• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1149-1161
• /
• 2021

컴퓨터 비전 기술이 위성영상에 적용되면서, 최근 들어 딥러닝 영상인식을 이용한 구름 탐지가 관심을 끌고 있다. 본연구에서는 SPARCS (Spatial Procedures for Automated Removal of Cloud and Shadow) Cloud Dataset과 영상자료증대 기법을 활용하여 U-Net 구름탐지 모델링을 수행하고, 10폴드 교차검증을 통해 객관적인 정확도 평가를 수행하였다. 512×512 화소로 구성된 1800장의 학습자료에 대한 암맹평가 결과, Accuracy 0.821, Precision 0.847, Recall 0.821, F1-score 0.831, IoU (Intersection over Union) 0.723의 비교적 높은 정확도를 나타냈다. 그러나 구름그림자 중 14.5%, 구름 중 19.7% 정도가 땅으로 잘못 예측되기도 했는데, 이는 학습자료의 양과 질을 보다 더 향상시킴으로써 개선 가능할 것으로 보인다. 또한 최근 각광받고 있는 DeepLab V3+ 모델이나 NAS(Neural Architecture Search) 최적화 기법을 통해 차세대중형위성 1, 2, 4호 등의 구름탐지에 활용 가능할 것으로 기대한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권2호
• /
• pp.28-36
• /
• 2022

매립지 위에 건설되는 항만시설물은 바람(태풍), 파랑, 선박과의 충돌 등 극한 외부 하중에 노출되기 때문에 구조물의 안전성 및 사용성을 주기적으로 평가하는 것이 중요하다. 본 논문에서는 항만 계류시설에 설치된 방충설비의 유지관리를 위하여 비전 및 딥러닝 기반의 방충설비 세분화(segmentation) 시스템을 개발하였다. 방충설비 세분화를 위하여 인코더-디코더 형식과 인간 시각체계의 편심 기능에서 영감을 얻은 수용 영역 블록(Receptive field block) 기반의 합성곱 모듈을 DenseNet 형식으로 개선하는 딥러닝 네트워크를 제안하였다. 네트워크 훈련을 위해 BP형, V형, 원통형, 타이어형 등 다양한 형태의 방충설비 영상을 수집하였으며, 탄성 변형, 좌우 반전, 색상 변환 및 기하학적 변환을 통해 영상을 증강시킨 다음 제안한 딥러닝 네트워크를 학습하였다. 기존의 세분화 모델인 VGG16-Unet과 비교하여 제안한 모델의 세분화 성능을 검증하였으며, 그 결과 본 시스템이 IoU 84%, 조화평균 90% 이상으로 정밀하게 실시간으로 세분화할 수 있음을 확인하였다. 제안한 방충설비 세분화 시스템의 현장적용 가능성을 검증하기 위하여 국내 항만 시설물에서 촬영된 영상을 기반으로 학습을 수행하였으며, 그 결과 기존 세분화 모델과 비교하였을 때 우수한 성능을 보이며 정밀하게 방충설비를 감지하는 것을 확인하였다.

