• Journal of Preventive Medicine and Public Health
• /
• 제32권1호
• /
• pp.30-39
• /
• 1999

이 연구는 특수건강진단기관의 소음성 난청 진단결과의 유소견자$(D_1)$와 요관찰자(C)를 하나의 평가 지표로 설정하여, 첫째 소음 특수건강진단 결과 소음성 난청의 실태 파악, 둘째 소음성 난청 요관찰 자의 청력장애 평가, 셋째 정력장애 정도 에 따른 각 주파수 영역별 기도순음청력 검사 결과를 통해 청력손실의 정도를 파악하고 이의 판정기준에 따른 진단의 적정성을 검토하고자 하였다. 1. 1994년 l월부터 12월까지의 73개 특수건강진단기관의 특수건강진단 실시 사업장은 27,347개이며 이중 소음 특수 건강진단 설시 사업장은 16,388개(59.9%)이었으며, 전체 특수건강진단 수진 근로자는 731,029명이며 이중 소음 특수 건강진단 수진 근로자는 343,457명 (47.0%)이었다. 소음성 난청 요관찰자는 38,058명, 소음성 난청 유소견자는 1,358 명으로 소음성 난청 요관찰률은 11.1%, 유소견율은 0.44%이었다. 지역에 따라 소음성 난청 요관찰률의 차이를 보여주며 판정기준의 적용에 따른 기도순음 청력평균손실치가 일부 적정하게 판단되지 못하였음을 보여 주었다. 2. ISO 기준의 3분법에 의한 청력 평가시 97%가 경도난청 이하였으며, 회화음 역에서의 4분법에 비해 거의 비슷하였으나 약간 정상역이 많았고, 고음역을 포함하여 평가하는 4분법과 6분법의 적용시 정상자의 경도난청으로의 가능성이 높다고 볼 수 있어 청력평가시 평가방법의 적용에 따라 내재적인 판별능의 차이를 보여준다고 볼 수 있다. 3. 우측귀의 청력역치를 ISO 기준에 의해 평가한 후 양귀의 청력역치의 분포 및 차이를 보면, 우측귀의 평균역치(표준편차)가 20.54(9.56) dB, 좌측귀의 평균역치가 20.54(9.57) dB로 좌측귀의 평균역치가 우측보다 높았다. 양귀의 청력이 75.4%에서 정상역이었으며, 21,562명 (90.6%)의 양귀 청력역치 차이의 범위가 10dB이내였다. 4. 소음성 난청 요관찰자의 회화음역에 속하는 500, 1,000 및 2,000 Hz에서의 기도청력역치를 산술평균으로 하여 구하는 3분법의 청력손실도(표준편차)를 주파수 별로 보면, 우측귀에서 500 Hz 21.08(10.23), 1,000 Hz 18.44(10.01), 2,000 Hz 22.09(13.46), 4,000 Hz 52.36(16.38) dB이었다. 평균청력손실도를 10 dB 간격으로 구분한 후 각각의 주파수별 청력역치를 살펴보면, 정상역인 20 dB미만에서 고음역인 4,000 Hz에서 회화음역인 500, 1,000 및 2,000 Hz에서 보다 평균 30-40 dB 이상의 역치를 보이는 $C_5-dip$ 현상을 특징적으로 보였다. 평균정력손질이 증가함에 따라 4,000 Hz에서의 역치 증가 현상이 점차적으로 감소하다 평균청력손실이 50 dB 이상에서는 10dB 내외의 차이만을 나타내었다. 이상과 같이 소음성 난청 요관찰자에 대한 분석에서 소음성 난청의 평가방법 에 따른 실태와 의미, 소음에 의한 조기청력손실의 특정과 소음성 난청의 판정기준에 따른 진단의 적정성을 확인할 수 있었으며, 소음성 난청 요관찰자에 대한 관리의 필요성을 제언할 수 있겠다.

• 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.

