• Composites Research
• /
• 제35권4호
• /
• pp.248-254
• /
• 2022

본 연구에서는 가스압 함침공정을 이용하여 고체적률 TiB₂-steel 복합재료를 제조하였으며, 미세조직 분석과 압축강도 및 경도를 측정하였다. 복합재료의 미세조직과 기계적 물성과의 연관성을 고찰하고자, 압축시험 후 시편의 파면을 분석하고 압축시험 중 시편의 파괴 거동을 예측하였다. 파면 분석 결과, 기지금속과 강화상 입자간의 계면파괴 흔적이 관찰되었으며, 이에 기지금속과 강화상의 계면을 TEM을 사용하여 분석하였다. 제조된 복합재료의 미세조직 분석 결과, TiB₂ 강화상 및 steel 기지상 이외에 TiC 상과 조대한 (Fe,M)₂B (M=Cr,Mn)상이 생성된 것을 확인할 수 있었으며, 열역학 계산을 통하여 공정조건에서 TiC와 (Fe,M)₂B가 안정상으로 생성될 수 있음을 확인하였다. 제조된 TiB₂-steel 복합재료는 기지 금속 대비 경도가 크게 상승하였으며, 상온 압축강도 및 탄성계수는 각각 3.07배, 1.95배 향상되었다. 복합재료 내부 전반에 생성된 조대한 (Fe,M)₂B (M=Cr,Mn)상이 기계적 물성 저하를 일으키는 것으로 보이며, (Fe,M)₂B (M=Cr,Mn)상의 생성을 제어함으로써 TiB₂-steel 복합재료의 기계적 물성을 추가적으로 향상시킬 수 있을 것이라 생각한다.

• 한국수자원학회논문집
• /
• 제56권4호
• /
• pp.235-243
• /
• 2023

하천법 개정 및 수자원의 조사·계획 및 관리에 관한 법률 제정으로 하상변동조사를 정기적으로 실시하는 것이 의무화되었고, 지자체가 계획적으로 수자원을 관리할 수 있도록 제도가 마련되고 있다. 하상 지형은 직접 측량할 수 없기 때문에 수심 측량을 통해 간접적으로 이루어지고 있으며, 레벨측량이나 음향측심기를 활용한 접촉식 방법으로 이루어지고 있다. 접촉식 수심측량법은 자료수집이 제한적이기 때문에 공간해상도가 낮고 연속적인 측량이 불가능하다는 한계가 있어 최근에는 LiDAR나 초분광영상을 이용한 원격탐사를 이용한 수심측정 기술이 개발되고 있다. 개발된 초분광영상을 이용한 수심측정 기술은 접촉식 조사보다 넓은 지역을 조사할 수 있고, 잦은 빈도로 자료취득이 용이한 드론에 경량 초분광센서를 탑재하여 초분광영상을 취득하고, 최적 밴드비 탐색 알고리즘을 적용해 수심분포 산정이 가능하다. 기존의 초분광 원격탐사 기법은 드론의 경로비행으로 획득한 초분광영상을 면단위의 영상으로 정합한 후 특정 물리량에 대한 분석이 수행되었으며, 수심측정의 경우 모래하천을 대상으로 한 연구가 주를 이루었으며, 하상재료에 대한 평가는 이루어지지 않았었다. 본 연구에서는 기존의 초분광영상을 활용한 수심산정 기법을 식생이 있는 하천에 적용하고, 동일지역에서 식생을 제거한 후의 2가지 케이스에 대해서 시공간 초분광영상과 단면초분광영상에 모두 적용하였다. 연구결과, 식생이 없는 경우의 수심산정이 더 높은 정확도를 보였으며, 식생이 있는 경우에는 식생의 높이를 바닥으로 인식한 수심이 산정되었다. 또한, 기존의 단면초분광영상을 이용한 수심산정뿐만 아니라 시공간 초분광영상에서도 수심산정의 높은 정확도를 보여 시공간 초분광영상을 활용한 하상변동(수심변동) 추적의 가능성을 확인하였다.

