• 항공우주정책ㆍ법학회지
• /
• 제24권2호
• /
• pp.187-210
• /
• 2009

우주법과 해양법은 모두 국제법에 속하며 주권에 종속되거나 종속되지 않는 지리적 분야를 다루는 학문이다. 이 두 분야는 운송, 과학탐사. 자원개발, 국가방위와 관련되어 발달해 왔다. 우선 20세기 초반에 해양법이 먼저 발달하고 그 다음 20세기 후반에 항공법과 우주법이 발달되었다. 이 논문은 우주법과 해양법의 유사점과 차이점에 관하여 비교법적인 측면에서 분석하였다. 특히 여러 비교적 요소 중에서 법적 지위와 자원탐사와 개발 그리고 환경적 측면에서 비교하였다. 첫째, 우주와 해양의 법적 지위를 비교하면 두 영역 모두 비전유원칙을 선언하고 있는데, 우주법에서 보면 우주를 마치 공해(公海)와 같이 누구나 자유롭게 접근하여 사용 수익이 가능하나 점유할 수 없다는 원칙을 내포하는 국제법상 '국제공역'(國際公域, res extra commercium)으로 파악하고 있는 것이다. 이와 같이 1967년 우주조약은 동 조약 이전의 국제관습법 상 외기권 우주를 국제공역으로 보고 천체를 무주지(res nullius)의 상태로 보아왔던 입장을 우주와 천체 전부를 국제공역화하는 데에 기여하였다. 둘째, 두 영역의 자원의 탐사 및 개발의 측면에서 비교하면 1979년 달조약과 1982년 해양법협약의 심해저개발을 비교할 수 있다. 이 두 영역은 조약상 인류공동유산으로 선언되었는데, 1979년 달조약 제11조에 명시된 '달의 천연자원의 개발이 가능해질'(exploitation of the natural resources of the Moon is about to become feasible)시기에 국제제도를 수립해야 한다는 규정은 국제제도의 수립 전에는 자원개발을 금지하는 것을 의미하는가? 해양법에서 1982년 해양법협약이 제정되기 전 심해저자원과 해상(海床)의 자원개발을 금지하는 '개발유예'(moratorium)에 관한 UN총회의 결의 2574가 채택 되어 심해저의 국제제도가 조약으로 확정되기 까지는 심해저 자원의 탐사 및 개발을 금지시켜야 한다는 선언을 한 것과 비교한다면 달조약도 그러한가? 달 조약의 제정과정을 살펴보면 국제제도의 수립 전에 달과 다른 천체의 천연자원에 대한 개발유예는 예정되지 않았다고 해석해야 된다. 그러나 이것은 그와 같은 개발에 어떠한 제한이나 한계가 없음을 의미하는 것이 아니고 달과 다른 천체는 인류공동유산영역이므로 모든 개발가는 그들이 인류공동유산인 천연자원을 개발하고 있음을 명심할 것이 요구된다. 마지막으로 환경보호에 관한 두 영역의 접근법을 살펴보면 해양의 경우 환경보전을 위한 법제정이 활발한 반면 우주의 경우는 이제 시작에 불과하다는 점을 발견하게 된다. 우주환경을 다루는 법문서는 아직 제정되지 못한것이 현실이다. 결론적으로 이 두 영역의 비교법적 접근법이 주는 의미는 두 영역이 서로 같지는 않지만 유사한 면도 발견되고, 그 연구방법이 유사하므로 먼저 발달한 해양법 모델을 통해서 우주법의 발전가능성을 진단해 보고 상호 보완적 연구의 가능성을 모색할 수 있다.

• Asian-Australasian Journal of Animal Sciences
• /
• 제13권5호
• /
• pp.636-640
• /
• 2000

Cup-plant (Silphium perfoliatum L.) has potential to produce high biomass and highly digestible forage in the wetlands where other productive forages do not grow or produce well. However, high moisture content at harvest is a considerable disadvantage of cup-plant for the production of high quality silage. This study was conducted to determine the effect of moisture content on the characteristics of cup-plant silage. Harvested cup-plant was ensiled in farm scale plastic bag silos and laboratory silos. In the plastic bag silos, first growth (FG) and regrowth (RG) cup-plant was harvested, wilted and ensiled. Dry matter content of FG and RG was 280 g/kg and 320 g/kg after 48 hr of wilting. The silage made with FG had pH 5.3 and 5.63 g/kg DM of acetate as a major volatile fatty acid. The composition of lactate, butyrate and acetate production was 1.0: 0.9: 2.3. The pH of silage made with RG was 4.5 and lactate was a major fermentation end product (16.8 g/kg DM). In the laboratory silos, wilted and unwilted first growth cup-plant material was ensiled to compare the early fermentation end products at days 2, 4, 11, and 40. Wilting increased dry matter content by 42% in the harvested material. Wilted silage showed about one unit lower pH until day 11. The contents of ammonia nitrogen and acetate were higher in un wilted silage, while that of lactate was higher in wilted silage (p<0.05). Butyrate and propionate were not detected in the wilted silage until day 40. We conclude from the results that moisture control is essential for the production of high quality cup-plant silage and high pH of cup-plant silage is due to low concentrations of fermentation end products.

