• 한국산학기술학회논문지
• /
• 제21권12호
• /
• pp.558-569
• /
• 2020

본 연구는 국내 육계농가의 사육규모 대형화에 따라 정밀축산(PLF)의 관점에서 ICT기반 영상분석기법을 활용하여 사육밀도에 따른 육계의 영역별 머무는 빈도(%)에 대해 평가하고, 일령별 육계의 정상적인 행동패턴을 이해하고자 수행하였다. 경기도 소재 육계농장 내 설치된 시험계사(3.3×2.7 m)에서 Ross308 육계를 공시축으로 이용하였다. 사육 밀도는 각각 9.5 수/㎡ (n=85), 19 수/㎡ (n=170)로 하였으며, 탑뷰(top view) 카메라를 이용해 급이·급수 및 휴식공간 영역별 머무는 빈도(%)를 모니터링 하였다. 사육밀도에 따라 개체 식별된 육계 3수에 대해 일령별(12, 16, 22, 27, 및 29일)로 6시간씩 영상이미지 데이터를 획득하였다. 수집된 영상데이터는 물체 추적(object tracking) 기법으로 초당 30프레임으로 약 64만장의 프레임을 연결하여 누적 이동경로를 기록하여 영역별 머무는 빈도(%)를 수치화하였다. 각 사육밀도에서 영역별 머무는 빈도(%)는 휴식공간, 급이영역, 급수영역 순으로 유의적인 차이를 나타내었다(p<0.001). 사육밀도(9.5 수/㎡)에서는 57.9, 24.2, 17.9%으로 나타났으며, 사육밀도(19 수/㎡)에서는 73.2, 16.8, 10.0%로 나타났다. 결과적으로 ICT기반 영상분석기법을 활용해 육계의 스트레스를 최소화하는 방법으로 사육밀도에 따른 육계의 영역별 머무는 빈도(%)를 평가할 수 있으며, 향후 본 연구결과는 실시간 모니터링을 통한 ICT기반 사양관리 시스템을 개발하는데 기초자료로 활용될 수 있을 것으로 기대된다.

• 벤처창업연구
• /
• 제16권6호
• /
• pp.69-84
• /
• 2021

최근 4차 산업혁명에 따른 산업구조 변화로 첨단산업 육성에 대한 필요성이 커지고 첨단제조 분야에서의 부가가치 창출이 높은 것으로 나타남에 따라 이에 대한 중요성이 점차 높아지고 있다. 그러나 급변하는 경제 환경속에서 첨단제조 벤처기업은 내부 핵심자원과 경험 부족으로 경쟁 우위를 확보하는데 많은 어려움을 겪게 되면서, 내부 경쟁력을 강화하고 비(非) 핵심 분야를 보완하기 위하여 다양한 경험과 기술력, 풍부한 자원을 보유하고 있는 외부 기업 또는 기관과의 협력활동을 적극적으로 추진하고 있다. 따라서 본 연구에서는 자원기반이론과 거래비용이론을 바탕으로 첨단제조 벤처기업의 외부적 협력활동 경험이 내부 핵심역량과 경영성과에 미치는 영향을 분석하였다. 본 연구의 가설 검증을 위하여 중소벤처기업부에서 1999년부터 편제하고 있는 벤처기업정밀실태조사의 2020년 자료를 활용하였다. 연구 결과에 따르면 첫째, 외부적 협력활동 경험은 첨단제조 벤처기업의 내부 핵심역량과 비재무적 경영성과에 유의한 영향을 미치는 반면, 재무적 경영성과에는 영향이 없는 것으로 나타났다. 그리고 외부적 협력활동 경험은 내부 핵심역량을 매개하여 경영성과에 영향을 미치는 것으로 나타났다. 둘째, 첨단제조 벤처기업의 내부 핵심역량은 비재무적 경영성과와 재무적 경영성과에 유의한 영향을 미치며, 비재무적 경영성과는 다시 재무적 경영성과에 유의한 영향을 미치는 것으로 나타났다. 마지막으로 외부적 협력활동 경험은 개발·제조·마케팅 역량 모두에 긍정적인 영향을 미쳤으며, 경영성과에는 내부 핵심역량을 구성하는 개별 요인이 미치는 영향이 다르게 나타났다. 특히, 개발·마케팅 역량은 비재무적 성과와 재무적 성과에 모두 유의한 영향을 미치는 반면, 제조 역량은 재무적 성과에만 유의한 영향을 미치는 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1723-1735
• /
• 2022

