• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.213-213
• /
• 2016

수문조사기기의 검정은 수문조사에 활용할 기기를 일관되고 표준화된 기준으로 검사하여 수문조사에 적합한 기기인지 확인하는 것이다. 이러한 검정은 국가수문자료의 신뢰도를 높이고 유지하는 기본적이고 중요한 업무이다. 검정대상기기는 강수량측정기기, 유속측정기기, 수위측정기기, 부유사측정기기, 토양수분측정기기, 증발산량측정기기로 총 6가지이며, 2009년부터 국토교통부 위탁사업으로 한국건설기술연구원(유량조사사업단)에서 수행하고 있다. 특히 유량조사사업단에서는 유속측정기기를 제외한 나머지 5개 수문조사기기에 대해 검정을 수행하고 있다. 연도별로 2009년부터 2015년까지 98대, 334대, 572대, 539대, 359대, 682대, 690대로 총 3,274대를 검정하였고, 관측기종별로 강수량 1,579대, 수위 1,589대 부유사 23대, 토양수분 33대, 증발산량 50대이다. 신청기관별로는 국토교통부(홍수통제소) 1,847대, 환경부(국립환경과학원) 4대, 한국건설기술연구원(유량조사사업단 포함) 81대, K-water 338대, 한국수력원자력(주) 91대, 일반업체 913대에 대한 검정을 실시하였다. 검정을 실시한 강수량측정기기 1,579대 중 보정없이 합격된 기기는 1,495대, 허용오차기준에 미달되어 보정 실시 후 합격한 기기는 76대이며, 불합격 처리된 기기는 8대이다. 수위측정기기는 합격이 1,586대, 기준에 미달되어 불합격된 기기가 2대로 나타났다. 강수량측정기기의 각 연도대비 통계분석 결과 보정률은 2009년 97대 중 8대(8.2%), 2010년 194대 중 3대(1.5%), 2011년 180대 중 24대(13.3%), 2012년 175대 중 17대(9.7%), 2013년 165대 중 15대(9.1%), 2014년 547대 중 8대(1.5%), 2015년 221대 중 9대(4.1%)로 다소 낮은 수치로 나타났다. 이처럼 보정률이 낮게 나타난 이유는 관할기관의 검정을 위한 유지관리 및 사업자의 사전검사 등을 통해 감소한 것으로 판단되며, 이와 같은 결과는 수문자료의 품질 및 신뢰도 향상으로 이어졌다. 그러나 여전히 선진국에 비해 수문조사기기 검정의 중요성에 대한 인프라 구축이 미흡한 실정이다. 수문조사기기 검정의 선진국이라 할 수 있는 미국의 경우 USGS에서 HIF(Hydrogical Istrumentation Facility)라는 별도 조직을 운영하여 관측기기의 렌탈, 수리, 교정 및 검정, 개발, 교육 등 이러한 작업을 일괄 수행하고 있고 조직 내 자체 시설로 수중펌프 시험소, 자연과 유사한 환경에서 테스트 하는 장소, 대형온도챔버 등을 갖추고 있으며, 이러한 시설을 이용하여 기기의 교정 및 검정, 연구 등을 현장과 비슷한 환경에서 다양한 실험을 통해 검정방법을 비교, 분석하는 것을 볼 수 있다. 현재 우리나라의 수문조사기기는 다양한 방법으로 현장에 설치되어 검정방법의 다양성이 요구된다. 향후 우리나라도 HIF와 같이 다양하고 선진화된 시설과 기술을 개선하고 다각적인 시험 과정을 통해 수준 높은 검정방법체계를 갖추려는 노력이 필요하다.

