• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.603-614
• /
• 2021

최근 우리나라 주변 해역의 해수면 온도가 상승하고 있다. 이러한 수온 상승은 어족자원의 변화를 일으켜 낚시와 같은 레저활동에 영향을 미치기도 하며, 특히 고수온은 적조 발생으로 이어져 양식업과 같은 해양산업에 극심한 피해를 유발하기도 한다. 한편 수온 변화는 잠수함을 탐지하는 군사작전과도 밀접하게 연관되어 있다. 이는 잠수함을 탐지하기 위한 음파가 수온층에 따라 회절, 굴절 및 반사되는 정도가 달라지기 때문이다. 이와 같이 해양과 관련된 다양한 분야에서 중요성을 가지는 해양 수온의 변화를 예측하기 위한 연구가 현재 활발하게 진행되고 있다. 그러나 기존 연구들은 대부분 해수면 온도만을 예측하는데 중점을 두고 있어 수심별 어족자원의 변화나 잠수함 탐지와 같은 군사분야 활용이 제한된다. 이에 본 연구에서는 수심별 수온자료 및 해수면 온도와 상관관계를 가지는 기온, 기압, 일조량 등의 기상 데이터를 함께 활용하여 수심 38 m 혼합층의 수온을 예측하였다. 사용된 데이터는 이어도 해양과학기지에서 관측한 2016년부터 2020년까지의 기상 데이터와 수심별 수온 자료이며, 예측의 정확성과 효율성을 높이기 위해 딥러닝 기법 중 시계열 자료에 적합하다고 알려진 LSTM(Long Short-Term Memory)을 사용하였다. 실험 결과 1시간 예측을 기준으로 기온과 기압, 일조량 자료를 함께 활용한 모델의 RMSE(Root Mean Square Error)는 0.473으로 나타났다. 반면 해수면 수온만을 활용한 모델의 RMSE는 0.631로 나타나 기상데이터를 함께 활용한 모델이 상부 혼합층 수온 예측에서 보다 우수한 성능을 보임을 확인하였다.

• 청정기술
• /
• 제28권1호
• /
• pp.79-93
• /
• 2022

본 연구에서는 Part I에서 제안한 첨단 전자산업 폐수처리시설 특화 Water Digital Twin모델인 e-ASM을 이용하여 랩-파일럿 처리장 데이터를 바탕으로 모델 보정(Calibration), 유입 성상에 따른 제거 효율, 유출수 예측 및 최적 공법 선정을 수행하였다. 첨단 전자산업 폐수처리시설의 특화 모델링을 위하여, 민감도 분석을 통해 e-ASM 모델의 정합성과 상관성이 높은 동역학적 파라미터를 선정하였고, 다중반응표면분석법 (Multiple response surface methodology, MRS)을 이용하여 동역학적 파라미터를 보정하였다. e-ASM 모델의 보정 결과, Lab-scale, Pilot-scale 단위의 실험데이터와 90% 이상의 높은 정합성을 보였다. 그리고 4가지 유기폐수 처리처리공법인 MLE, A2/O, 4-stage MLE-MBR, Bardenpho-MBR을 제안한 Water Digital Twin으로 구현하여 유입 폐수의 성상별 운전조건에 따라 제거효율을 분석하였으며, Bardenpho-MBR이 C/N ratio 변화에서도 안정적으로 COD (Chemical oxygen demand)를 90% 이상 제거하며 높은 총 질소 제거 효율을 보였다. 그리고 유입 폐수의 조건별 Bardenpho-MBR공정의 수리학적 체류시간(Hydraulic retention time, HRT)이 3일 이상일 때 1,800 mg L-1의 고농도 TMAH 폐수를 98% 이상 제거할 수 있음을 확인할 수 있었다. 이와 같이, 본 연구에서 개발한 e-ASM은 전자산업 제조시설별, 유입 폐수의 성상별 특화 모델링을 통해 높은 정합성을 가진 전자산업 폐수처리공정의 Water Digital Twin를 구현할 수 있고, 최적운전, Water AI, 최적가용기법 선정 등의 응용 가능성을 바탕으로 지속 가능한 첨단전자 산업을 위해 활용될 수 있을 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1505-1514
• /
• 2022