산사태는 가장 널리 퍼진 자연재해 중 하나로 인명 및 재산피해 뿐만 아니라 범 국가적 차원의 피해를 유발할 수 있기 때문에 효과적인 예측 및 예방이 필수적이다. 높은 정확도를 갖는 산사태 취약성도를 제작하려는 연구는 꾸준히 진행되고 있으며 다양한 모델이 산사태 취약성 분석에 적용되어 왔다. 빈도비 모델, logistic regression 모델, ensembles 모델, 인공신경망 등의 모델과 같이 픽셀기반 머신러닝 모델들이 주로 적용되어 왔고 최근 연구에서는 커널기반의 합성곱신경망 기법이 효과적이라는 사실과 함께 입력자료의 공간적 특성이 산사태 취약성 매핑의 정확도에 중요한 영향을 미친다는 사실이 알려졌다. 이러한 이유로 본 연구에서는 픽셀기반 deep neural network (DNN) 모델과 패치기반 convolutional neural network (CNN) 모델을 이용하여 산사태 취약성을 분석하는 것을 목적으로 한다. 연구지역은 산사태 발생 빈도가 높고 피해가 큰 인제, 강릉, 평창을 포함한 강원도 지역으로 설정하였고, 산사태 관련인자로는 경사도, 곡률, 하천강도지수, 지형습윤지수, 지형위치 지수, 임상경급, 임상영급, 암상, 토지이용, 유효토심, 토양모재, 선구조 밀도, 단층 밀도, 정규식생지수, 정규수분지수의 15개 데이터를 이용하였다. 데이터 전처리 과정을 통해 산사태관련인자를 공간데이터베이스로 구축하였으며 DNN, CNN 모델을 이용하여 산사태 취약성도를 작성하였다. 정량적인 지표를 통해 모델과 산사태 취약성도에 대한 검증을 진행하였으며 검증결과 패치기반의 CNN 모델에서 픽셀기반의 DNN 모델에 비해 3.4% 향상된 성능을 보였다. 본 연구의 결과는 산사태를 예측하는데 사용될 수 있고 토지 이용 정책 및 산사태 관리에 관한 정책 수립에 있어 기초자료 역할을 할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_3호
• /
• pp.1827-1836
• /
• 2022

재난은 돌발적으로 발생하여 예측하기가 쉽지 않고 그 규모도 과거에 비해 커지고 있어 피해가 증가하고 있으며, 하나의 재난이 2차 재난으로 발전하는 경우가 많다. 재난관리의 4가지 단계 중 응급상황이 발생하는 대응단계에서 행해지는 수색과 구조 과정에서, 현장에 투입되는 인원들은 많은 위험을 감수하고 현장에 투입되고 있다. 이러한 점에서 로봇은 재난현장의 초기 대응과정에서 인명 및 재산의 피해를 줄일 수 있는 가능성이 높은 기술이다. 또한, Light Detection And Ranging (LiDAR)는 레이저를 이용하여 비교적 넓은 범위의 3차원 정보를 획득하고 정확도 및 정밀도가 높아 재난 현장의 특징을 생각할 때 매우 유용한 센서이다. 이에 본 연구에서는 로봇이 재난 현장에서 활용될 수 있도록 LiDAR와 Inertial Measurement Unit (IMU) 센서에 실시간 모니터링을 위한 컴퓨팅 보드를 결합하여 하나의 다중센서모듈 및 조사로봇 맞춤형 Simultaneous Localization and Mapping (SLAM) 알고리즘을 개발하였다. 다중센서모듈이 재난 현장에서 최적의 정확도를 유지할 수 있도록 조사로봇에 안정적으로 탑재하는 방안에 대해 연구하였고, 모듈의 성능을 확인하기 위해 재난건축물 실내에서 SLAM 맵핑을 수행하여 다양한 SLAM알고리즘과 거리 비교를 수행하였다. 그 결과, 본 연구에서 개발한 PackSLAM이 낮은 오차를 나타내어 활용 가능성을 보였다. 향후 재난현장에서의 적용성을 더욱 높이기 위해 장애물이 많은 험지환경을 구축하여 다양한 실험을 수행할 예정이다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1691-1707
• /
• 2022

