• Nuclear Engineering and Technology
• /
• 제55권12호
• /
• pp.4570-4575
• /
• 2023

Noise and Radio-frequency interference or RFI causes a significant restriction on the Free induction Decay or FID signal detection of the Nuclear Quadrupole Resonance procedure. Therefore, using this method in non-isolated environments such as industry and ports requires extraordinary measures. For this purpose, noise reduction algorithms and increasing signal-to-noise-and-interference ratio or SNIR have been used. In this research, sodium nitrite has been used as a sample and algorithms have been tested in a non-isolated environment. The resonant frequencies for the 150 g of test sample were measured at 303 K at about 1 MHz and 3.4 MHz. The main novelty in this study was, (1) using two types of antennas in the receiver to improve adaptive noise and interference cancellation, (2) using a separate helical antenna in the transmitter to eliminate the duplexer, (3) estimating the noise before sending the pulse to calculate the weighting factors and reduce the noise by adaptive noise cancellation, (3) reject the interference by blanking algorithm, (4) pulse integration in the frequency domain to increase the SNR, and (5) increasing the detection speed by new pulse integration technique. By interference rejection and noise cancellation, the SNIR is improved to 9.24 dB at 1 MHz and to 7.28 dB at 3.4 MHz, and by pulse integration 44.8 dB FID signal amplification is achieved, and the FID signals are detected at 1.057 MHz and 3.402 MHz at room temperature.

• Journal of Preventive Medicine and Public Health
• /
• 제24권3호
• /
• pp.279-286
• /
• 1991

Much of the working population in developing countries are engaged in shift work now and the number of shift workers is not expected to decrease in the future mostly because the need for continuity of production is increasing. Therefore, the possible effects of shift work on health are of particular interest, and in fact, there have been many epidemiological studies on shift work since the first world war. However, no studies on health effects of shift work have been reported in Korea, and the existing studies in western world have arrived at quite different conclusions mainly because the conditions of work other than shift work, such as age and selection of workers, work environment, and labor conditions also influence the health of workers. This study was firstly carried out in Korea to investigate the health risks related to shift work with 2,093 female workers randomly selected from three major manufacturing industries in proportion to total number of female workers in those industries. Differences of work conditions other than shift work in this study were adjusted by multivariate analysis. Ma findings obtained from this study are as follows : 1. There were significant differences between shift and day workers in the distribution of age, type of industry, condition of noise and dust, regularity of mealtime, working position, and working duration. Shift workers tended to be younger, to have shorter working duration, to have more irregular mealtime, to work in standing position, and to work under more noisy and dusty environment than day workers. 2. Univariate analysis showed that shift work increased the Todai Health Index (THI) scores of digestive tract, respiratory tract, and mental instability symptom categories. Shift work also increased days of sickness absence and number of industrial accident per 100 workers per month. 3. Multivariate analysis that adjusted the differences of demographic, occupational and non-occupational health-related working conditions showed that digestive tract symptom and mental instability symptom scores were significantly higher in shift workers than those in day workers. Based on these study results, it is concluded that the shift work has significant effects on some psychophysiological conditions of the workers and the effects are also influenced by several other personal and working conditions.

• 한국재난정보학회 논문집
• /
• 제14권4호
• /
• pp.458-465
• /
• 2018

연구목적: 철도 안전에 영향을 미치는 콘크리트 궤도는 이미지분석 기술을 사용하여 균열을 감지 할 수 있으나 균열을 검출하기 위한 콘크리트 궤도 및 표면 오염의 조건이 균열검측에 방해되므로 이를 효과적으로 제거하기 위한 방법이 필요하다. 연구방법: 본 연구에서는 한국 철도의 균열을 효과적으로 감지하기 위한 이미지 분석 기법을 적용한 프로세스를 제안하고 실험 모듈을 통해 취득된 이미지를 분석하여 성능을 검증하였다. 또한, 우리는 제안된 Gabor Filter Bank 기법을 사용하여 철도 콘크리트 도상 이미지를 획득한 데이터 중 무작위로 선택된 2000개의 이미지를 개발된 프로세스를 통해 자동 균열 검측을 수행하여 타당성을 검토하였다. 연구결과: 연구에서 제안된 시스템으로 균열 검측 결과 탐지율이 약 94% 성능으로 검토되었으며 취득된 철도콘크리트도상이미지의 균열이 동일한 크기와 형식으로 일치하였다. 결론: Gabor Filter Bank를 사용한 균열 검측법은 한국 철도의 콘크리트 궤도도상에 노이즈를 포함한 균열 이미지에 효과적으로 분석되는 것을 확인 할 수 있었다. 이 시스템은 기존의 인간 위주의 철도 산업에서 자동화 된 유지 관리 시스템이 될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.