• 대한토목학회논문집
• /
• 제29권1B호
• /
• pp.105-109
• /
• 2009

강우유출수의 기저유출(base flow)이 지표수 수질에 영향을 미치는 것은 잘 알려져 있다. 이 논문에서는 기저유출로 발생하는 질산성 질소가 수질에 미치는 영향을 USGS의 PULSE 소프트웨어를 사용하여 월별 지하수 유출량을 수문 분리하였다. 2005년도 금강유역의 갑천2 지점의 지표수 수질 및 유량자료를 사용하였으며, 지하수 수질자료는 정부기관 측정자료를 사용 하였다. 갑천2 지점의 상류는 농지 및 임야가 대부분이다. 수문분리 결과, 봄과 가을에는 하천유량의 85~95%가 기저유출 기여량이며 여름과 겨울에는 25~38%가 기저유출 기여량으로 나타났다. 갑천2 지점에서 질산성 질소의 월별 기저유출 부하량은 유역내 지하수의 평균 질산성질소 농도를 이용하여 산정하였다. 갑천2 지점에서 기저유출되는 질산성질소 부하량은 5.4 ton of $NO_{3}{^-}-N/km^{2}$로 추정되었는데, 이는 갑천2 지점의 지표수 질산성 질소 부하량인 9.2 ton of $NO_{3}{^-}-N/km^{2}$의 59%에 해당하는 값이다. 기저유출되는 질산성질소의 계절변화는 월별 질산성질소 부하량을 월별기저유출량으로 나누어 구하였는데, 우기시 질산성 질소의 기저유출농도가 높은 것으로 나타났다. 이 연구를 통하여 지하수 수질 모니터링이 지표수 수질 관리에 필요함을 알 수 있다.

• 해양환경안전학회지
• /
• 제29권7호
• /
• pp.971-979
• /
• 2023

소형 선박(<499 GT)이 전체 선박의 46%를 지배하고 있어 상대적으로 많은 CO₂ 배출가스를 가지고 있다고 결론지을 수 있다. 최적의 Trim 조건에서 운전하면 선박의 저항을 감소시킬 수 있어 온실가스가 적게 발생할 수 있다. Trim을 최적화하는 가장 저렴한 방법 중 하나는 최적의 Longitudal Center of Gravity(LCG)를 얻기 위해 무게 분포를 조정하는 것이다. 따라서 본 연구에서는 소형 선박의 저항에 대한 LCG 변화의 영향을 경험적 및 수치적 해석을 통해 연구하고자 한다. 선체를 설계하는 Savitsky 경험식은 Maxsurf Resistance의 방법으로 사용된다. 수치해석에는 STAR-CCM+ 상용 CFD(Computational Fluid Dynamics) 소프트웨어가 사용되지만 최종적으로 선박 설계 과정 이후 최적의 LCG를 얻기 위해 전체 저항을 비교한다. 결론적으로 Froude Number 0.56에서는 수치해석에 의해 전체 길이(LoA) 46.2%에서 최적의 LCG를 달성하고 Froude Number 0.63에서는 43.4% LoA를 달성하여 29.2% LoA에서 기준점에 비해 최대 41.12% - 45.16%의 상당한 저항 감소를 얻을 수 있다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.599-608
• /
• 2023

수문학, 기상학 및 농업과 같은 응용 분야에서 위성 기반 토양 수분 정보에 대한 관심이 높아지면서 다양한 해상도에서 토양수분도를 제작하는 방법의 개발과 사례 연구는 위성 정보 활용의 주요 주제 중 하나로 대두되고 있다. 이 연구는 Google Earth Engine (GEE)에서 제공하는 Sentinel-과 Sentinel-2 공개 자료를 적용하여 토양수분도 제작 결과를 예시하였다. 토양수분도는 synthetic aperture radar (SAR) 영상과 광학 영상과 융합하여 산출하였다. SAR 영상은 GEE에서 제공하는 Sentinel-1 위성의 후반 산란 계수 analysis ready data (ARD)자료와 Sentinel-2에서 계산한 정규식생지수와 함께 Environmental Systems Research Institute (ESRI)의 토지 피복자료를 사용하였다. 호주 빅토리아 주에 위치한 연구지역을 대상으로 토양수분도를 제작하였으며, 기존 연구에서 발표된 현장 측정값과 비교 분석하였다. 현장 측정값을 기준으로 실험 결과의 정확도를 비교한 결과로 결괏값은 기준 값과 4-10%p 차이를 보이는 유의미한 범위의 일치도를 보이고, 위성 기반 토양수분도와는 0.5-2%p의 높은 일치도를 보이는 것으로 나타났다. 따라서 지역의 지표 특성에 따라 고해상도의 토양수분도가 필요한 지역은 GEE를 통하여 제공되는 공개 자료와 이 연구에서 적용한 알고리즘으로 토양수분도의 제작이 가능할 것으로 생각한다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1185-1193
• /
• 2023

