• 한국국제농업개발학회지
• /
• 제30권4호
• /
• pp.313-319
• /
• 2018

농산물 검역통계를 통해서 채소 모종 수출 현황과 채소 접목묘의 일본 선박 수송 시의 온도 및 상대습도 변화를 분석하여 국내 채소 모종 수출 연구와 정책 수립을 위한 기초자료를 제공하기 위하여 본 연구를 수행하였다. 2007~2016년 사이 수출된 채소 모종은 배추, 양배추 등 엽채류 4종, 토마토, 오이 등 과채류 7종, 근채류 1종으로, 전세계 20여 국가에 46,146,536주(총 1,839건) 수출 되었다. 상업적 목적을 위한 채소 모종의 주요 수출국은 일본이었고, 2016년 기준 일본에 수출된 모종은 주로 과채류 접목묘인 가지, 토마토, 오이, 수박 및 고추 등으로 총 2,575,446주가 수출되었으며, 총 수출 금액으로는 0.7~1.6백만불로 추산된다. 일본으로 수출되는 접목묘는 도시농업용과 농가용으로 구분되고 있으며, 온도 $15{\sim}18^{\circ}C$의 냉장 컨테이너를 이용한 선박 수송은 포장 ${\rightarrow}$ 선적 ${\rightarrow}$ 검역(한국 부산항) ${\rightarrow}$ 검역(일본 시모노세키항) ${\rightarrow}$ 바이어 수령의 과정으로 대략 24시간 내외가 소요되고 있었다. 일본의 도시농업 발달로 인한 채소 모종 수요의 급격한 증가와 러시아 등 인근 국가들의 채소 접목묘에 대해 높아지고 있는 관심과 수요는 우리나라 채소 접목묘 수출 규모를 확대할 수 있는 기회가 될 것이다. 채소 모종 수출을 확대하기 위해서는 본 연구 결과를 기반으로 정확한 채소 모종수출 정보의 수집 및 분석이 이루어질 수 있도록 정부의 적극적인 정책 지원과 수출 전용 모종 생산, 모종 저장 및 수송 관련 기술 개발을 위한 연구가 필요하다.

• 대한지역사회작업치료학회지
• /
• 제10권3호
• /
• pp.1-13
• /
• 2020

목적 : 본 연구는 생활안전 위험의 예방·대응을 위한 대국민 정보시스템 개발에 있어 장애인을 포함한 안전약자들이 서비스가 달성하고자 하는 효익에 도달할 수 있도록 사용자에게 내재된 의사소통능력을 고려하여 개인화한 서비스를 구성하기 위해 안전약자 요구사항을 분석하는 모델을 제시한다. 연구방법 : 본 연구에서는 특정 재난 주제에 대한 대국민 생활안전 예방서비스 시나리오에 대하여, 나이, 장애, 환경, 직업 등 다양한 특성에 대응되는 가상 인물을 선정하고 분석하는 페르소나 분석 방법을 사용하였다. 다음으로 포커스그룹 인터뷰를 통해 의사소통기능 문제와 관련된 대상자들의 요구사항을 파악하였으며, 이는 ICF를 기반으로 분석을 실시한 뒤, 최종적으로 이 요소들을 특징으로 하는 중재 및 촉진방법을 제공하였다. 결과 : 페르소나 분석 방법을 통해 가상인물들이 스마트 폰 등 의사소통장치를 활용하여 재난정보를 수신할 때 발생할 수 있는 어려움을 파악하여 ICF의 의사소통문제와 연계하여 분석하였다. 이를 ICF코드를 기준으로 정리하여 ICF코드의 의사소통문제와 관련된 d300번 대 코드 중 d310 (음성메시지로 의사소통하기-수용), d315 (비언어적 메시지로 의사소통하기-수용), d320 (공식적인 수화메시지로 의사소통하기-수용), d325 (문자메시지로 의사소통하기-수용), d360 (의사소통장치 및 기술 사용하기) 등 총 5개의 코드에서 19가지의 어려움 혹은 장벽 요인을 도출할 수 있었으며, 그에 대한 각각의 중재 및 촉진 방법을 제안하였다. 결론 : 본 연구에서는 생활안전예방을 위한 정보서비스를 구축함에 있어 사용자의 의사소통능력의 개인차를 극복하고 모든 사용자에게 서비스가 목적한 정보를 전달하기 위하여 ICF 분류체계와 페르소나 분석 방법을 활용하여 접근성을 확보한 시스템 사용자 요구사항을 도출하는 모델을 제시하였다. 본 연구에서는 ICF의 분류체계를 이용하여 사용자의 장애나 질병을 포함한 건강상태와 신체 기능, 구조 및 활동과 참여 요소들을 체계적으로 파악하고 개별 사용자들의 의사소통의 수준 및 요구에 따라 적절한 중재방법과 촉진방법을 도출하여 서비스에 반영할 수 있도록 하였다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.497-510
• /
• 2022