• 한국콘텐츠학회논문지
• /
• 제18권12호
• /
• pp.332-342
• /
• 2018

본 논문은 창의 지식기반산업 중에 중추적 역할을 담당하는 IOT분야와 디자인분야가 집약된 감성조명콘텐츠 기반의 LED 캠핑등을 디자인하기 위한 기술적인 선택과 구현과정에 대한 정보를 제시하는데 목적이 있다. 휴대형 LED 캠핑등인 'i-Light'는 사람과 공간 그리고 감성을 서로 연결하는 '커넥티드 조명'으로 IOT와 감성조명콘텐츠 기반의 스마트한 캠핑조명제품이다. 'i-Light'는 자연스러운 색상 색온도 조절이 가능한 조명기능과 유해가스를 감지하는 안전기능이 있고, 빛의 교감과 풍미를 경험할 수 있는 다양한 감성기능이 있다. 이를 위해 먼저, 휴대형 LED 캠핑등을 제품디자인하였고 고연색성/풀컬러 조명모듈과 스마트 센서모듈, 그리고 IOT 디바이스 플랫폼 개발하였다. 또한, 감성조명콘텐츠의 상세데이터를 구축하여 이를 바탕으로 한 Web 어플리케이션을 개발하였다. 최종적으로 휴대형 LED 캠프등의 프로토타입을 만들어 관련기관에 테스트 벤치와 사용성 평가를 받았다. 개발된 감성 조명콘텐츠 12종과 IOT 안전센서 3종은 모두 적합 판정과 만족스러운 시제품이 나왔다는 결과를 받았다. 향후 인공지능과 빅 데이터가 상호연동하는 콘텐츠와 제품개발에 있어서 실질적인 기술적인 선택과 구현과정에 대한 방향을 제시해줄 수 있을 것이다.

• 한국산학기술학회논문지
• /
• 제21권12호
• /
• pp.1-9
• /
• 2020

반려견을 키우는 가구 수가 급격하게 증가함에 따라 유기, 유실견도 많이 증가하고 있다. 국내에서는 2014년부터 반려동물 등록제를 시행하고 있지만, 안전성과 실효성 문제로 등록률이 높지 않은 실정이다. 이러한 문제를 해결할 방법으로 반려견 생체인식 기술이 주목을 받고 있다. 생체인식률을 높이기 위해서는 최대한 정면에서 같은 형태로 생체정보 이미지를 수집해야 한다. 하지만 반려견은 사람과 달리 비협조적이기 때문에 생체정보 이미지 수집이 어렵다. 본 논문에서는 반려견 생체인식에 적합한 생체정보 이미지 수집을 위해 실시간 영상에서 반려견 얼굴 방향이 정면인지를 판별하는 방법을 제안한다. 제안 방법은 딥러닝을 활용하여 반려견 눈과 코를 검출하고, 검출된 눈과 코의 상대적 크기와 위치를 통해 5가지의 얼굴 방향 정보를 추출하여 기계학습 분류기로 정면 여부를 판별한다. 2,000개의 반려견 이미지를 분류하여 학습, 검증 및 테스트에 사용하였다. 눈과 코 검출에는 YOLOv3와 YOLOv4를 사용하였고, 분류기는 MLP(Multi-layer Perceptron), RF(Random Forest), SVM(Support Vector Machine)을 사용하였다. YOLOv4와 RF 분류기를 사용하고 제안하는 5가지 얼굴 방향 정보 모두를 적용하였을 때 얼굴 정면 판별 성능이 95.25%로 가장 좋았으며, 실시간 처리도 가능한 것으로 나타났다.

• 대한토목학회논문집
• /
• 제42권5호
• /
• pp.741-749
• /
• 2022

달 영구음영지역에 얼음 형태의 물이 발견되면서 주요 우주국들은 로버 중심의 현장 탐사를 준비 중이다. 달 영구음영지역은 극지역 크레이터의 중심부로 태양광이 직접 도달하지 않지만, 크레이터 벽면으로부터 반사되는 태양광으로 인해 일정 수준의 저조도 환경이 유지되는 것으로 예상된다. 본 연구에서는 달 영구음영지역의 조도와 지형환경을 모사한 실내 테스트베드를 구축하여 모의 지형영상을 촬영하였다. 모의 영상을 대상으로 저조도 영상강화 기법(CLAHE, Dehaze, RetinexNet, GLADNet)을 적용하여 밝기값과 색상복원 효과를 분석하였고, 특징점 추출 및 정합 기법(SIFT, SURF, ORB, AKAZE)의 성능 향상을 분석하였다. 실험 결과 GLADNet과 Dehaze 영상 순으로 저조도 환경에 강인한 시인성 개선 효과를 보여주었다. 반면 특징점 검출 및 정합 기법은 Dehaze와 GLADNet 영상 순으로 성능이 향상됨을 확인하였고, 특히 ORB와 AKAZE의 성능이 크게 개선되었다. 달 탐사에서 로버 탑재 카메라는 3차원 지형정보구축과 지질학적 조사에 활용된다. 따라서 GLADNet은 토양 성분과 암석 종류 판별에 유용하고, Dehaze는 로버의 주행과 함께 3차원 지형정보 구축에 적합할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.793-810
• /
• 2022

