• 한국시뮬레이션학회논문지
• /
• 제28권2호
• /
• pp.1-14
• /
• 2019

고에너지 구성 요소 시스템의 설계를 위하여 고폭화약의 폭발 반응을 엄밀하게 모사할 수 있는 실제 규모의 하이드로다이나믹 해석을 수행하였다. 폭발성능 정밀 해석 SW는 고에너지 물질의 충격 민감도를 정량화하기 위한 반응 유동 모델을 검증하고 일련의 화약 트레인을 통과하는 충격파 전달을 예측하기 위해 개발되었다. 파이로테크닉 장치는 여폭약(HNS+HMX), 격벽(STS), 수폭약(RDX), 파이로테크닉 추진제(BPN)로 구성된다. 추진제 연소로 인하여 생성된 고압의 연소 가스는 충격파와 저밀도파 간 간섭에 의해 유도된 고유의 진동 유동 특성을 파악하기 위하여 10 cc 밀폐형 챔버에 유입된다. 특정 주파수(${\omega}_c=8.3kHz$)에서의 피크 특성을 검증하기 위하여 실험 및 계산으로 측정된 압력 진동을 비교하였다. 본 연구에서는 고폭화약의 폭발반응과 추진제의 폭연반응, 비-반응 금속의 변형에 관하여 단계별 수치해석 기법들을 충격 물리 해석 SW로 구현함으로써 고에너지 물질 시스템에 대한 대규모 하이드로다이나믹 시뮬레이션을 용이하게 하였다. 개발된 고폭화약 폭발성능 정밀 해석 SW를 고에너지 구성 요소 시스템의 파이로테크닉 연소 반응 M&S에 적용하여 실험 결과와 비교함으로써 검증하였다.

• 한국ITS학회 논문지
• /
• 제17권6호
• /
• pp.202-210
• /
• 2018

최근 열차사고 혹은 단전/단선 등의 비상상황 시 방송장치 고장에 따른 객실 안내 방송 불가로 인한 2차사고 발생률이 증가하고 있다. 이에, 철도 운행 경로 상 어떤 비상상황이 발생하여도 편성 단위의 열차에 안내방송을 할 수 있는 시스템 구축의 필요성이 대두되고 있다. 본 논문에서는 터널 등 열악한 철도 운행환경에서 단차, 단선 등의 사고로 열차방송을 사용할 수 없을 경우를 대비하여 기존 통신 중계인프라에 독립된 무선통신방식을 검토하고, 대상 통신장치를 실제 철도 운행 환경(굴신률이 큰 터널 등) 하에서 통신성능 평가를 수행하였으며, 이를 통해 비상방송시스템을 위한 무선통신 기술로써의 적용성을 고찰한다.

• 한국도시철도학회논문집
• /
• 제6권4호
• /
• pp.327-337
• /
• 2018

무도상 판형교는 교량 바닥판과 도상 없이 주거더에 궤도가 직접 연결되어 있는 구조로 열차 통과로 인하여 발생한 충격이 교량 주부재에 직접 전달되어 높은 수준의 소음 진동 뿐 아니라 교량의 잦은 손상을 유발하는 특성이 있다. 레일 장대화는 무도상 판형교의 이러한 구조적인 문제를 경감할 수 있으며, 이를 위해서는 차량-궤도 또는 궤도-교량 상호작용에 영향을 미치는 인자의 특성에 대한 명확한 이해가 필요하다. 이 연구에서는 레일체결장치, 침목고정장치 및 궤광을 포함한 실제 무도상 판형교에 설치되어 있는 궤도의 종방향 저항력 특성을 실험을 통하여 검토하였다. 실험은 유도상화 시공을 위하여 철거된 실제 교량을 실험실로 이송하여 수행하였다. 실험 결과 목침목용 레일체결장치의 종방향저항력은 KRS TR 0014-15의 성능합격기준을 만족하며, 교량침목고정장치의 종방향 저항력은 구형과 신형 모두 기존 연구보다 높은 값으로 나타났다. 또한 하중 비재하 시 무도상 궤도의 종방향 저항력은 자갈궤도와 콘크리트궤도 사이의 값으로 나타났다.

