• 대한소아치과학회지
• /
• 제39권1호
• /
• pp.90-96
• /
• 2012

정중 과잉치(mesiodens)는 대개 상악 절치부에서 발견되며, 주로 구개측에 위치하는 경향이 있다. 정중 과잉치의 자연맹출 가능성이 관찰되면, 주기적으로 검사하여 구강내로 충분히 맹출한 후에 단순발치를 시행한다. 주기적 검사에서 자연맹출 소견이 보이지 않거나, 형태이상 혹은 맹출방향의 이상으로 구강 내로 자연맹출 할 가능성이 없으면, 수술적 제거방법을 고려해야 할 것이다. 특히, 인접한 중절치나 측절치의 맹출을 방해하고 있는 상황이 관찰된다면, 빠른 시일 내에 과잉치 제거를 위한 수술적 방법을 시도하는 것이 타당하다. 한편, 외과적 수술의 시기를 늦추는 것을 고려해야 하는 경우도 있다. 정중과잉치가 인접하여 발육중인 정상 치아의 맹출을 방해하지 않는 경우이다. 이때, 삼차원 CT사진을 촬영하여보면, 과잉치 주변으로 영구절치의 치배가 근접하여 성곽처럼 둘러싸고 있는 것을 볼 수 있다. 미성숙한 치배가 둘러 싸고 있는 상황에서, 무리하게 과잉치를 제거하려고 시도할 경우 인접 치배를 손상시킬 가능성을 배제하기 어렵다. 이 점을 고려 한다면, 가급적 인접한 치아의 치근이 보다 발육한 후에 수술을 시도하는 것이 바람직할 것이다. 초등학교 2학년 이상의 어린이들은 외래에서 국소마취하 제거하는 수술방법에 대개 잘 적응하며 고학년이 될수록 보다 수월해진다. 수술시기를 너무 늦추거나, 과잉치가 너무 늦게 발견된 경우 구개측 심부로 깊이 이동한 것을 볼 수 있다. 때로는 과잉치의 위치가 처음부터 심부에 매복되어 있을 수 있다. 이와 같은 경우, 전신마취방법을 생각해 볼 수 있을 것이다. 본 증례는 상악 정중부의 깊은 부위에 역위 매복된 과잉치를 외래에서 국소마취하에 치료를 시도할 때 관찰되는 문제점을 고찰하였고, 전신마취방법을 결정하기 위한 기준을 제시하였다. 심부 매복된 치아의 외과적 발거시 어린이의 행동조절이 가장 큰 문제였으며, 방사선 소견상 과잉치 치관의 위치가 절치의 치근단보다 상방에 위치할 경우 전신마취로 전환 하는 것이 바람직 할 것으로 사료된다.

• 기호학연구
• /
• 제54호
• /
• pp.119-145
• /
• 2018

본 논의는 서사로서 <바리공주>를 이해하기 위해 대상에 대한 층위를 나누고 이에 대한 접근 방법을 재검토하고자 한다. 서사의 층위 구분과 각 층위별 분석, 그리고 그것들에 대한 통합적 접근이 이루어진다면, 이는 <바리공주>를 이해하고 연구하는 새로운 방향과 방안을 제시하는 데 기여할 수 있을 것이다. <바리공주>의 이야기 차원, 즉 표층 구조는 주인공 인물의 탄생에서부터 시작된 삶의 과제를 공간 이동과 연대기적 순차 구조로 형상화하고 있다. 이 이야기는 태어나면서 정체성을 부정당한 한 여성이 어떤 과정을 통해 존재론적 변신을 이루고 정체성을 찾아가는지를 보여준다. 특히 정체성 찾기의 여정이 주로 가족 구성원과의 관계를 통해 발생하는 사건들을 통해 형성되어 있다. 이야기 차원에서 찾을 수 있는 이 같은 구조는 가족 구성원의 갈등과 화해, 삶과 죽음이라는 대립적 패러다임으로 심층 구조를 형성하고 있다. 이 이야기를 통해 드러나는 사유 구조는 삶의 문제가 가족 구성하기의 문제이며, 동시에 죽음의 문제 역시 마찬가지라는 점이다. 삶과 죽음이라는 대립되는 것들이 공존하는 이 세계를 어떻게 통합시켜 바라 볼 것인가에 대한 답으로 이 신화의 전승집단은 인간과 신을 관계 맺게 하고 있다. 이 이야기는 망자를 천도하는 굿에서 주요하게 소통된다. 무당이 발신자이고 제의 참여자가 수신자이지만, 실제 이 이야기는 특정한 상황에서 반복되는 전혀 새로운 정보가 없는 메시지이다. 굿에서 단골과 참여자들은 <바리공주> 서사를 단순히 메시지로 수용하는 것이 아니라 자가 커뮤니케이션을 통해 자신을 삶과 행위를 재구성하는 코드로 수용한다. <바리공주>의 인물과 사건을 자신의 삶과 상동적 관계로 받아들임으로써 주어진 일상의 삶을 삶과 죽음, 단절과 소통, 갈등과 화해의 통합적 시각으로 그리고 현재적 관점으로 수용하게 된다. 이는 세상과 현실을 바꿀 수 없지만 그것에 대한 '나'의 삶의 태도를 바꾸는 것으로, 결국 이것이 신화에서 바리공주가 신으로 변신하는 것처럼, 개인이 제의 커뮤니케이션을 통해 이룰 수 있는 변화 변신인 것이다. 이처럼 <바리공주>는 이야기의 층위, 이야기 생성의 층위, 이야기 소통의 층위에서 각각의 의미나 기능이 상호 관련을 맺고 있음을 알 수 있다. 또한 세 층위에서 신화서사가 드러내는 구조는 신화 전승집단의 의식 세계와 문화체계를 드러내는 데에도 효과적이다.

