• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 춘계학술대회
• /
• pp.695-698
• /
• 2014

화물 검색용으로 사용되고 있는 X-선 검색장치는 대상물의 단면 정보만을 제공하고 있기에 검색 대상체의 식별에 어려움이 있어 이에 대한 개선이 요구되어 왔다. 또한 대량의 화물 검색을 효율적으로 수행하기 위해서는 검색시스템에 대한 자동화가 요구되며 자동화를 위해서는 대상체를 식별하기 위한 다양한 식별자가 필요하다. 스테레오 X-ray 시스템은 기존의 검색 장치에 라인센서를 추가하여 검색 대상체에 대한 추가적인 정보를 제공함으로써 검색 효율을 높이도록 고안되었다. 본 논문에서는 선행 연구를 통해 개발된 스테레오 X-선 검색장치를 이용하여 다양한 물체에 대한 검색을 수행하며 형상정보를 복원하여 실제 값과의 비교를 통해 스테레오 방사선 스캔장치에 대한 성능분석을 수행하였다. 또한 본 논문에서 제시하는 3차원 형상복원 알고리즘을 통해 검색시스템을 자동화할 수 있는 새로운 식별자의 제공이 가능하다고 판단된다. 본 연구의 결과는 대형 화물 스캔 장치 및 고속화물 스캔 장치 개발을 위해 활용될 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.220-222
• /
• 2019

국내 자동차 시장은 2016년 이후 생산 및 수출이 지속적으로 둔화되고 있다. 이를 극복하기 위한 가장 근본적인 해결책은 경쟁력 있는 부품을 개발해야 한다. 경쟁력 있는 부품을 개발하기 위해서는 두 가지 중요한 요소가 있다. 가장 중요한 것은 제품 설계 기술이며, 두 번째로 중요한 것이 바로 생산 기술이다. 생산기술이 중요한 이유는 재료비를 제외한 생산 단가를 낮추어야 하며, 품질의 지속성을 가지고 있어야하기 때문이다. 본 논문에서는 생산기술을 확보하기 위하여 C사의 자동차 회사 부품을 검사하기 위한 설계한 지능형 스마트 검사 시스템의 기본 구조를 설계하였다. 현재 본 시스템은 기본 및 상세설계가 마무리 되고 현재 개발 진행 단계에 있다. 본 시스템이 성공적으로 개발된다면 C사의 품질 검사 단계의 자동화와 불량률을 감소시킬 수 있을 것을 예상하고 있다.

• 스마트미디어저널
• /
• 제11권11호
• /
• pp.75-83
• /
• 2022

미국의 NIST에서는 CVE나 CPE와 같은 기존의 취약점 관련 표준을 이용하여 보안 취약성 점검 및 관리를 자동화할 수 있도록 하는 프로토콜인 SCAP을 개발했다. SCAP은 XCCDF 및 OVAL 언어를 이용하여 점검파일을 작성하고 작성한 점검 파일을 OpenSCAP에서 만든 SCAP Workbench와 같은 SCAP 도구로 실행하면 점검 결과를 반환하는 식으로 동작한다. 다양한 운영체제에 대한 SCAP 점검 파일이 NCP 커뮤니티를 통해 공유되고 있으며 점검 파일에는 점검 항목별로 아이디, 제목, 설명, 점검 방법 등이 작성되어 있다. 하지만 점검항목은 단순히 작성한 순서대로 나열되어 있어 보안 관리자가 SCAP 점검 파일을 이용하여 체계적으로 관리할 수 있도록 점검 항목을 유형별로 분류하여 관리할 필요가 있다. 본 연구에서는 OVAL 언어로 작성된 SCAP 점검 파일에서 각 점검 항목에 대한 설명이 작성된 부분을 추출하여 머신러닝 모델을 통해 카테고리를 분류하고, SCAP 점검 결과를 분류한 점검 항목별로 출력하는 방법을 제안한다.