농업용 저수지는 수자원이 계절적으로 편중된 한반도에서 갈수기 용수 공급을 위한 필수적인 구조물이다. 효율적인 물 관리를 위해서는 중소규모 저수지에 대한 체계적이고 효과적인 모니터링이 필요하며, 합성개구 레이더(Synthetic Aperture Radar, SAR) 영상은 전천후 관측이 가능하다는 특징과 함께 연속적인 저수지 모니터링을 위한 도구가 된다. 본 연구에서는 10 m급 해상도를 갖는 Sentinel-1 SAR 영상과 1 m급 해상도의 Capella X-SAR 영상을 활용하여 울산광역시 차리, 갈전, 뒷골 저수지의 수체를 탐지하였으며, 이를 통해 국내 중소규모 저수지 모니터링에의 활용성을 평가하고자 하였다. Z fuzzy function 기반 임계값 산정을 통한 영상분할기법과 객체 탐지 기반 분할기법인 Chan-vese (CV) 기법을 통해 수체 영역을 산정하였으며, UAV 영상과의 비교를 통해 성능을 정량적으로 평가하였다. 임계값 기반 탐지 정확도는 Sentinel-1의 경우 약 0.87, 0.89, 0.77 (차리, 갈전, 뒷골), Capella의 경우 약 0.78, 0.72, 0.81로 나타났으며, CV 기법 적용 시 모든 저수지에서 정확도가 향상되는 것을 확인하였다(Sentinel-1: 0.94, 0.89, 0.84, Capella: 0.92, 0.89, 0.93). Capella는 모든 저수지/분할기법에 대해 수체와 비수체의 경계를 비교적 뚜렷하게 모의하였으나, 고해상도로 인한 speckle noise가 충분히 평활화되지 않아 오탐지 및 미탐지가 다소 발생하였다. 오탐지의 제거를 위해 광학 센서 기반 보조자료를 활용하여 마스킹한 결과, 정확도가 최대 13% 향상되는 것을 확인할 수 있었다. 본 연구 결과를 바탕으로 SAR 위성 기반 더욱 정확한 저수지 탐지가 이루어진다면 소규모 저수지를 포함, 종합적인 가용수량에 대한 연속적인 모니터링이 가능할 것이며, 효과적인 수자원 관리에 기여할 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제56권10호
• /
• pp.631-639
• /
• 2023

돌발가뭄(Flash drought, FD)은 기존 가뭄과는 달리 급작스러운 발생이 대표적인 특징으로, 즉각적인 수분 스트레스를 유발하여 생태계에 주요한 영향을 미친다. 보다 효과적인 돌발가뭄의 모니터링을 위해서는 돌발가뭄의 특징과 원인에 대한 보다 종합적인 이해가 필요하다. 이에, 본 연구에서는 Global Land Data Assimilation System (GLDAS) 자료를 사용하여 2012년부터 2022년 사이 한반도 전역에서 발생한 돌발가뭄에 대해 분석하고자 하였다. 스트레스 기반 탐지 기법인 표준 증발 스트레스 비율(Standardized Evaporative Stress Ratio, SESR)의 변화를 바탕으로 돌발가뭄을 탐지하였으며, 발생 빈도와 기간에 대해 분석하였다. 또한, 탐지된 돌발가뭄 사건들을 실제 증발산(Actual Evapotranspiration, AET)과 잠재 증발산(Potential Evapotranspiration, PET)의 변화를 기반으로 세 가지 케이스로 분류하였으며, 각 케이스 별 발생 특성 및 공간 분포에 대해 분석하였다. 그 결과, 돌발가뭄의 발생 빈도와 기간에 지역적인 편차가 있는 것을 확인하였으며, 평균 빈도는 6.4회, 평균 발생 기간은 31일로 나타났다. 일반적인 돌발가뭄인 Case 1, AET의 감소가 주 원인이 되어 발생한 Case 2, PET의 증가에 의해 발생한 Case 3으로 돌발가뭄 사건들을 분류하였을 때, 한반도에서는 Case 1 돌발가뭄이 1,448건으로 가장 많이 발생했으며, Case 2 돌발가뭄이 Case 3 돌발가뭄보다 약 1.5배 더 많이 일어난 것을 확인할 수 있었다. Case 2 돌발가뭄은 수분 제한 조건(water-limited condition)에서 발생하여 AET와 PET가 모두 감소하는 결과로 이어졌으며, Case 3 돌발가뭄은 에너지 제한 조건(energy-limited condition)에서 발생한 이후 AET와 PET가 모두 증가하였다. Case 2 돌발가뭄은 주로 북서부와 중남부에 위치한 농경지에 영향을 주었으며, Case 3 돌발가뭄은 산지에 해당하는 동부에서 집중적으로 발생하였다. 본 연구의 결과들은 기후 요소, 토지피복 및 수분 가용성을 고려한, 돌발가뭄에 대한 이해를 돕고, 보다 효과적인 가뭄 대응 방안 수립에 기여할 수 있다.