위성 영상을 활용하여 정확한 토양 수분도를 산정하는 연구는 원격탐사 응용 분야에 포함되는 중요한 기본 연구 주제 중 하나이다. 이 연구의 목적은 KOMPSAT-3/3A 영상과 KOMPSAT-5 SAR 영상을 적용하여 시험 지역에 대하여 토양수분도를 제작하고 산정된 결과를 정확도 검증 차원에서 미국 NASA에서 제공하는 Soil Moisture Active Passive (SMAP)의 토양수분 자료와 정량 비교하는 것이다. 한편 농림 식생 지대를 중심으로 토양수분도를 산정하기 위하여 환경공간정보서비스에서 제공하는 토지피복지도를 연구에 적용하였다. 시험 연구 지역은 이 연구에 적용한 수분 구름 모델(Water Cloud Model)에 기반한 토양수분 산정 알고리즘 적용에 필요한 입력 자료가 모두 가용한 제주 서부 지역을 선정하였다. 토양수분도 제작에 사용한 Synthetic Aperture Radar (SAR) 영상은 KOMPSAT-5 HV와 Sentinel-1 VV 영상이며, 식생지수는 KOMPSAT-3 영상의 지표반사도를 사용하였다. 이 연구에서 산출한 토양수분도 산정 결과와 SMAP (L-3) 자료를 차분 연산으로 비교하면 차이 값이 평균 4.13±3.60p%의 높은 일치도를 보이는 것으로 나타났고, SMAP (L-4) 자료와의 차분 연산 결과는 평균 14.24±2.10p% 수준의 일치도를 보였다. 이 연구를 통하여 향후 우리나라 위성영상과 공공 제공자료를 이용하여 정확도가 높은 정밀 토양수분도를 제작할 수 있는 가능성을 제시하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권10호
• /
• pp.445-454
• /
• 2023

최근에는 협동 로봇의 데이터를 활용한 다양한 결함진단 연구가 수행되고 있다. 협동 로봇의 결함진단을 수행하는 기존 연구들은 기존 연구의 학습 데이터는 미리 정의된 기기의 동작을 가정하고 수집한 정적 데이터를 사용한다. 따라서 결함진단 모델은 학습한 데이터 패턴에 대한 의존성이 높아지는 한계가 있다. 또한 단일 모터를 사용한 실험으로 다관절이 동작하는 협동 로봇의 특성을 반영한 진단이 이루어지지 못했다는 한계가 있다. 본 논문에서는 앞서 언급한 두 가지 한계점을 해결할 수 있는 LSTM 진단 모델을 제안한다. 제안하는 방법은 단일 축 및 다중 축 작업 환경에서의 진동 및 전류 데이터의 상관분석을 사용하여 정상 대표 패턴을 선정하고, 정상 대표 패턴과의 차이를 통해 잔차 패턴을 생성한다. 생성된 잔차 패턴을 입력으로 축별 기어 마모 진단을 수행할 수 있는 LSTM 모델을 생성한다. 해당 결함진단 모델은 동작별 대표 패턴을 통해 모델의 학습 데이터 패턴에 대한 의존성을 낮출 수 있을 뿐 아니라 다중 축 동작 수행 시 발생하는 결함을 진단할 수 있다. 마지막으로, 내부 및 외부 데이터의 특성을 모두 반영하여 결함진단 성능을 개선한 결과 98.57%의 높은 진단 성능을 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권10호
• /
• pp.455-460
• /
• 2023