• 대한지하수환경학회지
• /
• 제4권1호
• /
• pp.41-53
• /
• 1997

먹는샘물 개발지역에서의 환경 영향 평가를 위한 수리지구화학의 기초 자료를 국내 먹는샘물 개발지역에 존재하는 암석, 토양 및 자연수 시료를 예로 하여 제시하였다. 암석에 대해서는 현미경 분석을 실시하였고, 토양 및 자연수 시료에 대해서는 화학 분석을 실시하였다. 토양은 분해 방법별로 중금속 원소들의 함량 비교를 하였으며 오염지수를 통해 오염 영향을 평가하였다. 또한 자연수 시료들을 대상으로 기반암 및 심도에 따른 수리지구화학적 특성과 자연수의 화학적 진화, 물-암석 반응에 대하여 고찰하였다. 대수층을 구성하는 암석을 화강암질암과 변성퇴적암류, 그리고 퇴적암류로 구분하였으며 이들 기반암에서 비롯된 중금속의 토양과 자연수의 오염 현상은 없는 것으로 판단되었다. 연구 지역의 토양은 HNO$_3$+HClO$_4$의 혼합산을 이용한 방법과 0.1 N HCl을 사용한 방법 모두에서 낮은 중금속 함량을 보여 자연적인 부화 현상이나 인위적 오염을 받지 않은 토양임을 알 수 있었다. 특히 0.1 N HCl을 사용하여 중금속 중 가용성 부분을 추출해 낸 결과 Cu, Pb, Zn, Cd 및 Cr 등 중금속 원소의 함량은 상당히 낮은 것을 확인할 수 있었으며 따라서 식물과 수계를 통한 오염의 영향은 매우 낮다고 할 수 있다. 오염지수를 통해 여러 원들의 복합적인 오염 양상을 고려하여 오염도를 산출한 결과 역시 연구 지역 토양은 오염지수가 0.03~0.47로 중금속에 의한 오염이 진행되지 않고 있음을 알 수 있었다. 심부지하수 시료를 대상으로 암종별 특징을 살펴보았을 때 화강암질암의 지하수 시료는 $Ca^{2＋}$-HCO$_3$$^{-}$의 유형을 거쳐 $Na^{＋}$-HCO$_3$$^{-}$ 유형까지 진화하였으나 변성퇴적암과 퇴적암내의 지하수 시료는 $Ca^{2＋}$-HCO$_3$$^{-}$의 유형에 머물러 있다. 이는 구성 광물 중 사장석의 용해가 화강암질암내 지하수의 특성을 조절하고 있는 반면 변성퇴적암과 퇴적암내 지하수 시료에서는 방해석의 용해만이 주된 반응으로 작용하고 있기 때문이다. 또한 심도별 특징을 살펴보았을 때 지표수에서 심부지하수로 이동하면서 수소이온농도, 전기전도도 및 대부분의 용존이온 함량은 증가하고 있다. 한편 일부 천부지하수시료에서는 NO$_3$$^{-}$ , Cl$^{-}$ 및 $K^{＋}$의 함량 및 K/Na의 비가 높게 나타나는 것으로 보아 농업활동으로 인한 오염의 영향을 받은 것으로 판단된다. 열역학적 고찰을 통해 볼 때 대부분의 자연수는 kaolinite 및 smectite 형성환경에 위치하고 있음을 알 수 있으며 질량보존을 기초로 한 반응모델을 설정한 결과, 용존이온의 거동 및 열역학적 연구 결과와 부합하는 결과를 얻을 수 있었다.

