• 한국추진공학회지
• /
• 제10권2호
• /
• pp.15-22
• /
• 2006

PW206C 터보 축 엔진을 위해 신경회로망을 이용한 지능형 성능 진단 프로그램이 제안되었다. 이 엔진은 항공우주연구원에서 개발 중에 있는 틸트 로터 타입 스마트 무인기의 추진시스템으로 선정되었다. 1개의 은닉층, 입력층, 출력층을 가지는 BPN(Back Propagation Network)이 신경회로망을 학습시키기 위해 이용되었다 입력층은 7개의 뉴런을 가지는데 SHP, MF, PT2, TT2, PT4, TT4 및 TT5와 같은 측정파라미터이며 출력층은 6개의 뉴런으로 구성되어 있으며 각각은 압축기, 압축기 터빈, 동력 터빈의 유량함수 및 효율이다. 신경망을 훈련하고 테스트하기 위한 데이터 베이스는 가스터빈 성능모사 프로그램을 이용하여 구성하였다. 훈련된 신경망을 PW206C 터보 축 엔진의 진단에 적용한 결과 제안된 진단 알고리즘이 압축기 오염과 압축기 터빈의 침식과 같은 단일 손상을 탐지하는데 유용함을 확인하였다.

• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1067-1082
• /
• 2019

본 논문은 현재 산림 분야 연구에 적용되고 향후 적용가능한 원격탐사 기술에 대한 국내외 발행된 peer-reviewed 논문의 리뷰를 바탕으로 원격탐사 기술의 국내 산림분야 적용에 대한 가능성과 한계점을 서술하였다. 원격탐사 기술은 정밀한 분석과 정교한 자료 수집을 바탕으로 대단위 산림면적 분석에 있어 필수적이며, 정보통신기술과의 융합으로 향후 임업의 새로운 시대를 열어갈 핵심 기술이다. 본 리뷰 논문에서는 다양한 원격탐사 기술 가운데 레이저 스캐닝 기술, 위성영상을 이용한 산림 측정 기술, 그리고 무인항공기를 이용한 기존 국내·외 연구사례를 분석하여 국내 산림분야 적용 가능성에 대한 기회와 한계점에 대해 서술하였다.

• 도시과학
• /
• 제7권2호
• /
• pp.53-60
• /
• 2018

Digital Twin is a technology that creates a photocopy of real-world objects on a computer and analyzes the past and present operational status by fusing the structure, context, and operation of various physical systems with property information, and predicts the future society's countermeasures. In particular, 3D rendering technology (UAS, LiDAR, GNSS, etc.) is a core technology in digital twin. so, the research and application are actively performed in the industry in recent years. However, UAS (Unmanned Aerial System) and LiDAR (Light Detection And Ranging) have to be solved by compensating blind spot which is not reconstructed according to the object shape. In addition, the terrestrial LiDAR can acquire the point cloud of the object more precisely and quickly at a short distance, but a blind spot is generated at the upper part of the object, thereby imposing restrictions on the forward digital twin modeling. The UAS is capable of modeling a specific range of objects with high accuracy by using high resolution images at low altitudes, and has the advantage of generating a high density point group based on SfM (Structure-from-Motion) image analysis technology. However, It is relatively far from the target LiDAR than the terrestrial LiDAR, and it takes time to analyze the image. In particular, it is necessary to reduce the accuracy of the side part and compensate the blind spot. By re-optimizing it after fusion with UAS and Terrestrial LiDAR, the residual error of each modeling method was compensated and the mutual correction result was obtained. The accuracy of fusion-based 3D model is less than 1cm and it is expected to be useful for digital twin construction.

