• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.497-510
• /
• 2022

농업용 저수지는 수자원이 계절적으로 편중된 한반도에서 갈수기 용수 공급을 위한 필수적인 구조물이다. 효율적인 물 관리를 위해서는 중소규모 저수지에 대한 체계적이고 효과적인 모니터링이 필요하며, 합성개구 레이더(Synthetic Aperture Radar, SAR) 영상은 전천후 관측이 가능하다는 특징과 함께 연속적인 저수지 모니터링을 위한 도구가 된다. 본 연구에서는 10 m급 해상도를 갖는 Sentinel-1 SAR 영상과 1 m급 해상도의 Capella X-SAR 영상을 활용하여 울산광역시 차리, 갈전, 뒷골 저수지의 수체를 탐지하였으며, 이를 통해 국내 중소규모 저수지 모니터링에의 활용성을 평가하고자 하였다. Z fuzzy function 기반 임계값 산정을 통한 영상분할기법과 객체 탐지 기반 분할기법인 Chan-vese (CV) 기법을 통해 수체 영역을 산정하였으며, UAV 영상과의 비교를 통해 성능을 정량적으로 평가하였다. 임계값 기반 탐지 정확도는 Sentinel-1의 경우 약 0.87, 0.89, 0.77 (차리, 갈전, 뒷골), Capella의 경우 약 0.78, 0.72, 0.81로 나타났으며, CV 기법 적용 시 모든 저수지에서 정확도가 향상되는 것을 확인하였다(Sentinel-1: 0.94, 0.89, 0.84, Capella: 0.92, 0.89, 0.93). Capella는 모든 저수지/분할기법에 대해 수체와 비수체의 경계를 비교적 뚜렷하게 모의하였으나, 고해상도로 인한 speckle noise가 충분히 평활화되지 않아 오탐지 및 미탐지가 다소 발생하였다. 오탐지의 제거를 위해 광학 센서 기반 보조자료를 활용하여 마스킹한 결과, 정확도가 최대 13% 향상되는 것을 확인할 수 있었다. 본 연구 결과를 바탕으로 SAR 위성 기반 더욱 정확한 저수지 탐지가 이루어진다면 소규모 저수지를 포함, 종합적인 가용수량에 대한 연속적인 모니터링이 가능할 것이며, 효과적인 수자원 관리에 기여할 수 있을 것으로 기대된다.

• 생물환경조절학회지
• /
• 제31권4호
• /
• pp.444-451
• /
• 2022

최근 토마토 수경재배가 증가하며 장기 재배가 일반화 되고 있다. 수경재배에서는 작물의 양분과 수분 요구도를 고려하여 적정 양액을 공급하는 것이 생산성, 자원의 이용, 환경보전 측면에서도 매우 중요한데 장기재배에서는 계절적인 환경변화가 심하므로 이것을 고려한 급액 관리가 매우 중요하다. 따라서 코이어 배지를 이용한 토마토 장기재배에서 급액량이 생육과 수량에 미치는 영향을 구명하고자 하였다. 온실 외부에 설치된 일사 센서로 적산일사를 기준으로 급액 횟수를 조절하였으며, 생육시기별로 급액 기준을 변경하며 4수준(High, Medium high, Meidum low, Low)으로 급액량을 달리 처리하였다. 급액량이 많을수록 배액률이 높았으며 배액의 EC가 지나치게 높아지는 것을 방지 할 수 있었다. 재배기간이 경과하면서 배액 EC가 높아졌는데 급액량이 적은 처리일수록 상승 폭이 컸다. 초장은 급액량이 가장 적은 처리구가 다른 처리구에 비하여 작았고 마디수와 화방의 발생 수는 급액량에 영향을 받지 않았다. 착과수는 전체적으로는 급액량의 영향을 크게 받지 않았으나 저온기에 발생한, 12-15화방에서는 급액량이 가장 많았던 처리구가 착과수가 적었다. 배꼽썩음과는 급액량이 가장 적은 처리구가 많았고 발생 시기도 빨랐다. 과실의 크기는 High 처리구가 컸으나 전체 수량은 Medium high 처리가 가장 많았다. 시험의 결과로 코이어를 이용한 토마토 수경재배에서 급액량이 근권의 양·수분 안정화와 생산성에 미치는 영향과 적정한 급액 관리의 중요성을 확인할 수 있었다. 따라서 최근에 보급되고 있는 복합환경제어시스템에 근권의 정보를 기준으로 정밀급액제어 알고리즘을 적용한다면 수경재배 제어기술 발전과 더불어 작물의 생산성 향상에도 기여할 수 있을 것으로 판단되므로 이에 대한 지속적인 연구가 필요할 것이다.