실시간 범람 모니터링을 위해 인공위성 SAR영상을 활용하는 수체탐지에 대한 필요성이 대두되었다. 주야와 기상에 상관없이 주기적으로 촬영 가능한 인공위성 SAR 영상은 육지와 물의 영상학적 특징이 달라 수체탐지에 적합하나, 스페클 노이즈와 영상별 상이한 밝기 값 등의 한계를 내포하여 다양한 시기에 촬영된 영상에 일괄적으로 적용 가능한 수체탐지 알고리즘 개발이 쉽지 않다. 이를 위해 본 연구에서는 Convolutional Neural Networks (CNN)기반 모델인 U-Net 아키텍처에 레이어의 조합인 모듈을 추가하여 별도의 전처리 없이 수체탐지의 정확도 향상 방법을 제시하였다. 풀링 레이어의 조합을 활용하여 형태학적 연산처리 효과를 제공하는 Morphology Module과 전통적인 경계탐지 알고리즘의 가중치를 대입한 컨볼루션 레이어를 사용하여 경계 학습을 강화시키는 Edge-enhanced Module의 다양한 버전을 테스트하여, 최적의 모듈 구성을 도출하였다. 최적의 모듈 버전으로 판단된 min-pooling과 max-pooling이 연속으로 이어진 레이어와 min-pooling로 구성된 Morphology 모듈과 샤를(Scharr) 필터를 적용한 Edge-enhanced 모듈의 산출물을 U-Net 모델의 conv 9에 입력자료로 추가하였을 때, 정량적으로 9.81%의 F1-score 향상을 보여주었으며, 기존의 U-Net 모델이 탐지하지 못한 작은 수체와 경계선을 보다 세밀하게 탐지할 수 있는 성능을 정성적 평가를 통해 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권2호
• /
• pp.15-26
• /
• 2021

최근 클라우드, 모바일, IoT의 도입이 활성화되면서 방화벽이나 NAC(Network Access Control) 등의 고정 경계(Fixed Perimeter) 기반의 기존 보안 솔루션들의 한계를 보완할 수 있는 기술 개발의 필요성이 커지고 있다. 이에 대응하여 새로운 기반 기술로써 최근 등장한 것이 SDP(Software Defined Perimeter) 이다. 이 기술은 기존 보안 기술들과 달리 보호 대상 자원(서버, IoT 게이트웨이 등)의 위치에 상관없이 보안 경계를 유연하게 설정(Gateway S/W를 설치)하여, 날로 다양화·고도화되고 있는 네트워크 기반 해킹 공격을 대부분 무력화할 수 있으며 특히, Cloud 및 IoT 분야에 적합한 보안 기술로 부각 되고 있다. 본 연구에서는 SDP와 해시 트리 기반의 대규모 데이터 고속 서명 기술을 결합하여 새로운 접근제어시스템을 제안하였다. 대규모 데이터 고속 서명 기술에 의한 프로세스 인증기능을 통해 엔드포인트에 침입한 미지의 멀웨어들의 위협을 사전에 차단하고, 주요 데이터의 백업, 복구과정에서 유저 레벨의 공격이 불가능한 커널 레벨의 보안 기술을 구현하였고 그 결과 SDP의 취약 부분인 엔드포인트 보안을 강화하였다. 제안된 시스템을 시제품으로 개발하고 공인시험기관의 테스트(TTA V&V Test)로 성능시험을 완료하였다. SDP 기반 접근제어 솔루션은 스마트 자동차 보안 등에서도 활용될 수 있는 향후 잠재력이 매우 높은 기술이다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.411-417
• /
• 2024

