• 한국건설순환자원학회논문집
• /
• 제9권3호
• /
• pp.303-310
• /
• 2021

교량의 균열은 교량의 상태를 나타내는 중요한 요소이며 주기적인 모니터링 대상이다. 그러나 전문가가 육안으로 점검하는 것은 비용, 시간, 신뢰성 면에서 문제가 있다. 따라서 최근에는 이러한 문제를 극복하기 위해 자동화 가능한 딥러닝 모델을 적용하기 위한 연구가 시작되었다. 딥러닝 모델은 예측할 상황에 대한 충분한 데이터가 필요하지만 교량 균열 데이터는 상대적으로 얻기가 어렵다. 특히 교량의 설계, 위치, 공법에 따라 교량 균열의 형상이 달라질 수 있어 특정 상황에서 많은 양의 균열 데이터를 수집하기 어려움이 따른다. 본 연구에서는 적대적 생성 신경망(Generative Adversarial Network, GAN)을 통해 불충분한 균열 데이터를 생성하고 학습하는 균열 탐지 모델을 개발했다. 본 연구에서는 GAN을 이용하여 주어진 균열 데이터와 통계적으로 유사한 데이터를 성공적으로 생성했으며, 생성된 이미지를 사용하지 않을 때보다 생성된 이미지를 사용할 때 약 3% 더 높은 정확도로 균열 감지가 가능했다. 이러한 접근 방식은 교량의 균열 검출이 필요하지만 균열 데이터는 충분하지 않거나 하나의 클래스에 대한 데이터가 상대적으로 적을 때 감지 모델의 성능을 효과적으로 향상시킬 것으로 기대된다.

• 한국산학기술학회논문지
• /
• 제22권6호
• /
• pp.566-572
• /
• 2021

본 논문에서는 도시환경과 모래가 많은 토양 아래에 구 형태의 빈 공간이 있을 경우를 가정하고, 해당 목표물의 고유 pole과 고유 공진주파수를 활용하여 목표물을 식별 및 위치를 추정하는 방안을 제시하였으며 가능성을 분석하였다. EM(Electromagnetic) 시뮬레이터를 활용하여 다양한 형태와 크기를 가진 완전도체(PEC: Perfect Electric Conductor)들을 모델링하였고, 이를 통해 획득한 EM 산란응답에 Cauchy 방법을 적용하여 물체의 고유 특성에 해당하는 고유 pole을 축적하여 pole 라이브러리를 생성하였다. 생성된 pole 라이브러리는 목표물에서 추출한 고유 pole과의 비교를 통해 목표물을 식별할 수 있는 가능성을 제공해 준다. 도시환경과 모래가 많은 토양 아래에 구 형태의 빈 공간이 있음을 가정하고 EM 시뮬레이션 모델링을 통해 얻은 전자파 산란 데이터로부터 관심 목표물의 응답을 추출하였으며, 시간영역에서 임펄스 응답의 시간 지연을 이용하여 목표물의 위치를 추정할 수 있었다. 또한 MP(Matrix Pencil) 방법을 적용하여 목표물의 고유 pole을 추출하였다. 최종적으로 계산된 고유 pole과 고유 공진주파수를 pole 라이브러리와 비교하여 탐지된 목표물을 구 형태의 빈 공간(직경 0.2m)으로 추정할 수 있었으며, 계산된 목표물의 위치(깊이)는 약 84 ~ 93%의 정확도를 보였다.

