• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.195-198
• /
• 2011

석유 및 천연가스 생산에 사용되는 고정식 해양플랜트에는 자켓 구조물이 가장 많이 사용되고 있다. 생산에 사용되는 자켓 구조물은 풍하중이나 파랑하중에 의해 인명의 피해 없이 변위 및 응력에 대해 안전해야 한다. 그러나 1940년대 후반부터 사용되어 온 자켓 구조물은 피로하중, 노후화로 인해 내구성에 문제가 생기고 있다. 본 논문에서는 자켓 구조물의 안전성을 검토하기 위해 모드형상을 이용하여 자켓 구조물의 손상 위치를 탐색하는 방법을 제시한다. 제시한 손상탐지기법의 효용성을 입증하기 위해 자켓 구조물의 유한요소모델에 임의의 손상을 모사하였다. 유한요소모델의 손상 전 모드형상과 손상 후 모드형상의 모달 변형에너지의 변화를 이용하여 손상 지수를 유도하고 유도한 손상지수를 사용하여 손상이 있는 부재와 손상이 없는 부재를 분류하였다. 연구 결과 손상지수가 '0'인 부재를 제외한 나머지 부재 모두 본 연구에서 제시한 손상탐지기법으로 손상 부재를 판별할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.258-260
• /
• 2015

특수목적 기계 등에 사용되는 시스템은 재난환경에서 환경인지 및 인명탐지, 가시성 확보를 위한 다양한 센서 Network, 목적에 맞는 Actuator 구동기능, 영상신호를 포함한 정보수집/전달과 그에 상응하는 제어 기능을 커버하는 플랫폼 기술이 중요하며, 이 목적을 위해 유무선 조합구성으로 통신의 신뢰성을 높이고, 다양한 센서 네트워크를 구비한 독립모듈 운영을 통해 보다 광범위한 장소를 탐색 정보를 제공하고, 이러한 정보를 이용하여 특수목적용도를 높일 수 있는 특수목적 기계용 제어기 Platform 전반에 관한 연구이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.33-36
• /
• 2010

소프트웨어가 대형화되고 복잡해짐에 따라 발생하는 오류가 증가되고 있다. 안전성이 특히 중요시되는 안전필수(safety-critical) 내장형 시스템에서 오류가 발생하면 인명상의 피해 또는 재산상의 피해를 야기한다. 개발 후, 테스팅을 통해 이런 오류를 찾는 비용은 매우 크고, 모든 오류를 찾는 것은 불가능하다고 인식되고 있다. 따라서 소프트웨어 개발단계에서 이런 오류를 탐지하고 제거하려는 노력이 증대되고 있다. 본 논문에서는 SPARK Ada를 사용하여 안전필수 내장형 시스템을 개발할 때, 오류를 제거할 수 있는 흐름분석(flow analysis) 기법을 사용하여 특정한 타입의 오류를 제거할 수 있음을 보인다. 또한 이를 적용하여 안전필수 시스템을 개발한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.17-20
• /
• 2021

본 연구는 인원 계수에 딥러닝 알고리즘을 적용한다. 인원 계수는 안전 관리 분야, 상업 분야에 적용될 수 있다. 예를 들어, 건물 내 화재 발생 시, 계수된 인원을 활용하여 인명 피해를 최소화할 수 있다. 다른 예로, 유동인구 데이터를 기반으로 상권을 분석하여 경제적 효율성을 극대화할 수 있다. 이처럼 인원 데이터의 중요성이 증가함에 따라 인원 계수 연구도 활발하다. 그 예로, 객체 탐지(Object Detection) 같은 딥러닝 기반 인원 계수, 센서 기반 인원 계수 등이 있다. 본 연구에선 딥러닝 알고리즘인 VGGNet을 사용하여 인원을 계수했다. 결과로 Mean Absolute Percentage Error(이하 MAPE)는 약 5.9%의 오차율을 보였다. 결과 확인 방법으로는 설명 가능한 인공지능(XAI) 알고리즘 중 하나인 Grad-CAM을 적용했다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.416-421
• /
• 2021

In case of the road slips due to heavy snow and the temperature drops below 0 degrees, black ice which mainly occurs on the road, bridges for vehicles, and tunnel entrances, is not recognized by the driver's view because the image of the asphalt is transmitted through it. So cars' slip situation occurs, which leads to a big traffic accident and a large amount of loss of life and property. This study proposes a method to check the road condition using an infrared camera and to identify black ice through deep learning.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.81-81
• /
• 2022