• 스마트미디어저널
• /
• 제11권5호
• /
• pp.48-55
• /
• 2022

토마토 작물은 병해에 노출이 쉽고 단시간에 퍼지므로 병해에 대한 늦은 조치로 인한 피해는 생산량과 매출에 직접적인 영향을 끼친다. 따라서, 토마토의 병해에 대해 누구나 현장에서 간편하고 정확하게 진단하여 조기 예방을 가능하게 하는 서비스가 요구된다. 본 논문에서는 사전에 ImageNet 전이 학습된 딥러닝 기반 모델을 적용하여 토마토의 9가지 병해 및 정상인 경우의 클래스를 분류하고 서비스를 제공하는 시스템을 구성한다. Plant Village 데이터 셋으로부터 토마토 병해 및 정상을 분류한 잎의 이미지 셋을 합성곱을 사용하여 조금 더 가벼운 신경망을 구축한 딥러닝 기반 CNN구조를 갖는 MobileNet, ResNet의 입력을 사용한다. 2가지 제안 모델의 학습을 통해 정확도와 학습속도가 빠른 MobileNet를 사용하여 빠르고 편리한 서비스를 제공할 수 있다.

• 한국인터넷방송통신학회논문지
• /
• 제24권1호
• /
• pp.59-64
• /
• 2024

최근 다양한 산업 분야에서 드론과 인공지능 기술이 융합된 연구 사례가 진행되고 있다. 본 논문에서는 딥러닝 기반 객체 인식과 객체 판별 알고리즘을 이용하여 불법 주정차 차량 인식 모델을 제안한다. 객체 인식 알고리즘은 YOLOv8를 사용하였으며, 객체 판별 알고리즘은 ResNet18을 사용하였다. 제안된 모델은 일반 도로 상황에서 수집한 이미지 데이터를 이용하여 모델 학습을 수행하였고, 학습된 모델은 이미지 기반 불법 주정차를 판별하는데 높은 정확도를 보였다. 이를 통해 제안된 모델은 다양한 이미지로부터 불법 주정차 차량을 식별하기 위한 일반화 성능을 갖추고 있음을 확인하였다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.29-39
• /
• 2022

Crack detection plays an important role in the maintenance and protection of steel box girder of bridges. However, since the cracks only occupy an extremely small region of the high-resolution images captured from actual conditions, the existing methods cannot deal with this kind of image effectively. To solve this problem, this paper proposed a novel three-stage method based on deep learning technology and morphology operations. The training set and test set used in this paper are composed of 360 images (4928 × 3264 pixels) in steel girder box. The first stage of the proposed model converted high-resolution images into sub-images by using patch-based method and located the region of cracks by CBAM ResNet-50 model. The Recall reaches 0.95 on the test set. The second stage of our method uses the Attention U-Net model to get the accurate geometric edges of cracks based on results in the first stage. The IoU of the segmentation model implemented in this stage attains 0.48. In the third stage of the model, we remove the wrong-predicted isolated points in the predicted results through dilate operation and outlier elimination algorithm. The IoU of test set ascends to 0.70 after this stage. Ablation experiments are conducted to optimize the parameters and further promote the accuracy of the proposed method. The result shows that: (1) the best patch size of sub-images is 1024 × 1024. (2) the CBAM ResNet-50 and the Attention U-Net achieved the best results in the first and the second stage, respectively. (3) Pre-training the model of the first two stages can improve the IoU by 2.9%. In general, our method is of great significance for crack detection.

• 열처리공학회지
• /
• 제16권1호
• /
• pp.2-9
• /
• 2003

The aluminum alloy which is light and has excellent thermal conductivity and iron base alloy that is remarkable heat-resistece and wear resistence properties were bonded together. The bond was created between a stationary and a rotating member by using the frictional heat generated between them while subjected to high normal forces on the interface of Al alloy and iron base alloy. The microstructure of the bonded interface of friction welding and the strength in the bonded interface formed under various bonding conditions were examined through TEM, SEM with EDX and triple bending test. In interface of bonding materials formed after various heat treatment, bonding strength was substantially different, resulting from formation of intermetallic compound or softening during annealing.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권11호
• /
• pp.4426-4442
• /
• 2020

