• 대한원격탐사학회지
• /
• 제38권3호
• /
• pp.299-309
• /
• 2022

최근 한반도 주역 해역의 수온이 꾸준히 증가하고 있다. 수온변화는 어업생태계에 영향을 미칠 뿐만 아니라 해양에서의 군사작전과도 밀접히 연관되어 있다. 본 연구는 딥러닝 기술을 기반으로 하는 다양한 예측모델을 통해 단기간 수온예측을 시도함으로써 어떠한 모델이 수온예측분야에 더욱 적합한지를 제시하는 것에 목적을 두었다. 예측을 위해 사용한 데이터는 국립수산과학원에서 해양 관측부이를 통해 관측한 2016년부터 2020년까지 동해 지역(고성, 양양, 강릉, 영덕)의 수온 데이터이다. 또한 예측을 위한 모델로는 시계열 데이터 예측에 우수한 성능을 보이는 Long Short-Term Memory (LSTM), Bidirectional LSTM 그리고 Gated Recurrent Unit (GRU) 기법을 사용하였다. 기존 연구가 LSTM만을 활용하였던데 반해 이번 연구에서는 LSTM 외에 다양한 기법을 적용함으로써 각 기법의 예측 정확도와 수행시간을 비교하였다. 연구결과, 1시간 예측을 기준으로 모든 관측지점에서 Bidirectional LSTM과 GRU 기법이 실제값과 예측값의 오차가 가장 적은 것으로 확인되었으며, 학습시간에 있어서는 GRU가 가장 빠른 것으로 확인되었다. 이를 통해, 예측 오차를 줄이면서 정확도를 향상하기 위한 수온예측에는 Bidirectional LSTM을 활용하고 대잠작전처럼 정확도 외에 실시간 예측이 필요한 분야에 있어서는 GRU 기법을 활용하는 방안이 더욱 적절할 것으로 판단된다.

• 한국측량학회지
• /
• 제40권3호
• /
• pp.239-247
• /
• 2022

현대에는 급속한 산업화와 인구 증가로 인해 도시들이 더욱 복잡해지고 있다. 특히 도심은 택지개발, 재건축, 철거 등으로 인해 빠르게 변화하는 지역에 해당한다. 따라서 자율주행에 필요한 정밀도로지도와 같은 다양한 목적을 위해 빠른 정보 갱신이 필요하다. 우리나라의 경우 기존 지도 제작 과정을 통해 지도를 제작하면 정확한 공간정보를 생성할 수 있으나 대상 지역이 넓은 경우 시간과 비용이 많이 든다는 한계가 있다. 지도 요소 중 하나인 도로는 인류 문명을 위한 많은 다양한 자원을 제공하는 중추이자 필수적인 수단에 해당한다. 따라서 도로 정보를 정확하고 신속하게 갱신하는 것이 중요하다. 이 목표를 달성하기 위해 본 연구는 Semantic Segmentation 알고리즘인 LinkNet, D-LinkNet 및 NL-LinkNet을 사용하여 광주광역시 도시철도 2호선 공사 현장을 촬영한 드론 정사영상에서 도로를 추출한 다음 성능이 가장 높은 모델에 하이퍼 파라미터 최적화를 적용하였다. 그 결과, 사전 훈련된 ResNet-34를 Encoder로 사용한 LinkNet 모델이 85.125 mIoU를 달성했다. 향후 연구 방향으로 최신 Semantic Segmentation 알고리즘 또는 준지도 학습 기반 Semantic Segmentation 기법을 사용하는 연구의 결과와의 비교 분석이 수행될 것이다. 본 연구의 결과는 기존 지도 갱신 프로세스의 속도를 개선하는 데 도움을 줄 수 있을 것으로 예상된다.

