• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.251-266
• /
• 2022

Structural Health Monitoring (SHM) of critical infrastructure comprises a major pillar of maintenance management, shielding public safety and economic sustainability. Although SHM is usually associated with data-driven metrics and thresholds, expert judgement is essential, especially in cases where erroneous predictions can bear casualties or substantial economic loss. Considering that visual inspections are time consuming and potentially subjective, artificial-intelligence tools may be leveraged in order to minimize the inspection effort and provide objective outcomes. In this context, timely detection of sensor malfunctioning is crucial in preventing inaccurate assessment and false alarms. The present work introduces a sensor-fault detection and interpretation framework, based on the well-established support-vector machine scheme for anomaly detection, combined with a coalitional game-theory approach. The proposed framework is implemented in two datasets, provided along the 1st International Project Competition for Structural Health Monitoring (IPC-SHM 2020), comprising acceleration and cable-load measurements from two real cable-stayed bridges. The results demonstrate good predictive performance and highlight the potential for seamless adaption of the algorithm to intrinsically different data domains. For the first time, the term "decision trajectories", originating from the field of cognitive sciences, is introduced and applied in the context of SHM. This provides an intuitive and comprehensive illustration of the impact of individual features, along with an elaboration on feature dependencies that drive individual model predictions. Overall, the proposed framework provides an easy-to-train, application-agnostic and interpretable anomaly detector, which can be integrated into the preprocessing part of various SHM and condition-monitoring applications, offering a first screening of the sensor health prior to further analysis.

• 한국전자통신학회논문지
• /
• 제18권5호
• /
• pp.945-952
• /
• 2023

본 논문에서는 안드로이드 플랫폼 기반의 GRS칩 구동 JNI 코드 응용 SW 설계 안드로이드 플랫폼 기반 동작 제스처 프레임 모듈 설계 제작하였다. 안드로이드 기반 모듈 설계, 안드로이드 기반 모듈 구현, 안드로이드 기반 기능 모듈 구현 설계로 응용애플리케이션 기반 네트워크 지원 API 기술 제안한 직렬 데이터 수신 모듈 설계를 하였다. 안드로이드 OS의 애플리케이션을 통해 무선 통신 디바이스로부터 데이터를 수신하기 위한 직렬 통신 드라이버, 라이브러리, 프레임워크의 클래스와 같은 안드로이드 애플리케이션을 통해 센서의 데이터 정보를 확인할 수 있었다. 또한 안드로이드에서의 어플리케이션들은 자바를 이용하여 좌우상하 4방향의 동작 제스처를 판단할 수 있는 응용 SW를 구현하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권11호
• /
• pp.29-38
• /
• 2022

본 논문에서는 멀티 센서가 장착된 스마트 인솔로 측정한 보행 데이터에 대해 앙상블 딥러닝 네트워크를 이용하여 보행의 타입을 분류하는 시스템을 제안한다. 보행 타입 분류 시스템은 인솔에 의해 측정된 데이터를 정규화하는 부분과 딥러닝 네트워크를 이용하여 보행의 특징을 추출하는 부분, 그리고 추출된 특징을 입력으로 보행의 타입을 분류하는 부분으로 구성되어 있다. 서로 다른 특성을 가지는 CNN과 LSTM을 기반으로 하는 네트워크를 독립적으로 학습하여 두 종류의 보행 특징 맵을 추출하였으며, 각각의 분류 결과를 결합하여 최종적인 앙상블 네트워크의 분류 결과를 도출하였다. 20~30대 성인의 걷기, 뛰기, 빠르게 걷기, 계단 오르기와 내려가기, 언덕 오르기와 내려가기의 7종류의 보행에 대해, 스마트 인솔을 이용하여 실측한 멀티 센서 데이터를 제안한 앙상블 네트워크로 분류해 본 결과 90% 이상의 높은 분류율을 보이는 것을 확인하였다.

• 한국항행학회논문지
• /
• 제27권1호
• /
• pp.96-101
• /
• 2023

본 연구에서는, 회전하는 축계에서 무선센서 시스템 응용을 위해 에너지 하베스터(EH, energy harvester)를 제안되었다. 무선 센서 시스템(WSS)에 지속적으로 전원을 공급하기 위해 EH를 직경 20 cm의 샤프트에 설계 및 구현되었다. 로터에는 샤프트에 부착된 7개의 U자형 코어에 코일이 쌍으로 감겨 있다. 고정자는 8개의 I-코어에 부착된 8쌍의 자석으로 구성되며 외부 고정 장치에 고정되었다. EH의 발전 전력은 회전자와 고정자 사이의 공기 공극, 코일의 권수, 그리고 축의 회전속도에 따라 조사되었다. 제작된 EH는 300 rpm 및 3 mm 공기 공극에서 최대 2.87 W의 전력을 생산하였다.