• Asian Journal of Atmospheric Environment
• /
• 제8권1호
• /
• pp.35-47
• /
• 2014

The purpose of the study is to evaluate the pollution level (gaseous and particle phase) in the public facilities for the PAHs, non-regulated materials, forecast the risk level by the health risk assessment (HRA) and propose the guideline level. PAH assessments through sampling of particulate matter of diameter < 2.5 ${\mu}m$ ($PM_{2.5}$). The user and worker exposure scenario for the PAHs consists of 24-hour exposure scenario (WIES) assuming the worst case and the normal exposure scenario (MIES) based on the survey. This study investigated 20 PAH substances selected out of 32 substances known to be carcinogenic or potentially carcinogenic. The risk assessment applies major toxic equivalency factor (TEF) proposed from existing studies and estaimates individual Excess Cancer Risk (ECR). The study assesses the fine dusts ($PM_{2.5}$) and the exposure levels of the gaseous and particle PAH materials for 6 spots in each 8 facility, e.g. underground subway stations, child-care facilities, elderly care facilities, super market, indoor parking lot, terminal waiting room, internet caf$\acute{e}$ (PC-rooms), movie theater. For internet caf$\acute{e}$ (PC-rooms) in particular, that marks the highest $PM_{2.5}$ concentration and the average concentration of 10 spots (2 spots for each cafe) is 73.3 ${\mu}g/m^3$ (range: 6.8-185.2 ${\mu}g/m^3$). The high level of $PM_{2.5}$ seen in internet cafes was likely due to indoor smoking in most cases. For the gaseous PAHs, the detection frequency for 4-5 rings shows high and the elements with 6 rings shows low frequency. For the particle PAHs, the detection frequency for 2-3 rings shows low and the elements with 6 rings show high frequency. As a result, it is investigated that the most important PAHs are the naphthalene, acenaphthene and phenanthrene from the study of Kim et al. (2013) and this annual study. The health risk assessment demonstrates that each facility shows the level of $10^{-6}-10^{-4}$. Considering standards and local source of pollution levels, it is judged that the management standard of the benzo (a)pyrene, one of the PAHs, shall be managed with the range of 0.5-1.2 $ng/m^3$. Smoking and ventilation were considered as the most important PAHs exposure associated with public facility $PM_{2.5}$. This study only estimated for inhalation health risk of PAHs and focused on the associated cancer risk, while multiple measurements would be necessary for public health and policy.

• 지능정보연구
• /
• 제18권2호
• /
• pp.47-60
• /
• 2012

비디오 데이터는 구조화되지 않은 복합 데이터의 형태를 지닌다. 이러한 비디오 데이터의 효율적인 관리 및 검색을 위한 비디오 데이터 구조화의 중요성이 대두되면서 콘텐츠 내 시각적 특징을 기반으로 비디오 씬(scene)을 탐지하고자 하는 연구가 활발히 진행되었다. 기존의 연구들은 주로 색상 정보만을 이용하여 샷(shot) 간의 유사도 평가를 기반한 클러스터링(clustering)을 통해 비디오 씬을 탐지하고자 하였다. 하지만 비디오 데이터의 색상 정보는 노이즈(noise)를 포함하고, 특정 사물의 개입 등으로 인해 급격하게 변화하기 때문에 색상만을 특징으로 고려할 경우, 비디오 샷 혹은 씬에 대한 올바른 식별과 디졸브(dissolve), 페이드(fade), 와이프(wipe)와 같은 화면의 점진적인 전환(gradual transitions) 탐지는 어렵다. 이러한 문제점을 해결하기 위해, 본 논문에서는 프레임(frame)의 컬러 히스토그램과 코너 에지, 그리고 객체 컬러 히스토그램에 해당하는 시각적 특징을 기반으로 동일한 이벤트를 구성하는 의미적으로 유사한 샷의 클러스터링을 통해 비디오 씬을 탐지하는 방법(Scene Detector by using Color histogram, corner Edge and Object color histogram, SDCEO)을 제안한다. SDCEO는 샷 바운더리 식별을 위해 컬러 히스토그램 분석 단계에서 각 프레임의 컬러 히스토그램 정보를 이용하여 1차적으로 연관성 있는 연속된 프레임을 샷 바운더리로 병합한 후, 코너 에지 분석 단계에서 병합된 샷 내 처음과 마지막 프레임의 코너 에지 특징 비교를 통하여 샷 바운더리를 정제하여 최종 샷을 식별한다. 키프레임 추출 단계에서는 샷 내 프레임간 유사도 비교를 통해 모든 프레임과 가장 유사한 프레임을 각 샷을 대표하는 키프레임으로 추출한다. 그 후, 비디오 씬 탐지를 위해, 컬러 히스토그램과 객체 컬러 히스토 그램에 해당하는 프레임의 시각적 특징을 기반으로 상향식 계층 클러스터링 방법을 이용하여 의미적인 연관성을 지니는 샷의 군집화를 통해 비디오 씬을 탐지하는 방법이다. 본 논문에서는 SDCEO의 프로토 타입을 구축하고 3개의 비디오 데이터를 이용한 실험을 통하여 SDCEO의 효율성을 평가하였고 샷 바운더리 식별의 성능의 정확도는 평균 93.3%, 비디오 씬 탐지 성능의 정확도는 평균 83.3%로 만족할만한 성능을 보였다.