서북태평양은 전세계적으로 태풍이 가장 많이 발생하는 해양 지역 중 하나이다. 태풍이 몰고 온 강풍과 폭우, 폭풍해일 등은 우리 사회경제와 환태평양 국가의 신변안전에 심각한 위협이 되고 있다.특히 내륙으로 진입하는 수백킬로의 영향을 미치는 만큼 넓은 지역에 걸쳐 강우량이 발생하고, 집중강수 기간이 짧아 산사태 등 자연재해로 많은 인명피해가 발생한다. 이러한 피해를 줄이기 위해서는 태풍의 활동특성을 잘 파악하고 태풍에 의한 강수량 예측 연구가 재해예방과 재난저감을 위해 필요하다. 그러나 현재기술에서 태풍이 몰고 온 강수의 정확한 양적 예측은 여전히 어려운 문제이며, 해결해야 할 큰 도전과제이다. 본 연구에서는 태풍별 강수량 상관관계를 분석하고, 서북태평양의 역사적 태풍의 궤도와 강도를 고려해 태풍으로 인한 강수량을 예측하는 통계적 방법을 적용한 결과를 제시하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.426-428
• /
• 2022

화재 상황에서의 빠른 현장 파악은 인명피해를 줄이는데 중요한 요소이다. 기존 연구의 화재와 관련된 데이터셋들은 대부분 불과 연기를 라벨링하여 화재의 예방에 초점을 두고 있다. 본 연구에서는 화재 상황에서 사람과 소방관, 연기, 불을 탐지하는 Object detection 모델을 만들어 현장 파악에 더욱 도움을 주고자 하였다. 이를 위해 화재 상황 이미지 약 3000장을 수집하고 라벨링하여 데이터셋을 구성하였으며 이를 이용해 객체 검출 모델인 RetinaNet을 학습하였다. 또한, 화재 상황에서 Object Detection 모델의 성능을 향상시키기 위해 기존 모델인 RetinaNet에 Dehazing(FFA-Net), Smoke augmentation, semi-supervised(ISD) 방법을 적용하였고, semi-supervised 조건에서 mAP 63.7로 가장 높은 성능을 도출하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.740-742
• /
• 2023

객체 인식 연구에 있어서 딥러닝 기반의 사람 인식에 있어서 많은 연구들이 공개되고 있다. 특히 화재사고에 있어서 연기로 인해 가시성이 떨어져 인명구조에 어려움이 발생한다. 이에 열화상 카메라와 딥러닝을 통해 사람을 인식하는 기술이 연구되고 있다. 기존 연구에서는 열화상 카메라와 YOLO 딥러닝을 통해 사람을 인식하는데 95%의 성능을 보였지만, YOLO는 그리드 셀에서 하나의 분류만하기 때문에 물체에 가려진 사람을 판별하는데 정확도가 낮았다. 본 논문에서는 이와 같은 한계를 극복하기 위해 기존 Faster R-CNN 알고리즘을 사용한다. 신체부위 Guided Attention mechanism을 사용하여 가중치를 준 Feature Map을 RPN에 적용시켜 학습모델을 구현한다면 더 높은 정확도를 얻을 수 있다. 향후 본 논문에서 제안하는 기법은 많은 실험과 다양한 데이터 셋을 통해 실질적인 검증을 할 예정이다.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.28 no.spc
• /
• pp.1-10
• /
• 2022

As the volume of marine hazardous and noxious substances (HNSs) transported in domestic and overseas seas increases, the risk of HNS spill accidents is gradually increasing. HNS leaked into the sea causes destruction of marine ecosystems, pollution of the marine environment, and human casualties. Secondary accidents accompanied by fire and explosion are possible. Therefore, various types of HNSs must be rapidly detected, and a control strategy suitable for the characteristics of each substance must be established. In this study, the ground HNS spill experiment process and application result of detection algorithms were presented based on hyperspectral remote sensing. For this, styrene was spilled in an outdoor pool in Brest, France, and simultaneous observation was performed through a hyperspectral sensor. Pure styrene and seawater spectra were extracted by applying principal component analysis (PCA) and the N-Findr method. In addition, pixels in hyperspectral image were classified with styrene and seawater by applying spectral matching techniques such as spectral distance similarity (SDS), spectral correlation similarity (SCS), spectral similarity value (SSV), and spectral angle mapper (SAM). As a result, the SDS and SSV techniques showed good styrene detection results, and the total extent of styrene was estimated to be approximately 1.03 m². The study is expected to play a major role in marine HNS monitoring.

• Journal of Aerospace System Engineering
• /
• v.17 no.4
• /
• pp.67-74
• /
• 2023

Recently, Urban Aircraft Mobility (UAM) has been attracting attention as a transportation system of the future, and small drones also play a role in various industries. The failure of various types of aviation systems can lead to crashes, which can result in significant property damage or loss of life. In the defense industry, where aviation systems are widely used, the failure of aviation systems can lead to mission failure. Therefore, this study proposes an anomaly detection model using deep learning technology to detect anomalies in aviation systems to improve the reliability of development and production, and prevent accidents during operation. As training and evaluating data sets, current data from aviation systems in an extremely low-temperature environment was utilized, and a deep learning network was implemented using the convolutional neural network, which is a deep learning technique that is commonly used for image recognition. In an extremely low-temperature environment, various types of failure occurred in the system's internal sensors and components, and singular points in current data were observed. As a result of training and evaluating the model using current data in the case of system failure and normal, it was confirmed that the abnormality was detected with a recall of 98 % or more.