• 한국산림과학회지
• /
• 제76권2호
• /
• pp.161-168
• /
• 1987

임업기계훈련원(林業機械訓練院)에서 1984년(年) 시범적(示範的)로 임도(林道)를 시설(施設)(10 km)할 목적(目的)으로 10 km를 시공(施工)했는데 1986년(年) 태풍(颱風) 내습시 부분적(部分的)으로 노견붕괴(路肩崩壞)와 측구침식(側溝浸蝕)이 발생(發生)하였다. 이에 대한 원인(原因)을 조사분석(調査分析)한 결과(結果)는 다음과 같다. 측구침식(側溝浸蝕)에 의한 피해(被害)길이는 전림도(全林道) 연장(10km)의 3%에 해당하였으며, 대부분(大部分) 요형사면(凹型斜面)에 사면장(斜面長) 10m 이상(以上)으로 성토(盛土)된 곡선부(曲線部)에서 발생하였고, 부분적(部分的)으로 상수(常水)가 흐르는 계곡부(溪谷部)에 성토(盛土)된 구역(區域)과 상수(常水)가 있는 배수관(排水管)의 유출구(流出口) 양사면(兩斜面)에 성토(盛土)된 부위에서 붕괴(崩壞)가 많이 발생하였다. 측구침식(側溝浸蝕)의 경우 심한 피해(被害)는 계곡수(溪谷水)가 월수(越水)하여 V형(型) 측구(側溝)를 따라 흐르므로서 피해(被害)를 발생시켰으며, 기타 원인(原因)으로는 종단(縱斷)물매가 10% 이상(以上) 급(急)하게 시공(施工)된 지역(地域)에서 나타나 문제점(問題點)으로 인식되고, 직경(直經) 400mm 이하(以下)인 배수관(排水管)이 매설된 집수정(集水井)이 낙엽(落葉) 등(等)의 퇴적(堆積)으로 매몰된 경우와 경사가 급한 침사지(沈砂池)(집수승(集水桝)) 벽이 무너져 내린 결과 이 지점을 월수(越水)하여 측구침식(側溝浸蝕)을 일으키고 있다. 이상(以上)의 결과(結果)에서 시범임도(示範林道)의 태풍피해(颱風被害)는 임도피해예방(林道被害豫防)을 위한 경험부족(經驗不足)에서 나타낸 현상으로 보인다. 상기(上記)와 같은 점을 개선하면 동(同) 시범임도(示範林道) 조성방법(造成方法)은 경제적(經濟的) 임도(林道)차 모델로서 발달될 수 있을 것이다.

• 한국자기학회지
• /
• 제17권4호
• /
• pp.166-171
• /
• 2007

단결정 Bi단일 나노선의 정상 자기 저항(ordinary magnetoresistance) 특성을 $2{\sim}300K$에서 4 단자법으로 측정하였다. I-V 측정을 통해 전기적 오믹 형성을 확인하였고, 2 K과 300 K에서 비저항이 각각 $1.0{\times}10^{-4}$와 $8.2{\times}10^{-5}{\Omega}{\cdot}cm$으로 측정되었다. 수직(transverse) 및 수평(longitudinal) 자기저항비(MR ratio)가 110 K와 2 K에서 각각 현재까지 보고된 MR 중 가장 큰 2496%와 -38%으로 관찰되었으며, 이 결과는 자발 성장법으로 성장된 Bi 나노선의 결정성이 매우 우수한 단결정임을 증명한다. simple two band(STB) 모델을 통해 Bi 나노선의 수직 및 수평 정상 자기 저항(OMR) 거동이 온도에 따른 페르미 준위(Fermi level)와 밴드 겹침(band overlap)등의 전자 구조 변화 및 운반자 농도 변화로 잘 설명된다.

• Journal of Dairy Science and Biotechnology
• /
• 제32권1호
• /
• pp.47-53
• /
• 2014

본 연구는 김치에서 분리한 L. acidophilus를 이용하여 홍삼 농축액의 진세노사이드 변화 및 폴리페놀 변화량을 확인하였고, 발효유제품 중 신선치즈를 선정하여 홍삼 발효물의 기능성 소재로의 사용 가능성을 확인하였다. 홍삼농축액3% 처리구에 L. acidophilus 유산균주를 $1.0{\times}10^8CFU/mL$로 첨가하여 $40^{\circ}C$에서 24시간 발효한 경우 유산균수는 발효 0시간째 $3.5{\times}10^8CFU/mL$에서 발효 16시간째 $3.8{\times}10^8CFU/mL$로 증가하였다가 그 후 감소하여 발효 24시간째에는 $2.2{\times}10^8CFU/mL$로 측정되었다. Ginsenoside 전환 양상은 고분자 물질로는 Rb1, Rb2, Rc, Rd, Re, Rf, Rg1이 검출되었고, 저분자 물질로는 Rg3(20S), Rg3(20R), Rh2(20S), Rh1(20R), Rh2(20S), Rh2(20R), F1, Compound K, Protopanaxadiol(20S), Protopanaxadiol(20R)이 검출되었다. 고분자 물질이 감소함에 따라 저분자 물질인 Rg3(20S) 및 Rg3(20R), protopanaxadiol(20R), F1, Compound K 등이 증가하였다. 홍삼 발효물의 총 페놀 화합물의 변화량은 에틸아세테이트 분획물 및 16% ACN 분획물에서 발효시간이 증가할수록 폴리페놀 함량이 증가하였다. 홍삼 발효물을 첨가하여 제조한 신선치즈의 저장 중 품질변화를 분석하였으며, 홍삼 발효물의 첨가농도가 높아질수록 pH는 저장기간 동안 감소하였고, 산도 및 유산균수는 증가하였다. 관능검사 결과 홍삼 발효물 1% 처리구가 대조구와 유사한 평가를 얻었으며, 이때의 사포닌 함량은 14.8 mg%, 총 페놀함량은 3.7 mg%이었다. 따라서 향후 동물모델을 통한 추가적인 효능검증이 이뤄진다면 홍삼 발효물을 이용한 기능성 강화 고부가가치 신선치즈 제조가 가능할 것으로 보인다.

