• 대한소아치과학회지
• /
• 제32권2호
• /
• pp.270-277
• /
• 2005

본 연구의 목적은 혼합치열기(Hellman dental age III A)의 II급1류 부정교합과 정상교합 어린이간에 구개용적 및 전방구개경사의 차이가 있는지 알아보기 위하여 3차원 레이저 스캐너를 이용하여 비교, 분석하는 것이었다. 대상은 서울대학교 치과병원에 내원한 골격성 II급1류 부정교합 환자 중 혼합치열기 어린이 31명과 서울시 치과의사회에서 주관한 2000년부터 2004년까지의 건치어린이 선발대회 후보 중 교합양상이 정상이며 안모상 정상범주에 속하는 29명이었으며, 기준에 적합한 60개의 상악모형을 3차원 레이저 스캐너(Breuckmann opto-TOP HE, INUS, Korea)로 스캔한 후 Rapidform 2004 프로그램 (INUS, Korea)을 이용하여 3차원 이미지를 재구성하고 구개용적과 시상분할면 상에서의 전방구개경사를 측정하였다. 얻어진 결과를 95% 신뢰수준에서 independent samples t-test를 이용하여 통계적 유의성을 검정하여 다음과 같은 결과를 얻었다. 1. 혼합치열기의 II급1류 부정교합 어린이는 정상교합 어린이에 비해 평균구개용적이 유의하게 작은 경향을 보였다(p<0.05). 2. 혼합치열기의 II급1류 부정교합과 정상교합 어린이 사이에서 전방구개경사와 구개고경은 유의성 있는 차이를 보이지 않았다(p>0.05). 3. 혼합치열기의 II급1류 부정교합 어린이는 정상교합 어린이에 비해 구개장경이 유의하게 길었다(p<0.01). 4. 혼합치열기의 II급1류 부정교합 어린이는 정상교합 어린이에 비해 견치간 구개폭경(p<0.05)과 대구치간 구개폭경(p<0.01)이 유의하게 좁은 경향을 보였다.

• 한국식품저장유통학회지
• /
• 제20권4호
• /
• pp.554-563
• /
• 2013

유산발효한 인진쑥과 약쑥에 대해 발효전후의 이화학적 특성과 영양성분의 변화를 살펴보았고 SAW(surface acoustic wave) 센서가 장착된 GC를 기반으로 한 전자코를 이용하여 휘발성 향기성분의 패턴을 신속하게 비교분석하였다. 발효후 pH는 6.0~6.4에서 4.6~5.1로 감소하였고 총 가용성고형분 함량은 발효에 따라 약쑥은 감소, 인진쑥은 증가하였다. Hunter's color value를 측정한 결과 명도의 L값과 황색도의 b값은 감소한 반면 적색도의 a값은 발효후 모두 증가하였다. 아미노산의 총량은 발효에 따라 모두 크게 증가하였고 필수아미노산 함량은 인진쑥보다 약쑥에 많았으며 특히 glutamic acid와 aspartic acid의 함량이 가장 높았다. 지방산조성을 GC로 분석한 결과 단일불포화 지방산은 약쑥에, 다가불포화지방산은 인진쑥에 더 많이 함유되어 있었고, 발효후 모두 그 함량이 각각 증가하였다. 총 폴리페놀 함량은 인진쑥이 62.71~69.40 mg/g로 약쑥의 23.64~24.12 mg/g보다 월등히 높았고, 발효전후의 차이는 없었다. 총 당함량은 발효전 1.58~2.70 mg/g 이었으나 발효후 0.34~1.14 mg/g으로 크게 감소하는 특징을 보였다. 쑥의 주요 지표성분중의 하나인 scopoletin을 HPLC로 분석한 결과 약쑥에서는 검출되지 않았고, 인진쑥의 경우 발효전과 발효후 각각 5.36 및 6.24 mg/g으로 나타났다. 주사전자현미경으로 살펴본 발효쑥의 표면미세구조는 쑥의 종류에 따라서는 차이가 뚜렷하지 않았다. 발효후 식물조직이 다소 거칠어지고 부스러진 입자가 생성된 것이 관찰되었으나 전반적으로 발효에 의한 식물세포의 변형은 크지 않았다. 전자코에 의한 향기성분 분석결과 발효후 새로운 향기성분의 생성되거나 발효전의 피크가 크게 증가하는 특징을 보였다. 약쑥은 11개에서 발효후 17개로 증가하였고, 인진쑥은 12개에서 19개로 증가하였다. VaporPrint$^{TM}$로 향기성분의 조합과 함량비를 이미지화된 패턴으로 분석한 결과 약쑥과 인진쑥 원료의 향기는 매우 뚜렷하게 다른 패턴을 지닌 것으로 나타났고, 발효후에는 미세하지만 발효전과 확연히 다른 냄새를 가진 것으로 나타났다.