• 지적과 국토정보
• /
• 제53권2호
• /
• pp.93-106
• /
• 2023

본 연구의 목적은 위치기준의 근간이 되는 측량기준점 표지 현황 조사율의 향상 및 신뢰도 제고를 위하여 측량기준점 표지 현황조사 업무 개선방안과 업무 프로세스를 제시하고자 한다. 연구의 내용적 범위로 현행 측량기준점에 해당하는 국가기준점, 공공기준점, 지적기준점의 표지 관리 및 조사·보고체계 현황을 조사하고 문제점을 찾았으며 이를 개선하기 위하여 국가기준점 표지 현황조사 단가산출(안), 측량기준점 표지 현황조사 조사·보고 체계 개선(안), 기준점 이용 측량시행자 사전보고(안)을 마련하였다. 또한 측량기준점 표지 현황조사 프로세스 개선을 위한 업무 프로세스 정립과 측량기준점 표지 현황조사 미보고대상 단가산출을 자동화하는 프로세스를 제시하여 향후 측량기준점 표지 현황조사 업무 효율성이 향상 될 것으로 기대된다.

• 지적과 국토정보
• /
• 제51권2호
• /
• pp.5-20
• /
• 2021

지하공간통합지도는 2014년도에 전국적으로 발생했던 싱크홀을 계기로 15종의 지하정보를 통합한 국가공간정보로서, 2015년부터 지속적으로 구축되고 있다. 그러나 최근까지도 온수관 파열, 통신구 화재, 지반 침하 등과 같은 지하공간에서의 재난·재해가 지속적으로 발생함에 따라 지하정보의 품질 향상에 대한 요구가 증대되고 있는 실정이다. 이에 본 논문에서는 지하공간통합지도 데이터의 품질 향상을 위한 방안을 마련하고자 하였다. 특히 지하공간통합지도를 통해 관리되는 15종의 지하정보 중 신규 구축 비중이 가장 높은 지하시설물(구조물형) 데이터의 품질검증 개선 방안을 제시하였다. 대부분 육안검수로 진행되고 있는 현재의 검수 방식을 개선하기 위해 품질검사 기준을 좀 더 구체화·세분화하고자 하였다. 이를 위해 현재 품질요소, 세부요소, 세세부요소, 품질검사 기준으로 구성된 검사항목에 품질검사 방법, 품질검사 규칙, Flow Diagram, 해결 가능 오류 유형 항목을 추가하여 속성정보 뿐 아니라 도형정보까지 소프트웨어로 자동검수하기 위한 알고리즘을 개발하였다.

• Nuclear Engineering and Technology
• /
• 제51권7호
• /
• pp.1784-1790
• /
• 2019

Accurate and consistent characterization of defects in steam generator tubes (SGT) in nuclear power plants is one of the key issues in the field of nondestructive testing since the large number of signals to be analyzed in a time-limited in-service inspection causes a serious problem in practice. This paper presents an effective approach to this difficult task of automated classification of motorized rotating pancake coil (MRPC) eddy current flaw acquired from tube specimens with deliberated defects using deep neural networks (DNN). This approach consists of five steps, namely, the data acquisition using the MRPC probe in the tube, the signal preprocessing to make data more suitable for training DNN, the data augmentation for boosting a training performance, the training of DNN, and finally demonstration of the trained DNN for discriminating the axial and circumferential defects. The high performance obtained in this study shows that DNN is useful for classification of defects in tubes from the MRPC eddy current signals even though the number of signals is very large.

• Applied Microscopy
• /
• 제52권
• /
• pp.1.1-1.8
• /
• 2022

As semiconductor device architecture develops, from planar field-effect transistors (FET) to FinFET and gate-all-around (GAA), there is an increased need to measure 3D structure sidewalls precisely. Here, we present a 3-Dimensional Atomic Force Microscope (3D-AFM), a powerful 3D metrology tool to measure the sidewall roughness (SWR) of vertical and undercut structures. First, we measured three different dies repeatedly to calculate reproducibility in die level. Reproducible results were derived with a relative standard deviation under 2%. Second, we measured 13 different dies, including the center and edge of the wafer, to analyze SWR distribution in wafer level and reliable results were measured. All analysis was performed using a novel algorithm, including auto fattening, sidewall detection, and SWR calculation. In addition, SWR automatic analysis software was implemented to reduce analysis time and to provide standard analysis. The results suggest that our 3D-AFM, based on the tilted Z scanner, will enable an advanced methodology for automated 3D measurement and analysis.