• 한국방사선학회논문지
• /
• 제17권1호
• /
• pp.157-165
• /
• 2023

초음파 영상(ultrasound imaging)이란 주파수의 음파를 이용하여 서로 다른 조직의 경계에서 반사, 흡수, 굴절, 투과 등의 물리적인 작용을 일으킨다. 초음파 장비로부터 생성되는 데이터 특성상의 잡음이 많고, 실제로 관찰하고자 하는 조직의 경계가 모호해서 형태의 파악이 어렵기 때문에 개선이 필요하다. 영상 화질의 감소로 인하여 경계면이 뭉쳐 보이는 경우를 해결하기 위한 방법으로 윤곽선(edge) 강조 방법을 사용한다. 본 논문에서는 경계면을 강화시키는 방법으로 언샤프닝 마스크와 하이부스트를 이용하여 각 영상에서 고주파 부분인 경계면을 강화시켜 화질 향상을 확인하였으며 원 영상과 화질이 향상된 영상을 정량적으로 평가하기 위해 MSE, RMSE, PSNR, SNR 등으로 측정하여 각 영상에 사용한 마스크 필터링을 평가했다. 필립스의 epiq 5 g , affiniti 70 g와 알피니언의 E-cube 15 초음파 장비로부터 복부, 머리, 심장, 간, 신장, 유방, 태아 영상을 획득하였다. 알고리즘 구현에 사용된 프로그램은 MathWorks의 MATLAB R2022a으로 구현하였다. 언샤프닝과 하이부스트 마스크 배열 크기는 3×3으로 설정하였으며 윤곽선 강조 영상을 만들 때 사용하는 공간필터인 라플라시안(laplacian) 필터를 두 마스크 모두 동일하게 적용하였다. 화질 정량 평가는 ImageJ 프로그램을 사용하였다. 다양한 초음파 영상에서 마스크 필터를 적용한 결과 주관적인 화질은 원 영상에서 언샤프닝과 하이부스트 마스크를 적용하였을 경우 영상의 전반적인 윤각선이 뚜렷하게 보였으며 또한 하이부스트 마스크에서는 언샤프닝 마스크 영상보다 밝은 명암비를 보여주었다. 정량적인 영상의 품질 비교 시 원 영상보다 언샤프닝 마스크와 하이부스트 마스크를 적용한 영상의 화질이 높게 평가되었다. 간문맥, 머리, 쓸개, 신장의 영상에서는 하이부스트 마스크를 적용한 영상의 SNR, PSNR, RMSE, MAE이 높게 측정되었으며 심장, 유방, 태아 영상은 반대로 언샤프닝 마스크 적용 영상이 SNR, PSNR, RMSE, MAE 값이 높은 값으로 측정되었다. 영상에 따라 최적의 마스크를 사용하는 것이 영상 품질 향상에 도움이 될 것으로 사료되며 각 부위의 초음파 영상의 윤곽 정보를 제공하여 영상의 품질을 향상시켰다.

