• 한국가구학회지
• /
• 제26권3호
• /
• pp.252-261
• /
• 2015

Unlike traditional cultural assets, industrial assets are closely tied with contemporary life in numerous ways, and have acted as a bridge between the traditional architectural buildings and contemporary architectural buildings, reflecting the overall economical, social and cultural portraits of that time. Reinvestigating them in a new light, granting just and fair values, and preserving and transmitting these modern cultural heritages is a method of preserving the historical and cultural traditions in order to keep own identity and integrity. Nowadays, however, due to various sprawling developments and new development-oriented urban policies, only a select few industrial assets are being protected, the rest facing demolition and damages. In order to better cope with such situation, Korea has officially introduced the Registered Cultural Properties System since 2001, and began acknowledging the historical values of industrial buildings as modern cultural properties. By systematic analysis and deduction of characteristics from successfully recycled precedents such Oberhausen Gasometer in the state of Nordhein-Westfalen that have been preserved and recycled as cultural spaces, this paper aims to find and propose suggestions to rehabilitate and recycle the industrial cultural properties in Korea.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.

• 대한임상검사과학회지
• /
• 제48권4호
• /
• pp.401-410
• /
• 2016

19세기 후반부터 과학적 논리와 기술이 임상병리학 분야에 적극적으로 활용되기 시작하였다. 이로 인해 많은 검사들이 도구와 기기를 이용하기 시작하였다. 이 때 등장한 혈색소 측정법 중에서 육안색조비교법이 일반적으로 사용되었고, 비중측정법과 가스정량법은 활용도가 낮았다. 육안색조비교법을 적용한 기기로는 Gowers' hemoglobinometer, von Fleischl's hemoglobinometer, Dare's hemoglobinometer, Oliver's hemoglobinometer 그리고 Haden-Hausser hemoglobinometer, Spencer Hb meter 등이 있다. 육안색조비색법은 초기에 혈액을 증류수를 이용하여 희석하고 용혈시킨 후 색조를 측정하는 방법을 활용하였지만, 이후 측정방법을 개선하면서 혈액을 희석없이 측정하거나 발색의 안전성을 위해 acid 혹은 alkaline hematin을 형성시키는 방법들로 발전하였다. 비중을 이용한 측정법으로 Hammerschlag method와 Schmaltz and Peiper's method가 활용되었지만 대중적으로 사용되지는 않았다. 가스정량법은 van Slyke 장치를 이용하여 간접적으로 헤모글로빈 농도를 추정하는 방법으로 가장 정확한 결과를 제공하였다. 본 조사에서는 19세기 후반과 20세기 초 중반까지 사용된 혈색소 측정기기와 측정법에 대한 특징 및 제한점 등을 알아 보았고, 이를 통하여 현재의 측정방법 및 새롭게 등장하는 기술들에 대한 이해와 응용력을 향상시키고자 하였다. 또한 이번 조사가 진단검사 기술분야의 다양한 역사유물에 대한 고찰뿐만 아니라 역사자료 체계화에 대한 필요성을 자각하는 시발점이 되기를 희망한다.