• 융합보안논문지
• /
• 제18권3호
• /
• pp.133-140
• /
• 2018

4차 산업혁명의 핵심기술이 드론에도 적용됨에 따라 무인비행체 분야의 성장 잠재력이 매우 크며, 국내 외의 민간과 군사 분야의 활용이 급증하고 있는 추세이다. 드론의 활용 분야가 다양하고 그 기능을 군 작전지원 임무에 활용할 경우에 비용효과 측면에서 우수하고 군사적 활용 가치를 기대할 수 있다. 특히, 공군의 경우에 넓은 면적의 비행기지 내에서 항공기 검사, 군수품 보급, 기지경계, 조류 퇴치 등 다양한 항공작전 지원 임무를 드론으로 대체한다면 군사적 활용 효과가 높을 것으로 예상된다. 본 논문에서는 군 작전지원 임무에 드론을 활용할 수 있는 분야를 발굴하고 그 기능을 수행할 수 있는 드론 추천 절차를 제시하며 데이터 관리 방안을 제시한다. 즉, 민간 분야에서 유사한 임무를 수행하고 있는 드론과 탑재 장비 중에서 군 작전 지원임무에 가장 적합한 제원과 기능을 추천하며, 데이터는 관계형 데이터베이스 방식으로 모델링한다.

• 실천공학교육논문지
• /
• 제9권1호
• /
• pp.15-21
• /
• 2017

졸업 조건 만족을 위한 졸업 작품 제작과 제작된 작품의 공학 논문 체계로 서술해야 하는 졸업 논문 제출 규정에 따라 전공단위에서 이루어진 절차의 개요를 제시하고, 개선에 필요한 사항을 제안한다. 설계 내용은 재난 지역의 인원이나 물체를 탐지하기 위한 소형 무인기 구성에 관한 것이다. 적외선 센서와 GPS를 소형 무인기인 드론에 탑재하고, 블루투스 통신을 이용하여 드론을 조종한다. 조종되는 드론이 구조 대상물을 탐지하고, 드론에 탑재된 GPS를 이용하여 실시간으로 탐지한 대상물의 위치를 수신하는 대상물 탐지용 드론을 설계하고 제작한다. 실험결과로 3~4 m 범위의 구조 대상물 탐지가 가능했고, 위치값을 실시간으로 전송하는 것을 확인했으며, RF 통신을 이용하여 통신 거리를 증가시킬 계획이다.

• 지적과 국토정보
• /
• 제51권1호
• /
• pp.125-136
• /
• 2021

최근 초경량무인비행장치(UAV)의 활용과 영상처리 기술 발달로 인해 정사영상과 수치모형 등을 활용한 응용 분야가 다양해지고 있다. 특히 토지측량분야에서도 이러한 결과물을 활용하여 위험지역분석과 같은 공간정보 활용이 활발해지고 있다. 본 연구에서는 UAV 고해상도 영상을 활용하여 고저차가 심한 경사지에서 정사영상의 위치정확도와 수치표면모델의 수직위치 정확도를 분석하고자 하였다. 연구 결과 대상지역 전역에 고르게 분포한 지상기준점(GCP)인 경우 2차원 정사영상에서 평면위치 오차는 크지 않았다. DSM의 수직위치의 경우 GCP의 선점위치를 점 간 고도차를 약 10m, 20m, 30m, 40m로 구분하여 전체를 포괄하는 각 8점의 GCP와 검사점을 대상으로 분석한 결과 비행코스별 고르게 분포되고 GCP 점 간 높이차가 30m일 경우(RMSEZ=0.07m) 가장 높은 정확도를 보였다. 본 연구지역과 유사한 대상지역을 UAV를 활용하여 수치모형을 제작할 경우 GCP 위치선정과 수직위치 정확도 향상에 도움이 될 수 있기를 기대한다.

• Proceedings of the National Institute of Ecology of the Republic of Korea
• /
• 제3권2호
• /
• pp.67-72
• /
• 2022