• 국제학술발표논문집
• /
• The 8th International Conference on Construction Engineering and Project Management
• /
• pp.399-408
• /
• 2020

The construction industry is suffering from aging workers, frequent accidents, as well as low productivity. With the rapid development of information technologies in recent years, automatic construction, especially automatic cranes, is regarded as a promising solution for the above problems and attracting more and more attention. However, in practice, limited by the complexity and dynamics of construction environment, manual inspection which is time-consuming and error-prone is still the only way to recognize the search object for the operation of crane. To solve this problem, an image-processing-based automated object recognition approach is proposed in this paper, which is a fusion of Convolutional-Neutral-Network (CNN)-based and traditional object detections. The search object is firstly extracted from the background by the trained Faster R-CNN. And then through a series of image processing including Canny, Hough and Endpoints clustering analysis, the vertices of the search object can be determined to locate it in 3D space uniquely. Finally, the features (e.g., centroid coordinate, size, and color) of the search object are extracted for further recognition. The approach presented in this paper was implemented in OpenCV, and the prototype was written in Microsoft Visual C++. This proposed approach shows great potential for the automatic operation of crane. Further researches and more extensive field experiments will follow in the future.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권4호
• /
• pp.959-979
• /
• 2024

Rice pest identification is essential in modern agriculture for the health of rice crops. As global rice consumption rises, yields and quality must be maintained. Various methodologies were employed to identify pests, encompassing sensor-based technologies, deep learning, and remote sensing models. Visual inspection by professionals and farmers remains essential, but integrating technology such as satellites, IoT-based sensors, and drones enhances efficiency and accuracy. A computer vision system processes images to detect pests automatically. It gives real-time data for proactive and targeted pest management. With this motive in mind, this research provides a novel farmland fertility algorithm with a deep learning-based automated rice pest detection and classification (FFADL-ARPDC) technique. The FFADL-ARPDC approach classifies rice pests from rice plant images. Before processing, FFADL-ARPDC removes noise and enhances contrast using bilateral filtering (BF). Additionally, rice crop images are processed using the NASNetLarge deep learning architecture to extract image features. The FFA is used for hyperparameter tweaking to optimise the model performance of the NASNetLarge, which aids in enhancing classification performance. Using an Elman recurrent neural network (ERNN), the model accurately categorises 14 types of pests. The FFADL-ARPDC approach is thoroughly evaluated using a benchmark dataset available in the public repository. With an accuracy of 97.58, the FFADL-ARPDC model exceeds existing pest detection methods.

• 한국자원리싸이클링학회:학술대회논문집
• /
• 한국자원리싸이클링학회 2005년도 춘계임시총회 및 제25회 학술발표대회
• /
• pp.57-61
• /
• 2005

본 연구에서는 색도인식이 가능한 머신 비젼시스템을 설계 제작하고 제작한 시스템을 이용하여 철스크랩에 혼합되어 있는 Cu 스크랩을 자동으로 분리하는 시험연구를 행하였다. 머신비젼시스템은 크게 측정부, 이송부 및 ejector로 구분되며 CCD카메라, 광원 및 frame grabber로 구성된 측정부에서 이메지 프로쎄싱 알고리즘에 의해 이송되어 오는 스크랩 표면의 색도를 인식하게 된다. 또한 그 인식결과에 따라 I/O interface가 구성된 콘트롤러에 의해 에어노즐을 작동하도록 하여 임의로 지정한 특정한 표면색상의 스크랩만을 분리하도록 되어 있다. 본 시스템을 이용하여 철스크랩에 포함된 Cu스크랩의 분리시험을 행한 결과, 스크랩 이송속도가 15m/min.에서 90% 이상의 분리효율을 나타내어 향후 분리효율의 고속화가 실현될 경우 산업적으로 적용가능성이 매우 높은 것으로 판단되었다.