한반도와 중국 경계에 위치한 백두산의 칼데라호인 천지호는 계절에 따라 해빙과 결빙을 반복한다. 천지 아래에는 마그마 챔버가 존재하며 마그마 챔버의 변화에 의해 온천수의 온도 및 수압 변화와 같은 화산 전조현상이 발생한다. 이에 따라, 천지호 내에서 다른 부분보다 해빙이 빠르며 결빙기에도 늦게 얼며 물표면 온도가 높은 이상지역이 존재하게 된다. 해당 이상지역은 온천수 방출 지역으로, 이상지역의 얼음변화도 값을 통해 화산활동을 모니터링 할 수 있다. 그러나 지리적, 정치적 그리고 공간적 문제로 천지의 이상지역을 주기적으로 관측하기에는 한계가 존재한다. 따라서 본 연구에서는 Landsat -5/-7/-8 광학위성영상으로부터 Modified U-Net 회귀모델을 이용하여 이상지역내의 얼음변화도를 정량적으로 관측하였다. 1985년 1월 22일부터 2020년 12월 8일까지 이상지역을 갖는 83장의 Landsat 영상의 Visible and Near Infrared (VNIR)대역을 활용하였다. 얼음 변화도를 정량적으로 관측을 위해 VNIR대역에서 수체와 얼음과의 상대적인 분광반사도를 활용하여 새로운 데이터를 만들었다. 가시광선대역과 근적외선 대역이 가지고 있는 정보를 최대한 유지하기 위해 2개의 인코더를 가진 U-Net에 적용하여 얼음변화도를 관측하였으며 Root Mean Square Error (RMSE) 140, 상관계수 0.9968의 높은 예측 성능을 보여주었다. 따라서 Modified U-Net을 활용하면 추후 Landsat 영상으로부터 얼음변화도 값을 높은 정확도로 관측하므로 백두산 화산활동을 모니터링하는 방법 중 하나로 사용될 수 있으며, 다른 화산 모니터링 기법과 더불어 활용한다면 더욱 정밀한 화산감시체계 구축이 가능할 것이다.