재해 발생 시 주요 IT 인프라 중단을 최소화하고 연속적인 비즈니스 서비스를 제공하기 위한 재해복구 계획 및 재해복구시스템의 구축은 반드시 필요하다. 재해복구시스템 구축과정에서 데이터 복제는 재해 발생 시 중단 없는 연속적인 비즈니스 서비스 제공을 위한 데이터 복구의 핵심요소로 데이터 복제방식은 시스템 구성환경과 재해복구 목표수준에 따라 결정할 수 있다. 본 논문에서는 재해복구시스템 구축에서 구성환경과 재해복구 목표수준에 적합한 데이터 복제방식 결정 방안에 대해 제시한다. 또한 복제방식 결정 절차를 적용하여 재해복구시스템을 구축하고 구축 결과를 분석한다. 재해복구시스템 구축 후 재해 상황에서 재해복구센터로 서비스가 전환, 정상적인 서비스가 진행되는지를 판단하기 위한 모의 테스트를 진행하고 결과를 분석하였다. 그 결과 재해복구시스템 구축 단계에서는 체계적으로 최적의 데이터 복제방식의 선정이 가능했다. 구축된 재해복구시스템은 연속적인 비즈니스 서비스 제공을 위해 재해복구센터로 서비스 전환되는 시간 RTO는 3.7시간으로, Tier 2였던 재해복구 수준이 목표수준 RTO 4시간 이내, RPO=0으로 개선되었다.

• 공업화학
• /
• 제35권3호
• /
• pp.214-221
• /
• 2024

PEEK는 우수한 열안정성, 내화학성 및 높은 기계적 강도를 가져 분리막에서 많이 이용된다. 하지만 높은 용융온도로 인해 성형이 어렵고 적합한 용매를 찾기 어렵다는 단점을 지닌다. 따라서 본 연구에서는 기계적 강도와 화학적 안정성이 우수한 분리막을 제조하기 위하여 폴리에테르에테르케톤(polyether ether ketone, PEEK)과 벤조페논(diphenyl ketone, DPK)을 희석제로 사용하여 분리막을 제조하였다. 분리막은 PEEK의 단점을 보완하기 위해 열 유도 상분리법(thermally induced phase separation, TIPS)을 이용하여 분리막을 제조하였으며 이후 특성평가를 진행하였다. 먼저 분리막 제조 조건을 알아보기 위하여 고분자 함량에 따른 결정화 온도, cloud point를 이용하여 상평형도 작도를 하여 최적의 분리막 제조 조건을 확인하였다. 이후 전자주사현미경(scanning electron microscopy, SEM)을 통하여 고분자와 희석제의 함량에 따른 분리막의 모폴로지 변화를 확인하였고, 고분자 함량이 증가할수록 분리막의 두께가 증가하는 경향을 확인하였다. 분리막으로서 성능을 평가하기 위해 인장 강도와 DI-water 투과도 테스트를 진행하였다. 앞선 특성 평가를 통해 PEEK를 사용한 분리막의 우수한 기계적 강도와 투과성능을 확인하였다.