• 한국산학기술학회논문지
• /
• 제16권6호
• /
• pp.4335-4347
• /
• 2015

본 연구에서는 2008년 8월부터 2012년 12월 까지 경기도 수원, 안산, 화성 등 초등학교 286곳을 대상으로 교실에서의 $PM_{10}$ 및 $CO_2$ 농도 현황을 조사하고, 환경적 특성을 파악하여 초등학교 학생들의 건강에 영향을 미치는 학교 실내공기질의 관리 방안으로 활용하고자 한다. 초등학교를 지역별로 구분하여 $PM_{10}$ 농도를 조사한 결과, 통계적으로 유의한 차이를 보이진 않았다. 그러나 지리적 특성에 따라 상대적으로 공단지역에서는 높은 농도를 보였으며, 농촌지역에서는 낮은 농도를 보였다. $CO_2$ 농도는 각 지역 간 농도 차이는 없는 것으로 나타났다. 연도별 $PM_{10}$ 농도를 분석한 결과, 수원은 2008년, 화성은 2009년에 가장 높은 농도로 나타났다(p<0.01). 안산지역은 2009년에 가장 높은 농도를 보였으나, 유의한 차이를 보이지 않았다. 각 지역 의 연도별 $CO_2$의 농도를 분석한 결과, 유의한 차이를 보이지 않는 것으로 분석 되었다(p-value = 0.366, 0.730, 0.210). 2008년 가을부터 2012년 겨울까지 $PM_{10}$와 $CO_2$의 계절별 시계열 분석 결과, $PM_{10}$의 경우는 2009년에 높게 나타났으며, 점차적으로 감소하는 경향을 보이다가 2012년에 다시 높아지는 경향을 보였다. $CO_2$는 연도별로 차이가 없는 것으로 나타났으나, 계절별로 는 봄과 겨울기간이 여름철보다 농도가 높아지는 경향을 나타내었다. $PM_{10}$과 $CO_2$, 건축년도, 학급 평균 인원, 온도, 습도와의 상관성을 분석한 결과, $CO_2$와 환경적 요인인 온도, 습도와 상관성은 각 -0.329, -0.188로 유의한 음의 상관성을 보였다(p< 0.01).