• 대한정형외과학회지
• /
• 제56권5호
• /
• pp.398-403
• /
• 2021

목적: 연부조직 종양의 진단을 위해서는 생검이 필요하지만, 육종 등 이질성을 가진 종양들의 특징상 정확한 부위의 채취가 어려워 수술적 개방 생검으로도 진단이 어려운 경우가 많다. 이 경우 초음파 유도하 침생검이 진단율을 올릴 수 있는 방법으로 사용되고 있다. 본 연구는 자기공명 관류영상(magnetic resonance perfusion)에서 발견된 연부조직 종양을 진단하는 데 있어 초음파 유도하 침 생검의 정확도를 평가하고, 양전자방출 컴퓨터 단층촬영술(positron emission tomography-computed tomography, PET-CT)의 유용성에 대해 알고자 하였다. 대상 및 방법: 2014년 1월부터 2018년 12월까지 자기공명 관류영상에서 발견된 연부조직의 종양에 대해 초음파 유도하 침 생검을 시행한 총 152예의 환자들 중 최종 진단을 얻어 초음파 유도하 침 생검의 결과와 비교할 수 있었던 86예에 대해 그 정확도를 후향적으로 평가하였다. 총 86예의 환자를 자기공명 관류영상만을 시행한 50예와 자기공명 관류영상과 PET-CT를 함께 시행한 36예로 나누어 그 정확도를 비교, 분석하여 PET-CT가 초음파 유도하 침 생검의 정확도를 향상시킬 수 있는지 알고자 하였다. 결과: 총 86예의 환자들 중 자기공명 관류영상만을 시행한 50예 중에서는 34예에서 최종 진단과 초음파 유도하 침 생검의 결과가 일치하였으며, 자기공명 관류영상과 PET-CT를 함께 시행한 36예 중에서는 32예에서 최종 진단과 초음파 유도하 침 생검의 결과가 일치하여 초음파 유도하 침 생검의 정확도에 있어 유의한 차이를 보였다. 이 중 연부 조직 육종만 따로 분류한다면 자기공명 관류영상만을 시행한 12예 중에서 6예에서 최종 진단과 초음파 유도하 침 생검의 결과가 일치하였고 자기공명 관류영상과 PET-CT를 함께 시행한 18예 중에서는 17예에서 최종 진단과 초음파 유도하 침 생검의 결과가 일치하여 마찬가지로 초음파 유도하 침 생검의 정확도에 있어 유의한 차이를 보였다. 결론: 연부조직 종양을 진단함에 있어 초음파 유도하 침 생검은 정확도가 높은 유용한 검사로 알려져 있지만 육종의 경우 이질성이 있어 자기공명 관류영상만으로는 정확한 생검 부위를 설정하는 데 어려움이 있다. PET-CT 영상은 이러한 연부조직 종양에서 침 생검 부위를 특정하고 정확도를 유의하게 향상시킬 수 있을 것으로 생각된다.

• 분석과학
• /
• 제34권6호
• /
• pp.259-266
• /
• 2021

대마는 전 세계적으로 가장 많이 남용되고 있는 물질 중의 하나이며, 우리나라에서는 메트암페타민 다음으로 많이 남용되고 있으며, 1976년부터 국내에서 마약류관리법에 의해 규제되고 있다. 소변 중 대마성분의 검출을 위하여는 대마의 유효 성분인 Δ⁹-tetrahydrocannabinol (THC)의 생체내 주된 대사체인 11-nor-Δ⁹-carboxy-tetrahydrocannabinol (THCCOOH)을 확인하는 것이 일반적이며, 이는 과학수사 및 사법처리와 관련된 법과학 분야에서 중요한 증거로 받아들여지고 있다. 본 연구에서는 소변 중 대마 대사체의 분석을 위하여 분석법이 간단하고 단시간이 소요되는 분석방법으로 THCCOOH 및 THCCOOH-glucuronide를 액상 추출하고 액체크로마토그라피/질량분석법(LC-MS/MS)을 사용하여 동시 분석하는 방법을 확립하였다. 내부표준물질로는 THCCOOH-D₃ 및 THCCOOH-glucuronide-D₃를 사용하였다. 시험방법의 유효화를 위하여 매질 효과, 회수율, 직선성, 정밀도, 정확도, 시험과정의 효율성 및 안정성 등을 시험하였고, 모든 결과가 적합함을 알 수 있었다. 실험 과정에서의 carryover는 나타나지 않았으며, 선택성 및 간섭성도 우수하였다. THCCOOH 및 THCCOOH-glucuronide의 검출 한계는 각각 0.3 및 0.2 ng/mL 이었다. 확립된 분석방법을 면역시험법과 가스크로마토그라피/질량분석법(GC/MS)법에서 대마 양성으로 최종 판정된 28개의 실제 소변에 적용하여 분석법의 적합성을 검토하였다. 28개 소변 중 THCCOOH 및 THCCOOH-glucuronide의 농도는 각각 정량 한계 미만~226.90 ng/mL 및 6.43~2133.03 ng/mL이었고, 모든 시료에서 THCCOOH-glucuronide가 THCCOOH 보다 많이 검출되었다. 본 분석법을 소변 중 대마의 흡연여부를 판정하는 감정시험에 적용함으로써 단시간에 효율적인 분석을 실시할 수 있게 되어 과학수사 발전에 기여할 수 있을 것으로 사료된다.

