• 한국정보통신학회논문지
• /
• 제26권9호
• /
• pp.1266-1271
• /
• 2022

반려동물 중 반려묘의 비중이 2012년 이후 연평균 25.4%의 증가율을 보이며 증가하는 추세이다. 고양이는 강아지에 비해 야생성이 강하게 남아있기 때문에 질병이 생기면 잘 숨기는 특성이 있다. 보호자가 반려묘가 질병이 있음을 알게 되었을 때는 병이 이미 악화되어진 상태일 수 있다. 반려묘의 식욕부진(식사회피), 구토, 설사, 다음, 다뇨 등과 같은 현상은 당뇨, 갑상선기능항진증, 신부전증, 범백혈구감소증 등 고양이 질병 시 나타나는 증상 중 일부이다. 반려묘의 다뇨(소변 양이 많음), 다음(물 많이 마심), 빈뇨(소변을 자주 봄) 현상을 보호자가 보다 빨리 알아차릴 수 있다면 반려묘의 질병 치료에 크게 도움이 될 것이다. 본 논문에서는 인공지능 디바이스에서 작동하는 1) 자세 예측 DeepLabCut의 Efficient 버전, 2) 객체 검출 YOLO v4, 3) 행동 예측 LSTM 4) 객체 추적은 BoT-SORT를 사용한다. 인공지능 기술을 이용하여 홈 CCTV의 영상에서 반려묘의 행동 패턴 분석과 물그릇의 무게 센서를 통해 반려묘의 다음, 다뇨 및 빈뇨를 예측한다. 그리고, 반려묘 행동 패턴 분석을 통해, 질병 예측 및 이상행동 결과를 보호자에게 리포트 하는, 메인 서버시스템과 보호자의 모바일로 전달하는 애플리케이션을 제안한다.

• 한국방사선학회논문지
• /
• 제16권4호
• /
• pp.453-462
• /
• 2022

본 논문에서는 의료 영상 분석 분야에서 이용되고 있는 AI(Artificial Intelligence)기술을 문헌 검토를 통해 분석하였다. 문헌 검색은 중심어(keyword)를 사용하여 PubMed, ResearchGate, Google 및 Cochrane Review의 문헌 검색을 수행했다. 문헌 검색을 통해 114개의 초록을 검색하였고 그 중 16개의 중복된 것을 제외하고 98개의 초록을 검토했다. 검토된 문헌에서 AI가 응용되고 있는 분야는 분류(Classification), 국소화(Localization), 질병의 탐지(Detection), 질병의 분할(Segmentation), 합성 영상의 적합도(Fit degree) 등으로 나타났다. 기계학습(ML: Machine Learning)을 위한 모델은 특징 추출을 한 후 신경망의 네트워크에 특징 값을 입력하는 방식은 지양되는 것으로 나타났다. 그 대신에 신경망의 은닉층을 여러 개로 하는 심층학습(DL: Deep Learning) 방식으로 변화되고 있는 것으로 나타났다. 그 이유는 컴퓨터의 메모리 량의 증가와 계산속도의 향상, 빅 데이터의 구축 등으로 특징 추출을 DL 과정에서 처리하는 것으로 사료된다. AI를 이용한 의료영상의 분석을 의료에 적용하기 위해서는 의사의 역할이 중요하다. 의사는 AI 알고리즘의 예측을 해석하고 분석할 수 있어야 한다. 이러한 이해를 위해서는 현재 의사를 위한 추가 의학 교육 및 전문성 개발과 의대에 재학 중인 학습자를 위한 개정된 커리큘럼이 필요해 보인다.