• 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.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.979-995
• /
• 2023

산불은 예측이 어려운 재해이기 때문에 실시간 모니터링을 통해 빠르게 대응하는 것이 중요하며, 정지 궤도 위성 영상은 광역을 짧은 시간 간격으로 모니터링할 수 있어 산불 탐지 분야에 활발히 이용되고 있다. 기존의 위성 영상 기반 산불 탐지 알고리즘은 밝기 온도의 통계량 분석을 통한 임계값 기반으로 이상치를 탐지하는 방향으로 진행되어 왔다. 그러나 강도가 약한 산불을 탐지하기 어렵거나, 적절한 임계값 설정의 어려움으로 일반화 성능이 저하되는 한계점이 있어 최근에는 기계학습을 이용한 산불 탐지 알고리즘들이 제시되고 있다. 현재까지는 random forest, VanillaConvolutional neural network (CNN), U-net 구조 등의 비교적 간단한 기법이 적용되고 있다. 따라서, 본 연구에서는 정지궤도 위성인 Advanced Himawari Imager를 이용하여 동아시아와 호주를 대상으로 State of the Art (SOTA)딥러닝 기법을 적용한 산불 탐지 알고리즘을 개발하고자 하였다. SOTA 모델은 EfficientNet과 lion optimizer를 적용하여 개발하고, Vanilla CNN 구조를 사용한 모델과 산불 탐지 결과를 비교하였다. EfficientNet은 동아시아와 호주에서 0.88 및 0.83의 F1-score를 기록함으로써 CNN (동아시아: 0.83, 호주: 0.78)에 비해 뛰어난 성능을 입증하였다. EfficientNet에 불균형 문제 해결을 위한 weighted loss, equal sampling, image augmentation 기법 적용 시, 동아시아와 호주에서 각각 0.92와 0.84의 F1-score를 기록함으로써 적용 전(동아시아: 0.88, 호주: 0.83)에 비하여 성능이 향상되었음을 확인하였다. 본 연구를 통하여 제시된 SOTA 딥러닝 기법의 산불 탐지에의 적용 가능성과 딥러닝 모델의 성능 향상을 위해 고려해야 할 방향은 향후 산불탐지 분야에 대한 딥러닝 적용에 도움이 될 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제40권4호
• /
• pp.387-396
• /
• 2024

대부분의 고해상도 위성영상은 rational polynomial coefficients (RPC) 정보를 제공하여 지상좌표와 영상좌표 간 변환을 수행한다. 그러나 초기 RPC에는 기하학적 오차가 존재하여 ground control points (GCPs)와의 정합을 통해 보정을 수행하여야 한다. GCP chip은 항공정사영상에서 추출한 높이 정보가 포함된 작은 영상 패치(patch)이다. 많은 선행연구에서는 영역 기반 정합 기법을 사용하여 고해상도 위성영상과 GCP chip 간 정합을 수행하였다. 계절적 차이나 변화된 지역이 존재하는 영상에서는 화소값에 의존하는 정합이 어렵기 때문에 윤곽 정보를 추출하여 정합을 수행하기도 한다. 그러나 일반적으로 사용하는 canny 기법으로 정합에 용이한 윤곽을 추출하기 위해서는 위성영상의 분광 특성에 적절한 임계치를 설정해주어야 하는 문제가 존재한다. 따라서 본 연구에서는 위성영상의 지역별 특성에 둔감한 윤곽 정보를 활용하여 RPC 보정을 위한 정합을 수행하고자 한다. 이를 위해 딥러닝 기반 윤곽 정보 추출 네트워크인 pixel difference network (PiDiNet)를 활용하여 위성영상과 GCP chip의 윤곽맵(edge map)을 각각 생성하였다. 그 후 생성된 윤곽맵을 normalized cross-correlation과 relative edge cross-correlation의 입력데이터로 대체하여 영역 기반의 정합을 수행하였다. 마지막으로 RPC 보정에 필요한 변환모델 계수를 도출하기 위하여 data snooping 기법을 반복적으로 적용하여 참정합쌍을 추출하였다. 오정합쌍을 제거한 참정합쌍에 대해 root mean square error (RMSE)를 도출하고 기존에 사용하던 상관관계 기법과 결과를 정성적으로 비교하였다. 실험 결과, PiDiNet은 약 0.3~0.9 화소의 RMSE 값 분포를 보였으나 canny 기법에 비해 두꺼운 윤곽을 나타내어 일부 영상에서 미세하게 정확도가 저하되는 것을 확인하였다. 그러나 위성영상 내 특징적인 윤곽을 일관적으로 나타냄으로써 정합이 어려운 지역에서도 정합이 잘 수행되는 것을 확인하였다. 본 연구를 통해 윤곽 기반 정합 기법의 강인성을 개선하여 다양한 지역에서의 정합을 수행할 수 있을 것으로 예상된다.