영상정합은 다시기 및 다중센서 고해상도 위성영상을 효과적으로 활용하기 위해 필수적으로 선행되는 중요한 과정이다. 널리 각광받고 있는 딥러닝 기법은 위성영상에서 복잡하고 세밀한 특징을 추출하여 영상 간 빠르고 정확한 유사도 판별에 사용될 수 있음에도 불구하고, 학습자료의 양과 질이 결과에 영향을 미치는 딥러닝 모델의 한계와 고해상도 위성영상 기반 학습자료 구축의 어려움에 따라 고해상도 위성영상의 정합에는 제한적으로 적용되어 왔다. 이에 본 연구는 영상정합에서 가장 많은 시간을 소요하는 정합쌍 추출 과정에서 딥러닝 기반 기법의 적용성을 확인하기 위하여, 편향성이 존재하는 고해상도 위성영상 데이터베이스로부터 딥러닝 영상매칭 학습자료를 구축하고 학습자료의 구성이 정합쌍 추출 정확도에 미치는 영향을 분석하였다. 학습자료는 12장의 다시기 및 다중센서 고해상도 위성영상에 대하여 격자 기반의 Scale Invariant Feature Transform(SIFT) 알고리즘을 이용하여 추출한 영상쌍에 참과 거짓의 레이블(label)을 할당한 정합쌍과 오정합쌍의 집합으로 구축되도록 하였다. 구축된 학습자료로부터 정합쌍 추출을 위해 제안된 Siamese convolutional neural network (SCNN) 모델은 동일한 두 개의 합성곱 신경망 구조에 한 쌍을 이루는 두 영상을 하나씩 통과시킴으로써 학습을 진행하고 추출된 특징의 비교를 통해 유사도를 판별한다. 본 연구를 통해 고해상도 위성영상 데이터 베이스로부터 취득된 자료를 딥러닝 학습자료로 활용 가능하며 이종센서 영상을 적절히 조합하여 영상매칭 과정의 효율을 높일 수 있음을 확인하였다. 다중센서 고해상도 위성영상을 활용한 딥러닝 기반 영상매칭 기법은 안정적인 성능을 바탕으로 기존 수작업 기반의 특징 추출 방법을 대체하고, 나아가 통합적인 딥러닝 기반 영상정합 프레임워크로 발전될 것으로 기대한다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.41-59
• /
• 2022

군수물자의 적기 조달은 군의 작전능력 유지를 위해서 필수적이며, 계약업무는 적기 조달을 위한 첫 단추라고 할 수 있다. 또한 신속한 계약체결은 수요자의 여유로운 납기설정을 가능케 하며, 예산 집행의 가능성을 높여주기 때문에 예산의 조기집행과 이·불용 방지를 위해서도 계약 프로세스 개선이 필수적이다. 최근 빅데이터를 이용한 연구가 여러 분야에서 활발히 진행되고 있으며, 빅데이터를 이용한 프로세스 분석 및 개선 기법인 프로세스 마이닝 역시 민간에서 널리 활용되고 있다. 하지만 군 내 계약업무에 대한 분석은 업무 담당자의 경험과 단편적인 정보를 활용한 이·불용 문제사례별 원인 파악 및 대응적 모색과 같은 개별적 분석수준에 그치고 있다. 본 연구는 계약 프로세스 개선을 위해 공군 군수사령부 재정처가 2019년 11월부터 약 1년간 직접 계약한 총 560건의 계약업무에 관한 데이터를 가지고 프로세스 마이닝 기법을 이용하여 분석하였다. 분산된 데이터를 종합하여 프로세스 맵을 도출하고, 프로세스의 흐름, 수행시간 분석, 병목 분석 및 추가 세부분석을 실시했다. 분석결과 다수 계약 건에서 의뢰 후 재검토/수정이 반복 발생하고 있음을 발견할 수 있었다. 반복적인 재검토/수정은 원가계산 완료까지의 소요일수 지연에 크게 영향을 미치고 있으며, 이는 병목 지점 시각화를 통해서도 명확하게 드러났다. 재검토/수정은 계약의뢰가 많은 상위 5개 부서에서 60% 이상 발생하고, 의뢰가 집중되는 상반기에 주로 발생하는데 이는 소요부서의 계약의뢰 전 면밀한 사전검토가 필요함을 의미한다. 그리고 재정처의 계약업무는 법령에 따른 절차대로 수행되고 있었으나, 일부 업무의 순서조정이 필요함을 알 수 있었다. 본 연구는 군 내 계약업무 분석에 프로세스 마이닝을 이용한 첫 사례이다. 이를 기반으로 프로세스 마이닝을 군대 내 다양한 업무에 적용하기 위한 연구가 더욱 수행된다면, 각종 업무의 효율화를 이끌어 낼 수 있을 것으로 기대한다.