• 한국지리정보학회지
• /
• 제22권3호
• /
• pp.82-98
• /
• 2019

정보화 사회로 진입하면서 공간정보의 중요성은 급격하게 부각되고 있다. 특히 스마트시티, 디지털트윈과 같은 Real World Object의 3차원 공간정보 구축 및 모델링은 중요한 핵심기술로 자리매김하고 있다. 구축된 3차원 공간정보는 국토관리, 경관분석, 환경 및 복지 서비스 등 다양한 분야에서 활용된다. 영상기반의 3차원 모델링은 객체 벽면에 대한 텍스처링을 생성하여 객체의 가시성과 현실성을 높이고 있다. 하지만 이러한 텍스처링은 영상 취득 당시의 가로수, 인접 객체, 차량, 현수막 등의 물리적 적치물에 의해 필연적으로 폐색영역이 발생한다. 이러한 폐색영역은 구축된 3차원 모델링의 현실성과 정확성 저하의 주요원인이다. 폐색영역 해결을 위한 다양한 연구가 수행되고 있으며, 딥러닝을 이용한 폐색영역 검출 및 해결방안에 대한 연구가 수행되고 있다. 딥러닝 알고리즘 적용한 폐색영역 검출 및 해결을 위해서는 충분한 학습 데이터가 필요하며, 수집된 학습 데이터 품질은 딥러닝의 성능 및 결과에 직접적인 영향을 미친다. 따라서 본 연구에서는 이러한 학습 데이터의 품질에 따라 딥러닝의 성능 및 결과를 확인하기 위하여 다양한 영상품질을 이용하여 영상의 폐색영역 검출 능력을 분석하였다. 폐색을 유발하는 객체가 포함된 영상을 인위적이고 정량화된 영상품질별로 생성하여 구현된 딥러닝 알고리즘에 적용하였다. 연구결과, 밝기값 조절 영상품질은 밝은 영상일수록 0.56 검출비율로 낮게 나타났고 픽셀크기와 인위적 노이즈 조절 영상품질은 원본영상에서 중간단계의 비율로 조절된 영상부터 결과 검출비율이 급격히 낮아지는 것을 확인할 수 있었다. F-measure 성능평가 방법에서 노이즈 조절한 영상품질 변화가 0.53으로 가장 높게 나타났다. 연구결과로 획득된 영상품질별에 따른 폐색영역 검출 능력은 향후 딥러닝을 실제 적용을 위한 귀중한 기준으로 활용될 것이다. 영상 취득 단계에서 일정 수준의 영상 취득과 노이즈, 밝기값, 픽셀크기 등에 대한 기준을 마련함으로써 딥러닝을 실질적인 적용에 많은 기여가 예상된다.

• 화약ㆍ발파
• /
• 제30권2호
• /
• pp.86-97
• /
• 2012

건설현장의 노천발파로 발생되는 지반진동은 인체의 간접피해 및 구조물의 물적 피해를 동반하며, 인체는 진동레벨, 구조물은 진동속도 단위로 평가한다. 본 연구는 실시단계 진동기준 중 진동속도 외 누락된 진동레벨 단위를 추가, 진동속도 및 진동레벨을 동시 측정한 적용사례로서 추후 민원이 예상되는 현장관리에 도움이 될 것으로 여겨진다. 발파진동 및 진동레벨 추정식 도출을 위한 표본수는 총 232개가 사용되었으며, 진동속도 0.3 cm/s와 진동레벨 75 dB(V) 기준의 지발당장약량을 비교한 결과, 후자가 20.0~40.9% 여유가 있음을 입증하여 진동레벨 단위척도 추가는 전혀 문제되지 않음을 언급하였다. 소음 진동 관리법이 우선된다면 노천발파 시공비용은 훨씬 저감될 것으로 생각된다. 본 연구에서 사용된 계측기기는 국내에서 처음으로 진동속도 및 진동레벨을 동시 측정할 수 있는 특성을 지닌 SV-1모델을 사용하였다.