• Journal of Animal Science and Technology
• /
• 제63권6호
• /
• pp.1265-1274
• /
• 2021

Two field experiments were conducted to improve the conception rate of Hanwoo cow. The first experiment aimed to investigate the physiological condition of Hanwoo cows on estrus, including metabolic profiles and body condition score (BCS). The second experiment investigated the effect of a novel estrus detector on the artificial insemination (AI) conception rate for Hanwoo cows. For the first experiment, 80 Hanwoo cows (2.5 ± 0.10 of parity), approximately one month before estrus, were housed in 16 pens and offered the experimental diets twice daily with free water access. The BCS were recorded, and blood was collected from the jugular veins just before AI. The collected blood was used to measure physiological conditions, such as metabolite and hormone levels. For the second experiment, each cow was equipped with a neck-mounted estrus detector collar, which had a sensor connected through the internet. Approximately one month before estrus, three hundred sixty Hanwoo cows (2.4 ± 0.21 of parity) were assigned into groups with or without W-Tag collar treatments. The animals were managed the same as in the first experiment. The pregnancy rate reached 55% in the first experiment. The concentration of luteinizing hormone (LH) was higher (p < 0.012; 1.56 vs. 1.08 ng/mL) in cows that were not pregnant (NPG) than in cows that were pregnant (PG) after AI. The BCS and other concentrations of metabolites and hormones in the blood were not different in both NPG and PG cows. The ranges of estrogen, LH, and follicle-stimulating hormone for PG cows were 11.9 to 39.0 pg/mL, < 0.25 to 1.98 ng/mL, and < 0.50 to 0.82 ng/mL, respectively. In the second experiment, cows with the estrus detector had lower days open (p < 0.001; 78.1 vs. 84.8 d), insemination frequency (p < 0.001; 1.26 vs. 2.52), and return of estrus (p < 0.001; 70.9 vs. 79.1 d) than those in cows without the estrus detector. In conclusion, the present study indicated that lower LH concentration just before AI potentially increased the pregnancy rate of Hanwoo cows. Furthermore, the application of estrus detectors to Hanwoo cows could improve the conception success rate for AI.

• 한국멀티미디어학회논문지
• /
• 제25권4호
• /
• pp.610-619
• /
• 2022

Recently, the market for masks has been growing due to air pollution, sun protection, pollen allergies and other reasons. In addition, the demand for masks has increased dramatically due to the new coronavirus from 2020, and masks are still one of the necessities of life. Although the reliance on masks is increasing, there are many inconveniences associated with wearing masks for long periods of time. At the same time, technology is developing rapidly, and the demand for smart wearable devices is increasing. Therefore, at the moment when the fourth industrial revolution is underway, combining people's common necessities with IoT technology to bring new convenient experiences to people is an important direction for future technology development and product development. In this study, smart masks were designed and implemented using IoT(Internet of Things) technology. The mask uses a microcomputer Adafruit circuit playground express, using the microcomputer's LED, optical sensors, can be in the dark place light, and through the temperature sensor real-time grasp of body temperature changes. If the body temperature rises above normal, the LED will turn "on" and activate the voice sensor to warn yourself and others around you.

• 한국항행학회논문지
• /
• 제26권6호
• /
• pp.510-515
• /
• 2022

본 논문에서는 마이크로리터 부피의 에탄올 수용액 농도를 검출하기 위한 마이크로스트립 패치 센서 안테나를 제안하였다. 비유전율 변화에 대한 감도를 높이기 위해 패치의 방사 모서리에 직사각형 슬롯을 추가하였다. 높은 비유전율과 높은 손실 탄젠트를 가지는 극성 액체인 에탄올 수용액을 패치에 놓으면 발생하는 낮은 입력 저항을 개선하기 위해 1/4 파장 임피던스 변환기를 50 오옴 급전선과 패치 사이에 추가하여 0.76 mm 두께의 RF-35 기판에 안테나를 제작하였다. 원통형 용기를 아크릴로 제작하여 15 마이크로리터 부피의 에탄올 수용액을 에탄올 농도 0% ~ 100%까지 20% 농도 간격으로 만들어 실험하였다. 실험 결과, 에탄올 수용액의 에탄올 농도가 0%에서 100%로 증가할 때 공진 주파수가 1.947 GHz에서 2.509 GHz로 증가하여 농도검출 센서로서의 성능을 입증하였다.