텍스트 증강은 자연어처리 모델의 성능 향상을 목적으로 원본 텍스트의 변환, 생성을 통하여 새로운 증강 텍스트를 생성하는 방법론이다. 기존 연구된 기법들은 표현적 다양성 부족, 의미 왜곡 , 한정적인 양의 증강 텍스트와 같은 한계점이 존재한다. 거대언어모델과 few-shot learning을 활용한 텍스트 증강은 이러한 한계점의 극복이 가능하지만, 잘못된 생성으로 인한 노이즈 발생의 위험성이 존재한다. 본 논문에서는 여러 후보 텍스트를 생성하고 적합한 텍스트를 증강 텍스트로 선정하는 TAGS를 제안한다. TAGS는 기존 텍스트 few shot learning을 통해 다양한 표현을 생성하면서 대조 학습과 유사도 비교를 통해 원본 텍스트가 적더라도 적합한 데이터를 효과적으로 선정한다. 이를 텍스트 증강이 필수적인 업무용 챗봇 데이터에 적용하여 60배 이상의 양적 향상을 달성하였다. 또한 증강 텍스트의 질적 향상을 확인하기 위해 실제 생성된 텍스트를 분석하여 원본 텍스트에 비해 의미론적, 표현적으로 다양한 텍스트를 생성함을 확인하였으며, 증강 텍스트로 실제 분류 모델을 학습하고 실험하여 실질적으로 자연어처리 모델 성능 향상에 도움이 되는 것을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권10호
• /
• pp.461-470
• /
• 2023

딥러닝을 활용한 스피치 애니메이션 생성은 영어를 중심으로 활발하게 연구되어왔지만, 한국어에 관해서는 사례가 없었다. 이에, 본 논문은 최초로 지도 학습 딥러닝을 한국어 스피치 애니메이션 생성에 활용해 본다. 이 과정에서, 딥러닝이 스피치 애니메이션 연구를 그 지배적 기술인 음성 인식 연구로 귀결시킬 수 있는 중요한 효과를 발견하게 되어, 이 효과를 한국어 스피치 애니메이션 생성에 최대한 활용하는 방법을 고찰한다. 이 효과는 연구의 최우선 목표를 명확하게 하여, 근래에 들어 활발하지 않은 한국어 스피치 애니메이션 연구를 효과적이고 효율적으로 재활성화하는데 기여할 수 있다. 본 논문은 다음 과정들을 수행한다: (i) 블렌드쉐입 애니메이션 기술을 선택하며, (ii) 딥러닝 모델을 음성 인식 모듈과 표정 코딩 모듈의 주종 관계 파이프라인으로 구현하고, (iii) 한국어 스피치 모션 캡처 dataset을 제작하며, (iv) 두 대조용 딥러닝 모델들을 준비하고 (한 모델은 영어 음성 인식 모듈을 채택하고, 다른 모델은 한국어 음성 인식 모듈을 채택하며, 두 모델이 동일한 기본 구조의 표정 코딩 모듈을 채택한다), (v) 두 모델의 표정 코딩 모듈을 음성 인식 모듈에 종속되게 학습시킨다. 유저 스터디 결과는, 한국어 음성 인식 모듈을 채택하여 표정 코딩 모듈을 종속적으로 학습시킨 모델 (4.2/5.0 점 획득)이, 영어 음성 인식 모듈을 채택하여 표정 코딩 모듈을 종속적으로 학습시킨 모델 (2.7/5.0 점 획득)에 비해 결정적으로 더 자연스러운 한국어 스피치 애니메이션을 생성함을 보여 주었다. 이 결과는 한국어 스피치 애니메이션의 품질이 한국어 음성 인식의 정확성으로 귀결됨을 보여 줌으로써 상기의 효과를 확인해준다.