• 한국지구과학회지
• /
• 제43권5호
• /
• pp.604-617
• /
• 2022

해수면온도는 해양-대기의 현상을 이해하고 기후변화를 예측하기 위해 사용되는 중요한 변수이다. 마이크로파 영역의 인공위성 원격탐사는 구름과 강수와 같은 기상현상 위성 관측 측기의 경로에 존재하더라도 해수면온도 획득을 가능하게 한다. 따라서 마이크로파 해수면온도의 높은 활용도를 고려하면 위성 해수면온도를 정확도를 지속적으로 검증하고 오차 특성을 분석할 필요가 있다. 본 연구에서는 2014년 3월부터 2021년 12월까지 약 8년 동안 Global Precipitation Measurement (GPM)/GPM Microwave Imager (GMI) 마이크로파 해수면온도의 정확도를 표층 뜰개 부이 수온 자료를 사용하여 검증하였다. GMI 해수면온도는 실측 해수면온도에 비해 0.09 K의 편차와 0.97 K의 평균 제곱근 오차를 보였고, 이는 기존 연구 결과에 비해 다소 높게 나타났다. 이외에도 GMI 해수면 온도의 오차 특성은 위도, 연안과의 거리, 해상풍 및 수증기량과 같은 환경적 요인과 관련성이 있다. 오차는 육지에서 300 km 이내의 거리에서 해안 지역에 가까운 지역과 고위도 지역에서 증가하는 경향이 있다. 또한 낮에는 약한 풍속(<6 m s^-1), 밤에는 강한 풍속(>10 m s^-1) 범위에서 상대적으로 높은 오차가 나타났다. 대기 수증기는 30 mm 미만의 매우 낮은 범위 또는 60 mm보다 큰 매우 높은 범위에서 높은 해수면온도 차이에 기여했다. 이러한 오차들은 저수온에서 GMI 자료의 정확도가 떨어지는 기존 연구와 일치하며, 연안으로부터의 거리, 풍속, 수증기량에 의한 오차의 경우 육지와 해양의 방사율 차이 및 바람에 의한 해수면 거칠기 변화, 수증기의 마이크로파 대기 흡수에서 기인하는 것으로 추정된다. 이는 한반도 주변해에서 마이크로파 위성 계산 SST를 보다 광범위하게 활용하기 위해서는 GMI 해수면온도 오차의 특성에 대한 이해가 필요함을 시사한다.

