• 한국지구과학회지
• /
• 제39권3호
• /
• pp.241-249
• /
• 2018

국제 해상교통량 및 물동량이 증가함에 따라 한반도 주변해역의 선박유동량도 늘어나고 있으며 이에 따라 크고 작은 항구가 위치하고 있는 남해에서의 해양 사고도 꾸준히 발생하고 있다. 특히 선박간의 충돌 및 침몰 사고는 인적 및 물적 피해뿐만 아니라 해양환경오염을 유발하기 때문에 광역의 범위를 고해상도로 볼 수 있는 인공위성을 통한 신속한 선박탐지가 필요하다. 본 연구에서는 광학 인공위성 아리랑 2호 관측자료를 활용하여 광양만 인근해역의 각 채널별 반사도 값을 비교 분석하여 새로운 선박탐지지수를 제시하였다. 선박 분류를 위해 그 선박탐지지수의 역치를 0.1로 설정하였고, RGB 합성영상과 비교하였을 때 대다수의 선박을 탐지하였음을 보여주었다. 연구해역에 포함되어 있는 큰 규모의 선박을 선정 후, 선박 주변의 공간적 반사도 분포를 분석하였다. 그 결과 선박 북서방향에 위치한 균일한 형태의 선박그림자를 확인할 수 있었다. 이는 태양의 위치가 남동방향에 위치하고 있음을 나타내고 있으며, 실제 위성영상이 촬영된 시기의 방위각은 $144.80^{\circ}$로 영상내의 그림자의 위치를 통해 태양의 방위각을 유추할 수 있다. 그림자의 반사도는 주변 바다 및 선박에 비해 낮은 0.005 값을 나타냈고, 선수 및 선미에 따라 높이차가 달라짐을 보였다. 이는 선박의 갑판 및 구조물의 높이를 반영한 것으로 판단된다. 본 연구 결과는 연안 해상사고 발생 시 실종선박 수색기술에 고해상도 광학 인공위성 영상이 활용될 수 있음에 의의가 있다.

• 한국어류학회지
• /
• 제23권1호
• /
• pp.1-9
• /
• 2011

ACP (annealing control primer)를 사용하여 DDRT (differential display reverse transcription)-PCR 방법으로 볼락의 성장단계에 따라 발현량 차이를 나타내는 DEG (differentially expressed gene)를 확보하였다. ACP 120개를 분석하여 18개월령 근육조직에서보다 6개월령 근육조직에서 발현량이 많은 DEG 16개와 6개월령 근육조직에서보다 18개월령 근육조직에서 발현량이 더 많은 DEG22개의 염기서열을 분석하였다. DEG 염기서열을 BLAST 검색한 결과, parvalbumin (PVALB) 등 18개의 유전자(PVALB, NDKB, TPM, TnI, GAPDH, CKM2, factor 2 SERF2, AMPD, TRICA, ARHGAP15, ESD, hsp70, COL1A2, GST, Midllip1, MYL1, SERCA1B, FTH1)와 69~95%의 상동성을 나타냈다. Real time PCR 분석법으로 6개월령 근육조직에서 발현량이 많은 DEG14와 PVALB 유전자의 성장단계별 발현양상을 조사한 결과, 볼락이 성장함에 따라 발현량이 감소하였으며, 특히 PVALB 유전자는 6개월령 이후에는 발현량이 극히 적었다. 6개월령 근육조직에서보다 18 개월령 근육조직에서 발현량에서 많았던 CKM2 유전자는 성장함에 따라 발현량이 계속 증가하였고, 4세 이후에는 발현량이 감소하였다. DEG의 조직특이적 발현양상을 분석한 결과, DEG14는 근육, 간, 신장, 및 비장조직에서 발현되었으며, PVALB 유전자는 근육과 신장조직에서 발현되었고, 간과 비장조직에서는 발현되지 않았다. CKM2 유전자는 근육, 신장 및 비장조직에서 발현되었고, 간 조직에서는 발현되지 않았다. PVALB 유전자의 mRNA 크기는 659 bp 이며, 110개의 아미노산으로 구성되어 있다. Parvalbumin과 CKM2 유전자는 성장속도가 빠른 어류 선발에 이용할 수 있는 분자마커 개발에 활용하고자한다.

• 전기전자학회논문지
• /
• 제25권3호
• /
• pp.493-500
• /
• 2021

본 논문에서는 다각형 용기의 품질 향상을 위한 딥러닝 구조 개발을 제안한다. 딥러닝 구조는 convolution 층, bottleneck 층, fully connect 층, softmax 층 등으로 구성된다. Convolution 층은 입력 이미지 또는 이전 층의 특징 이미지를 여러 특징 필터와 convolution 3x3 연산하여 특징 이미지를 얻어 내는 층이다. Bottleneck 층은 convolution 층을 통해 추출된 특징 이미지상의 특징들 중에서 최적의 특징들만 선별하여 convolution 1x1 ReLU로 채널을 감소시키고convolution 3x3 ReLU를 실시한다. Bottleneck 층을 거친 후에 수행되는 global average pooling 연산과정은 convolution 층을 통해 추출된 특징 이미지의 특징들 중에서 최적의 특징들만 선별하여 특징 이미지의 크기를 감소시킨다. Fully connect 층은 6개의 fully connect layer를 거쳐 출력 데이터가 산출된다. Softmax 층은 입력층 노드의 값과 연산을 진행하려는 목표 노드 사이의 가중치와 곱을 하여 합하고 활성화 함수를 통해 0~1 사이의 값으로 변환한다. 학습이 완료된 후에 인식 과정에서는 학습 과정과 마찬가지로 카메라를 이용한 이미지 획득, 측정 위치 검출, 딥러닝을 활용한 비원형 유리병 분류 등을 수행하여 비원형 유리병을 분류한다. 제안된 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과, 양품/불량 판별 정확도 99%로 세계최고 수준과 동일한 수준으로 산출되었다. 검사 소요 시간은 평균 1.7초로 비원형 머신비전 시스템을 사용하는 생산 공정의 가동 시간 기준 내로 산출되었다. 따라서 본 본문에서 제안한 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능의 그 효용성이 입증되었다.

• 유통과학연구
• /
• 제8권3호
• /
• pp.17-26
• /
• 2010

세계경제 및 환경의 변화에 따라 농산물의 불안정적인 수급으로 인한 문제점이 노출되고 있으며, 우리나라의 경우 농산물의 안정적인 확보를 위하여 국가 전략적 차원에서의 해외농업투자의 필요성이 요구되고 있다. 하지만 정부차원의 지원 미진, 해외 농업에 대한 정보 및 기술 미비, 개발자금 확보의 어려움, 장기간의 투자금 회수기간, 사후관리 미흡 등의 이유로 성과를 이루지 못하고 있는 실정이며, 특히 해외 농산물의 국내 반입 시 관세의 장벽, 물류 유통비용 등으로 가격 경쟁력이 떨어지고 있어 국내에 반입되지 못하고 있는 실정이다. 이에 본 연구에서는 우리나라의 해외농업투자의 기본개념 및 실태를 살펴보고 해외농업투자의 필요성과 고려사항, 문제점 등을 도출하여 해외에서 재배된 농산물의 경쟁력을 위한 유통 측면에서의 개선방안을 정부의 간접적인 지원, 유통 현대화 및 유통정보기능 강화, 유통시설, 수송루트, 하역업무개선, 경쟁력 확보를 위한 정부의 정책적 지원, 교육 훈련을 통한 전문인력 양성 등 다섯 가지 측면에서 제시하였다.