• 생물환경조절학회지
• /
• 제31권4호
• /
• pp.485-496
• /
• 2022

국내외로 첨단 ICT 융합기술이 농업 분야에 적용되기 시작하면서, 시설원예 설비들이 고도화되고, 스마트팜 구축 기술 및 인력이 축적되기 시작하였다. 그러나 우리나라 농촌의 경우, 농업생산 연령의 고령화, 국내 농촌 인구의 지속적인 유출, 저출산 등으로 인하여 스마트팜 확대 및 적용에 어려움이 많은 실정이다. 따라서 공간 및 시간에 구속을 받지 않는 간편한 농업인 교육 프로그램이 필요하며, 최근 부상하고 있는 시뮬레이션 기술을 활용한다면 농업 교육용 시뮬레이션 툴 개발도 가능할 것으로 판단된다. 온실 환경 제어 모델을 이용한 시뮬레이션은 다양한 지역과 기상 조건 하에서 대상 온실의 열과 물질에너지의 상호작용을 합리적으로 예측할 수 있게 해준다. 본 연구에서는 온실 환경 제어 모델을 활용하여 외부 기상 데이터를 통해 온실의 환경 변화를 예측하고 가상의 환경 제어시스템을 통해 환경 제어 시 필요한 에너지값들을 시뮬레이션 할 수 있었다. 이러한 결과를 통해 이용자가 직접 맞춤형 환경 제어를 할 수 있도록 편의성을 고려한 사용자 인터페이스를 구축할 것이며, 실제 파프리카 재배 온실의 제어 요소들을 반영할 수 있도록 설계될 것이다. 농업용 교육 시뮬레이션 툴을 최근 활발하게 연구가 이루어지고 있는 작물 생육 모델링 기술 및 전산유체역학 기술과 융합하면 더욱타당한 결과를 보일 것이다.

• 한국습지학회지
• /
• 제24권3호
• /
• pp.204-212
• /
• 2022

국내의 경우 LID 기술은 2009년 이후에 적용하기 시작하여 환경부, 국토부, LH공사 등의 사업지구와 공공기관, 상업용지, 주택, 공원, 학교 등에서 빗물 관리를 위해 LID 시설을 설치하고 운영 중이다. 그러나 국내의 사례를 살펴보면 국외에 비해 적용사례나 운영 기간 등이 충분하지 못하여 적절한 설계기준과 운영 및 유지관리에 대한 방안 제시가 미흡한 실정이다. 특히, LID 기술을 활용하여 시공되는 LID 시설은 고유의 물순환 기능으로 발현하는 물질순환과 에너지 흐름으로 수문학적 및 환경적 효과가 발현되기에 LID 시설 내부의 지속적인 환경 유지가 필요하다. LID 시설은 물순환 목표량에 계획된 처리용량으로 설계가 되며 적절한 유지관리와 식생 및 토양의 상태를 주기적으로 파악하여 최초에 설치된 상태를 최대한 유지해야 그 효율을 얻을 수 있다. 즉, LID 시설은 물순환 구축을 통한 물의 저류와 침투능을 증대시키면서 수질오염저감, 홍수저감, 수자원확보, 온도저감 등의 효과를 기대하는 시설이기에 LID 시설에 조성되는 토양은 매우 중요한 설계 요소이다. 정확한 LID 시설의 기능 유지와 관리를 위해서는 토양오염, 제설제 영향, 식생 기준 등의 다양한 정량적 데이터를 통해 시설의 현재 상태와 교체 및 유지관리의 주기를 정확하게 알아야 한다. 본 연구에서는 2009년부터-2020년까지 국내에 설치된 LID 시설의 현황을 조사하고, 그 중 식생형 시설인 빗물화단, 식생수로, 식생체류지 등을 대상으로 하여 토양층에서 토양시료를 채취한 후 지난 10년 간 적용된 LID 시설의 지속성과 현재 상태를 통해 토양의 변화를 분석하고자 수행되었다. 토성, 유기물, 경도, 함수량, pH, 전기전도도, 염분 등의 분석을 통해서 시공후 5년~7년 이상된 일부 식생형 LID 시설에서 조경설계기준 하급치에 해당하는 결과를 나타냈다. 하급치 이하의 시설은 토양의 투수율 저하와 식생 생육에 문제가 될 수 있는 상태로 유지관리가 필요한 시점으로 인식할 수 있다. 이에 따른 토양치환과 교체를 통해 LID 시설을 관리해야 함을 알 수 있었다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.121-142
• /
• 2023

