• Smart Structures and Systems
• /
• 제31권4호
• /
• pp.335-349
• /
• 2023

Bridges constantly undergo deterioration and damage, the most common ones being concrete damage and exposed rebar. Periodic inspection of bridges to identify damages can aid in their quick remediation. Likewise, identifying components can provide context for damage assessment and help gauge a bridge's state of interaction with its surroundings. Current inspection techniques rely on manual site visits, which can be time-consuming and costly. More recently, robotic inspection assisted by autonomous data analytics based on Computer Vision (CV) and Artificial Intelligence (AI) has been viewed as a suitable alternative to manual inspection because of its efficiency and accuracy. To aid research in this avenue, this study performs a comparative assessment of different architectures, loss functions, and ensembling strategies for the autonomous segmentation of bridge components and damages. The experiments lead to several interesting discoveries. Nested Reg-UNet architecture is found to outperform five other state-of-the-art architectures in both damage and component segmentation tasks. The architecture is built by combining a Nested UNet style dense configuration with a pretrained RegNet encoder. In terms of the mean Intersection over Union (mIoU) metric, the Nested Reg-UNet architecture provides an improvement of 2.86% on the damage segmentation task and 1.66% on the component segmentation task compared to the state-of-the-art UNet architecture. Furthermore, it is demonstrated that incorporating the Lovasz-Softmax loss function to counter class imbalance can boost performance by 3.44% in the component segmentation task over the most employed alternative, weighted Cross Entropy (wCE). Finally, weighted softmax ensembling is found to be quite effective when used synchronously with the Nested Reg-UNet architecture by providing mIoU improvement of 0.74% in the component segmentation task and 1.14% in the damage segmentation task over a single-architecture baseline. Overall, the best mIoU of 92.50% for the component segmentation task and 84.19% for the damage segmentation task validate the feasibility of these techniques for autonomous bridge component and damage segmentation using RGB images.

• 한국환경과학회지
• /
• 제32권8호
• /
• pp.595-611
• /
• 2023

The purpose of this study is to improve the daily prediction results of PM2.5 from the air quality diagnosis and evaluation system operated by the Busan Institute of Health and Environment in real time. The air quality diagnosis and evaluation system is based on the photochemical numerical model, CMAQ (Community multiscale air quality modeling system), and includes a 3-day forecast at the end of the model's calculation. The photochemical numerical model basically has limitations because of the uncertainty of input data and simplification of physical and chemical processes. To overcome these limitations, this study applied DNN (Deep Neural Network), a deep learning technique, to the results of the numerical model. As a result of applying DNN, the r of the model was significantly improved. The r value for GFS (Global forecast system) and UM (Unified model) increased from 0.77 to 0.87 and 0.70 to 0.83, respectively. The RMSE (Root mean square error), which indicates the model's error rate, was also significantly improved (GFS: 5.01 to 6.52 ug/m³ , UM: 5.76 to 7.44 ug/m³ ). The prediction results for each concentration grade performed in the field also improved significantly (GFS: 74.4 to 80.1%, UM: 70.0 to 77.9%). In particular, it was confirmed that the improvement effect at the high concentration grade was excellent.

• Imaging Science in Dentistry
• /
• 제53권3호
• /
• pp.199-207
• /
• 2023

Purpose: The objective of this study was to evaluate the accuracy and effectiveness of an artificial intelligence (AI) program in identifying dental conditions using panoramic radiographs(PRs), as well as to assess the appropriateness of its treatment recommendations. Materials and Methods: PRs from 100 patients(representing 4497 teeth) with known clinical examination findings were randomly selected from a university database. Three dentomaxillofacial radiologists and the Diagnocat AI software evaluated these PRs. The evaluations were focused on various dental conditions and treatments, including canal filling, caries, cast post and core, dental calculus, fillings, furcation lesions, implants, lack of interproximal tooth contact, open margins, overhangs, periapical lesions, periodontal bone loss, short fillings, voids in root fillings, overfillings, pontics, root fragments, impacted teeth, artificial crowns, missing teeth, and healthy teeth. Results: The AI demonstrated almost perfect agreement (exceeding 0.81) in most of the assessments when compared to the ground truth. The sensitivity was very high (above 0.8) for the evaluation of healthy teeth, artificial crowns, dental calculus, missing teeth, fillings, lack of interproximal contact, periodontal bone loss, and implants. However, the sensitivity was low for the assessment of caries, periapical lesions, pontic voids in the root canal, and overhangs. Conclusion: Despite the limitations of this study, the synthesized data suggest that AI-based decision support systems can serve as a valuable tool in detecting dental conditions, when used with PR for clinical dental applications.