• 한국도로학회논문집
• /
• 제13권3호
• /
• pp.51-63
• /
• 2011

소입경 골재노출콘크리트포장은 콘크리트 포장 시공 시 포장표면에 적정 응결지연제를 분사한 후 표면 모르타르를 제거하여 굵은 골재를 노출시킴으로서 표면조직을 형성하는 공법으로써 기존 콘크리트 포장의 소음문제를 해결할 수 있는 저소음 공법이다. 소입경 골재노출 콘크리트 포장은 강도를 크게 개선할 뿐만 아니라 소음저감 효과 및 우수한 미끄럼 저항성을 확보하여 도로이용자의 안정성을 확보할 수 있는 공법이다. 현재 국외 도로 선진국의 경우 골재노출 포장의 상용화가 이루어진 상태이지만 국내의 경우는 실용화 초기단계이기 때문에 현장적용을 위해서는 국내 여건에 맞는 합리적인 관리 기준이 필요하다. 이를 위하여 소입경 골재노출 콘크리트 포장의 최적배합 및 노출기법 연구, 굵은 골재의 선정 및 입도 설계, 환경하중 저항성 평가 등 실내시험을 수행하였으며, 소입경 골재노출 콘크리트 포장의 시공을 위한 시공 장비를 제작하였다. 따라서 본 연구에서는 시험시공을 통해 도출된 결과와 기존 실내시험에서 도출된 결과를 비교 분석하였으며, 시험시공 분석을 통하여 골재 탈리 방지, 강도 및 내구성 확보를 위한 표준배합을 제시하였다. 환경 및 시공조건이 상이한 3차례 시험시공 구간을 선정하여 시공현장여건에 유동성으로 대처할 수 있는 시공 기술 및 시공 기준을 제시하였다. 또한 장 단기 공용성 평가를 통하여 도로 포장의 기능성 측면에서 우수한 소음저감 및 미끄럼 저항성을 확보할 수 있는 노면조직의 품질관리 기준을 제시하였다.

• 디지털융복합연구
• /
• 제15권11호
• /
• pp.425-432
• /
• 2017

현재 추천 시스템은 실제 사용자가 선호하는 항목을 추천하는지, 아니면 단순히 관심 정도의 항목을 추천하는지 알 수 없다는 문제와 사용자들이 매우 적어 적합한 항목을 추천할 수 없는 데이터 희소성 문제, 새로운 사용자들이 유입됨에 따라 사용자들이 만족하는 항목을 추천하기 위해 시스템의 성능이 저하되는 Cold-Start 문제 등이 발생한다. 본 연구에서는 이러한 문제점을 해결하기 위해 불확실한 상황이나 문제들을 반영할 수 있는 퍼지-계층적 분석(Fuzzy-Analytic Hierarchy Process)과 주어진 항목들을 비슷한 항목들끼리 모으는 데이터 군집화 알고리즘을 활용하여 사용자들에게 만족할 수 있는 영화를 추천하기 위한 시스템을 구현하였다. 61명을 대상으로 영화 선호도에 대한 설문 조사를 실시한 데이터를 본 시스템에 적용한 결과 Fuzzy-AHP 기법을 통해서 데이터 희소성 문제를 해소할 수 있었으며, 또한 데이터 군집화 알고리즘을 통해 새로운 사용자들이 유입되어도 사용자에게 적합한 항목이 추천되었음을 확인할 수 있었다. 향후 노이즈 데이터나 아웃라이어(Outlier) 데이터를 걸러낼 수 있는 밀도 기반 클러스터링에 대한 연구가 필요할 것으로 생각된다.

• 디지털융복합연구
• /
• 제13권10호
• /
• pp.377-383
• /
• 2015

본 연구는 방사선을 이용한 검사 시 방사선 방어용 앞치마(apron)의 성능이 좋지 못할 경우 방사선 작업종사자의 피폭이 상대적으로 높아질 수밖에 없음에 따라 영상평가 프로그램인 Image J의 최대 신호 대 잡음비 값을 측정하여 융복합 방어 성능평가와, 우수한 성능의 apron을 구비 할 수 있는 기초자료를 도출하고, 선량계 없이도 성능 평가 방법의 접근을 용이하게 하여 주기적이고 철저한 apron관리의 용이성을 확보하고자 하였다. 각각 32벌의 apron 9군데의 최대 신호 대 잡음비 값을 비교한 결과 상태가 양호한 apron의 경우 27 dB이상으로 나타났고 상태가 불량한 apron의 경우 24 dB미만으로 측정되어 각각의 성능이 뚜렷하게 구별 되는 것이 확인되었다. 통계분석결과 정규성 분포를 보여 t-test를 실시한 결과 p<0.001로 두 결과 값은 통계적으로 유의하였다. 이에 따라 방사선 작업종사자의 방사선피폭을 최대한 줄이기 위해 선량계 없이 최대 신호 대 잡음비 값 측정만으로 apron의 성능 평가가 용이하여 방사선 작업종사자 및 환자의 불필요한 피폭 관리가 용이하게 되었다.