수입식품의 수입 건수와 수입 중량이 꾸준히 증가함에 따라 식품안전사고 방지를 위한 수입식품의 안전관리가 더욱 중요해지고 있다. 식품의약품안전처는 통관단계의 수입검사와 더불어 통관 전 단계인 해외제조업소에 대한 현지실사를 시행하고 있지만 시간과 비용이 많이 소요되고 한정된 자원 등의 제약으로 데이터 기반의 수입식품 안전관리 방안이 필요한 실정이다. 본 연구에서는 현지실사 전 부적합이 예상되는 업체를 사전에 선별하는 기계학습 예측 모형을 마련하여 현지실사의 효율성을 높이고자 하였다. 이를 위해 통합식품안전정보망에 수집된 총 303,272건의 해외제조가공업소 기본정보와 2019년도부터 2022년 4월까지의 현지실사 점검정보 데이터 1,689건을 수집하였다. 해외제조가공업소의 데이터 전처리 후 해외 제조업소_코드를 활용하여 현지실사 대상 데이터만 추출하였고, 총 1,689건의 데이터와 103개의 변수로 구성되었다. 103개의 변수를 테일유(Theil-U) 지표를 기준으로 '0'인 변수들을 제거하였고, 다중대응분석(Multiple Correspondence Analysis)을 적용해 축소 후 최종적으로 49개의 특성변수를 도출하였다. 서로 다른 8개의 모델을 생성하고, 모델 학습 과정에서는 5겹 교차검증으로 과적합을 방지하고, 하이퍼파라미터를 조정하여 비교 평가하였다. 현지실사 대상업체 선별의 연구목적은 부적합 업체를 부적합이라고 판정하는 확률인 검측률(recall)을 최대화하는 것이다. 머신러닝의 다양한 알고리즘을 적용한 결과 Recall_macro, AUROC, Average PR, F1-score, 균형정확도(Balanced Accuracy)가 가장 높은 랜덤포레스트(Random Forest)모델이 가장 우수한 모형으로 평가되었다. 마지막으로 모델에 의해서 평가된 개별 인스턴스의 부적합 업체 선정 근거를 제시하기 위해 SHAP(Shapley Additive exPlanations)을 적용하고 현지실사 업체 선정 시스템에의 적용 가능성을 제시하였다. 본 연구결과를 바탕으로 데이터에 기반한 과학적 위험관리 모델을 통해 수입식품 관리체계의 구축으로 인력·예산 등 한정된 자원의 효율적 운영방안 마련에 기여하길 기대한다.

• 한국시뮬레이션학회논문지
• /
• 제18권3호
• /
• pp.73-82
• /
• 2009

CMOS 카메라는 저가격, 저전력, 소형화의 장점을 이용해 휴대폰카메라, 자동차 산업, 의학 및 센서 네트워크, 로봇제어, 보안 분야의 연구에서 이용되고 있다. 특히 다중카메라(Multi-Camera)기반의 $360^{\circ}$ 전방향 카메라(Omni-directional Camera)의 소프트웨어, 통신간섭 및 지연과 복잡한 영상제어 문제가 있으며, 하드웨어 분야에서는 다중카메라의 효율적인 관리 및 소형화의 문제를 지닌다. 기존 시스템은 다수 카메라를 제어하고 카메라 영상을 송수신하기 위해 카메라별 고성능 MCU로 구성된 임베디드 시스템(embedded system)과 별도의 제어 시스템(control system) 같이 다계층 시스템(Multi-layer system)으로 구성된다. 하지만 본 시스템은 단일구조로 저성능 MCU 기반에 고속 동기화기법으로 카메라 제어 및 영상 수집이 가능하도록 SLAVS(Small size/Low power Around View System)을 제안하였다. 화각 $110^{\circ}$ CMOS 카메라 여러 대를 이용하여 $360^{\circ}$전방향을 촬영하는 저성능 MCU로 카메라의 제어 및 영상 수집이 가능한 전방향 카메라 초기모형이다. 결과적으로 저전력 CMOS 카메라 4대를 하나의 MCU에 연결하여 개별 카메라에 대한 동기 유지, 제어 및 송수신을 구현하고 이를 기존의 시스템과 비교하였다. MCU를 통한 개별 인터럽트 처리로 카메라별 동기를 제어, 기억하여 Target과 CMOS 카메라와 MCU간의 재동기를 최소화하여 데이터 전송의 효율성을 높였다. 또한, 사용자 선택에 따라 4개의 영역으로 구분된 영상을 각기 또는 하나로 Target에 제공할 수 있도록 하였다. 마지막으로 개발된 카메라 시스템의 동기 및 데이터 전송 시간, 이미지 데이터 유실 등의 성능 비교, 분석을 하였다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제62권3호
• /
• pp.435-455
• /
• 2023