Ecological research relies on the interpretation of large amounts of visual data obtained from extensive wildlife surveys, but such large-scale image interpretation is costly and time-consuming. Using an artificial intelligence (AI) machine learning model, especially convolution neural networks (CNN), it is possible to streamline these manual tasks on image information and to protect wildlife and record and predict behavior. Ecological research using deep-learning-based object recognition technology includes various research purposes such as identifying, detecting, and identifying species of wild animals, and identification of the location of poachers in real-time. These advances in the application of AI technology can enable efficient management of endangered wildlife, animal detection in various environments, and real-time analysis of image information collected by unmanned aerial vehicles. Furthermore, the need for school education and social use on biodiversity and environmental issues using AI is raised. School education and citizen science related to ecological activities using AI technology can enhance environmental awareness, and strengthen more knowledge and problem-solving skills in science and research processes. Under these prospects, in this paper, we compare the results of our early 2013 study, which automatically identified African cichlid fish species using photographic data of them, with the results of reanalysis by CNN deep learning method. By using PyTorch and PyTorch Lightning frameworks, we achieve an accuracy of 82.54% and an F1-score of 0.77 with minimal programming and data preprocessing effort. This is a significant improvement over the previous our machine learning methods, which required heavy feature engineering costs and had 78% accuracy.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권2호
• /
• pp.381-404
• /
• 2022

Forest fires inflict great losses of human lives and serious damages to ecological systems. Hence, numerous fire detection methods have been proposed, one of which is fire detection based on sensors. However, these methods reveal several limitations when applied in large spaces like forests such as high cost, high level of false alarm, limited battery capacity, and other problems. In this research, we propose a novel forest fire detection method based on image processing and correlation coefficient. Firstly, two fire detection conditions are applied in RGB color space to distinguish between fire pixels and the background. Secondly, the image is converted from RGB to YCbCr color space with two fire detection conditions being applied in this color space. Finally, the correlation coefficient is used to distinguish between fires and objects with fire-like colors. Our proposed algorithm is tested and evaluated on eleven fire and non-fire videos collected from the internet and achieves up to 95.87% and 97.89% of F-score and accuracy respectively in performance evaluation.

• Nuclear Engineering and Technology
• /
• 제55권8호
• /
• pp.2927-2934
• /
• 2023

The influence of the atmospheric radon background on the airborne gamma spectrum can seriously affect researchers' judgement of ground radiation information. However, due to load and endurance, unmanned aerial vehicle (UAV)-borne gamma-ray spectrometry is difficulty installing upward-looking detectors to monitor atmospheric radon background. In this paper, an advanced spectral-ratio method was used to correct the atmospheric radon background for a UAV-borne gamma-ray spectrometry in Inner Mongolia, China. By correcting atmospheric radon background, the ratio of the average count rate of U window in the anomalous radon zone (S5) to that in other survey zone decreased from 1.91 to 1.03, and the average uranium content in S5 decreased from 4.65 mg/kg to 3.37 mg/kg. The results show that the advanced spectral-ratio method efficiently eliminated the influence of the atmospheric radon background on the UAV-borne gamma-ray spectrometry to accurately obtain ground radiation information in uranium exploration. It can also be used for uranium tailings monitoring, and environmental radiation background surveys.

• Journal of Animal Science and Technology
• /
• 제65권3호
• /
• pp.638-651
• /
• 2023

The objective of this study was to quantitatively estimate the level of grazing area damage in outdoor free-range pig production using a Unmanned Aerial Vehicles (UAV) with an RGB image sensor. Ten corn field images were captured by a UAV over approximately two weeks, during which gestating sows were allowed to graze freely on the corn field measuring 100 × 50 m². The images were corrected to a bird's-eye view, and then divided into 32 segments and sequentially inputted into the YOLOv4 detector to detect the corn images according to their condition. The 43 raw training images selected randomly out of 320 segmented images were flipped to create 86 images, and then these images were further augmented by rotating them in 5-degree increments to create a total of 6,192 images. The increased 6,192 images are further augmented by applying three random color transformations to each image, resulting in 24,768 datasets. The occupancy rate of corn in the field was estimated efficiently using You Only Look Once (YOLO). As of the first day of observation (day 2), it was evident that almost all the corn had disappeared by the ninth day. When grazing 20 sows in a 50 × 100 m² cornfield (250 m²/sow), it appears that the animals should be rotated to other grazing areas to protect the cover crop after at least five days. In agricultural technology, most of the research using machine and deep learning is related to the detection of fruits and pests, and research on other application fields is needed. In addition, large-scale image data collected by experts in the field are required as training data to apply deep learning. If the data required for deep learning is insufficient, a large number of data augmentation is required.