• 한국터널지하공간학회 논문집
• /
• 제23권6호
• /
• pp.469-484
• /
• 2021

터널 설계 시 지반조사를 통한 암반분류 결과는 공사기간 및 공사비 산출, 그리고 터널안정성 평가에 지대한 영향을 미친다. 국내에서 지금까지 완공된 3,526개소의 터널들의 설계 및 시공을 통해 관련 기술들은 지속적으로 발전되어 왔지만, 터널 설계 시 암질 및 암반등급을 보다 정확하게 평가하기 위한 방법에 대한 연구는 미미하여 평가자의 경험 및 주관에 따라 결과의 차이가 큰 경우가 적지 않다. 따라서 본 연구에서는 암석샘플에 대한 주관적 평가를 통한 기존의 인력에 의한 암반분류 대신, 최근 지반분야에서도 그 활용도가 급증하고 있는 머신러닝 알고리즘을 이용하여 시추조사에서 획득한 다양한 암석 및 암반정보를 분석하여 보다 신뢰성있는 RMR에 의한 암반분류 모델을 제시하고자 하였다. 국내 13개 터널을 대상으로 11개의 학습 인자(심도, 암종, RQD, 전기비저항, 일축압축강도, 탄성파 P파속도 및 S파 속도, 영률, 단위중량, 포아송비, RMR)를 선정하여 337개의 학습 데이터셋과 60개의 시험 데이터셋을 확보하였으며, 모델의 예측성능을 향상시키기 위해 6개의 머신러닝 알고리즘(DT, SVM, ANN, PCA & ANN, RF, XGBoost)과 각 알고리즘별 다양한 초매개변수(hyperparameter)를 적용하였다. 학습된 모델의 예측성능을 비교한 결과, DT 모델을 제외한 5개의 머신러닝 모델에서 시험데이터에 대한 RMR 평균절대오차 값이 8 미만으로 수렴되었으며, SVM 모델에서 가장 우수한 예측성능을 나타내었다. 본 연구를 통해 암반분류 예측에 대한 머신러닝 기법의 적용 가능성을 확인하였으며, 향후 다양한 데이터를 지속적으로 확보하여 예측모델의 성능을 향상시킨다면 보다 신뢰성 있는 암반 분류에 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.207-221
• /
• 2023

본 연구는 천리안위성 2A호의 Level 1B (L1B) 정보를 사용해 지상기온을 추정하기 위한 심층신경망(deep neural network, DNN) 기법을 적용하고 검증을 실시하였다. 지상기온은 지면으로부터 1.5 m 높이의 대기온도로 일상생활뿐만 아니라 폭염이나 한파와 같은 이슈에 밀접한 관련을 갖는다. 지상기온은 지표면 온도와 대기의 열 교환에 의해 결정되므로 위성으로부터 산출된 지표면 온도(land surface temperature, LST)를 이용한 지상기온 추정 연구가 활발하였다. 하지만 천리안위성 2A호 산출물 LST는 Level 2 정보로 구름영향이 없는 픽셀만 산출되는 한계가 있다. 따라서 본 연구에서는 Advanced Meteorological Imager 센서에서 측정된 원시데이터에 오직 복사와 위치보정을 마친 L1B 정보를 사용해 지상기온을 추정하기 위한 DNN 모델을 제시하고 그 성능을 가늠하기 위해 위성 LST와 지상관측 기온 사이의 선형회귀모델을 기준모델로 사용하였다. 연구기간은 2020년부터 2022년까지 3년으로 평가기간 2022년을 제외한 기간은 훈련기간으로 설정했다. 평가지표는 기상청의 종관기상관측소에서 정시에 관측된 기온정보로 평균 제곱근 오차를 사용하였다. 관측지점에서 추출된 픽셀 중 손실된 픽셀의 비율은 LST는 57.91%, L1B는 1.63%를 보였으며 LST의 비율이 낮은 이유는 구름의 영향 때문이다. 제안한 DNN의 구조는 16개 L1B 자료와 태양정보를 입력 받는 층과 은닉층 4개, 지상기온 1개를 출력하는 층으로 구성하였다. 연구결과 구름의 영향이 없는 경우 DNN 모델이 root mean square error (RMSE) 2.22℃로 기준모델의 RMSE 3.55℃ 보다 낮은 오차를 보였고, 흐린 조건을 포함한 총 RMSE는 3.34℃를 나타내면서 구름의 영향을 제거할 수 있을 것으로 보였다. 하지만 계절과 시간에 따른 분석결과 여름과 겨울철에 모델의 결정계수가 각각 0.51과 0.42로 매우 낮게 나타났고 일 변동의 분산이 0.11과 0.21로 나타났다. 가시채널을 고려해 태양 위치정보를 추가한 결과에서 결정계수가 0.67과 0.61로 개선되었고 시간에 따른 일 변동의 분산도 0.03과 0.1로 감소하면서 모든 계절과 시간대에 더 일반화된 모델을 생성할 수 있었다.