• 한국산림과학회지
• /
• 제110권2호
• /
• pp.155-164
• /
• 2021

자연환경에 대한 국민들의 관심 증가로 스마트폰과 같은 휴대용 기기를 이용한 수목 동정의 자동화에 대한 요구가 증가하고 있다. 최근 딥러닝 기술의 발전에 힘입어, 외국에서는 수목 인식 분야에의 적용이 활발하게 이루어지고 있다. 수목의 분류를 위해 꽃, 잎 등 다양한 형질들을 대상으로 연구가 진행되고 있지만, 접근성을 비롯한 여러 장점을 가진 수피의 경우 복잡도가 높고 자료가 부족하여 연구가 제한적이었다. 본 연구에서는 국내에서 흔히 관찰 가능한 수목 54종의 사진자료를 약 7,000 여장 수집 및 공개하였고, 이를 해외의 20 수종에 대한 BarkNet 1.0의 자료와 결합하여 학습에 충분한 수의 사진 수를 가지는 53종을 선정하고, 사진들을 7:3의 비율로 나누어 훈련과 평가에 활용하였다. 분류 모델의 경우, 딥러닝 기법의 일종인 합성곱 신경망을 활용하였는데, 가장 널리 쓰이는 VGGNet (Visual Geometry Group Network) 16층, 19층 모델 두 가지를 학습시키고 성능을 비교하였다. 또한 본 모형의 활용성 및 한계점을 확인하기 위하여 학습에 사용하지 않은 수종과 덩굴식물과 같은 방해 요소가 있는 사진들에 대한 모델의 정확도를 확인하였다. 학습 결과 VGG16과 VGG19는 각각 90.41%와 92.62%의 높은 정확도를 보였으며, 더 복잡도가 높은 모델인 VGG19가 조금 더 나은 성능을 보임을 확인하였다. 학습에 활용되지 않은 수목을 동정한 결과 80% 이상의 경우에서 같은 속 또는 같은 과에 속한 수종으로 예측하는 것으로 드러났다. 반면, 이끼, 만경식물, 옹이 등의 방해 요소가 존재할 경우 방해요소가 자치하는 비중에 따라 정확도가 떨어지는 것이 확인되어 실제 현장에서 이를 보완하기 위한 방법들을 제안하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권2호
• /
• pp.28-36
• /
• 2022

매립지 위에 건설되는 항만시설물은 바람(태풍), 파랑, 선박과의 충돌 등 극한 외부 하중에 노출되기 때문에 구조물의 안전성 및 사용성을 주기적으로 평가하는 것이 중요하다. 본 논문에서는 항만 계류시설에 설치된 방충설비의 유지관리를 위하여 비전 및 딥러닝 기반의 방충설비 세분화(segmentation) 시스템을 개발하였다. 방충설비 세분화를 위하여 인코더-디코더 형식과 인간 시각체계의 편심 기능에서 영감을 얻은 수용 영역 블록(Receptive field block) 기반의 합성곱 모듈을 DenseNet 형식으로 개선하는 딥러닝 네트워크를 제안하였다. 네트워크 훈련을 위해 BP형, V형, 원통형, 타이어형 등 다양한 형태의 방충설비 영상을 수집하였으며, 탄성 변형, 좌우 반전, 색상 변환 및 기하학적 변환을 통해 영상을 증강시킨 다음 제안한 딥러닝 네트워크를 학습하였다. 기존의 세분화 모델인 VGG16-Unet과 비교하여 제안한 모델의 세분화 성능을 검증하였으며, 그 결과 본 시스템이 IoU 84%, 조화평균 90% 이상으로 정밀하게 실시간으로 세분화할 수 있음을 확인하였다. 제안한 방충설비 세분화 시스템의 현장적용 가능성을 검증하기 위하여 국내 항만 시설물에서 촬영된 영상을 기반으로 학습을 수행하였으며, 그 결과 기존 세분화 모델과 비교하였을 때 우수한 성능을 보이며 정밀하게 방충설비를 감지하는 것을 확인하였다.