• 한국전통조경학회지
• /
• 제31권4호
• /
• pp.1-21
• /
• 2013

본 연구는 회화자료의 분석을 통해 조선시대 취병의 특성과 제요소를 고찰한 것으로서 다음과 같은 결과를 도출하였다. 첫째, 조선시대 회화자료 25종에 대한 분석 결과, 취병은 주로 사생활 보호를 위한 차폐시설과 부지의 공간을 분할하는 구획시설로 기능하였으나, 내적으로는 정원에 품격과 아취를 부여하는 소품으로 설치되었다. 특히 취병 주변으로 학, 사슴등의 동물상 및 소나무, 파초, 대나무, 오동나무 등의 식물상과 괴석, 연못, 정자 등의 다양한 정원요소들이 나타났는데, 이것들은 이상적인 문인정원에 구비되어야 하는 일련의 조합으로 파악되었다. 둘째, 취병은 중국 고사(古事) 속 문인문화를 표상하는 관념적인 물상으로 인식되었다. 그러한 이미지는 고스란히 정원문화 속에 투영되었는데, '인물고사도 속 원림'을 모방 재현하는데 있어 취병은 중요한 경물로 사용되어 왔다. 셋째, 형태 기능 측면에서, 조선시대 회화 속에 나타난 취병들은 기본적으로 차폐 및 구획의 기능이 주요하였다. 사람 키를 웃도는 담장이나, 심지어 중국 대문 앞뒤에 설치되는 영벽의 높이까지 솟아 있기도 하여 공간적 필요에 따라 다양한 형태의 취병이 설치되었음을 알 수 있다. 넷째, 취병은 특정한 기능이나 입지상황 때문에 설치된 것보다는 당시 국내에 유행한 명대 문인문화의 유행과 밀접한 관련이 있다. 특히 중국에서 전해진 서원아집도 등에 나타난 취병의 도상은 한양을 중심으로 부유층의 저택에서 재현되었는데, 취병을 통해 부귀와 문인의 기상을 표현하려 했던 초기양식이 궁궐 및 상류층의 주택에서나 조성될 수 있는 고급 정원요소로 전화되었다. 또한 19세기 중엽 이후 취병의 활용은 평민의 주거양식으로 확산되는 이른바 저변화의 양상을 보였으며, 이는 취병이 토착화된 전개로 간주된다.