• 지구물리와물리탐사
• /
• 제25권3호
• /
• pp.120-128
• /
• 2022

국내에는 17,000여개의 저수지가 존재하며, 이중 85% 이상은 50년 이상 경과된 노후 저수지이다. 이들 저수지는 내부침식 및 세굴 현상에 의한 누수와, 그에 따른 붕괴의 위험에 직면하고 있다. 이들 저수지 및 댐의 붕괴를 방지하기 위해서는 누수를 조기에 파악하고 대비하는 것이 중요하다. 전기비저항 탐사는 저수지의 전반적인 상태 파악은 물론 누수의 발달여부 탐지가 가능한 비파괴, 실시간, 현장조사법이다. 이러한 장점 때문에 전기비저항 탐사법은 저수지 안전진단에 널리 사용되고 있다. 그러나 전기비저항 탐사법은 저수지의 안전도에 대한 정량적인 지수를 제공하지 못해 공식적으로 저수지 정밀 안전진단의 상태평가 항목에 포함되어 있지 못하다. 이 연구에서는 전기비저항 탐사와 유도분극 탐사를 통하여 계산된 수분함량에 근거한 정량적 누수지수 산출법을 제시하였다. 특히 일회성 탐사와 모니터링에 의한 정량적 누수지수 산출법을 개발하여 전기비저항 탐사와 유도분극 탐사가 향후 저수지 정밀 안전진단의 상태평가 항목으로 진입할 수 있는 이론적 기반을 제시하였다.

• 한국시뮬레이션학회논문지
• /
• 제32권3호
• /
• pp.43-53
• /
• 2023

본 연구는 실내 상업적 공간, 특히 카페에서 보안 카메라를 이용해 방문자 수와 위치를 실시간으로 파악하고, 이를 통해 사용 가능한 좌석 정보와 혼잡도 예측을 제공하는 시스템의 개발을 목표로 한다. 우리는 실시간 객체 탐지 및 추적 알고리즘인 YOLO를 활용하여 방문자 수와 위치를 실시간으로 파악하며, 이 정보를 카페 실내 지도에 업데이트하여 카페 방문자가 사용 가능한 좌석을 확인할 수 있도록 한다. 또한, 우리는 vanishing gradient문제를 해결한 장단기 메모리(Long Short Term Memory, LSTM)와 시간적인 관계를 가지는 데이터를 처리하는데 유용한 시퀀스-투-시퀀스(Sequence-to-Sequence, Seq2Seq)기법을 활용해 다양한 시간 간격에 따른 방문자 수와 움직임 패턴을 학습하고, 이를 바탕으로 카페의 혼잡도를 실시간으로 예측하는 시스템을 개발하였다. 이 시스템은 카페의 관리자와 이용자 모두에게 예상 혼잡도를 제공함으로써, 카페의 운영 효율성을 향상시키고, 고객 만족도를 높일 수 있다. 본 연구에서는 보안 카메라를 활용한 실내 위치 추적 기술의 효용성을 입증하며, 상업적 공간에서의 활용 가능성과 더불어 미래 연구 방향을 제시한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.141-143
• /
• 2022

본 논문에서는 YOLO(You Only Look Once) 기반의 교통 신호등 인식을 통해 오토바이 운전자의 신호 위반 여부를 확인하는 기술을 제안하고자 한다. 오토바이 전면에 탑재될 하드웨어 모듈은 YOLO 기반의 객체 탐지를 위한 카메라 모듈과 라즈베리 파이, 신호 위반 시 오토바이의 현재 위치 정보 수집을 위한 GPS 모듈, 그리고 수집 정보를 클라우드 DB로 전송하는 LoRa 통신 모듈로 구성된다. 소프트웨어 기능의 핵심은 오토바이의 교통 신호 위반 여부를 판단하는 컴포넌트이다. 본 논문에서는 카메라 앵글 내에 있는 교통 신호등 객체를 먼저 인식한 후 빨간색 신호일 때에만 이 객체가 화면 상에서 오른쪽(좌회전의 경우)이나 위쪽(직진의 경우)으로 사라지면 신호 위반으로 판단하는 기능을 제안한다. 그리고, 오토바이 운전자가 신호를 위반한 것으로 판단되면 운전자의 신상 정보(이름, 휴대폰 번호 등), 오토바이 정보(번호판, 등록번호 등), 위반 상황의 스냅샷 사진, 위치 정보 및 날짜/시각 정보를 클라우드 DB로 전달하도록 한다. 이러한 위반 정보는 운전자의 스마트폰에 푸시 알림으로 전달하여 위반 사실을 인지하도록 하고, 관할 경찰서에서는 신호 위반 스티커를 발부하는 데 활용될 수 있으므로 궁극적으로는 오토바이 운전자의 교통 신호 위반을 사전에 방지할 수 있을 것으로 기대된다.