• 대한의용생체공학회:의공학회지
• /
• 제43권5호
• /
• pp.341-352
• /
• 2022

Medical image segmentation is the most important task in radiation therapy. Especially, when segmenting medical images, the liver is one of the most difficult organs to segment because it has various shapes and is close to other organs. Therefore, automatic segmentation of the liver in computed tomography (CT) images is a difficult task. Since tumors also have low contrast in surrounding tissues, and the shape, location, size, and number of tumors vary from patient to patient, accurate tumor segmentation takes a long time. In this study, we propose a method algorithm for automatically segmenting the liver and tumor for this purpose. As an advantage of setting the boundaries of the tumor, the liver and tumor were automatically segmented from the CT image using the 2D CoordConv DeepLab V3+ model using the CoordConv layer. For tumors, only cropped liver images were used to improve accuracy. Additionally, to increase the segmentation accuracy, augmentation, preprocess, loss function, and hyperparameter were used to find optimal values. We compared the CoordConv DeepLab v3+ model using the CoordConv layer and the DeepLab V3+ model without the CoordConv layer to determine whether they affected the segmentation accuracy. The data sets used included 131 hepatic tumor segmentation (LiTS) challenge data sets (100 train sets, 16 validation sets, and 15 test sets). Additional learned data were tested using 15 clinical data from Seoul St. Mary's Hospital. The evaluation was compared with the study results learned with a two-dimensional deep learning-based model. Dice values without the CoordConv layer achieved 0.965 ± 0.01 for liver segmentation and 0.925 ± 0.04 for tumor segmentation using the LiTS data set. Results from the clinical data set achieved 0.927 ± 0.02 for liver division and 0.903 ± 0.05 for tumor division. The dice values using the CoordConv layer achieved 0.989 ± 0.02 for liver segmentation and 0.937 ± 0.07 for tumor segmentation using the LiTS data set. Results from the clinical data set achieved 0.944 ± 0.02 for liver division and 0.916 ± 0.18 for tumor division. The use of CoordConv layers improves the segmentation accuracy. The highest of the most recently published values were 0.960 and 0.749 for liver and tumor division, respectively. However, better performance was achieved with 0.989 and 0.937 results for liver and tumor, which would have been used with the algorithm proposed in this study. The algorithm proposed in this study can play a useful role in treatment planning by improving contouring accuracy and reducing time when segmentation evaluation of liver and tumor is performed. And accurate identification of liver anatomy in medical imaging applications, such as surgical planning, as well as radiotherapy, which can leverage the findings of this study, can help clinical evaluation of the risks and benefits of liver intervention.

• 대한토목학회논문집
• /
• 제42권1호
• /
• pp.127-134
• /
• 2022

현재 국내 건설업에서는 꾸준히 증가하는 건설재해를 예방하기 위해 다양한 정책적 노력과 연구가 활발하게 진행되고 있다. 기존 연구에서 건설재해 예방을 위해 개발한 예측 모델의 경우, 주로 정형데이터만을 활용하였기에 건설현장의 다양한 특성을 충분히 고려하지 못한 예측 결과가 도출되었다. 따라서, 본 연구에서는 정형데이터와 텍스트 형식의 비정형데이터를 동시에 활용하여 건설현장의 특성을 충분히 고려할 수 있는 기계학습 기반 건설재해 사전 예측 모델을 개발하였다. 본 연구는 기계학습을 위해 건설공사 안전관리 종합정보망(CSI)의 최근 3년간 건설재해 데이터 6,826건을 수집하였다. 수집된 데이터 중 정형데이터의 학습은 5가지 알고리즘의 성능 분석을 통해 Decision forest 알고리즘을 사용하였고 비정형데이터의 학습은 BERT 언어모델을 사용하였다. 정형 및 비정형데이터를 동시에 활용한 건설재해 예측 모델의 성능 비교 결과, 정형데이터만을 활용한 경우보다 약 20 % 향상된 95.41 %의 예측정확도가 도출되었다. 본 연구 결과, 비정형데이터를 동시에 활용함으로써 예측 모델의 효과적인 성능 향상을 확인하였으며, 보다 정확한 예측을 통한 건설재해 저감을 기대할 수 있다.

