• Nuclear Engineering and Technology
• /
• 제50권6호
• /
• pp.929-936
• /
• 2018

A basic characterization of uranium samples was performed using gamma- and X-ray spectroscopy. The studied uranium samples were eight types of certified reference materials with $^{235}U$ enrichments in the range of 1-97%, and the measurements were performed over 24 h using a high-resolution and high-purity planar germanium detector. A general peak analysis of the spectrum and the $XK_{\alpha}$ region of the uranium spectra was carried out by using HyperGam and HyperGam-U, respectively. The standard reference sources were used to calibrate the spectroscopy system. To obtain the absolute detection efficiency, an effective solid angle code, EXVol, was run for each sample. Hence, the peak activities and isotopic activities were determined, and then, the total U content and $^{234}U$, $^{235}U$, and $^{238}U$ isotopic contents were determined and compared with those of the certified reference values. A new method to determine the model age based on the ratio of the activities of $^{223}Ra$ and $^{235}U$ in the sample was studied, and the model age was compared with the known true age. In summary, the present study developed a method for basic characterization of uranium samples by nondestructive gamma-ray spectrometry in 24 h and to obtain information on the sample age.

• 한국농림기상학회지
• /
• 제25권2호
• /
• pp.80-98
• /
• 2023

본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1273-1283
• /
• 2022

최근 기후변화로 인해 중대형 산불이 빈번하게 발생하여 매년 인명 및 재산피해로 이어지고 있다. 원격탐사를 활용한 산불 피해지 모니터링 기법은 신속한 정보와 대규모 피해지의 객관적인 결과를 취득할 수 있다. 본 연구에서는 산불 피해지를 분류하기 위해 Sentinel-2의 분광대역, 정규식생지수(normalized difference vegetation index, NDVI), 정규수역지수(normalized difference water index, NDWI)를 활용하여 2022년 3월 발생한 강릉·동해 산불 피해지를 대상으로 U-net 기반 convolutional neural networks (CNNs) 딥러닝 모형을 모의하였다. 산불 피해지 분류 결과 강릉·동해 산불 피해지의 경우 97.3% (f₁=0.486, IoU=0.946)로 분류 정확도가 높았으나, 과적합(overfitting)의 가능성을 배제하기 어려워 울진·삼척 지역으로 동일한 모형을 적용하였다. 그 결과, 국립산림과학원에서 보고한 산불 피해 면적과의 중첩도가 74.4%로 확인되어 모형의 불확도를 고려하더라도 높은 수준의 정확도를 확인하였다. 본 연구는 농림위성과 유사한 분광대역을 선택적으로 사용하였으며, Sentinel-2 영상을 활용한 산불 피해지 분류가 정량적으로 가능함을 시사한다.

• Nuclear Engineering and Technology
• /
• 제53권7호
• /
• pp.2229-2236
• /
• 2021

In nuclear-related facilities, such as nuclear power plants, research reactors, accelerators, and nuclear waste storage sites, radiation detection, and mapping are required to prevent radiation overexposure. Sensor network systems consisting of radiation sensor interfaces and wxireless communication units have become promising tools that can be used for data collection of radiation detection that can in turn be used to draw a radiation map. During data collection, malfunctions in some of the sensors can occasionally occur due to radiation effects, physical damage, network defects, sensor loss, or other reasons. This paper proposes a reproduction strategy for radiation maps using a U-net model to compensate for the loss of radiation detection data. To perform machine learning and verification, 1,561 simulations and 417 measured data of a sensor network were performed. The reproduction results show an accuracy of over 90%. The proposed strategy can offer an effective method that can be used to resolve the data loss problem for conventional sensor network systems and will specifically contribute to making initial responses with preserved data and without the high cost of radiation leak accidents at nuclear facilities.

• 한국멀티미디어학회논문지
• /
• 제23권5호
• /
• pp.625-632
• /
• 2020

In the diagnosis of lung cancer, the tumor size is measured by the longest diameter of the tumor in the entire slice of the CT. In order to accurately estimate the size of the tumor, it is better to measure the volume, but there are some limitations in calculating the volume in the clinic. In this study, we propose an algorithm to segment lung cancer by applying a custom loss function that combines focal loss and dice loss to a U-Net model that shows high performance in segmentation problems in chest CT images. The combination of values of the various parameters in custom loss function was compared to the results of the model learned. The purposed loss function showed F1 score of 88.77%, precision of 87.31%, recall of 90.30% and average precision of 0.827 at α=0.25, γ=4, β=0.7. The performance of the proposed custom loss function showed good performance in lung cancer segmentation.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1771-1777
• /
• 2023

최근 딥러닝의 발전으로 의미론적 분할을 통한 토지피복 분류 방법들이 제안되고 있다. 그러나 기존의 딥러닝 기반 모델들은 영상 정보만을 이용하기 때문에 시공간적 일관성을 담보할 수 없는 한계점이 있다. 이에 본 연구에서는 좌표 정보를 활용한 토지피복 분류 모델을 제안한다. 먼저 암시적 신경 표현 기법인 다중해상도 해시 인코더를 위경도 좌표계로 확장한 좌표 해시 인코더를 통해 좌표의 특징을 추출하였다. 다음으로 추출된 좌표 특징을 다양한 단계의 U-net 디코더와 결합하는 아키텍처를 제안하였다. 실험 결과, 제안 방법이 약 32% 향상된 분류 정확도를 보였고, 시공간적 일관성이 향상됨을 확인하였다.