• 한국유기농업학회지
• /
• 제32권2호
• /
• pp.247-265
• /
• 2024

본 연구는 두당 사료작물 재배면적을 기준으로 0.1 ha 이상을 순환 농가로, 0.01-0.1 ha 사이는 일부 순환농가로, 0.01 ha 이하는 비순환 농가로 구분하여 유기 가축의 모델 구축을 위해 국내 유기 및 자체인증 한우 사육 12농가를 대상으로 질소 유입량과 배출량을 항목별 로 2022년 4월부터 2023년 3월까지 조사하였으며 순환 유형별 질소 수지를 평가하였다. 순환 유형별 자가생산 사료 급여비율은 순환 유기 한우 농장이 44.4%, 일부 순환농장이 15.0%인 반면 비순환농장에서는 4.2%였다. 퇴비의 자가 농경지 자체순환율은 순환농장 98.8%, 일부 순환농장 63.8%, 비순환농장 26.5% 이였으며, 비순환농장의 외부반출비율은 73.5%로 높았다. 연간 두당 질소 수지는 순환농장에서 42 kg, 일부 순환농장 47 kg, 비순환농장은 55 kg로 순환농장이 비순환농장보다 낮았다. 농경지 1 ha당 연간 잉여 질소량은 순환농장 234 kg, 일부 순환농장 1,161 kg, 비순환농장 5,476 kg로 순환 및 일부 순환농장이 비순환농장보다 매우 낮았다. 질소이용율(NUE)은 순환농장에서 54%, 일부 순환농장 36%, 비순환농장 29% 로 순환농장이 일부 순환 및 비순환농장보다 높았다. 결론적으로 한우 두당 사료작물 재배면적이 높은 순환 유기 한우 농장이 비순환 한우 농장보다 질소 수지에서 잉여 질소가 적고 NUE가 높은 결과를 나타내었다. 유기 한우 사육 농장의 질소 수지를 낮추기 위해서는 사료작물 재배 포장을 확보하여 외부 구입 사료량을 줄이는 동시에 가축분뇨 퇴비의 자가이용 순환율을 높이는 자원순환형 생태 유기농업으로 전환이 필요하며, 이를 통하여 유기 축산 농가가 경제성과 환경 생태적으로 지속 가능한 유기 축산의 실현이 가능할 것이다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.25-52
• /
• 2018

본 연구는 소비자들이 상권에 대하여 수행하는 웹 탐색 활동과 감성평가를 반영하는 데이터인 지역구 연관감성어휘를 기반으로 서울시 내 대형 상업 공간으로 정의할 수 있는 각 지역구 간의 연관 감성 네트워크에 대하여 소셜 네트워크 분석을 수행하였다. 나아가 도출한 소셜 네트워크 지표를 지역구 공공 데이터와 결합하여 보다 다각적 측면을 고려한 지역구 상권의 매출액에 영향을 미치는 요인들을 검증하였고 그 영향력의 변화 또한 확인해 보았다. 정적 데이터로 표현되는 공공 데이터만을 통해 구성된 모형으로도 높은 설명력을 가지는 것을 확인할 수 있었으나, 소셜 네트워크 분석 결과로 도출된 네트워크 지표와 결합된 모형에서는 그 설명력이 더욱 향상된 것이 확인되었다. 공공 데이터에 대한 회귀 분석 결과, 투입된 22개의 요인들 중 '골목 상권 수,' '1인당 거주면적,' '주거환경만족도,' '거래증감률,' '3년 이상 생존율'의 5개의 요인이 지역구 상권 매출액에 유의한 영향을 미치는 것이 확인되었다. 이후 공공 데이터와 네트워크 지표 결합 모형에서 투입된 지표들은 '에고 네트워크의 밀도,' '연결 중심성,' '근접 중심성,' '매개 중심성,' '아이겐벡터 중심성'이며, 이 중 '연결 중심성'과 '아이겐벡터 중심성'이 매출액에 유의한 영향을 미치며 모형 내에서 가장 높은 영향력을 보유한 것이 확인되었다. 본 연구는 각 상권이 소비자가 원하는 감성을 고려한 도시 전략 계획 수립과 이행의 실증적 근거로 활용될 수 있을 것이며, 상권에 진입하거나 재창업하는 자영업자나 잠재 창업자를 바탕으로 지역구 상권이 보유한 감성과 그 관계 구조를 고려한 상권 진입 방향성을 제공할 수 있을 것이다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.