• 기술혁신연구
• /
• 제26권3호
• /
• pp.37-68
• /
• 2018

본 논문에서는 차량용 반도체가 제품 출하 후 사용 환경에 따라 발생되는 불량률을 데이터 마이닝 기법을 이용하여 분석하였다. 20세기 이후 가장 보편적인 이동수단인 자동차는 전자 컨트롤 장치와 자동차용 반도체의 사용량이 급격히 증가하면서 매우 빠른 속도로 진화하고 있다. 자동차용 반도체는 차량용 전자 컨트롤 장치 중 핵심 부품으로 소비자들에게 안정성, 연료 사용의 효율성, 운전의 안정감을 제공하기 위해 사용되고 있다. 자동차용 반도체는 가솔린엔진, 디젤 엔진, 전기 모터를 컨트롤하는 기술, 헤드업 디스플레이, 차선 유지 시스템 등 많은 부분에 적용되고 있다. 이와 같이 반도체는 자동차를 구성하는 거의 모든 전자 컨트롤 장치에 적용되고 있으며 기계적인 장치를 단순히 조합한 이상의 효과를 만들어 내고 있다. 자동차용 반도체는 10년 이상의 자동차 사용 기간을 고려하여 높은 신뢰성, 내구성, 장기공급 등의 특성을 요구하고 있다. 자동차용 반도체의 신뢰성은 자동차의 안전성과 직접적으로 연결되기 때문이다. 반도체업계에서는 JEDEC과 AEC 등의 산업 표준 규격을 이용하여 자동차용 반도체의 신뢰성을 평가하고 있다. 또한 자동차 산업에서 표준으로 제시한 신뢰성 실험 방법과 그 결과를 이용하여 개발 초기 단계 및 제품 양산 초기단계에서 제품의 수명을 예측 하고 있다. 하지만 고객의 다양한 사용 조건 및 사용 시간 등 여러 변수들에 의해 발생되는 불량률을 예측하는 데는 한계가 있다. 이러한 한계점을 극복하기 위하여 학계와 산업계에서 많은 연구가 있어왔다. 그 중 데이터 마이닝 기법을 이용한 연구가 다수의 반도체 분야에서 진행되고 있지만, 아직 자동차용 반도체에 대한 적용 및 연구는 미비한 상태이다. 이러한 관점에서 본 연구는 데이터 마이닝 기법을 이용하여 반도체 조립(Assembly)과 패키지 테스트(Package test) 공정 중 발생 된 데이터들간의 연관성을 규명하고, 고객 불량 데이터를 이용하여 잠재 불량률 예측에 적합한 데이터 마이닝 기법을 검증하였다.

• 대한토목학회논문집
• /
• 제40권3호
• /
• pp.273-283
• /
• 2020

기후변화의 영향으로 국지성 및 집중호우에 대한 발생 가능성이 높아지는 시점에서 과거에 침수피해를 입은 도시 유역에 대하여 실제 호우에 대한 침수 양상을 예측하는 것은 중요하다. 이에 수치해석 기반 프로그램과 함께 기계학습을 이용한 홍수 분석에 대한 연구가 증가하고 있다. 본 연구에서 적용한 LSTM 신경망은 일련의 자료를 분석하는데 유용하지만, 딥 러닝을 수행하기 위하여 충분한 양의 자료를 필요로 한다. 그러나 단일 도시유역에 홍수를 일으킬 강우가 매년 일어나지 않기에 많은 홍수 자료를 수집하기에는 어려움이 있다. 이에 본 연구에서는 대상 유역에서 관측되는 강우 외에 전국 단위의 실제 호우를 예측 모형에 반영하였다. LSTM (Long Short-Term Memory) 신경망은 강우에 대한 총 월류량을 예측하기 위하여 사용되었으며, 목표값으로 SWMM (Storm Water Management Model)의 유출 모의 결과를 사용하였다. 침수 범위 예측을 위해서는 로지스틱 회귀를 사용하였으며, 로지스틱 회귀 모형의 독립 변수는 총 월류량이며 종속 변수는 격자 별 침수 발생 유무이다. 침수 범위 자료는 SWMM의 유출 결과를 바탕으로 수행된 2차원 침수해석 모의 결과를 통해 수집하였다. LSTM의 매개변수 조건에 따라 총 월류량 예측 결과를 비교하였다. 매개변수 설정에 따른 4가지의 LSTM 모형을 사용하였는데, 검증과 테스트 단계에 대한 평균 RMSE (Root Mean Square Error)는 1.4279 ㎥/s, 1.0079 ㎥/s으로 산정되었다. 최소 RMSE는 검증과 테스트에 대하여 각각 1.1656 ㎥/s, 0.8797㎥/s 으로 산정되었으며, SWMM모의 결과를 적절히 재현할 수 있음을 확인하였다. LSTM 신경망의 결과와 로지스틱 회귀를 연계하여 침수 범위 예측을 수행하였으며, 침수심 0.5m 이상을 고려하였을 때에 최대 침수면적 적합도가 97.33 %으로 나타났다. 본 연구에서 제시된 방법론은 딥 러닝에 기반하여 도시 홍수 대응능력을 향상 시키는데 도움이 될 것으로 판단된다.