• 한국수자원학회논문집
• /
• 제56권4호
• /
• pp.245-259
• /
• 2023

농업용 저수지는 농업용수 공급에 있어서 매우 중요한 생산기반시설로, 우리나라 농업용수의 60% 정도를 공급하고 있다. 다만, 여러 문제로 인해 농업용수의 효율적인 공급에 어려움이 발생하고 있으며, 효과적인 공급 및 관리 체계 구현을 위한 정확한 실시간 저수위 혹은 저수량 추정이 필요하다. 본 연구에서는 영상정보를 활용한 딥러닝 기반 농업용 저수지 수위 인식 모델을 제안하였다. 개발한 모델은 (1) CCTV 영상정보 자료 수집 및 분석, (2) U-Net 이미지 분할 방법을 통한 입력 자료 생성, 그리고 (3) CNN과 ResNet 모델을 통한 수위 인식 세 단계로 구성된다. 모델은 두 농업용 저수지(G저수지와 M저수지)의 영상자료와 저수위 시계열자료를 활용하여 구현하였다. 적용 결과 이미지 분할 모델의 성능은 매우 우수한 것으로 나타났으며, 수위 인식 모델의 경우 수위 분류 계급구간에 따라 성능이 상이한 것으로 나타났다. 특히 영상자료의 픽셀 변동이 클수록 정확도 80% 이상이 확보 가능한 것으로 확인되었으나, 그렇지 않은 경우, 정확도가 50% 수준인 것으로 나타났다. 본 연구에서 개발한 모델은 향후 이미지 자료가 추가로 확보될 경우, 그 활용도 및 정확도가 더 높아질 것으로 기대한다.