• 한국전산구조공학회논문집
• /
• 제34권1호
• /
• pp.25-33
• /
• 2021

머신러닝 기법의 발달과 함께 기계에서 발생하는 다양한 종류(진동, 온도, 유량 등)의 데이터를 활용하여 기계의 상태를 진단하고 이상 탐지 및 비정상 분류 연구도 활발히 진행되고 있다. 특히 진동 데이터를 활용한 회전 기계의 상태 진단은 전통적인 기계 상태 모니터링 분야로 오랜 기간 동안 연구가 진행되었고, 연구 방법 또한 매우 다양하다. 본 연구에서는 가정용 에어컨에 사용되는 로터리 압축기에 가속도계를 직접 설치하여 진동 데이터를 수집하는 실험을 진행하였다. 데이터 부족 문제를 해결하기 위해 데이터 분할을 수행하였으며, 시간 영역에서의 진동 데이터로부터 통계적, 물리적 특징들을 추출한 후, Chi-square 검증을 통해 고장 분류 모델의 주요 특징을 추출하였다. SVM(Support Vector Machine) 모델은 압축기의 정상 혹은 이상 유무를 분류하기 위해 개발되었으며, 파라미터 최적화를 통해 분류 정확도를 개선하였다.

• 스마트미디어저널
• /
• 제9권4호
• /
• pp.97-101
• /
• 2020

본 연구에서는 센서상의 전하량 변화를 통하여 전위차를 측정할 수 있는 수동형 전기장센서를 이용하여 사람의 손동작에 의해 유발되는 신호를 측정 장치의 전원이나 주변 전력선에 의해 센서에 유입되는 잡음(PLN: Power Line Noise)의 고조파 성분을 분석하여 동작신호를 검출하고 추출하는 연구를 수행 한다. 전기장 센서에 유입되는 전력선잡음으로 센서가 사람의 존재, 접근, 동작에 의해 영향 받는 사실을 이용해 PLN의 주성분인 60Hz 고조파 성분의 스펙트럼분석을 수행하여 PLN 신호의 증가 또는 감소를 식별할 수 있고 상대적으로 동작에 민감한 120Hz 성분을 이용한다. FFT를 사용하여 120Hz의 신호성분이 특정 임계값을 통과할 때 신호를 검출하는 방법이다. 동작이 탐지되는 경우 임계값을 기준으로 프레임을 결정한다. 본 연구의 방법을 이용하여 얻은 동작 감지 성공률은 약 90% 수준을 달성하였다. 이렇게 감지된 동작신호로 추출한 프레임의 정확도는 약 85%이다. 수동형 전기장 센서를 이용하여 동작신호를 PLN을 이용하여 동작검출에 이용한 연구사례는 국내외적으로 드문 사례이며, 본 논문에서는 PLN이 상존하는 실내 적용환경에서 유망하게 활용될 수 있다.

• 지구물리와물리탐사
• /
• 제24권3호
• /
• pp.113-130
• /
• 2021

지반 침하, 도로 안전성과 같은 사회적 이슈로 지하 공동 분포를 조사하기 위한 지표투과레이더(ground penetrating radar, GPR) 탐사가 활발히 진행되면서 자료의 양도 함께 증가하고 있다. 하지만 비용과 시간의 효율성을 고려해보았을 때, 모든 자료를 해석할 수 없기 때문에 더욱 직관적이고 정확한 판단이 가능한 해석법이 필요하다. 이러한 문제를 개선하기 위해 정량적 해석이 가능한 속성 분석법이 제안되고 있다. 탄성파 해석에서 많이 사용해온 속성 분석 중 GPR 자료에 적용할 수 있는 속성으로는 복소 트레이스(complex trace)와 유사성(similarity)이 대표적이다. 또한, 최근 영상처리 기술의 발달로 개발된 새로운 속성인 모서리탐지 속성, 이미지 질감 속성 등도 적용성이 있다. 이 논문에서는 GPR 자료 속성분석 연구의 기초를 마련하기 위해, GPR에 적용할 수 있는 속성 분석들을 소개하고 이들의 개념에 대해 기술한 뒤, 속성분석에 기초한 해석법과 다양한 분야에서 활용한 사례를 분석하고자 한다.