• 융합신호처리학회논문지
• /
• 제24권1호
• /
• pp.57-68
• /
• 2023

약 4차 산업 혁명 시대의 기술 발전에 따라 다양한 분야에서 HMD를 활용하는 기술이 응용되고 있다. HMD는 AR/VR 등의 가상현실 분야에서 특히 유용하게 활용되고 있으며 원격지에 위치한 사용자가 현장의 생생한 감동을 전달받는 데 매우 효과적이다. 이러한 특성에 따라 협업과 관련한 분야에서도 HMD를 활용하는 빈도가 커지고 있다. 그러나 HMD를 협업에 적용 시 원격지에 위치한 전문가와 현장에 위치한 작업자 사이의 의사소통이 원활하지 못하여 사용성 측면의 다양한 문제점을 야기하기도 한다. 본 논문에서는 원격지 전문가와 현장의 작업자가 HMD를 활용하여 협업 시 발생하는 다양한 문제점을 해결하고, 보다 효율적인 협업의 진행이 가능한 새로운 형태의 HMD 구조 및 기능을 설계/제안하며 SUS 평가 기법을 활용하여 사용성을 검증한다. SUS 평가 결과 본 논문에서 제안한 새로운 형태의 HMD 구조 및 기능은 86.75점을 나타내었으며, 이는 기존 HMD 구조가 가지는 협업 시 제약사항, 사용성의 불편함 등을 크게 해소한 것으로 판단된다. 향후 본 논문에서 제안하는 HMD 구조 및 설계가 실질적으로 적용될 시 HMD를 활용한 응용 기술은 급격하게 확장될 것으로 기대된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권6호
• /
• pp.255-266
• /
• 2022

콘크리트의 주재료인 골재 중 굵은 골재의 품질관리는 현재 샘플링을 통한 통계적 공정관리(SPC) 방법으로 하고 있다. 본 논문은 굵은 골재에 대한 품질관리를 현재의 체거름 방식을 대신 카메라를 통해 획득한 영상을 기반으로 굵은 골재를 검사하게 바꾸어 제조 혁신을 위한 스마트팩토리를 구축하였다. 먼저, 얻은 영상을 전처리 하였고, 딥러닝으로 학습된 HED(Holistically-nested Edge Detection)필터는 각각의 물체를 Segmentation하였다. 이 Segmentation한 결과를 영상 처리하여 각각의 골재를 분석 후 이 결과를 바탕으로 조립률, 입형률을 파악한다. 영상을 통해 얻은 골재들의 조립률, 입형률을 계산하여 골재의 품질을 검사하였고 알고리즘의 정확도는 실제로 체 가름 방식을 통해 골재의 품질을 비교한 것과 90% 이상의 정확도를 보이는 결과가 나왔다. 또한 기존의 방법으로는 골재의 입형률을 검사할 수 없었지만 본문의 내용을 통해 골재의 입형률도 측정할 수 있게 되었다. 입형률의 경우 도형을 사용하여 검증하였는데 이는 ±4.5%의 차이를 보였다. 골재의 길이 측정의 경우 실제 골재의 길이를 비교하였는데 ±6%의 차이를 보였다. 실제 3차원의 데이터를 2차원의 영상에서 분석하다보니 실제 데이터와 차이가 생겼는데 이는 추후 연구가 필요하다.

• 문화기술의 융합
• /
• 제9권6호
• /
• pp.967-971
• /
• 2023

최근에는 다양한 플랫폼 서비스가 인공지능을 활용하여 제공되고 있으며, 그 중 하나로 ChatGPT는 대량의 데이터를 자연어 처리하여 자가 학습 후 답변을 생성하는 역할을 수행하고 있다. ChatGPT는 IT 분야에서 소프트웨어 프로그래밍 분야를 포함하여 다양한 작업을 수행할 수 있는데, 특히 프로그램을 대표하는 C언어를 통해 간단한 프로그램을 생성하고 에러를 수정하는데 도움을 줄 수 있다. 이러한 능력을 토대로 C언어를 기반으로 만들어진 하드웨어 언어인 베릴로그 HDL도 ChatGPT에서 원활한 생성이 예상되지만, 베릴로그 HDL의 합성은 명령문들을 논리회로 구조 형태로 생성하는 것이기에 결과물들의 정상적인 실행 여부를 확인해야 한다. 본 논문에서는 용이한 실험을 위해 규모가 적은 논리회로들을 선택하여 ChatGPT에서 생성된 디지털회로와 인간이 만든 회로들의 결과를 확인하려 한다. 실험 환경은 Xilinx ISE 14.7로 모듈들을 모델링하였으며 xc3s1000 FPGA칩을 사용하여 구현하였다. 구현된 결과물을 FPGA의 사용 면적과 처리 시간을 각각 비교 분석함으로써 ChatGPT의 생성물과 베릴로그 HDL의 생성물의 성능을 비교하였다.