• 해양환경안전학회지
• /
• 제29권7호
• /
• pp.902-909
• /
• 2023

해양사고 예방 지원을 목표로 해양수산부 주도의 지능형 해상교통정보서비스가 지난 21년 1월부터 시작되었고 그동안 이용이 제한되었던 3톤 미만 선박까지 확대하기 위해 개발·추진되는 소형 초고속해상무선통신망(이하 LTE-M) 송수신기의 성능 검증 방안에 대해 연구하였다. 국내 해양 사고의 약 30%가 3톤 미만의 선박에서 발생되고 있기 때문에 소형 선박 전용의 송수신기 개발을 통한 해양안전 사각지대 보완이 필요하다. 소형 LTE-M 송수신기는 연안에서 조업 활동이 활발한 어선과 육지 인근의 수상레저기구 등을 대상으로 적용될 수 있다. 따라서 실제 송수신기가 설치·이용되는 환경을 고려하여 충분한 성능 및 안정적인 통신 품질 제공 여부를 검증하는 방안이 필요하다. 본 연구에서는 LTE-M 망의 통신품질 요구 기준과 해양수산부의 소형 송수신기 성능 요구 기준을 검토해보고, 소형 송수신기의 성능을 적합하게 평가할 수 있는 시험 방안을 제안하였다. 제안한 시험 방안은 해양 사고 빈도가 높은 6개 실해역 노선을 대상으로 타당성을 검증하였으며, 소형 송수신기 다운링크 및 업링크 전송속도가 각각 9Mbps 이상 및 3Mbps 이상의 성능을 보임을 확인할 수 있었다. 또한 커버리지 분석시스템을 활용하여 집중관리구역(0~30km) 및 관심구역(30~50km)에서 각 95% 이상 및 100%의 커버리지를 확인하였다. 본 논문에서 제안한 성능 평가 방안 및 시험 결과는 송수신기의 성능 검증을 위한 참고 자료로 활용되어 정부가 추진하는 바다 내비게이션 서비스 및 소형 송수신기의 보급 및 확산에 기여할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1135-1144
• /
• 2023

국내 농업용 저수지는 1970년 이전에 축조되어 준공 년도가 50년 이상 된 노후화된 시설이 대다수이며, 소규모 저수지는 기본 제원 및 수위 등을 파악할 수 있는 계측시스템이 없는 미계측 저수지이다. 준공 이후 호우발생 시 퇴적된 토사 유입, 퇴사량 증가에 따른 저수지 용량 감소 및 산업 고도화에 따른 수질악화 등은 저수지의 용수공급능력을 저하시키고 형상 변화를 야기한다. 따라서, 디지털 정보 및 원격탐사 정보를 결합한 계측 기술을 활용하여 미계측 저수지 수체 모니터링을 위한 공간정보 구축 방안이 필요하다. 본 연구에서는 지표면의 고도정보와 형태를 파악할 수 있는 Light Detection And Ranging (LiDAR) 센서를 활용하여 저수지 시설물의 고해상도 Digital Surface Model (DSM), Digital Elevation Model (DEM) 자료를 구축하고, 멀티빔(MultiBeam) 음향 측심기 기반 수심측량 정보의 융합을 통해 디지털 공간정보 융합 방안을 제시하고자 한다. 드론용 LiDAR를 활용하여 공간해상도 50 cm의 DSM 및 DEM 자료를 구축하여, 저수지 제방, 여수로, 용수로 등의 수리시설물의 디지털 공간정보를 구축하였다. 다분광 영상을 활용하여 수체를 탐지하기 위해 정규식생지수(Normalized Difference Vegetation Index, NDVI), 정규수분지수(Normalized Difference Water Index, NDWI)를 산정하여, 저수지의 수표면을 산정하였다. 또한, 고해상도 DEM 자료는 수심측량 자료와 융합하여 수심도를 작성하였으며, Triangulated Irregular Network (TIN)로부터 저수지 만수면적 및 체적을 산정하였다. LiDAR 센서 및 멀티빔 기반의 수심측량, 광학위성자료 영상 및 다중분광 드론영상을 활용한 수체 탐지 기술 등의 공간정보 융합은 미계측 저수지의 디지털 인프라를 구축하여 저수지의 가용용수공급능력을 모니터링 하기 위한 기초자료로서 활용성이 높을 것으로 사료된다.

