• 한국컴퓨터정보학회논문지
• /
• 제27권4호
• /
• pp.27-36
• /
• 2022

본 논문에서는 이러한 어류 가공 현장의 문제점을 개선하기 위해서 AI 머신 비전을 이용한 어류의 목표 중량 절단 예측기법을 제안한다. 제안하는 방법은 먼저 입력된 물고기의 평면도와 정면도를 촬영하여 이미지기반의 전처리를 수행한다. 그런 다음 RANSAC(RANdom SAMmple Consensus)를 사용하여 어류의 윤곽선을 추출한 다음 3D 모델링을 사용하여 물고기의 3D 외부 정보를 추출한다. 이어서 추출된 3차원 특징 정보와 측정된 중량 정보를 머신러닝하여 목표 중량에 대한 절단 지점을 예측하기 위한 신경망 모델을 생성한다. 마지막으로 제안기법을 통해 예측된 절단 지점으로 직접 절단한 뒤 그 중량을 측정하였다. 그리고 측정된 무게를 목표 무게와 비교하여 MAE(Mean Absolute Error) 와 MRE(Mean Relative Error)와 같은 평가 방법을 사용해 성능을 평가하였다. 그 결과, 목표 중량과 비교해 3% 이내의 평균 오차율을 달성하였다. 제안된 기법은 향후 자동화 시스템과 연계되어 수산업 발전에 크게 기여할 것으로 전망한다.

• 한국콘텐츠학회논문지
• /
• 제22권7호
• /
• pp.540-547
• /
• 2022

온라인 교육은 미래 교육 변혁의 큰 흐름으로, 2020년 이래의 코로나19 사태는 이 변혁의 진행 과정을 더욱 가속화 시켰다. 온라인 교육은 안정성과 연속성 측면에서 현대 교육시스템의 중요한 부분으로 자리 잡았다. 그러나 전통적인 온라인 교육은 오프라인 교육에 비하여 상호작용과 학습 몰입감에 대한 문제점이 지적되고 있다. 또한 예술실기 수업이면 사용자의 체험감이 떨어지기 때문에 온라인 교육을 업그레이드하는 것이 미래 온라인 교육의 관건으로 대두되고 있다. 메타버스 플랫폼을 기반으로 하는 온라인 교육은 온라인 교육의 발생 공간을 재정의하고, 온라인 교육의 교수 모델과 학습 및 평가 방식을 변화시켜 발전 잠재력을 보여 주고 있다. 본 연구에서는 먼저 메타버스의 특징과 그 기술 발전에 대한 현황분석, 예술교육 중심으로 메타버스에 기초한 스마트 온라인 교육환경 구축 방안을 제시하고자 한다.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.11-19
• /
• 2022

본 논문은 컨볼루션 신경망(CNN)을 이용하여 폭발물 성분의 용량별로 분류할 때의 성능을 평가하는 연구이다. 기존의 폭발물 분류 방식 중에 IMS 증기 탐지기 방식은 폭발물의 농도가 사용자가 장비에서 설정한 임계치를 넘어야만 폭발물의 존재 여부를 판단한다. IMS 증기 탐지기는 폭발물이 존재하더라도 임계치를 넘지 않는 양이면 폭발물이 존재하지 않는다고 판단하는 문제가 있다. 따라서 폭발물 성분의 농도가 임계치를 넘지 않는 양일 때에도 폭발물 성분을 검출하는 방안이 필요하다. 이에 따라 본 논문에서는 폭발물 시계열 데이터를 Gramian Angular Field(GAF) 알고리즘으로 이미지화를 진행한 후 이미지와 영상처리뿐만 아니라 시계열 데이터 처리에도 뛰어난 성능을 보이는 딥러닝 모델인 컨볼루션 신경망(CNN)으로 직접 label을 설정해서 지도학습을 진행한 결과 폭발물 성분의 농도가 임계치를 넘지 않는 양일 때에도 폭발물 성분이 존재한다고 판단함과 동시에 폭발물 성분의 종류와 폭발물 성분의 농도의 양을 같이 판단할 수 있는지 성능평가를 진행했다.