• 한국의학물리학회지:의학물리
• /
• 제23권1호
• /
• pp.48-53
• /
• 2012

방사선치료계획장치에서 선량계산을 위해 PBC 알고리즘(pencil beam convolution)은 가장 널리 사용되고 있다. Varian (Varian Medical System, Palo Alto, CA)사는 광자의 선량 계산을 위해서 AAA 알고리즘을 새롭게 선량계산모델로 탑재하였다. 본 연구는 폐와 같은 저밀도 영역에 종양부위가 있는 환자를 대상으로 세기조절방사선치료를 시행할 경우에 PBC 알고리즘과 AAA 알고리즘으로 계산했을 때 차이를 정량적으로 알고자 하는데 목적이 있다. 두 알고리즘의 정량적 분석을 위해서 Eclipse planning system과 I'mRT matrixx (IBA, Schwarzenbruck, Germany)를 사용하였다. 또한 두 알고리즘으로 계산된 선량과 실제 측정된 선량의 차이를 확인하기 위해서 인체모형펜텀(Alderson Rando phantom)속에 TLD-100 (LiF)을 위치 시켰다. 종양부위 주위의 중요장기인 trachea, esophagus, lung, PRV spinal cord의최대선량, 평균선량, 최소선량은 알고리즘의 변화에 따라서 거의 변화가 없었으나, PTV의 V95는 PBC와 비교하여 AAA가 약 6% 감소하는 결과를 얻었다. 이러한 결과는 I'mRT matrixx를 이용하여 저밀도를 가지는 폐의 위치에서 확연하게 나타남을 확인할 수 있었다. 또한 인체모형펜텀(Alderson Rando phantom)과 TLD-100 (LiF)을 이용한 계산선량과 실제 측정치의 결과는 PBC 알고리즘은 평균 4.6%의 차이를 보였으며, AAA 알고리즘은 평균 2.7%의 차이를 보였다. 이 결과로 저밀도를 가지는 폐암에서의 세기조절방사선치료를 시행할 경우에 PBC 알고리즘보다 AAA 알고리즘이 더 유효함을 알 수 있다.

• 대한화학회지
• /
• 제47권4호
• /
• pp.391-400
• /
• 2003

본 연구는 제6차 교육과정에서 강조한 탐구활동을 탐구내용, 탐구과정, 탐구상황의 3차원 분석틀을 이용하여 화학II 교과서를 분석하였다. 그 결과, 탐구활동의 탐구내용을 보면, 각 교과서마다 탐구활동이 관찰, 실험, 측정, 토의, 자료해석, 기본조작 등의 다양한 용어로 분류되어 있으며, 교과서마다 분류 기준에 다소 차이가 있었다. 각 교과서의 탐구내용에 수록된 탐구활동의 수는, 7개 교과서 모두 25개에서 35개 정도로 수록되어 있었다. 각 교과서의 탐구내용에 있는 탐구활동의 평균수는 각 단원에서 적게는 10${\%}$에서 많게는 30${\%}$로 분포되어 있었다. 또한 탐구과정 영역은 평균적으로 ''관찰 및 측정''이 가장 많았고, 그 다음으로 ''자료해석 및 일반화'', ''문제발견 및 해결방안'', ''이론모델셩성, 검증 및 수정''의 순서로 나타났다. 그리고 탐구상황 영역은 과학적 상황요소가 90.5%로 가장 많은 부분을 차지하였고, 그 외에 개인적 상황요소, 사회적 상황요소, 기술적 상황요소가 약 5%를 차지하였다. 이러한 분석으로부터 볼 때, STS(과학-기술-사회)의 상호관련성을 강조한 내용이 아직은 매우 미흡한 것으로 나타났다.