• 유기물자원화
• /
• 제31권4호
• /
• pp.29-39
• /
• 2023

본 연구에서는 의료폐기물에 대해 평상시 상황과 대규모 감염병 발병 상황으로 구분하여 발생 특성을 분석하였다. 평상시 상황에서는 회귀분석을 통해 의료폐기물 종류별 발생량 예측 모델을 수립하였으며, 유의값(p)은 모두 < 0.0001로 통계적으로 유의미하였다. 각 분류별 예측 모델식의 결정계수(R²) 값은 I-MW(R²=0.9943) > G-MW(R²=0.9817) > H-MW(R²=0.9310) 순으로 분석되었다. 또한, 기존 문헌과 유사한 결과로 영향인자로 사용된 GDP(G-MW), 의료기관 수(H-MW), 고령 인구비(I-MW)는 모두 높은 상관성을 나타내었다. 각 모델식을 종합한 총 의료폐기물 발생량의 MAE는 2,615, RMSE 3,353로 평가되어 H-MW(2,491, 2,890)와 I-MW(2,291, 3,267) 의료폐기물 모델식과 유사한 수준의 정확도를 나타내는 것이 확인되었다. 단기간 내 대량 발생하는 감염병 사태 시기의 의료폐기물 발생 특성은 정확한 추정이 제한적이므로 격리의료폐기물의 발생원단위를 분석하였다. 감염병 초기인 불안정기 8.74 kg/인·일, 안정기 2.69 kg/인·일, 감소기 시기 평균 0.08 kg/인·일의 발생원단위를 나타내었다. 격리의료폐기물 발생원단위와 치명률 간의 상관분석 결과, 불안정기 +0.99, 안정기 +0.52, 감소기 +0.96으로 나타났으며, 감염병 발병 전체시기에서 +0.95 이상의 매우 높은 양의 상관성을 나타내는 것이 확인되었다. 본 연구에서 도출된 연구결과는 보건 의료상에 적절한 의료폐기물 관리시스템을 구축하는 데 유용한 역할을 수행할 수 있을 것으로 기대된다.

• 한국터널지하공간학회 논문집
• /
• 제26권2호
• /
• pp.129-152
• /
• 2024

터널 내 CCTV를 통한 딥러닝 객체인식 적용에 있어서 터널의 열악한 환경조건, 즉 낮은 조도 및 심한 원근현상으로 인해 오탐지가 대량 발생한다. 이 문제는 객체인식 성능에 기반한 영상유고시스템의 신뢰성 문제로 직결되므로 정탐지 향상과 더불어 오탐지의 저감 방안이 더욱 필요한 상황이다. 이에 본 논문은 딥러닝 객체인식 모델을 기반으로, 오탐지 데이터의 재학습을 통해 오탐지의 저감뿐만 아니라 정탐지 성능 향상도 함께 추구하는 오탐지 학습법을 제안한다. 본 논문의 오탐지 학습법은 객체인식 단계를 기반으로 진행되며, 학습용 데이터셋 초기학습 - 검증용 데이터셋 추론 - 오탐지 데이터 정정 및 데이터셋 구성 - 학습용 데이터셋에 추가 후 재학습으로 이어진다. 본 논문은 이에 대한 성능을 검증하기 위해 실험을 진행하였으며, 우선 선행 실험을 통해 본 실험에 적용할 딥러닝 객체인식 모델의 최적 하이퍼파라미터를 결정하였다. 그리고 본 실험에서는 학습영상 포맷을 결정하기 위한 실험, 반복적인 오탐지 데이터셋의 재학습을 통해 장기적인 성능향상을 확인하기 위한 실험을 순차적으로 진행하였다. 그 결과, 첫 번째 본 실험에서는 추론된 영상 내에서 객체를 제외한 배경을 제거시키는 경우보다 배경을 포함시키는 경우가 객체인식 성능에 유리한 것으로 나타났으며, 두 번째 본 실험에서는 재학습 차수별 독립적으로 오탐지 데이터를 재학습시키는 경우보다 차수마다 발생하는 오탐지 데이터를 누적시켜 재학습 시키는 경우가 지속적인 객체인식 성능 향상 측면에서 유리한 것으로 나타났다. 두 실험을 통해 결정된 방법으로 오탐지 데이터 재학습을 진행한 결과, 차량 객체 클래스는 1차 재학습 이후부터 AP값이 0.95 이상 우수한 추론 성능이 발현되었으며, 5차 재학습까지 초기 추론 대비 약 1.06배 추론성능이 향상되었다. 보행자 객체 클래스는 재학습이 진행됨에 따라 지속적으로 추론 성능이 향상되었으며, 18차 재학습까지 초기 추론대비 2.3배 이상 추론성능이 자가 향상될 수 있음을 보였다.