• 인터넷정보학회논문지
• /
• 제23권3호
• /
• pp.13-20
• /
• 2022

차세대 와이파이 표준기술인 IEEE 802.11ay는 밀리미터파 대역에서 AP (Access Point)가 다수의 STA (Station)로 동시에 데이터를 전송하도록 MU-MIMO (Multiple User Multiple Input Multiple Output) 통신을 지원한다. 이를 위해, 주기적으로 MU-MIMO 빔포밍 훈련을 수행해야 하고, 효율적인 빔포밍 훈련을 위해서는 AP가 다수의 안테나로 다수의 빔을 동시에 전송할 때, 각 STA에서 측정되는 신호 세기를 정확히 예측하는 것이 중요하다. 본 논문에서는 딥러닝 기반 다중 빔 전송링크 성능 예측기법을 제안한다. 제안한 예측기법은 특정 실내 또는 실외 환경에서 미리 학습된 딥러닝 모델을 이용하여 다수의 빔이 동시에 전송될 때 STA에서 측정되는 신호 세기 예측의 정확성을 높인다. 이때, 딥러닝의 입력으로 개별 빔이 전송될 때 STA에서 측정되는 신호 세기 정보를 이용하고, 개별 빔의 신호 세기 정보를 얻는 과정은 이미 기존의 빔포밍 훈련에 포함되어 있으므로 정보 수집을 위해 추가적인 비용을 발생하지 않는다. 성능평가를 위해 NIST (National Institute of Standards and Technology)에 의해 개발된 Q-D 채널구현 (Quasi-Deterministic Channel Realization) 오픈소스 소프트웨어를 활용하였고 실측 데이터 기반으로 밀리미터파 채널을 구현하였다. 실험결과에서는 제안한 예측기법이 다른 비교기법보다 향상된 예측성능을 보였다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1643-1652
• /
• 2022

해양생태계 및 수산자원, 해상안전에 부정적인 영향을 미치는 해양침적쓰레기는 주로 음파탐지기, 인양틀 및 잠수부를 통해 탐지되고 있다. 시간과 비용을 고려하여 최근에는 수중영상과 인공지능을 결합한 방법이 시도되고 시작했다. 본 연구에서는 효율적이고 정확한 해양침적쓰레기 탐지를 위하여, 수중영상과 딥러닝 객체탐지 모델인 You Only Look Once Version 5 (YOLOv5)와 You Only Look Once Version 7 (YOLOv7)을 학습 및 비교평가를 수행하였다. 유리, 금속, 어망, 타이어, 나무, 플라스틱 등의 객체탐지에 있어, 두 모델 모두 0.85 이상의 Mean Average Precision (mAP@0.5)를 기록하였다. 향후 영상자료 용량이 충분해지면, 보다 객관적인 성능평가 및 모델 개선이 가능할 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1743-1747
• /
• 2022

Sentinel-2는 분광파장대나 공간해상도 측면에서 우리나라 차세대중형위성 4호(농림위성)의 모의영상으로 활용될 수 있다. 이 단보에서는 향후 농림위성영상에 적용하기 위한 예비실험으로, 딥러닝 기술을 이용한 Sentinel-2 영상의 구름탐지를 수행하였다. 전통적인 Convolutional Neural Network (CNN) 모델인 DeepLabV3+와 최신의 Transformer 모델인 Shifted Windows (Swin) Transformer를 이용한 구름탐지 모델을 구축하고, Radiant Earth Foundation (REF)에서 제공하는 22,728장의 학습자료에 대한 암맹평가를 실시하였다. Swin Transformer 모델은 0.886의 정밀도와 0.875의 재현율로, 과탐지와 미탐지가 어느 한쪽으로 치우치지 않는 경향을 보였다. 딥러닝 기반 구름탐지는 향후 우리나라 중심의 실험을 거쳐 농림위성 영상에 활용될 수 있을 것으로 기대된다.