• International Journal of Advanced Culture Technology
• /
• 제11권3호
• /
• pp.211-224
• /
• 2023

This study surveyed 2nd graders of B high school and 1st graders of A university in Gyeongnam on factors such as behavior control and interaction in non-face-to-face classes, easy or difficult concepts presented in chemistry I and general chemistry textbooks. Based on the results of the survey, the effect of changes in the difficulty level of concepts presented in chemistry I and general chemistry and changes in class types (face-to-face and non-face-to-face) on students' academic achievement by level was compared and analyzed. In the face-to-face class, the average score between the first and second semesters was similar according to the change in the difficulty of the concepts presented in chemistry I and general chemistry. In the non-face-to-face class, the average score of chemistry I in the second semester was quite low, and the average score of general chemistry was rather high. In non-face-to-face classes, the average score of chemistry I in the second semester of low-level students was significantly lowered due to changes in the difficulty of the concept and changes in class types on academic achievement by level. In the case of 10% of students at the lower level, the academic achievement of chemistry I decreased in both the second semester regardless of the changes in the difficulty level of concepts and the changes in class types.

• 한국컴퓨터정보학회논문지
• /
• 제28권9호
• /
• pp.35-46
• /
• 2023

본 연구에서는 문서 분류기의 정확도를 높이기 위해 문맥 정보와 키워드 정보를 모두 사용하는 이중 접근(Dual Approach) 방법론을 제안한다. 우선 문맥 정보는 다양한 자연어 이해 작업(Task)에서 뛰어난 성능을 나타내고 있는 사전학습언어모델인 Google의 BERT를 사용하여 추출한다. 구체적으로 한국어 말뭉치를 사전학습한 KoBERT를 사용하여 문맥 정보를 CLS 토큰 형태로 추출한다. 다음으로 키워드 정보는 문서별 키워드 집합을 Autoencoder의 잠재 벡터를 통해 하나의 벡터 값으로 생성하여 사용한다. 제안 방법을 국가과학기술정보서비스(NTIS)의 국가 R&D 과제 문서 중 보건 의료에 해당하는 40,130건의 문서에 적용하여 실험을 수행한 결과, 제안 방법이 문서 정보 또는 단어 정보만을 활용하여 문서 분류를 진행하는 기존 방법들에 비해 정확도 측면에서 우수한 성능을 나타냄을 확인하였다.

• 국제지역연구
• /
• 제14권3호
• /
• pp.57-80
• /
• 2010

이 연구에서는 개방형 정책조정방법이 사회적 포용의 영역에 도입된 이후, 과정의 변화와 정책효과에 대한 평가를 시도한다. 2000년 리스본이사회에서 결정된 개방형 정책조정방법의 정책도구들은 결과지향적인 신공공관리론과 과정지향적인 숙의적 다중질서라는 거버넌스이론을 배경으로 한다고 볼 수 있다. 역사적 변화과정을 살펴볼 때 결과지향적인 신공공관리론의 정책도구인 목표설정, 수범사례의 벤치마킹, 분권적 의사결정의 경우 애매하거나 아예 거부되었고, 제도적 틀을 넘지 못함으로써 효율성을 추구할 수 없었다. 아울러 규범적인 숙의적 다중질서이론이 제시하는 것처럼 학습을 위해 숙의와 상호검토를 추구하고 있으나, 실제 운영은 성찰적인 숙의과정에 미치지 못하고, 상호검토도 제도적 한계를 보임으로써 원활한 학습이 이루어지지 않는다. 10여 년간 개방형 정책조정방법이 집행되었지만 정책효과의 측면에서도 유의미한 결과를 찾을 수 없다. 그렇지만 빈곤문제에 대한 인식이 변하고 시민사회가 활발하게 조직되어 참여가 확대되고 있는 점은 긍정적인 효과이다.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.1226-1236
• /
• 2022

Because students majoring in construction-related fields must develop a broad repository of knowledge and skills, effective transferal of these is the primary focus of most academic programs. While inculcation of this body of knowledge is certainly critical, actual construction projects are complicated ventures that involve levels of risk and uncertainty, such as resistant neighboring communities, unforeseen weather conditions, escalating material costs, labor shortages and strikes, accidents on jobsites, challenges with emerging forms of technology, etc. Learning how to develop a level of discernment about potential ways to handle such uncertainty often takes years of costly trial-and-error in the proverbial "school of hard knocks." There is therefore a need to proactively expedite the development of a sharpened intuition when making decisions. The AGC Education and Research Foundation case study committee was formed to address this need. Since its inception in 2011, 14 freely downloadable case studies have thus far been jointly developed by an academics and industry practitioners to help educators elicit varied responses from students about potential ways to respond when facing an actual project dilemma. AGC case studies are typically designed to focus on a particular concern and topics have thus far included: ethics, site logistics planning, financial management, prefabrication and modularization, safety, lean practices, preconstruction planning, subcontractor management, collaborative teamwork, sustainable construction, mobile technology, and building information modeling (BIM). This session will include an overview of the history and intent of the AGC case study program, as well as lively interactive demonstrations and discussions on how case studies can be used both by educators within a typical academic setting, as well as by industry practitioners seeking a novel tool for their in-house training programs.

