• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1075-1080
• /
• 2022

최근 인공지능 알고리즘으로 대표되는 머신러닝 및 딥러닝 알고리즘이 다양한 분야에서 예측, 분류, 군집화 등과 같은 분야에 적용하고자 하는 노력이 지속되고 있다. 이에 본 논문에서는 PCB의 보호용 필름의 미박리 상태를 디젝트론2를 이용하여 검출하는 알고리즘을 제시한다. 반사 임계각 42.8°의 조건으로 촬영된 이미지로 61장의 데이터를 기반으로, 42장의 데이터를 학습에 19장의 데이터를 검증에 사용하였다. 딥러닝을 이용한 PCB 미박리 필름 검출 결과 19장의 검증 데이터 중 16장 검출, 3장 오검출 결과를 얻었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권1호
• /
• pp.93-113
• /
• 2020

According to information theory, non-orthogonal transmission can achieve the multiple-user channel capacity with an onion-peeling like successive interference cancellation (SIC) based detection followed by a capacity approaching channel code. However, in multiple antenna system, due to the unideal characteristic of the SIC detector, the residual interference propagated to the next detection stage will significantly degrade the detection performance of spatial data layers. To overcome this problem, we proposed a modified power-domain non-orthogonal multiple access (P-NOMA) scheme joint designed with space-time coding for multiple input multiple output (MIMO) NOMA system. First, with proper power allocation for each user, inter-user signals can be separated from each other for NOMA detection. Second, a well-designed quasi-orthogonal space-time block code (QO-STBC) was employed to facilitate the SIC-based MIMO detection of spatial data layers within each user. Last, we proposed an optimization algorithm to assign channel coding rates to balance the bit error rate (BER) performance of those spatial data layers for each user. Link-level performance simulation results demonstrate that the proposed time-space-power domain joint transmission scheme performs better than the traditional P-NOMA scheme. Furthermore, the proposed algorithm is of low complexity and easy to implement.

• 한국구조물진단유지관리공학회 논문집
• /
• 제27권6호
• /
• pp.30-38
• /
• 2023

안전점검 대상 노후 건축물이 증가함에 따라 안전관리 주체인 지정기관 및 관리주체의 부담이 증가하고 있다. 이에 안전점검 대상 건축물 선정에 있어 적절한 안전전검 기준과 그에 따르는 적절한 기술은 필수적이다. 현행 노후 건축물 대상 안전점검 수행 기준은 마감재로 인해 구조 부재 균열 등의 손상 확인이 어려울 경우 낮은 점수를 부여하고 있다. 이는 구조물의 실체 안전상태와 관계없이 평가 결과가 과소평가되어 안전점검 대상 노후화 건축물을 증가시키는 원인이다. 이에 본 연구에서는 마감재 내부의 균열 탐지를 위해 비파괴·비접촉 검사인 열화상 기법을 제안하였다. 열화상 카메라를 이용한 마감재 내부 균열 관측을 위해 콘크리트 시편을 제작하였으며, 콘크리트 표면 및 균열부에 열원을 가진하여 열화상 데이터를 계측하였다. 계측 결과, 너비 0.3mm, 0.5mm, 0.7mm의 마감재 내부 균열 관측이 가능함을 확인하였으나, 표면 박리, 도배지 들뜸으로 인한 불균일한 온도 분포로 인해 균열 판단이 어렵다. 이에 열화상 데이터의 진폭 및 위상 차이를 도출하여 데이터 분석을 수행한 결과, 0.5mm, 0.7mm 균열에 대해 선명한 균열 계측이 가능하였다. 본 연구를 토대로 추후 마감재 내부 균열 손상 진단에 있어 빅 데이터 기반 딥러닝을 이용한 기술개발을 통해 현장적용 및 분석의 효율성을 증대시키고자 한다.