• 한국해양학회지:바다
• /
• 제27권2호
• /
• pp.49-70
• /
• 2022

해수면 온도는 기후와 바다의 생태계 그리고 인간의 활동에까지 중요한 영향을 미치는 해수의 특성 중 하나로 이를 예측하는 것은 항상 중요하게 다뤄지는 문제다. 최근 들어 과거의 패턴을 학습하여 예측값을 생성할 수 있는 딥러닝을 활용한 해수면 온도 예측이 복잡한 수치모델을 이용한 예측의 대안으로 주목받고 있다. 딥러닝은 입력 자료 간의 비선형적인 관계를 추정할 수 있는 것이 큰 장점이며, 최근 컴퓨터 그래픽카드의 발달로 많은 양의 데이터를 반복적이고 빠르게 계산할 수 있게 되었다. 본 연구에서는 기존의 딥러닝 모델의 단점들을 보완하면서 시공간 자료를 다룰 수 있는 합성곱 신경망(Convolutional Neural Network) 기반의 U-Net을 통해 단기 해수면 온도 예측을 수행하였다. 개발한 딥러닝 모델을 이용한 한국 남부 근해 해수면 온도의 단기 예측은 예측일의 해수면 온도의 중장기 변동성에 따라 달라지는 성능을 보였다. 해수면 온도 변동성의 증감은 계절적 변동 뿐 아니라 Pacific Decadal Oscillation (PDO) 지수의 변동과도 유의미한 상관관계를 보였는데, 이는 계절 변동 및 PDO에 따른 기후 변화에 기인한 수온 전선의 강도 변화가 해수면 온도의 시공간적 변동성에 영향을 줌으로써 발생했음을 확인하였다. 본 연구는 해수면 수온 자료가 가지고 있는 계절적 변동성과 경년 변동성이 딥러닝 모델의 해수면 단기 수온 예측 성능에 기여함을 밝힌 것에 그 의의가 있다.

• 한국터널지하공간학회 논문집
• /
• 제24권2호
• /
• pp.217-230
• /
• 2022

쉴드TBM (Tunnel Boring Machine) 터널 시공에 있어 막장압 관리는 막장면 붕괴, 지반침하 등을 방지하여 막장 안정성을 유지하는 데 중요한 역할을 담당한다. 특히, 챔버 내부의 굴착토로 막장압을 조절하는 토압식 쉴드TBM의 경우, 이수식 쉴드TBM에 비해 막장압의 관리가 어렵다. 본 연구에서는 국내 토압식 쉴드TBM 터널 시공 현장의 지반조건 및 굴진특성 데이터를 분석하여, 토압식 쉴드TBM 터널의 세그먼트 링별 막장압 예측모델을 제시하였다. 예측모델의 입력특성으로 7가지를 선정하였으며, 912개의 학습 데이터 세트(Training data set)와 228개의 시험 데이터 세트(Test data set)를 확보하였다. 최적의 토압식 쉴드TBM 막장압 예측모델 선정을 위하여 KNN (K-Nearest Neighbors), SVM (Support Vector Machine), RF (Random Forest), XGB (eXtreme Gradient Boosting) 모델의 하이퍼파라미터(Hyperparameter)를 최적화하여 예측성능을 비교한 결과, RF 모델이 7.35 kPa의 평균 제곱근 오차(Root Mean Square Error, RMSE)로 가장 우수한 성능을 나타냈다. 추가적으로, RF 모델의 특성 중요도(Feature importance) 분석을 수행한 결과, 입력특성 중 수압의 영향도가 0.38로 가장 높았으며, 전반적으로 지반조건이 굴진특성보다 높은 중요도를 보여주었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권5호
• /
• pp.127-134
• /
• 2022

본 연구에서는 장기재령(4~6년)으로 양생된 플라이애시 콘크리트를 대상으로 촉진 염화물 이온 통과 시험을 수행하였다. 콘크리트 배합은 3수준의 물-결합재 비(0.37, 0.42, 0.47)와 2수준의 플라이애시 치환율(0, 30 %)을 가지고 있었으며, 시간 의존적으로 개선되는 통과 전하량을 정량적으로 분석하였다. 또한 실험결과를 GRU 알고리즘을 고려한 단별량 시계열 모델을 적용하여 학습하였으며, 그 예측값을 평가하였다. 통과전하량 실험 결과, 플라이애시 콘크리트는 물-결합재 비에 의한 통과 전하량의 변화가 재령이 증가함에 따라 점차 감소하였으며 OPC 콘크리트에 비하여 우수한 염해저항성을 나타내었다. 최종 평가일인 6년에서 플라이애시 콘크리트는 모든 물 결합재 비 조건에서 'Very low' 등급에 해당되는 통과 전하량이 평가되었지만, OPC 콘크리트의 경우 가장 높은 물-결합재 비를 갖는 조건에서 'Moderate' 등급을 나타내었다. 메인 알고리즘으로서 사용한 GRU 알고리즘은 시계열 데이터를 분석할 수 있고 연산 속도가 빠른 장점을 갖고 있다. 4개의 은닉층을 갖는 딥-러닝 모델이 고려되었으며 결과값은 실험값을 합리적으로 예측하고 있었다. 본 연구의 딥-러닝 모델은 단변량 시계열 특성만을 고려할 수 있는 한계점이 존재하지만 추가 연구를 통해 콘크리트의 강도 및 확산계수와 같은 다양한 특성을 고려할 수 있는 모델이 개발 중에 있다.