• 한국해안·해양공학회논문집
• /
• 제35권6호
• /
• pp.109-120
• /
• 2023

광해역의 표층 해수유동을 준 실시간으로 측정하는 장비인 해양 고주파 레이다(High Frequency Radar, HFR)는 특정 전파대역(HF)의 주파수를 해수면으로 발사하고 후방으로 산란된 전파를 분석하여 표층 유속 벡터를 측정한다(Crombie, 1955; Barrick, 1972). 본 연구에서 사용되는 Codar사의 Seasonde HF radar의 경우, 무지향성 안테나에서 송·수신한 전파의 브래그 피크(Bragg peak)의 강도와 다중신호분류(Mutiple Signal Classification, MUSIC) 알고리즘을 통하여 방사형 해류(Radial Vector)의 속도와 위치를 결정하게 된다. 이때 생산된 해류는 관측 전파 수신 환경의 특성이 고려되지 않은 이상적인 전파환경(Ideal Pattern)이 적용된 자료로써 이를 보정하기 위하여 안테나 패턴 측정(Antenna Pattern Measurement, APM)을 시행하여 보정된 방사해류장(Measured Radial Vector)을 계산하게 된다. APM의 관측원리는 안테나로부터 수신되는 각 위치별 신호 강도값을 측정하여 해류의 위치 및 위상 정보를 수정하는 것으로 일반적으로 선박에 안테나를 설치하여 실험을 진행한다. 하지만 선박을 활용할 시, 기상조건과 해양 상황 등 다양한 환경에 의해 최적의 APM 결과를 산출하기까지 많은 제약이 따른다. 따라서 APM 실험에 대하여 해상 상황에 대한 의존도를 낮추고 경제적인 효율성을 높이기 위하여 무인항공기인 드론을 이용한 APM 활용 가능성을 검토하였다. 본 연구에서는 전남 완도군 당사리 당사도등대에 설치된 고주파레이다를 활용하여 선박을 활용한 APM 실험과 드론을 활용한 APM 실험을 진행하였으며 선박과 드론으로 관측된 결과가 적용된 방사형 해류와 계류된 고정부이를 활용하여 그 결과를 비교 분석하였다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1605-1613
• /
• 2023

해양 내의 다양한 물리적 변화는 수온과 염분의 지속적인 변동에 의해 결정된다. 수온과 더불어 넓은 영역의 염분 변화를 파악하기 위해서는 인공위성 자료에 의존할 수밖에 없다. 그럼에도 불구하고 염분을 관측하는 위성인 Soil Moisture Active Passive (SMAP)는 낮은 시·공간 해상도로 인해 연안 근처에서 빠르게 변화하는 해양환경을 관측하기에는 어렵다는 한계가 존재한다. 이러한 한계를 극복하기 위해 본 연구에서는 천리안 해양 관측 위성의 정지궤도 해색 센서인 Geostationary Ocean Color Imager-II (GOCI-II) 원격반사도 자료를 입력자료로 하여 고해상도 표층 염분을 산출하는 Multi-layer Perceptron Neural Network (MPNN) 기반의 알고리즘을 개발하였다. SMAP과 비교한 결과 coefficient of determination (R²)는 0.94, root mean square error (RMSE)는 0.58 psu 그리고 relative root mean square error (RRMSE)는 1.87%였으며, 공간적인 분포 또한 매우 유사한 결과를 나타냈다. R²의 공간 분포는 0.8 이상을 보여주었으며 RMSE는 전반적으로 1 psu 이하의 낮은 값을 보여주었다. 이어도 과학기지에서의 실측 염분값과도 비교하였지만 상대적으로 조금 낮은 결과를 보여주었다. 이에 대한 원인을 분석하였으며, 산출된 GOCI-II 기반 고해상도 염분 자료를 활용하여 2022년 11호 태풍 힌남노에 의한 하루 동안의 동중국해 표층 염분 변화를 표준편차로 계산하였다. 그 결과 SMAP에서 관측할 수 없는 시공간의 염분 변화를 고해상도의 GOCI-II 기반 염분 산출물을 통해 확인할 수 있었다. 따라서 본 연구를 통해 시간 단위로 변화하는 해양환경 모니터링에 큰 기여를 할 것으로 기대된다.

