• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2011년도 정기총회 및 추계학술대회 논문집
• /
• pp.2895-2901
• /
• 2011

서울메트로 지하철 1~4호선 이용객은 하루 평균 450만명이 지하철을 이용(2010년 상반기 수송인원 현황)하고 있으며 이것은 서울시 인구 57%에(2009년도 서울시 인구 총1,046만명) 가까운 사람들이 지하철을 이용하고 있는 것으로 나타남에 따라 전동차에 쾌적한 실내공기질 유지 및 관리는 무엇보다 중요하다. 특히 전동차내 실내공기질에 영향을 미치는 요인으로는 승객의 재채기, 호흡과 같은 생체 활동 및 피부각질 등에 의한 부유 미생물 작용에 있다(권순박 등, 2011). 바이러스와 같은 미생물 오염 물질이 승객의 인체의 호흡기, 점막부위, 피부 등에 접촉 할 경우 과민성 질환, 아토피 피부염, 전염성 질환, 알레르기성 질환, 호흡기 질환을 유발할 수 있는(환경부-국립환경과학원, 생활속 세균 이렇게 관리하세요) 산업 보건상의 문제로 대두되고 있어 적절한 환기 시스템 도입과 제습을 위한 냉방 등이 필요한 실정이다. 시민들의 관심과 보조를 맞추어 지하철 2호선 출 퇴근 및 평상시 전동차 객실내 부유 미생물을 측정한 결과 부유세균과 부유진균은 2011년도 85~385$cfu/m^3$, 67~98$cfu/m^3$로 기준치(별도의 법적 기준은 없으나, 부유세균은 국내 실내기준 800$cfu/m^3$, 부유진균은 세계보건기구의 가이드라인 150$cfu/m^3$) 보다 낮은 수준으로 나타났으나 유동인구가 많은 출 퇴근 시간대에는 미생물 오염 물질이 승객에게 쉽게 전염 될 가능성이 있을 것으로 사료됨에 따라 부유 미생물 오염방지를 위한 공기조화설비 성능개선 등 실질적인 개선방안을 찾는 것이 필요하다. 이에 본 연구에서는 2004년 이후 부유 미생물 제어장치에 대한 연구 논문을 분석하여 부유미생물이 승객들에게 미치는 영향, 환기량 증대방안 등의 다양한 인자에 대한 분석을 통하여 전동차내 공기질을 실질적으로 개선할 수 있는 방법을 연구 하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.400-402
• /
• 2019

철도 레일의 선로 변경을 위해 사용되는 분기기의 제어를 담당하는 전기선로전환기는 철도시스템 중에서 매우 중요하게 관리되고 있다. 선로전환기의 상태를 확인하기 위해 다양한 유무선 실시간 모니터링 시스템이 사용되고 있으나 센서 또는 네트워크 오류 등으로 인한 오작동 가능성이 존재하고 있다. 본 논문에서는 선로전환기 작동상태를 이중으로 확인하기 위하여 선로전환감시시스템과 CCTV카메라 관제 시스템이 통합된 이중화 감시시스템을 설계하였다. 선로전환감시시스템에서는 전로전환기의 작동상태를 감시, 경보 그리고 네트워크를 통해 전송한다. 그리고 이 정보를 전달받은 CCTV카메라 관제시스템에서는 해당 선로전환기와 분기기의 상태를 촬영하여 관리자에게 전송하도록 하였다. 선로 관리자는 선로전환기용 모니터링 화면을 통해 선로 전환상태를 1차적으로 확인하고 이어서 CCTV카메라 영상을 통해 전환상태를 직접 확인함으로써 선로전환기의 작동에 대한 신뢰성을 향상 시킬 수 있다. 또한 관리를 위한 인력 운용을 안전하고 효율적으로 수행할 수 있게 된다. 이를 통해 선로전환기의 오작동으로 인해 선로 분기기에서 발생되는 선로 이탈사고 예방에 기여될 것으로 기대된다.

• 방사선산업학회지
• /
• 제17권1호
• /
• pp.19-32
• /
• 2023

The amount of radioactive waste is expected to dramatically increase with decommissioning of nuclear power plants such as Kori-1, the first nuclear power plant in South Korea. Accurate nuclide analysis is necessary to manage the radioactive wastes safely, but research on verification of radionuclide analysis has yet to be well established. This study aimed to develop the technology that can verify the results of radionuclide analysis based on artificial intelligence. In this study, we propose an anomaly detection algorithm for inspecting the analysis error of radionuclide. We used the data from 'Updated Scaling Factors in Low-Level Radwaste' (NP-5077) published by EPRI (Electric Power Research Institute), and resampling was performed using SMOTE (Synthetic Minority Oversampling Technique) algorithm to augment data. 149,676 augmented data with SMOTE algorithm was used to train the artificial neural networks (classification and anomaly detection networks). 324 NP-5077 report data verified the performance of networks. The anomaly detection algorithm of radionuclide analysis was divided into two modules that detect a case where radioactive waste was incorrectly classified or discriminate an abnormal data such as loss of data or incorrectly written data. The classification network was constructed using the fully connected layer, and the anomaly detection network was composed of the encoder and decoder. The latter was operated by loading the latent vector from the end layer of the classification network. This study conducted exploratory data analysis (i.e., statistics, histogram, correlation, covariance, PCA, k-mean clustering, DBSCAN). As a result of analyzing the data, it is complicated to distinguish the type of radioactive waste because data distribution overlapped each other. In spite of these complexities, our algorithm based on deep learning can distinguish abnormal data from normal data. Radionuclide analysis was verified using our anomaly detection algorithm, and meaningful results were obtained.

• 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.