• 수산해양기술연구
• /
• 제9권1호
• /
• pp.1-18
• /
• 1973

중층트를 어구(漁具)의 소해심도(掃海深度)를 일정(一定)한 적정어획속도(適正漁獲速度)에서 기동성(機動性)있게 변화(變化)시키기 위하여 기초적인 모형어구(模型漁具)의 수조실험(水槽實驗)과 특별(特別)히 고안한 깊이바꿈틀을 이용(利用)한 이차(二次)에 걸친 해상시험(海上試驗)을 통(通)하여 연구한 결과를 요약(要約)하면 다음과 같다. 1. 중층(中層)트롤의 그물어구의 깊이 y는 끌줄의 길이 L과 단위(單位) 길이의 끌줄, 깊이바꿈틀 및 그물의 각(各) 수중중량(水中重量) $W_r,\;W_o,\;W_n$과 각(各) 항력(抗力) $R_r,\;R_o,\;R_n$ 사이의 관계(關係)는 차원해석법(次元解析法)에 의하면 다음과 같다. $$y=kLf(\frac{W_r}{R_r},\;\frac{W_o}{R_o},\;\frac{W_n}{R_n})$$ 단(但), k는 상수(常數)이고 f는 함수이다. 2. 단위 길이당(當)의 수중중량(水中重量) $W_r$, 길이 L인 끌줄 끝에 항력(抗力) $D_n$, 수중중량(水中重量) $W_n$d인 수중저항분를 매달고 끌줄의 다른 한 끝을 수면(水面)에서 예인(曳引)할 때,. 끌줄의 형상(形狀)을 현수곡선이라고 보면, 수중저항분의 깊이 y는 다음과 같다. $$y=\frac{1}{W_r}\{\sqrt{{D_n^2}+{(W_n+W_rL)^2}}-\sqrt{{D_n^2+W_n}^2\}$$ 3. 중층(中層)트롤의 그물어구(漁具)깊이의 변화(變化) ${\Delta}y$는 예강(曳綱)의 길이 L을 바꾸거나 추(錘) ${\Delta}W_n$를 부가(附加)하면 다음과 같다. $${\Delta}y{\approx}\frac{W_n+W_{r}L}{\sqrt{D_n^2+(W_n+W_{r}L)^2}}{\Delta}L$$ $${\Delta}y{\approx}\frac{1}{W_r}\{\frac{W_n+W_rL}{\sqrt{D_n^2+(W_n+W_{r}L)^2}}-{\frac{W_n}{\sqrt{D_n^2+W_n^2}}\}{\Delta}W_n$$ 단(但), $D_n$은 그물어구의 항력(抗力)이다. 4. 끌줄 상(上)의 중간점(中間点)에 추(錘) $W_s$를 부가(附加)할 때 중층(中層)트롤 그물어구의 깊이바꿈 ${\Delta}y$는 $${\Delta}y=\frac{1}{W_r}\{(T_{ur}'-T_{ur})-T_u'-T_u)\}$$ 단(但) $$T_{ur}^l=\sqrt{T_u^2+(W_s+W_{r}L)^2+2T_u(W_s+W_{r}L)sin{\theta}_u$$ $$T_{ur}=\sqrt{T_u^2+(W_{r}L)^2+2T_uW_{r}L\;sin{\theta}_u$$ $$T_{u}'=\sqrt{T_u^2+W_s^2+2T_uW_{s}\;sin{\theta}_u$$ $T_u$ 추(錘)를 부가(附加)하지 않았을 때 끌줄 상(上)의 중간점(中間点)에 있어서의 예인어선(曳引漁船) 쪽을 향하는 장력(張力)이고, ${\theta}_u$는 장력(張力) $T_u$와 수평방향(水平方向)과 이루는 각도(角度)이다. 5. 어떠한 형태(形態)의 저예강용(底曳綱用) 전개판(展開板)도 성능(性能)에 있서어 차이는 있으나 전중량(全重量)을 가볍게 하고 저변(底邊)에 무게를 달아 안정(安定)시키면 중층예강용(中層曳綱用)으로 사용(使用)할 수 있다는 것이 모형(模型) 실험(實驗)결과 밝혀졌다. 6. 모형(模型) 그물(Fig.6)의 수조실험(水槽實驗)에서는 예강속도(曳綱速度) v m/sec, 강고(綱高) H cm 및 수유저항(水流抵抗) R kg 사이에는 다음과 같은 간단(簡單)한 관계식(關係式)이 성립(成立)한다. $$H=8+\frac{10}{0.4+v}$$$R=3+9v^2$$ 7. 특별(特別)히 고안한 십자(十字)날개형(型) 깊이바꿈틀과 H날개형(型) 깊이 바꿈틀을 비교(比較)한 결과(結果) 전자(前者)보다 안정성(安定性)이 우월하였다. 8. 그물어구(漁具)의 유수저항(流水抵抗)이 매우 크며 또 거의가 항력(抗力)으로 볼 수 있으므로 깊이바꿈틀의 종류에 관계없이 그물어구의 소해심도(掃海深度)는 대단히 안정(安定)된 상태를 유지하였다. 9. H날개형(型) 깊이바꿈틀의 수평(水平)날개 면적율 $1.2{\times}2.4m^2$로 하였을 때 유수저항(流水抵抗) 2 ton의 그물 어구를 2.3kts로 예인(曳引)하면서 영각(迎角)을 $0^{\circ}{\sim}30^{\circ}$로 변화(變化)시킨 결과(結果), 끌줄의 길이에 관계없이 약(約) 20m의 깊이바꿈을 얻을 수 있었다.

• Nuclear Engineering and Technology
• /
• 제46권2호
• /
• pp.159-168
• /
• 2014

In order to advance understanding of the breakaway swelling behavior of U-Mo/Al dispersion fuel under a high-power irradiation condition, the effects of fuel-matrix interaction on the fuel performance of U-Mo/Al dispersion fuel were investigated. Fission gas release into large interfacial pores between interaction layers and the Al matrix was analyzed using both mechanistic models and observations of the post-irradiation examination results of U-Mo dispersion fuels. Using the model predictions, advantageous fuel design parameters are recommended to prevent breakaway swelling.

• 소성∙가공
• /
• 제12권1호
• /
• pp.60-65
• /
• 2003

HIP diffusion bonding of Ni-based superalloys, cast Mar-M247 (MM247) and Udimet 720 (U720) powder, was experimentally and numerically studied. Subsolvus HIP treatment was optimized by investigating the variations of high temperature tensile properties of HIP-bonded specimens with powder size, HIP'ing time, etc. While the tensile strength at high temperatures showed no detectable changes, the tensile elongation and reduction in area were slightly increased as the powder size decreased from -140 mesh to -270 mesh. While as-HIP'ed U720 showed a high tensile strength comparable to that of lorded U720 alloy, the HIP diffusion-bonded specimen showed a strength lower than the forged U720 alloy and the cast MM247 alloy The increase of HIP'ing tune from 2 hours to 3 hours resulted in a rapid risc of tensile strength and elongation due to the disappearence of microvoids in the cast MM247. FEM simulation for HIP process was conducted by applying the McMeeking micromechanical model, which uses power-law creep model as constitutive equations. ABAQUS user subroutine CREEP with an implemented microscopic model was used for the simulation. Numerical simulation was shown to be essential for the near-net shape manufacturing as well as the HIP process optimization.