• Human Ecology Research
• /
• 제60권4호
• /
• pp.484-496
• /
• 2022

The purpose of this study was implementing the high-school 'Food Safety and Health' curriculum using the workbook, and to evaluate the educational impact on, and satisfaction of student who participated in class. A total of 109 lessons were undertaken in home economics classes by referring to the 'Food Safety and Health' workbook for 1,154 students attending seven high schools located in seven cities and provinces across the Korea. In order to examine the effects of classes by referring to workbooks, pre- and post-evaluations were conducted by devising a questionnaire about dietary behavior associated with food safety, creative problem-solving abilities, community capacities, and social cooperation capacities. The results of the analysis of the collected data from 674 students who participated in the pre- and post-evaluations are as follows. First, according to the results of the paired t-test conducted to examine the effects of using the workbook in classes on dietary behavior, significant positive changes were observed in the dietary behavior related to food safety, creative problem-solving skills, community consciousness, and social cooperation capabilities. Second, as a result of the students' evaluation of classes by referring to the 'Food Safety and Health' workbook, both satisfaction and interest in the class using the workbook were high, and the difficulty level was deemed to be appropriate. Additionally, it was found that the students actively participated in learning activities. The reason for this appears to be that the aforementioned workbook consisted of various student activities such as experiments, practical exercises, and group activities aimed at strengthening the link between life and education, thus enabling increased student participation.

• 창의정보문화연구
• /
• 제5권3호
• /
• pp.245-253
• /
• 2019

2013년부터 아프리카 12국에 구축해온 솔라스쿨 활용 교육 지원 사업의 교수학습 활용 사례 및 성과를 규명하기 위해 케냐 1개교와 우간다 2개교를 방문하여, 학생들의 컴퓨터 사용 빈도 등 양태, ICT 기반 교수 학습 접근성 향상으로 인한 교사 자질 개선 여부 등을 조사하였다. 각 학교별 선도 교사, 교장, 교감, ICT 지원 인력, 학생들을 대상으로 면담조사를 실시하였다. 연구 결과는 다음과 같다. 첫째, 학생들의 입학률, 전입률, 출석률이 증진되었다. 둘째, 교사역량강화를 위한 현장연수, 초청연수의 효과를 확인하였다. 셋째, 솔라스쿨은 인근 학교 및 지역 사회의 변화를 위해 촉매 역할을 수행하였다. 넷째, 학교 내 모든 교육 관련자 간 솔라스쿨 지원사업의 의의와 주인의식의 공유 필요성과 지속적인 역량 강화를 위한 노력이 후속되어야 한다는 요구를 규명하였다.

• 한국의학물리학회지:의학물리
• /
• 제33권4호
• /
• pp.142-149
• /
• 2022

Purpose: This study seeks to compare the dosimetric parameters of the bulk electron density (ED) approach and synthetic computed tomography (CT) image in terms of position variation of the air cavity in magnetic resonance-guided radiotherapy (MRgRT) for patients with pancreatic cancer. Methods: This study included nine patients that previously received MRgRT and their simulation CT and magnetic resonance (MR) images were collected. Air cavities were manually delineated on simulation CT and MR images in the treatment planning system for each patient. The synthetic CT images were generated using the deep learning model trained in a prior study. Two more plans with identical beam parameters were recalculated with ED maps that were either manually overridden by the cavities or derived from the synthetic CT. Dose calculation accuracy was explored in terms of dose-volume histogram parameters and gamma analysis. Results: The D_95% averages were 48.80 Gy, 48.50 Gy, and 48.23 Gy for the original, manually assigned, and synthetic CT-based dose distributions, respectively. The greatest deviation was observed for one patient, whose D_95% to synthetic CT was 1.84 Gy higher than the original plan. Conclusions: The variation of the air cavity position in the gastrointestinal area affects the treatment dose calculation. Synthetic CT-based ED modification would be a significant option for shortening the time-consuming process and improving MRgRT treatment accuracy.

