불연속성에 따른 프레임의 최대범위를 찾아냄으로써 후보영역을 검출한다. 그 후, 생성된 몇몇의 오 검출을 제거하기 위해, 텍스처 분류기와 형태 필터링을 통한 검증단계를 거쳐 손상영역을 검출한다. 스크래치와 블로치의 텍스처 특징을 신경망(NNs)를 통해 학습되고, 그 형태는 모폴로지필터(morphological filter)에 의해 표현된다. 실험은 몇몇 오래된 영화를 대상으로 이루어졌고, 그에 따른 결과는 제안된 방법의 정확도는 81%의 정확도와 79%의 정밀도를 보였다.