• 한국융합학회논문지
• /
• 제12권8호
• /
• pp.31-37
• /
• 2021

산업의 발전으로 도시화로 인해 건물의 규모가 커지면서, 건물의 공기 정화 및 쾌적한 실내 환경을 유지의 필요성 또한 증가하고 있다. 냉동 시스템의 모니터링 기술의 발전으로 건물 내에 발생하는 전력 소모량을 관리할 수 있게 되었다. 특히 상업용 건물에서 발생하는 전력 소모량 중 약 40%가 냉동 시스템에서 일어난다. 따라서 본 연구 냉동시스템 고장진단 알고리즘을 개발하기 위해서 냉동시스템의 구조를 이해하고, 냉동 시스템의 운영과정에서 발생하는 데이터를 수집 분석하여 다양한 유형과 심각도를 가지는 고장 상황을 조기에 신속하게 탐지 분류하고자 하였다. 특히 분류가 어려운 고장 유형들의 분류 정확도를 향상시키기 위하여 3단계 진단 및 분류 알고리즘을 개발하여 제안하였다. 다수의 실험과 초모수 (hyper parameter) 최적화 과정을 거쳐 각 단계에 적합한 분류 모형으로 SVM과 LGBM에 기반 한 모형을 제시하였다. 본 연구에서는 고장에 영향을 미치는 특성을 최대한 보존하면서, 선행연구에서 어려움을 겪었던 냉매 관련 고장을 포함한 모든 고장 유형을 우수한 결과로 도출하였다.

• 인지과학
• /
• 제33권1호
• /
• pp.1-22
• /
• 2022

지각부하 이론(Lavie, 1995)에 따르면 지각부하가 높을수록 방해자극의 영향이 감소한다. 지각부하를 다룬 연구들은 문자열에서 표적 문자의 탐지에 걸린 반응시간을 측정하는 Eriksen과 Eriksen(1974)의 측면자극 과제(flanker task)를 주로 사용하였다. 한편, 순간 노출되고 사라진 문자열 중 보고해야 할 표적이 후단서로 지시되는 후단서 강제선택 과제에서는 부적 반복효과(negative repetition effect; NRE)가 관찰된다. 이 효과는 나란히 제시된 두 문자가 서로 다른 경우보다 동일할 때, 표적의 식별률이 더 떨어지는 것을 말한다. 후단서 강제선택 과제는 정보처리의 초기지각 단계와 관련한 처리 과정을 잘 보여준다. 본 연구는 지각부하가 후단서 강제선택 과제에서 표적의 정확 식별률과 NRE에 어떤 영향을 미치는지를 검토하고자 하였다. 지각부하는 후단서에 의한 강제선택 대상인 두 문자(표적 후보) 사이에 삽입되는 제3의 문자의 유사성(실험 1; 'ㄹ', 'ㅅ', '·')과 개수(실험 2; 0개, 2개-왼쪽 대각선 배치와 오른쪽 대각선 배치, 4개, 실험3; 2개, 4개)로 조작했다. 실험 1에서 NRE의 경향성이 관찰되었으나 지각부하의 효과는 관찰되지 않았다. 실험 2에서는 NRE가 유의하였으며, 지각부하는 유의하였으나, NRE와의 상호작용은 관찰되지 않았다. 실험 3은 부하자극의 위치 변동성을 도입하여 강화된 지각부하의 수준에 따라 NRE가 변화할 것인지를 다시 확인하였는데, 지각부하의 효과가 관찰되지 않았다. 본 연구의 결과는 순간 노출된 표적에 대한 분리주의과정으로 인해 지각부하가 지각 정보처리의 초기 단계에 영향을 미치지 못하였을 가능성이 있음을 시사한다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1357-1369
• /
• 2022