• 한국수자원학회논문집
• /
• 제56권5호
• /
• pp.347-356
• /
• 2023

상수도시스템에서는 적수 및 누수와 같은 다양한 수리 및 수질적 비정상상황이 발생한다. 이를 방지하거나 빠르게 복구하기 위하여 다양한 계측기에서 얻어지는 데이터를 통해 사고를 예상하고 탐지한다. 하지만 대표적인 수리학적 비정상상황인 누수의 경우 직접적인 탐사를 수행하지 않는다면 발견되기 어렵다. 그 중 미신고 파열누수의 경우 육안식별이 어렵기 때문에 가장 많은 누수를 차지하게 되며 이는 곧 큰 경제적 손실로 이어진다. 직접적인 탐사의 경우 전문인력 확보 등 현장의 여건 등 여러 한계점이 존재한다. 이를 해결하기 위해 본 연구에서는 검보정이 완료된 상수도관망 수리모형(EPANET)의 수리해석결과 데이터를 학습데이터로 사용하고 Deep neural network 알고리즘을 활용하여 누수규모 및 누수위치에 대한 누수탐사를 수행하였다. 누수탐사 수행을 위해 모의 누수 사고데이터를 생성하였으며 누수규모, 위치 등 다양한 시나리오를 고려하였다. 또한, 최적의 누수 탐지 성능을 위해 관망의 크기, 계측기의 종류, 개수, 위치에 따른 탐지성능을 분석하였다.

• 품질경영학회지
• /
• 제52권1호
• /
• pp.43-56
• /
• 2024

Purpose: The injection molding process, crucial for plastic shaping, encounters difficulties in sustaining product quality when replacing injection machines. Variations in machine types and outputs between different production lines or factories increase the risk of quality deterioration. In response, the study aims to develop a system that optimally adjusts conditions during the replacement of injection machines linked to molds. Methods: Utilizing a dataset of 12 injection process variables and 52 corresponding sensor variables, a predictive model is crafted using Decision Tree, Random Forest, and XGBoost. Model evaluation is conducted using an 80% training data and a 20% test data split. The dependent variable, classified into five characteristics based on temperature and pressure, guides the prediction model. Bayesian optimization, integrated into the selected model, determines optimal values for process variables during the replacement of injection machines. The iterative convergence of sensor prediction values to the optimum range is visually confirmed, aligning them with the target range. Experimental results validate the proposed approach. Results: Post-experiment analysis indicates the superiority of the XGBoost model across all five characteristics, achieving a combined high performance of 0.81 and a Mean Absolute Error (MAE) of 0.77. The study introduces a method for optimizing initial conditions in the injection process during machine replacement, utilizing Bayesian optimization. This streamlined approach reduces both time and costs, thereby enhancing process efficiency. Conclusion: This research contributes practical insights to the optimization literature, offering valuable guidance for industries seeking streamlined and cost-effective methods for machine replacement in injection molding.

• International Journal of Internet, Broadcasting and Communication
• /
• 제16권4호
• /
• pp.16-20
• /
• 2024

This platform is a platform that broadcasts the chef's cooking scenes live and teaches individual subscribers personalized cooking through auctions.The platform delivers the chef's hands-on cooking demonstration to customers in real time, and the auction-winning customers get the opportunity to participate in exclusive live broadcasts with the chef.This provides customers with an immersive learning experience, providing them with an opportunity to enhance not only culinary knowledge but also in-depth understanding and practical cooking skills.This platform places a lot of weight on social contributions beyond just commercial purposes The dishes created by the chef through live broadcasts are delivered directly to the socially underprivileged, especially the vulnerable in need of help, in collaboration with donor organizations. This demonstrates that cooking can be a means of embodying social values, not just commercial activities. In this way of operation, we want to realize a culture of sharing through cooking and combine the platform's existence value with social responsibility. Additionally, the platform provides customers with a variety of sales methods, with some popular content produced as meal kits based on clicks, subscriber reactions, and evaluation by restaurant experts. These meal kits are provided on a regular basis through the subscription system or sold in a way that the general consumer can also purchase individually. Some of the profits from meal kit sales lead to donations again, allowing the platform to have a virtuous cycle structure that continues to create social value. In conclusion, the platform redefines the modern culinary experience through a model that combines advanced culinary education with social sharing. It is creating a sustainable ecosystem that provides subscribers with special cooking experiences and in-depth academic opportunities, and at the same time provides practical help to the socially underprivileged through donations and sharing. Closely combined with culinary education, interaction, and social responsibility, the platform contains innovative attempts to incorporate the educational and social values of cooking to shed light on its new meaning and value.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.