• Journal of Korean Neurosurgical Society
• /
• 제29권12호
• /
• pp.1555-1562
• /
• 2000

목 적 : 원위부 전대뇌 동맥에 발생하는 동맥류는 모동맥의 확보가 힘들고 재출혈 및 수술중 조기출혈의 빈도가 높으며, 익숙치 않은 수술적 접근법이 필요하다든지 하는 몇 가지 독특한 문제점이 있다. 따라서 전대뇌 반구간열 주변의 해부학적 구조물과 박리 시작점에 대한 수술전 지식을 요한다. 저자들은 박리 시작점에 대한 일관된 외부표식자를 이용하여 전두 기저부 대뇌반구간열 접근법 수술을 시행하였고 이를 심부 구조물들에 대한 접근 지표로 삼고자 하였다. 대상 및 방법 : 1995년 11월부터 1999년 6월까지 동맥류경을 결찰한 총 131명의 뇌동맥류파열 환자 중에서 원위부 전대뇌 동맥류 9명에 대하여 혈관조영술, 의무기록지, 수술소견을 통해 임상적, 수술소견을 조사하였다. 결 과 : 원위부 전대뇌동맥류의 빈도는 6.3%였고, 6례에서 뇌량 연변 동맥이 기시하는 뇌량 주위 동맥에서 발생하였고, 3례에서는 전두극동맥이 기시하는 뇌량 주위 동맥에서 발생하였다. 동반된 다른 혈관기형 및 다른 동맥류는 각각 3예에서 발견되었다. 술전 환자 상태는 일반적으로 불량했다. 조기수술은 7예에서 실시되었으며, 전두 기저부 대뇌반구간열 접근법으로 동맥류 결찰을 시행한 경우도 7예였다. 술후 심한 혈관연축과 흡인성 폐렴으로 인한 사망이 각각 1례씩이었으며 그 이외에는 신경학적 소견은 정상이었다. 결 론 : 원위부 전대뇌 동맥류의 조기수술시에 전두 기저부 대뇌반구간열 접근법이 유용하였다. 이 방법으로 뇌견인을 최소화할 수 있었으며 동맥류의 조기파열을 방지할 수 있었다. 저자들은 대뇌반구 간열의 박리 시작점으로 첫번째 교정맥(전두극 정맥)이 상시상 정맥동으로 유출되는 지점을 기준으로 하여 뇌량 및 뇌량 주변부 원위부 전대뇌동맥류에 접근할 수 있었다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.99-107
• /
• 2024

경제성장과 산업 발전에 따라 반도체 제품부터 SMT 제품, 전기 배터리 제품에 이르기 까지 많은 전자통신 부품들의 제조과정에서 발생하는 철, 알루미늄, 플라스틱 등의 이물질로 인해 제품이 제대로 동작하지 않거나, 전기 배터리의 경우 화재를 발생하는 문제까지 심각한 문제로 이어질 가능성이 있다. 이러한 문제를 해결하기 위해 초음파나 X-ray를 이용한 비파괴 방법으로 제품 내부에 이물질이 있는지 판단하여 문제의 발생을 차단하고 있으나, X-ray 영상을 취득하여 이물질이 있는지 판정하는 데에도 여러 한계점이 존재한다. 특히. 크기가 작거나 밀도가 낮은 이물질들은 X-Ray장비로 촬영을 하여도 보이지 않는 문제점이 있고, 잡음 등으로 인해 이물들이 잘 안 보이는 경우가 있으며, 특히 높은 생산성을 가지기 위해서는 빠른 검사속도가 필요한데, 이 경우 X-ray 촬영시간이 짧아지게 되면 신호 대비 잡음비율(SNR)이 낮아지면서 이물 탐지 성능이 크게 저하되는 문제를 가진다. 따라서, 본 논문에서는 저화질로 인해 이물질을 탐지하기 어려운 한계를 극복하기 위한 5단계 방안을 제안한다. 첫번째로, Global 히스토그램 최적화를 통해 X-Ray영상의 대비를 향상시키고, 두 번째로 고주파 영역 신호의 구분력을 강화하기 위하여 Local contrast기법을 적용하며, 세 번째로 Edge 선명도 향상을 위해 Unsharp masking을 통해 경계선을 강화하여 객체가 잘 구분되도록 한다, 네 번째로, 잡음 제거 및 영상향상을 위해 Resdual Dense Block(RDB)의 초고해상화 방법을 제안하며, 마지막으로 Yolov5 알고리즘을 이용하여 이물질을 학습한 후 탐지한다. 본 연구에서 제안하는 방식을 이용하여 실험한 결과, 저밀도 영상 대비 정밀도 등의 평가기준에서 10%이상의 성능이 향상된다.