• 산업융합연구
• /
• 제20권12호
• /
• pp.251-259
• /
• 2022

최근 평생학습 요구 증가와 간호직의 높은 취업률로 간호학과를 지원하는 만학도의 수가 증가하고 있다. 본 연구는 간호학과 만학도 학생들의 자기효능감, 전공만족도, 대학생활 적응을 확인하고, 대학생활 적응에 영향을 미치는 요인을 파악하기 위해 시도되었다. 연구대상은 30세 이상 간호 대학생 148명으로, 2021년 10월부터 12월까지 자료 수집을 실시하였으며, 수집된 자료는 IBM SPSS 25.0 프로그램을 이용하여 분석하였다. 분석 결과 자기효능감은 3.69±0.51점, 전공 만족도는 4.07±0.50점, 대학생활 적응은 3.42±0.50점으로 나타났다. 간호학과 만학도 학생들의 대학생활 적응에 학년(β=.20, p=.001)과 자기효능감(β=.43, p<.001) 그리고 전공만족도(β=.37, p<.001)가 유의한 영향이 있었으며, 설명력은 54%였다. 간호학과 만학도 학생들은 앞으로 더 증가할 것으로 예측되며, 이상의 연구 결과를 바탕으로 자기효능감과 전공만족도를 높일 수 있는 중재 프로그램을 제공하여 간호학과 만학도 학생들의 대학생활 적응을 향상시킬 것을 제언한다.

• 한국전자통신학회논문지
• /
• 제18권2호
• /
• pp.313-320
• /
• 2023

반려견의 등록 누계 현황은 2016년도 107만건에서 2020년 232만건을 기록하고 있다. 매년 동물 등록이 10% 이상씩 증가하고 있고, 이에 따라 반려견을 등록 할 때 이름을 정해야 한다. 반려견 외모의 특징에 맞는 이름을 지어주고 싶지만, 이름을 정하는 것은 많은 어려움이 있다. 본 논문에서는 반려견의 이미지를 인식하고 닮은 사물이나 음식을 기반으로 반려견의 이름을 추천해주는 시스템의 개발 내용을 기술한다. 이 시스템은 다양한 사물과 음식의 이미지를 학습한 모델을 통해 반려견의 이미지와의 유사도를 추출하고, 유사도를 기반으로 강아지의 이름을 추천해준다. 또한 결과값으로 나온 이미지 데이터를 기반으로 연관된 연상단어를 추가로 추천해줌으로써 사용자들에게 다양한 선택지를 제공하고 편의를 높이고 흥미와 재미를 높일 수 있다. 본 시스템을 통해 반려견의 이름을 짓는 고민거리를 해결하고 편하게 반려견에게 어울리는 이름을 확인할 수 있으며, 다양한 추천 이름을 통해 폭넓은 선택지를 줌으로써 사용자들의 만족도를 높일 수 있을 것으로 기대한다.

• 한국전자통신학회논문지
• /
• 제18권2호
• /
• pp.321-327
• /
• 2023

인공 지능이 발전함에 따라 예측 시스템은 우리의 삶에 필수적인 기술 중 하나로 자리를 잡았다. 이러한 기술의 성장에도 불구하고, 21세기 사거리 교통 체증은 계속해서 문제 되어 왔다. 본 논문에서는 Conv-LSTM(: Convolutional-Long Short-Term Memory) 알고리즘을 이용한 사거리 교통 체증 예측 시스템을 제안한다. 제안한 시스템은 교통 체증이 발생하는 사거리에 시간대별 교통 정보를 학습한 데이터를 모델링 한다. 시간의 흐름에 따라 기록된 교통량 데이터로 교통 체증을 예측하며. 예측된 결과를 기반으로 사거리 교통 신호를 제어하고, 일정한 교통량으로 유지한다. VDS(: Vehicle Detection System)센서를 활용하여 도로 혼잡도 데이터를 정의하고, 교통을 원활하게 하기 위하여 각각의 교차로를 Conv-LSTM 알고리즘기반 네트워크 시스템으로 구성하였다.