• 한국인터넷방송통신학회논문지
• /
• 제20권1호
• /
• pp.163-169
• /
• 2020

최근 4차 산업혁명의 핵심기술인 인공지능, 빅데이터, 사물인터넷의 발전으로 산업 현장에서 가동되는 기계의 자동화 및 무인화에 대한 연구가 활발히 진행되고 있다. 이러한 공정 기계들은 부착된 다양한 센서들로부터 수집된 데이터를 기반으로 제어되고 이를 통해 공정이 관리된다. 만약 센서에 고장이 발생한다면 센서 데이터 이상으로 인해 자동화 기계들이 오작동함으로써 공정 손실 발생뿐만 아니라 인명피해로도 이어질 수 있다. 전문가가 센서의 이상 여부를 주기적으로 확인하여 관리하고 있으나 산업 현장의 여러 가지 환경요인 및 상황으로 인하여 고장점검 시기를 놓치거나 고장을 발견하지 못하여 센서 고장으로 인한 피해를 막지 못하는 경우가 발생하고 있다. 또한 고장이 발생하여도 즉각 감지하지 못함으로써 공정 손실을 더욱 악화시키고 있는 실정이다. 따라서 이러한 돌발적인 센서 고장으로 인한 피해를 막기 위해 자체적으로 임베디드 시스템에서 센서의 고장 유무를 실시간으로 파악하고 빠른 대응을 위해 고장 진단 및 유형을 판별하는 것이 필요하다. 본 논문에서는 대표적인 센서 고장 유형인 erratic fault, hard-over fault, spike fault, stuck fault를 분류하기 위해 딥 뉴럴 네트워크 기반의 고장 진단 시스템을 설계하고 라즈베리 파이를 활용하여 구현하였다. 센서 고장 진단을 위해 구글이 제안한 MobilieNetV2의 Inverted residual block 구조를 사용하여 네트워크를 구성하였다. 본 논문에서 제안하는 방식은 기존 CNN 기법을 사용한 경우보다 메모리 사용량이 줄고 성능이 향상되며, 입력 신호에 대해 구간별로 센서 고장을 분류하여 산업 현장에서 효과적으로 사용될 것으로 기대된다.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.233-240
• /
• 2024

본 연구에서는 5G 네트워크용 UAV(: Unmanned Aerial Vehicle)를 사용한 산업단지 내의 현장 상황을 실시간 감시하는 시스템에 대해 소개한다. UAV에 장착된 센서(화재, 유해가스 검출, 산업 재해형 인체 사고 감지)에서 모니터링 이벤트가 발생하면 센서의 주요 정보들이 UAS(: Unmanned Aerial System)애플리케이션 서버로 전달한다. 이러한 정보 전달 처리결과로, 산업단지공단의 관리자나 운영자는 사고 위험 상황별 트리거 처리를 통한 산업단지공단 내의 현장에서 인명사고와 화재, 그리고 유해 가스검출에 대한 법적인 근거 자료를 확보할 수 있게 되었다.

• 대한원격탐사학회지
• /
• 제38권1호
• /
• pp.103-110
• /
• 2022

Since satellite images generally include clouds in the atmosphere, it is essential to detect or mask clouds before satellite image processing. Clouds were detected using physical characteristics of clouds in previous research. Cloud detection methods using deep learning techniques such as CNN or the modified U-Net in image segmentation field have been studied recently. Since image segmentation is the process of assigning a label to every pixel in an image, precise pixel-based dataset is required for cloud detection. Obtaining accurate training datasets is more important than a network configuration in image segmentation for cloud detection. Existing deep learning techniques used different training datasets. And test datasets were extracted from intra-dataset which were acquired by same sensor and procedure as training dataset. Different datasets make it difficult to determine which network shows a better overall performance. To verify the effectiveness of the cloud detection network such as Cloud-Net, two types of networks were trained using the cloud dataset from KOMPSAT-3 images provided by the AIHUB site and the L8-Cloud dataset from Landsat8 images which was publicly opened by a Cloud-Net author. Test data from intra-dataset of KOMPSAT-3 cloud dataset were used for validating the network. The simulation results show that the network trained with KOMPSAT-3 cloud dataset shows good performance on the network trained with L8-Cloud dataset. Because Landsat8 and KOMPSAT-3 satellite images have different GSDs, making it difficult to achieve good results from cross-sensor validation. The network could be superior for intra-dataset, but it could be inferior for cross-sensor data. It is necessary to study techniques that show good results in cross-senor validation dataset in the future.