• 지질공학
• /
• 제32권1호
• /
• pp.157-171
• /
• 2022

전기비저항 토모그래피는 지하의 토양이나 암석 매질의 전기비저항 분포를 결정하는 대표적인 지구물리탐사법이다. 전극 배열에 따른 비저항의 깊이 분해능과 감도분포를 수치모델 자료를 대상으로 계산하고 해석한 결과 균질 매질에서의 천부 분해능은 웨너, 슐럼버저, 쌍극자 배열순으로 감소하며 깊이에 따른 최대 탐지능은 그 역순으로서 0.11-0.19 L (L: 전극사이의 간격) 깊이범위에서 계산되어 쌍극자 배열이 가장 좋았다. 전극 배열에 따른 비저항의 깊이 분해능과 감도분포의 효과를 살펴보기 위해 땅밀림 파괴면의 두 가지 형태(평면, 곡선), 수직 파쇄대, 규장질 및 고철질 화성암의 풍화층에 대한 수치 모델링 자료를 사용하였다. 표토층 하부의 수직파쇄대와 땅밀림 특히 원호 파괴면의 영상화 결과에서는 쌍극자 배열법이 효과적이었으며 천부의 불연속면과 풍화층의 분해능은 웨너법에서 상대적으로 좋게 나타났다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제8권3호
• /
• pp.945-953
• /
• 2018

본 논문은 무인수상정의 자율운항을 위한 장애물 탐지 및 회피기동을 위해 3차원 라이다를 사용하였다. 단일센서만을 사용해서 해상조건에서의 무인수상정 장애물 회피운항을 하는데 목적이 있다. 3차원 라이다는 Quanergy사의 M8센서를 사용하여 주변 환경 장애물 데이터를 (r, ��, ��)로 수집하며 장애물 정보에는 Layer 정보와 Intensity 정보를 포함한다. 수집된 데이터를 3차원 직각좌표계로 변환을 하고, 이를 2차원 좌표계로 사상한다. 2차원 좌표계로 변환한 장애물 정보를 포함하는 데이터는 수면위의 잡음데이터를 포함하고 있다. 그래서 기본적으로 무인수상정을 기준으로 가상의 관심영역을 정의하여서 규칙적으로 생성되는 잡음데이터에 대해서 삭제를 하였으며, 그 이후에 발생하는 잡음데이터는 Vector Field Histogram으로 계산된 히스토그램 데이터에서 Threshold를 정해 밀도값에 비례하여 잡음데이터를 제거하였다. 제거된 데이터를 이용하여 무인수상정의 움직임에 따른 상대물체를 탐색하여 가상의 격자지도에 1 Cell씩 저정하면서 데이터의 밀도 지도를 작성하였다. 작성된 장애물 지도를 폴라 히스토그램을 생성하고, 경계값을 이용하여 회피방향을 선정하였다.

• 한국컴퓨터정보학회논문지
• /
• 제28권4호
• /
• pp.105-112
• /
• 2023

농산물 선별 시스템은 작물의 형태를 보전하기 위하여 비파괴적인 선별이 주로 사용된다. 이러한 비파괴 선별 기술로는 가시광선, 근적외선, 엑스선, 감마선 등의 광학적 특성을 이용하고 있으며 본 논문에서는 엑스선을 이용한 선별을 이용한다. 엑스선 영상은 엑스선의 밀도에 따라 그레이 영상으로 생성되어 육안으로 시료의 결함을 감지하기가 어렵다. 미세한 결함을 발견하기 위해서는 영상을 확대하거나 픽셀의 범위를 수정하여 적정한 픽셀의 영역만을 표시하여 결함을 탐지해야 한다. 이런 작업은 비효율적이다. 따라서 본 논문은 엑스선의 광역적인 밀도와 지역적인 밀도에 대한 상대적인 밀도를 측정하여 색상화된 결함을 표시하는 새로운 방법을 제안한다. 하나의 픽셀에 대한 상대적인 밀도는 주위 픽셀과의 상대적인 차이를 나타내며, 이런 픽셀을 정상과 결함으로 나타내는 엑스선 영상의 색상화 방법도 제안한다. 실험에서는 육안으로 볼 수 없는 농작물의 병해충 또는 새싹 부분을 특정 색으로 색상화 하여 농산물 선별 시스템에 활용할 수 있게 하였다. 제안된 방법은 엑스선을 이용한 선별 시스템에 적용되어 농산물 선별 시스템뿐만 아니라 가공식품, 부품 제조와 같은 제조 공정에서 사용되어 불량품을 선별하는 방법에 적극적으로 이용될 수 있을 것이다.