본 연구는 수학 교육 분야에서 중요한 영향을 미치는 논문을 판별하고 분석하기 위한 설명가능한 인공지능(XAI) 모델을 개발하였다. 29개 국내외 수학교육 학술지의 논문 메타정보를 활용하여 수학교육 학술연구 네트워크를 구축하였다. 구축된 네트워크는 '논문과 다른 논문의 인용 네트워크', '논문과 저자 네트워크', '논문과 학술지 네트워크', '공동 저자 네트워크', '저자와 소속기관 네트워크' 등 총 5개의 세부 네트워크로 구성되었다. 랜덤포레스트 기계학습 모델을 사용하여 네트워크 내의 개별 논문의 영향력을 평가하였으며, SHAP을 이용해 영향력 있는 논문의 판별 기준을 분석하였다. '논문 네트워크 PageRank', '논문당 인용횟수의 변화량', '총 인용횟수', '저자의 h-index 변화량', '학술지의 논문당 인용횟수' 등이 중요한 판별 요인으로 나타났다. 국내와 국외 수학교육 연구의 판별 패턴을 비교 분석한 결과, 국내 연구에서는 '공동 저자 네트워크 PageRank'의 중요성이 도드라졌다. 본 연구의 XAI 모델은 논문의 영향력 판별 도구로써 연구자에게 논문 작성 시 전략적인 방향성을 제공할 수 있게 해준다. 논문 네트워크 확장, 학술대회 발표, 공동 저술 활동을 통한 저자 네트워크 활성화 등이 논문의 영향력 증진에 크게 기여한다는 결과를 얻었다. 이를 통해 연구자는 학계에서 자신의 연구가 어떠한 평가 기준에 따라 어떻게 인식되고 있는지, 그리고 그 평가에 기여하는 주요 요인이 무엇인지를 명확히 파악할 수 있을 것이다. 본 연구는 설명가능한 인공지능을 활용하여 전통적으로 많은 시간과 비용이 필요하던 수학교육 논문의 영향력 평가 방식을 혁신하였다. 이 방법은 수학교육 연구 뿐만 아니라 다른 학문 분야에서도 활용될 수 있으며, 연구활동의 효율성과 효과성을 향상시킬 것으로 기대된다.

• 현장농수산연구지
• /
• 제11권1호
• /
• pp.103-111
• /
• 2009

본 연구는 개발된 곡립기주 밀리타리스 동충하초 균사체들 착유우사료에 수준별로 배합하여 60일간 급여하였을 때, 착유우의 사료 섭취량, 유성분 및 우유와 혈액내 cordycepin 함량과 혈중 항산화능력을 조사하여 실제 젖소사양에서 기능성 cordycepin 강화 우유생산을 위한 곡립 밀리타리스 동충하초 균사체의 적정사용량을 결정하고자 실시하였다. 본 연구는 비유중기 착유우 20두를 공시하여 대조구와 세 수준의 첨가구(3%, 6%, 9%)에 각각 5두씩 배치하고, 60일간 사양하였다. 동충하초 급여는 사료섭취량에 유의한 영향을 미치지 않았고 모든 처리군에서 전반적으로 양호한 섭취량을 나타내었다. 또한 산유량, 유성분 및 체세포수(SCC)는 처리구간에 유의한 차이가 나타나지 않았다. 우유중 요소태질소농도는 곡럽 밀리타리스 동충하초 균사체의 급여비율을 증가시킴에 따라 유의하게 증가하였다(P<0.05). 대조구에 비하여 곡립 밀리타리스 동충하초 균사제 급여군들의 우유 및 혈액내 cordycepin 함량은 유의적 (P<0.05)으로 증가하였지만, 균사제 첨가수준간에는 유의한 차이가 나타나지 않았다. 첨가 수준이 높아질수록 cordycepin의 섭취량이 증가하는 반면, 우유로 이행되는 양은 처리구간 큰 차이가 없기 때문에 첨가수준이 증가할 수록 우유내 전이율은 유의성은 없지만 낮아지는 것으로 나타났다. 하지만 조사된 항목들에서 개체별로 큰 차이가 조사되었는데, 우유내 cordycepin 함량의 경우 범위가 0~0.4 ㎍/mL로, 검출되지 않는 개체들도 나타났다. 경제적인 측면을 고려하면 본 실험에 사용된 3% 수준의 cordycepin 공급량을 선택하는 것이 바람직하겠지만, 3% 수준에서 검출되지 않은 개체수(2두)가 다른 수준들에 비하여(6%, 9% 각각 1두) 상대적으로 많았기 때문에 보다 균일한 결과를 얻기 위해서는 6% 수준을 선택하는 것이 바람직하다고 사료된다.