구름 제거는 식생 모니터링, 변화 탐지 등과 같은 광학 영상이 필요한 모든 작업에서 필수적인 영상 처리 과정이다. 이 논문에서는 조건부 생성적 적대 신경망(conditional generative adversarial networks, cGANs)과 회귀 기반 보정을 결합하여 구름이 없는 시계열 광학 영상 세트를 구성하는 2단계의 구름 제거 기법을 제안하였다. 첫 번째 단계에서는 광학 영상과 synthetic aperture radar 영상 간 정량적 관계를 이용하는 cGANs을 이용하여 초기 예측 결과를 생성한다. 두 번째 단계에서는 구름이 아닌 영역에서 예측 결과와 실제 값과의 관계를 random forest 기반 회귀 모델링을 통해 정량화한 후에 cGANs 기반 예측 결과를 보정한다. 제안 기법은 김제의 벼 재배지에서 Sentinel-2 영상과 COSMO-SkyMed 영상을 이용한 구름 제거 실험을 통해 적용 가능성을 평가하였다. cGAN 모델은 구름 영역에서 지표면 상태의 급격한 변화가 발생하는 논 재배지를 대상으로 반사율 값을 효과적으로 예측할 수 있었다. 또한 두 번째 단계의 회귀 기반 보정은 예측 대상 영상에서 시간적으로 떨어진 보조 영상을 이용하는 회귀 기반 구름 제거 기법에 비해 예측 정확도를 향상시킬 수 있었다. 이러한 실험 결과는 구름이 없는 광학 영상을 환경 모니터링에 이용할 수 없는 경우 제안된 방법이 구름 오염 지역을 복원하는데 효과적으로 적용될 수 있음을 나타낸다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.695-706
• /
• 2022

중, 고해상도 광학위성은 산불발생지역의 탐지에 대해 그 효용성이 입증되었다. 그러나 산불과 함께 발생하는 연기는 지표에 입사하는 가시광선을 산란시키므로 산불발생지역의 모니터링에 방해가 되며 따라서 연기를 사전에 추출하는 기술이 필요하다. 딥러닝 기술은 연기추출의 정확도를 향상시킬 수 있으나, 학습용 데이터셋의 부족으로 인해 적용에 한계가 있다. 반면에 연기와 유사하게 가시광선을 산란시키는 성질을 지닌 구름은 현재까지 다량의 학습용 데이터셋이 축적되었다. 본 연구는 딥러닝을 활용하여 연기추출을 고도화하는 것이 그 목적이며, 그 과정에서 데이터셋의 부족에 따른 연기추출의 한계점을 구름을 활용한 전이학습으로 해결했다. 전이학습의 효율성 확인을 위해 본 연구에서는 Landsat-8 위성영상을 기반으로 연기추출 학습용 데이터셋을 소규모로 제작한 후, 공공 구름 데이터셋을 활용하여 전이학습을 적용하기 전과 후의 연기추출 성능을 비교하였다. 그 결과 가시광선 파장대역 뿐만이 아니라 근적외선(NIR)과 단파장 적외선(SWIR) 영역에도 전이학습시 성능이 뚜렷하게 향상됨을 확인할 수 있었다. 본 연구결과를 통해서 연기추출의 데이터셋의 부족을 해결할 수 있을 것으로 보이며, 더 나아가 연기추출의 고도화를 통해서 산불발생지역의 모니터링에 이점을 제시할 수 있을 것이다.

• 한국환경생태학회지
• /
• 제36권5호
• /
• pp.535-549
• /
• 2022

강풍, 폭우 등 이상기후의 대형화와 빈도 증가로 인해 나무가 부러지거나 쓰러지는 훼손이 증가하고 있으나 나무 내부의 공동, 부후 등 구조적 결함은 육안조사로 판별이 어렵기 때문에 예측을 통한 사전대응에 한계가 있다. 비파괴음파단층촬영은 나무에 미치는 물리적 훼손을 최소화하면서 내부결함을 추정하는 방법으로 내부결함 진단에 효율적이나 수종별 정확도에 차이가 발생하기 때문에 현장적용 전 측정결과의 신뢰성 분석이 선행되어야 한다. 이번 연구는 우리나라 대표 수종인 소나무와 은행나무 노거수를 대상으로 음파단층촬영의 신뢰성 검증을 위해 침입성 드릴저항 측정을 교차 적용하여 목재 내부결함을 측정하고 평가결과를 비교하였다. 두 집단 간 결함부 측정 평균값에 대한 t검정 결과 소나무는 통계적으로 유의한 차이가 없는 반면, 은행나무는 유의성에 차이가 있었다. 선형회귀분석 결과 두 수종 모두 드릴저항그래프의 결함이 증가할 때 음파단층영상 결함이 증가하는 양의 상관관계를 보였다.