• 한국정보전자통신기술학회논문지
• /
• 제15권5호
• /
• pp.328-334
• /
• 2022

사람의 인지기능 중 주의력은 감각기관을 통해 방대한 자극 중 필요한 자극에만 의식을 집중하는 과정이다. 주의력은 실내 온도 등 노출 환경에 영향을 받는 것으로 알려져 있다. 스포츠 분야에서는 냉각 팩 등을 사용한 직접 전도 방식의 냉각이 광범위하게 사용되어 효과를 보고 있으나 전도에 의한 냉각이 주의력과 같은 인지 활동에 미치는 영향에 대해서는 알려진 바가 없다. 본 연구에서는 경추부 후면 부위에 특수 제작된 냉각 패드를 적용할 때 주의력에 미치는 영향을 살펴보기 위해 수행되었다. 40명의 피검사자를 네 집단으로 나누고 독서 및 산책 중 냉각 패드의 적용에 따라 주의력이 차이를 보이는지 살펴보았다. 주의력은 FAIR 주의력 검사를 통해 평가되었으며, 선택적 주의력을 의미하는 능력지수, 주의력의 정확도를 나타내는 통제지수, 균일한 주의력의 유지 기간을 나타내는 지속성지수에 대한 분산분석과 사후분석을 실시하였다. 결과적으로, 독서 및 학습 등 시각적 주의력이 지속적으로 요구되는 경우 냉각 패드의 적용을 통한 전도 냉각이 선택적 주의력을 확대시키고 균일한 주의력을 유지하는데 도움이 된다. 또한, 선택적 주의력의 향상과 균일한 주의력의 유지를 위해 가벼운 신체 활동이 도움이 된다. 다만 이 경우 전체 독서 시간의 감소를 전제로 하여야 한다.

• 적정기술학회지
• /
• 제6권2호
• /
• pp.200-207
• /
• 2020

팹랩(Fab Lab)의 설립목적은 전세계 지역 커뮤니티의 지속 가능한 발전을 도모하는 것이다. 이를 위해 팹 재단(Fab Foundation)은 2054년까지 도시의 자급자족률을 50% 이상을 유지하는 자원 순환형 사회를 준비하고 있다. 팹랩은 선진국에서 창업이나 전문가를 위한 제작 공간뿐만 아니라, 학습과 창조를 위한 개방형 혁신 공간으로 자리매김하고 있다. 또한, 신흥국에서는 개인 혹은 커뮤니티의 요구를 반영하는 적정한 신기술을 제작하고, 공유하는 디지털 제작터의 역할을 수행하고 있다. 인도 전역에 70개의 팹랩이 있으며, 이는 러시아의 48개를 앞서는 신흥국 최대 규모이다. 인도의 팹랩은 6개월마다 주기적인 모임을 통해 협업 프로젝트를 진행하고, 많은 스타트업을 양산해내고 있다. 본 연구의 주제인 팹랩 빅얀 아쉬람은 인도 농촌의 대안학교에 디지털 랩의 개념을 이전하는 장소로 정의하고 있다. 본 연구에서 구루쿨라(Gurukula) 제도의 현대판인 빅얀 아쉬람이라는 농업공동체 대안학교가 팹랩이라는 디지털 패브리케이션과 성공적으로 결합하여, 제4차 산업혁명의 새로운 시민주도의 메이킹 커뮤니티로 거듭난 사례를 살펴보았다. 이를 바탕으로 현지 실정에 맞는 인도 팹랩의 발전 모델을 탐색해 보았다.