Since scene segmentation is becoming a hot topic in the field of autonomous driving and medical image analysis, researchers are actively trying new methods to improve segmentation accuracy. At present, the main issues in image semantic segmentation are intra-class inconsistency and inter-class indistinction. From our analysis, the lack of global information as well as macroscopic discrimination on the object are the two main reasons. In this paper, we propose a Densely connected residual Attention network (DA-Res2Net) which consists of a dense residual network and channel attention guidance module to deal with these problems and improve the accuracy of image segmentation. Specifically, in order to make the extracted features equipped with stronger multi-scale characteristics, a densely connected residual network is proposed as a feature extractor. Furthermore, to improve the representativeness of each channel feature, we design a Channel-Attention-Guide module to make the model focusing on the high-level semantic features and low-level location features simultaneously. Experimental results show that the method achieves significant performance on various datasets. Compared to other state-of-the-art methods, the proposed method reaches the mean IOU accuracy of 83.2% on PASCAL VOC 2012 and 79.7% on Cityscapes dataset, respectively.

• 한국멀티미디어학회논문지
• /
• 제24권3호
• /
• pp.382-395
• /
• 2021

In this study, character recognition using deep learning is performed among the various defects in the PCB, the purpose of which is to check whether the printed characters are printed correctly on top of components, or the incorrect parts are attached. Generally, character recognition may be perceived as not a difficult problem when considering MNIST, but the printed letters on the PCB component data are difficult to collect, and have very high redundancy. So if a deep learning model is trained with original data without any preprocessing, it can lead to over fitting problems. Therefore, this study aims to reduce the redundancy to the smallest dataset that can represent large amounts of data collected in limited production sites, and to create datasets through data enhancement to train a flexible deep learning model can be used in various production sites. Moreover, ResNet model verifies to determine which combination of datasets is the most effective. This study discusses how to reduce and augment data that is constantly occurring in real PCB production lines, and discusses how to select coresets to learn and apply deep learning models in real sites.

• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.30-40
• /
• 2022

심전도 신호는 개인에 따라 형태와 특징이 다양하므로, 하나의 신경망으로는 분류하기가 어렵다. 주어진 데이터를 직접적으로 분류하는 것은 어려우나, 대응되는 정상 데이터가 있을 경우, 이를 비교하여 정상 및 비정상을 분류하는 것은 상대적으로 쉽고 정확하다. 본 논문에서는 템플릿 군을 이용하여 대표정상심박 정보를 획득하고, 이를 입력 심박에 결합함으로써 심박을 분류한다. 결합된 심박을 영상화한 후, 학습 및 분류를 진행하여, 하나의 신경망으로도 다양한 레코드의 비정상심박을 검출이 가능하였다. 특히, GoogLeNet, ResNet, DarkNet 등 다양한 신경망에 대해서도 비교학습 기법을 적용한 결과, 모두 우수한 검출성능을 가졌으며, GoogLeNet의 경우 99.72%의 민감도로, 실험에 사용된 신경망 중 가장 우수한 성능을 가졌음을 확인하였다.

• 한국응용곤충학회지
• /
• 제46권1호
• /
• pp.153-158
• /
• 2007

콩의 생식생장기에 노린재류의 밀도조사법을 개발하고자 하였다. 타락법, 포충망법 및 달관법으로 콩의 개화기(R2), 결협기(R4) 및 성숙기(R7)에 발생하는 톱다리개미허리노린재, 가로줄노린재, 풀색노린재, 알락수염노린재 및 썩덩나무노린재의 성충과 약충의 밀도를 조사한 결과 노린재류의 총 조사량은 타락법에서 5,214.2마리로 가장 많았으며, 다음은 달관법에서 2,581.8마리 였으며, 포충망법에서 103.1마리로 가장 적었다. 타락법과 달관법에 의한 노린재류의 총 조사량은 가로줄노린재 > 풀색노린재 > 썩덩나무노린재 > 톱다리개미허리노린재 > 알락수염노린재의 순서로 많았고, 발생량의 차이도 분명하였으나, 포충망법에 의한 노린재류의 총 조사량은 18-23마리로 발생량의 차이가 분명하지 않았다. 따라서 타락법에 의한 주요 노린재류의 조사밀도는 톱다리개미허리노린재 성충을 제외하곤 대체로 높았다. 하지만 타락법보다 불출법으로 콩의 개화시부터 성숙까지 톱다리개미허리노린재의 성충을 더 많이 조사할 수 있었고, 일중 조사량은 오후시간대보다 오전시간대에 많았다. 그러므로 콩포장에서 노린재류의 밀도조사법으로 톱다리개미허리노린재는 불출법으로, 가로줄노린재, 풀색노린재, 알락수염노린재 및 썩덩나무노린재는 타락법이 추천되었다. 이러한 2가지 조사법의 적용은 노린재류의 종간 행동적 특성 차이 때문이다.