• 한국측량학회지
• /
• 제40권5호
• /
• pp.449-456
• /
• 2022

본 연구는 GIS를 통해 토양정보를 수집하고 가공하여 농산물 생산량을 예측하는 모델을 제안한다. 농산물 생산량 예측 딥러닝 알고리즘은 공개된 CNN-RNN 농산물 생산량 예측 모델 구조를 변경하여 국내 농산물 자료 환경에 적합하도록 새롭게 구축하였다. 기존모델은 두 가지 특징을 가지고 있는데 첫 번째는 농산물의 생산량을 해당 필지값이 아닌 당해 평균값으로 대체한다는 것이고 두 번째는 예측하는 연도의 데이터까지 학습한다는 것이다. 새로운 모델은 해당 필지의 값을 그대로 사용하여 데이터의 정확성을 확보하고 예측하고자 하는 연도 이전의 데이터만 가지고 학습할 수 있도록 네트워크 구조를 개선하였다. 제안한 CNN-RNN 모델은 1980년부터 2020년까지의 기상정보, 토양정보, 토양적성도, 생산량 데이터를 학습하여 김장용 가을배추의 지역별 단위면적당 생산량을 예측한다. 2018년부터 2021년까지 4개 연도별 자료에 대하여 계산하고 생산량을 예측한 결과, 테스트 데이터셋에 대한 오차백분율이 약 10% 내외로 실제값과 비교하여 정확도 높은 생산량 예측이 가능했고, 특히 전체 생산량 비중이 큰 지역에서의 생산량은 비교적 근접하게 예측하는 것으로 분석되었다. 또한 제안모델과 기존모델은 모두 학습자료 연도 수가 증가할수록 점점 오차가 작아지므로 학습데이터가 많아질수록 범용 성능은 향상되는 결과를 나타낸다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권5호
• /
• pp.179-186
• /
• 2021

로봇이 사람과 같이 다양하고 복잡한 사물 조작을 하기 위해서는 휴먼형 로봇 손의 사물 파지 작업이 필수적이다. 자유도 (Degree of Freedom, DoF)가 높은 휴먼형(anthropomorphic) 로봇 손을 학습시키기 위하여 사람 데모(human demonstration)가 결합한 강화학습 최적화 방법이 제안되었다. 본 연구에서는 강화학습 최적화 방법에 사람 데모가 결합한 Demonstration Augmented Natural Policy Gradient (DA-NPG)와 NPG의 성능 비교를 통하여 행동 복제의 효율성을 확인하고, DA-NPG, DA-Trust Region Policy Optimization (DA-TRPO), DA-Proximal Policy Optimization (DA-PPO)의 최적화 방법의 성능 평가를 위하여 6 종의 물체에 대한 휴먼형 로봇 손의 사물 조작 작업을 수행한다. 학습 후 DA-NPG와 NPG를 비교한 결과, NPG의 물체 파지 성공률은 평균 60%, DA-NPG는 평균 99.33%로, 휴먼형 로봇 손의 사물 조작 강화학습에 행동 복제가 효율적임을 증명하였다. 또한, DA-NPG는 DA-TRPO와 유사한 성능을 보이면서 모든 물체에 대한 사물 파지에 성공하였고 가장 안정적이었다. 반면, DA-TRPO와 DA-PPO는 사물 조작에 실패한 물체가 존재하여 불안정한 성능을 보였다. 본 연구에서 제안하는 방법은 향후 실제 휴먼형 로봇에 적용하여 휴먼형 로봇 손의 사물 조작 지능 개발에 유용할 것으로 전망된다.

• 한국산림과학회지
• /
• 제111권4호
• /
• pp.583-593
• /
• 2022

우리나라의 임목수확작업은 작업자의 고령화 및 고임금의 문제에 직면하고 있으며, 위기 개선을 위해 작업체계 개선 및 고성능 임업기계를 이용한 안정성 확보 등이 필요하다. 따라서 본 연구는 경사 35% 이상의 지역에서 타워야더와 프로세서를 기반으로 한 목재수확시스템을 적용할 때 다공정작업과 단공정작업의 생산성을 비교하며, 작업시스템의 비용절감 효과를 분석하고자 하였다. 국립산림과학원 광릉시험림 15임반 모두베기 지역을 대상으로 전목(가선)집재작업을 실시하였으며, 다공정과 단공정시스템의 생산성 및 비용을 분석하였다. 다목적집재장비를 이용한 단공정시스템은 타워야더와 프로세서를 이용한 다공정시스템에 비해 cycle당 집재본수가 1본/cycle 더 많아 집재작업 생산성은 약 1.5 m³/PMH (Productive Machine Hour; PMH)이, 조재작업은 약 1.6 m³/PMH이 더 높게 산출되었다. 다목적집재장비를 이용한 단공정(36,113원/m³)시스템은 다공정작업(41,065원/m³)시스템 보다 약 12.1%의 비용이 절감되었다. 또한 유휴시간(Idle time) 감소에 따라 단공정 및 다공정시스템 비용은 각각 최대 22.6%와 15.9%가 절감되었다.