• 지능정보연구
• /
• 제19권4호
• /
• pp.123-132
• /
• 2013

최근 스마트 폰에 다양한 센서를 내장할 수 있게 되었고 스마트폰에 내장된 센서를 이용항 동작 인지에 관한 연구가 활발히 진행되고 있다. 스마트폰을 이용한 동작 인지는 노인 복지 지원이나 운동량 측정. 생활 패턴 분석, 운동 패턴 분석 등 다양한 분야에 활용될 수 있다. 하지만 스마트 폰에 내장된 센서를 이용하여 동작 인지를 하는 방법은 사용되는 센서의 수에 따라 단일 센서를 이용한 동작인지와 다중 센서를 이용한 동작인지로 나눌 수 있다. 단일 센서를 이용하는 경우 대부분 가속도 센서를 이용하기 때문에 배터리 부담은 줄지만 다양한 동작을 인지할 때에 특징(feature) 추출의 어려움과 동작 인지 정확도가 낮다는 문제점이 있다. 그리고 다중 센서를 이용하는 경우 대부분 가속도 센서와 중력센서를 사용하고 필요에 따라 다른 센서를 추가하여 동작인지를 수행하며 다양한 동작을 보다 높은 정확도로 인지할 수 있지만 다수의 센서를 사용하기 때문에 배터리 부담이 증가한다는 문제점이 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 스마트 폰에 내장된 가속도 센서를 이용하여 다양한 동작을 높은 정확도로 인지하는 방법을 제안한다. 서로 다른 10가지의 동작을 높을 정확도로 인지하기 위해 원시 데이터로부터 17가지 특징을 추출하고 각 동작을 분류하기 위해 Ensemble of Nested Dichotomies 분류기를 사용하였다. Ensemble of Nested Dichotomies 분류기는 다중 클래스 문제를 다수의 이진 분류 문제로 변형하여 다중 클래스 문제를 해결하는 방법으로 서로 다른 Nested Dichotomy 분류기의 분류 결과를 통해 다중 클래스 문제를 해결하는 기법이다. Nested Dichotomy 분류기 학습에는 Random Forest 분류기를 사용하였다. 성능 평가를 위해 Decision Tree, k-Nearest Neighbors, Support Vector Machine과 비교 실험을 한 결과 Ensemble of Nested Dichotomies 분류기를 사용하여 동작 인지를 수행하는 것이 가장 높은 정확도를 보였다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.123-139
• /
• 2019