• 대한토목학회논문집
• /
• 제26권1D호
• /
• pp.195-202
• /
• 2006

침투경로분석은 지형공간정보 기술을 활용한 군사응용분야 중 하나이다. 분석결과는 잠재적인 적의 침투에 대해 취약한 경로를 보여줄 것이다. 가능한 침투경로를 찾기 위하여 탐지확률의 합으로 표현되는 비용함수를 최소화하는 최적경로알고리듬(다익스트라 및 $A^*$)을 사용하였다. 열상장비의 성능, 수치고도모형을 이용한 가시선분석 결과와 지형분석도(VITD)에 포함된 지형공간정보 커버리지(coverage) 중 2개의 관련된 커버리지를 사용하여 비용함수를 계산하였다. $50m{\times}50m$ 셀(cell) 크기 단위로 각각의 비용이 계산되고 저장되었으며, 최적경로로서 경로상의 모든 비용의 합을 최소화하는 경로를 찾아내었다. 제안된 방법은 대한민국의 대전지역을 대상으로 실험하였다. 실험 결과 다익스트라와 $A^*$ 알고리듬은 큰 차이가 없었으며, 다만 $A^*$ 알고리듬의 수행시간 측면에서 유리하였다. 이러한 응용분야는 침투와 감시의 두 가지 측면에서 모두 활용될 수 있다. 열상장비의 위치를 바꿔서 시뮬레이션을 수행하면, 가장 취약한 경로를 침투목적으로 찾아낼 수 있다. 다른 측면으로 보면 열상장비의 최상의 위치를 선택하기 위하여 사용될 수 있다. 이는 군사응용분야에 대한 강력한 지형공간정보 활용 해법의 한 가지 예제가 될 것이다.

• 방사선산업학회지
• /
• 제17권1호
• /
• pp.19-32
• /
• 2023

The amount of radioactive waste is expected to dramatically increase with decommissioning of nuclear power plants such as Kori-1, the first nuclear power plant in South Korea. Accurate nuclide analysis is necessary to manage the radioactive wastes safely, but research on verification of radionuclide analysis has yet to be well established. This study aimed to develop the technology that can verify the results of radionuclide analysis based on artificial intelligence. In this study, we propose an anomaly detection algorithm for inspecting the analysis error of radionuclide. We used the data from 'Updated Scaling Factors in Low-Level Radwaste' (NP-5077) published by EPRI (Electric Power Research Institute), and resampling was performed using SMOTE (Synthetic Minority Oversampling Technique) algorithm to augment data. 149,676 augmented data with SMOTE algorithm was used to train the artificial neural networks (classification and anomaly detection networks). 324 NP-5077 report data verified the performance of networks. The anomaly detection algorithm of radionuclide analysis was divided into two modules that detect a case where radioactive waste was incorrectly classified or discriminate an abnormal data such as loss of data or incorrectly written data. The classification network was constructed using the fully connected layer, and the anomaly detection network was composed of the encoder and decoder. The latter was operated by loading the latent vector from the end layer of the classification network. This study conducted exploratory data analysis (i.e., statistics, histogram, correlation, covariance, PCA, k-mean clustering, DBSCAN). As a result of analyzing the data, it is complicated to distinguish the type of radioactive waste because data distribution overlapped each other. In spite of these complexities, our algorithm based on deep learning can distinguish abnormal data from normal data. Radionuclide analysis was verified using our anomaly detection algorithm, and meaningful results were obtained.