• 인터넷정보학회논문지
• /
• 제23권5호
• /
• pp.145-154
• /
• 2022

자동 표적 인식(Automatic Target Recognition, ATR) 기술이 미래전투체계(Future Combat Systems, FCS)의 핵심 기술로 부상하고 있다. 그러나 정보통신(IT) 및 센싱 기술의 발전과 더불어 ATR에 관련이 있는 데이터는 휴민트(HUMINT·인적 정보) 및 시긴트(SIGINT·신호 정보)까지 확장되고 있음에도 불구하고, ATR 연구는 SAR 센서로부터 수집한 이미지, 즉 이민트(IMINT·영상 정보)에 대한 딥러닝 모델 연구가 주를 이룬다. 복잡하고 다변하는 전장 상황에서 이미지 데이터만으로는 높은 수준의 ATR의 정확성과 일반화 성능을 보장하기 어렵다. 본 논문에서는 이미지 및 텍스트 데이터를 동시에 활용할 수 있는 지식 그래프 기반의 ATR 방법을 제안한다. 지식 그래프와 딥러닝 모델 기반의 ATR 방법의 핵심은 ATR 이미지 및 텍스트를 각각의 데이터 특성에 맞게 그래프로 변환하고 이를 지식 그래프에 정렬하여 지식 그래프를 매개로 이질적인 ATR 데이터를 연결하는 것이다. ATR 이미지를 그래프로 변환하기 위해서, 사전 학습된 이미지 객체 인식 모델과 지식 그래프의 어휘를 활용하여 객체 태그를 노드로 구성된 객체-태그 그래프를 이미지로부터 생성한다. 반면, ATR 텍스트는 사전 학습된 언어 모델, TF-IDF, co-occurrence word 그래프 및 지식 그래프의 어휘를 활용하여 ATR에 중요한 핵심 어휘를 노드로 구성된 단어 그래프를 생성한다. 생성된 두 유형의 그래프는 엔터티 얼라이먼트 모델을 활용하여 지식 그래프와 연결됨으로 이미지 및 텍스트로부터의 ATR 수행을 완성한다. 제안된 방법의 우수성을 입증하기 위해 웹 문서로부터 227개의 문서와 dbpedia로부터 61,714개의 RDF 트리플을 수집하였고, 엔터티 얼라이먼트(혹은 정렬)의 accuracy, recall, 및 f1-score에 대한 비교실험을 수행하였다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.939-951
• /
• 2022

자율주행차에 있어 가장 중요한 요소는 차량 주변 환경과 정확한 위치를 인식하는 것이며, 이를 위해 다양한 센서와 항법 시스템 등이 활용된다. 하지만 센서와 항법 시스템의 한계와 오차로 인해 차량 주변 환경과 위치 인식에 어려움이 있다. 이러한 한계를 극복하고 안전하고 편리한 자율주행을 위해서 고정밀의 인프라 정보를 제공하는 정밀도로지도(high definition map, HD map)의 필요성은 증대되고 있다. 정밀도로지도는 모바일 매핑 시스템(mobile mapping system, MMS)을 통해 획득된 3차원 point cloud 데이터를 이용하여 작성된다. 하지만 정밀도로지도 작성에 많은 양의 점을 필요로 하고 작성 항목이 많아 수작업이 요구되어 많은 비용과 시간이 소요된다. 본 연구는 정밀도로지도의 필수 요소인 차선을 포함한 도로, 연석, 보도, 중앙분리대, 기타 6개의 클래스로 MMS point cloud 데이터를 유의미한정보로 분할하여 정밀도로지도의 효율적인 작성에 목적을 둔다. 분할에는 머신러닝 모델인 random forest (RF), support vector machine (SVM), k-nearest neighbor (KNN) 그리고 gradient boosting machine (GBM)을 사용하였고 MMS point cloud 데이터의 기하학적, 색상, 강도 특성과 차선 분할을 위해 추가한 도로 설계적 특성을 고려하여 11개의 변수를 선정하였다. 부산광역시 미남역 일대 5차선도로 130 m 구간의 MMS point cloud 데이터를 사용하였으며, 분할 결과 각 모델의 평균 F1 score는 RF 95.43%, SVM 92.1%, GBM 91.05%, KNN 82.63%로 나타났다. 가장 좋은 분할 성능을 보인 모델은 RF이며 클래스 별 F1 score는 도로, 보도, 연석, 중앙분리대, 차선에서 F1 score가 각각 99.3%, 95.5%, 94.5%, 93.5%, 90.1% 로 나타났다. RF 모델의 변수 중요도 결과는 본 연구에서 추가한 도로 설계적 특성의 변수 XY dist., Z dist. 모두 mean decrease accuracy (MDA), mean decrease gini (MDG)가 높게 나타났다. 이는 도로 설계적 특성을 고려한 변수가 차선을 포함한 여러 클래스 분할에 중요하게 작용하였음을 뜻한다. 본 연구를 통해 MMS point cloud를 머신러닝 기반으로 차선을 포함한 여러 클래스로 분할 가능성을 확인하고 정밀도로지도 작성 시 수작업으로 인한 비용과 시간 소모를 줄이는데 도움이 될 것으로 기대한다.