• 한국지리정보학회지
• /
• 제24권3호
• /
• pp.83-98
• /
• 2021

도시녹지는 도시 생태계 건강성 증진을 위한 중요한 요소이며, 건강한 도시 생태계 유지 및 관리를 위해서는 도시녹지의 공간적인 현황 파악이 필요하다. 환경부에서는 2010년 이후부터 총 41개의 분류 항목을 갖는 1m 급 해상도의 세분류 토지피복지도를 제공해오고 있으나, 가로수와 같은 도시 내 고해상도 상세 녹지 정보는 기타 초지로 분류되거나 누락되어 오고 있다. 따라서, 본 연구에서는 수원시 지역을 대상으로 1m 이하 급의 고해상도 원격탐사 자료(항공 LiDAR 및 RGB 정사영상)를 이용하여, 기존 세분류 토지피복지도에서는 나타나지 않는 고해상도의 상세 도시 녹지(수목, 관목 및 초지) 정보를 분류하고자 하였다. 분류 기법으로는 딥러닝 기반의 이미지 분할방법인 U-Net 구조의 모델을 활용하였으며, 분류 항목의 수 및 사용하는 자료의 종류에 따라 총 3가지의 모델(LRGB10, LRGB5, 및 RGB5)을 제안하고 성능을 평가하였다. 검증 지역에 대한 세 모델의 평균 전체 정확도는 각 83.40%(LRGB10), 89.44%(LRGB5), 74.76%(RGB5)이며, 항공 LiDAR와 RGB 정사영상을 함께 사용하여 총 5개의 항목(수목, 관목, 초지, 건물, 및 그 외)을 분류하는 LRGB5 모델의 성능이 가장 높게 나타났다. 수원시의 수목, 관목 및 초지 기준의 전체 녹지 현황은 각 45.61%(LRGB10), 43.47%(LRGB5), 및 44.22%(RGB5)로 나타났으며, 세 모델 모두 기존 세분류 토지피복지도와 비교하여 평균 13.40%의 도시 수목 정보를 더 제공할 수 있는 것으로 나타났다. 더불어 이러한 도시녹지 분류 결과는 향후 중분류 토지피복지도와 같은 기존 GIS 정보와의 융합을 통해 가로수 녹지 비율 현황 등 추가적인 상세 녹지 현황 정보를 제공할 수 있어, 다양한 도시녹지 연구 및 정책의 기초 자료로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제37권5_3호
• /
• pp.1475-1490
• /
• 2021

SAR 이미지의 통계적 특징을 이용하여 유류오염영역을 특정하는 방법은 분류규칙이 복잡하고 이상값에 의한 영향을 많이 받는다는 한계가 있어, 최근 인공신경망을 기반으로 유류오염영역을 특정하는 연구가 활발히 이루어지고 있다. 하지만, 다양한 유류오염 사례에 대해 모델의 탐지 성능 및 특성을 평가한 연구는 부족하였다. 따라서, 본 연구에서는 기본적인 구조의 CNN인 Simple CNN과 픽셀 단위의 영상 분할이 가능한 U-net을 이용하여, CNN의 구조와, 유류오염의 분포특성에 따른 모델의 탐지성능차이가 존재하는지 분석하였다. 연구결과, 축소경로만 존재하는Simple CNN과 축소경로와 확장경로가 모두 존재하는U-net의 F1 score는 86.24%와 91.44%로 나타나, 두 모델 모두 비교적 높은 탐지 정확도를 보여주었지만, U-net의 탐지성능이 더 높은 것으로 나타났다. 또한 다양한 유류오염 사례에 따른 모델의 성능 비교를 위해, 유류오염의 공간적 분포특성(유류오염 주변의 육지의 분포)과 선명도(유출된 기름과 해수의 경계면이 뚜렷한 정도)를 기준으로, 유류오염 발생사례를 4가지 유형으로 구분하여 탐지 정확도를 평가하였다. Simple CNN은 각각의 유형에 대해 F1 score가 85.71%, 87.43%, 86.50%, 85.86% 로 유형별 최대 편차가 1.71%인 것으로 나타났으며, U-net은 동일한 지표에 대해 89.77%, 92.27%, 92.59%, 92.66%의 F1 score를 보여 최대 편차가 2.90% 로 두 CNN모델 모두 유류오염 분포특성에 따른 수치상 탐지성능의 차이는 크지 않은 것으로 나타났다. 하지만 모든 유류오염 유형에서 Simple CNN은 오염영역을 과대탐지 하는 경향을, U-net은 과소탐지 하는 경향을 보여, 모델의 구조와 유류오염의 유형에 따라 서로 다른 탐지 특성을 가진다는 것을 확인하였고, 이러한 특성은 유류오염과 해수의 경계면이 뚜렷하지 않은 경우 더 두드러지게 나타났다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.