국내 NPL (Non performing loan) 시장은 1998년에 형성되었지만, 본격적으로 활성화 된 시기는 2009년으로 역사가 짧은 시장이다. 이로 인해 NPL 시장에 대한 연구도 아직까지는 활발히 진행되지 않고 있는 상황이다. 본 연구는 NPL 시장의 각 물건 별 기준 수익률 달성 유무를 예측할 수 있는 모델을 제안한다. 모델 구축에 사용되는 종속변수는 물건 별 최종 수익률이 기준 수익률 수치 도달 여부를 나타내는 이항변수를 사용하였고, 독립변수로는 물건의 특성을 나타내는 11개의 변수를 대상으로 one to one t-test와 logistic regression stepwise, decision tree를 수행하여 의미있는 7개의 독립변수를 선별하였다. 그리고 통상적으로 사용되는 기준 수익률 수치(12%)가 의미있는 기준 수치인지 확인하기 위해 수치 값을 조절해가며 종속변수를 산출하여 예측모델을 구축해보았다. 그 결과 12%의 기준 수익률 수치로 산출한 종속변수를 이용하여 구축한 예측모델의 평균 Hit ratio가 64.60%로 가장 우수하다는 결과를 얻었다. 다음으로 선별된 7개의 독립변수들과 12%를 기준으로한 수익률 달성유무 종속변수를 이용하여 판별분석, 로지스틱 회귀분석, 의사결정나무, 인공신경망, 유전자알고리즘 선형 모델의 5가지 방법론을 적용해 예측모델을 구축해보았다. 5가지 방법론으로 도출한 예측 모델 간 Hit ratio를 비교한 결과 인공신경망을 이용하여 구축한 예측모델의 Hit ratio가 67.4%로 가장 우수한 결과를 도출해내었다. 본 연구를 통해 추후 NPL시장 신규 물건 매매에 있어서 7가지의 독립변수들과 인공신경망 예측 모델을 활용하는 것이 효과적임을 증명하였다. 물건의 12% 수익률 달성 여부를 사전에 예측해봄으로써 유동화회사가 투자 의사결정을 하는 데에 도움을 줄 것으로 예상하며, 나아가 NPL 시장의 거래가 적정한 가격 선에서 진행됨으로 인해 유동성이 더욱 높아질 것이라 기대한다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.25-38
• /
• 2019

정보화 시대의 넘쳐나는 콘텐츠들 속에서 사용자의 관심과 요구에 맞는 양질의 정보를 선별해내는 과정은 세대를 거듭할수록 더욱 중요해지고 있다. 정보의 홍수 속에서 사용자의 정보 요구를 단순한 문자열로 인식하지 않고, 의미적으로 파악하여 검색결과에 사용자 의도를 더 정확하게 반영하고자 하는 노력이 이루어지고 있다. 구글이나 마이크로소프트와 같은 대형 IT 기업들도 시멘틱 기술을 기반으로 사용자에게 만족도와 편의성을 제공하는 검색엔진 및 지식기반기술의 개발에 집중하고 있다. 특히 금융 분야는 끊임없이 방대한 새로운 정보가 발생하며 초기의 정보일수록 큰 가치를 지녀 텍스트 데이터 분석과 관련된 연구의 효용성과 발전 가능성이 기대되는 분야 중 하나이다. 따라서, 본 연구는 주식 관련 정보검색의 시멘틱 성능을 향상시키기 위해 주식 개별종목을 대상으로 뉴럴 텐서 네트워크를 활용한 지식 개체명 추출과 이에 대한 성능평가를 시도하고자 한다. 뉴럴 텐서 네트워크 관련 기존 주요 연구들이 추론을 통해 지식 개체명들 사이의 관계 탐색을 주로 목표로 하였다면, 본 연구는 주식 개별종목과 관련이 있는 지식 개체명 자체의 추출을 주목적으로 한다. 기존 관련 연구의 문제점들을 해결하고 모형의 실효성과 현실성을 높이기 위한 다양한 데이터 처리 방법이 모형설계 과정에서 적용되며, 객관적인 성능 평가를 위한 실증 분석 결과와 분석 내용을 제시한다. 2017년 5월 30일부터 2018년 5월 21일 사이에 발생한 전문가 리포트를 대상으로 실증 분석을 진행한 결과, 제시된 모형을 통해 추출된 개체명들은 개별종목이 이름을 약 69% 정확도로 예측하였다. 이러한 결과는 본 연구에서 제시하는 모형의 활용 가능성을 보여주고 있으며, 후속 연구와 모형 개선을 통한 성과의 제고가 가능하다는 것을 의미한다. 마지막으로 종목명 예측 테스트를 통해 본 연구에서 제시한 학습 방법이 새로운 텍스트 정보를 의미적으로 접근하여 관련주식 종목과 매칭시키는 목적으로 사용될 수 있는 가능성을 확인하였다.

• 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.