• Korean Chemical Engineering Research
• /
• 제61권4호
• /
• pp.523-541
• /
• 2023

3D 프린터의 활용이 높아짐에 따라 발생하는 화학물질에 대한 노출 빈도가 증가하고 있다. 그러나 3D 프린팅 발생 화학물질의 독성 및 유해성에 대한 연구는 미비하며, 분자 구조 데이터의 결측치로 인해 in silico 기법을 사용한 독성예측 연구는 저조한 실정이다. 본 연구에서는 화학물질의 분자구조 정보를 나타내는 주요 분자표현자의 결측치를 보간하여 3D 프린팅의 독성 및 유해성을 예측한 Data-centric QSAR 모델을 개발하였다. 먼저 MissForest 알고리즘을 사용해 3D 프린팅으로 발생되는 유해물질의 분자표현자 결측치를 보완하였으며, 서로 다른 4가지 기계학습 모델(결정트리, 랜덤포레스트, XGBoost, SVM)을 기반으로 Data-centric QSAR 모델을 개발하여 생물 농축 계수(Log BCF)와 옥탄올-공기분배계수(Log Koa), 분배계수(Log P)를 예측하였다. 또한, 설명 가능한 인공지능(XAI) 방법론 중 TreeSHAP (SHapley Additive exPlanations) 기법을 활용하여 Data-centric QSAR 모델의 신뢰성을 입증하였다. MissForest 알고리즘 기반 결측지 보간 기법은, 기존 분자구조 데이터에 비하여 약 2.5배 많은 분자구조 데이터를 확보할 수 있었다. 이를 바탕으로 개발된 Data-centric QSAR 모델의 성능은 Log BCF, Log Koa와 Log P를 각각 73%, 76%, 92% 의 예측 성능으로 예측할 수 있었다. 마지막으로 Tree-SHAP 분석결과 개발된 Data-centric QSAR 모델은 각 독성치와 물리적으로 상관성이 높은 분자표현자를 통하여 선택함을 설명할 수 있었고 독성 정보에 대한 높은 예측 성능을 확보할 수 있었다. 본 연구에서 개발한 방법론은 다른 프린팅 소재나 화학공정, 그리고 반도체/디스플레이 공정에서 발생 가능한 오염물질의 독성 및 인체 위해성 평가에 활용될 수 있을 것으로 사료된다.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.99-107
• /
• 2024

경제성장과 산업 발전에 따라 반도체 제품부터 SMT 제품, 전기 배터리 제품에 이르기 까지 많은 전자통신 부품들의 제조과정에서 발생하는 철, 알루미늄, 플라스틱 등의 이물질로 인해 제품이 제대로 동작하지 않거나, 전기 배터리의 경우 화재를 발생하는 문제까지 심각한 문제로 이어질 가능성이 있다. 이러한 문제를 해결하기 위해 초음파나 X-ray를 이용한 비파괴 방법으로 제품 내부에 이물질이 있는지 판단하여 문제의 발생을 차단하고 있으나, X-ray 영상을 취득하여 이물질이 있는지 판정하는 데에도 여러 한계점이 존재한다. 특히. 크기가 작거나 밀도가 낮은 이물질들은 X-Ray장비로 촬영을 하여도 보이지 않는 문제점이 있고, 잡음 등으로 인해 이물들이 잘 안 보이는 경우가 있으며, 특히 높은 생산성을 가지기 위해서는 빠른 검사속도가 필요한데, 이 경우 X-ray 촬영시간이 짧아지게 되면 신호 대비 잡음비율(SNR)이 낮아지면서 이물 탐지 성능이 크게 저하되는 문제를 가진다. 따라서, 본 논문에서는 저화질로 인해 이물질을 탐지하기 어려운 한계를 극복하기 위한 5단계 방안을 제안한다. 첫번째로, Global 히스토그램 최적화를 통해 X-Ray영상의 대비를 향상시키고, 두 번째로 고주파 영역 신호의 구분력을 강화하기 위하여 Local contrast기법을 적용하며, 세 번째로 Edge 선명도 향상을 위해 Unsharp masking을 통해 경계선을 강화하여 객체가 잘 구분되도록 한다, 네 번째로, 잡음 제거 및 영상향상을 위해 Resdual Dense Block(RDB)의 초고해상화 방법을 제안하며, 마지막으로 Yolov5 알고리즘을 이용하여 이물질을 학습한 후 탐지한다. 본 연구에서 제안하는 방식을 이용하여 실험한 결과, 저밀도 영상 대비 정밀도 등의 평가기준에서 10%이상의 성능이 향상된다.