• 화약ㆍ발파
• /
• 제22권3호
• /
• pp.57-64
• /
• 2004

국내에서 적용되는 수중발파는 교량의 기초를 위한 수중 우물통 발파와 항만의 수로 증심 또는 준설을 위하여 적용되고 있다 그 중 교각의 기초를 위한 우물통 발파는 우물통내 물을 인위적으로 배수시켜 건조한 상태에서의 천공과 장약을 실시한 후 물을 다시 채운 후 수중에서의 발파를 수행하고 있어 전체적인 작업이 일반 노천발파와 동일하다 할 수 있다. 그러나 항만의 수로 증심과 준설을 위한 수중 발파는 수중 천공이 가능하도록 고안된 바지선을 이용하여 수중에서 천공과 장약 발파 작업이 이루어지는 특수성을 가지고 있다. 따라서 일반 터널이나 벤치발파와는 다르게 장약의 방법과 결선의 방법에 주의를 기울이지 않으면 수압에 의한 사압 등 어려운 조건하에서 불발이 야기될 수 있다. 본 사례연구는 국내 부산항 증심 준설공사에서 수중발파의 특수성을 고려하여 다이너마이트 (메가마이트 I)를 이용한 수중 발파의 장약량 선정과 파이프를 이용한 장약의 방법, 그리고 TLD를 이용한 기폭시스템이 수면위에서 기폭 될 수 있도록 부이를 이용한 결선방법을 적용하여 수중발파를 실시하고 사례별 결과를 비교하였다. 그 결과, 수중발파 장약량 설계에 따른 지발당장약량에 따른 진동의 예측과 실 계측을 통하여 예측 진동식의 타당성을 검증하였으며, 장약의 방법과 결선방법에 따라 발생될 수 있는 불발을 최소화시킬 수 있을 것이다. 따라서, 최적발파 효과와 안전한 발파를 수행하기 위하여, 천공경은 150mm이상, 화약은 고성능 수중 다이너마이트(메가마이트 II), 그리고 뇌관은 비전기뇌관을 적용하는 것이 가장 유리할 것으로 판단된다.

• 인터넷정보학회논문지
• /
• 제23권3호
• /
• pp.35-45
• /
• 2022

현대에도 일부 소외된 지역에서는 의료 인력의 부족으로 인해 위·중증 환자에 대한 치료가 지연되는 경우가 많다. 의료 데이터에 대한 분석을 자동화하여 의료 서비스의 접근성 문제 및 의료 인력 부족을 해소하고자 하는 연구가 계속되고 있다. 컴퓨터 비전 기반의 진료 자동화는 훈련 목적에 대한 데이터 수집 및 라벨링 작업에서 많은 비용이 요구된다. 이러한 점은 희귀질환이나 시각적으로 뚜렷하게 정의하기 어려운 병리적 특징 및 기전을 구분하는 작업에서 두드러진다. 이상 탐지는 비지도 학습 전략을 채택함으로써 데이터 수집 비용을 크게 절감할 수 있는 방법으로 주목된다. 본 논문에서는 기존의 이상 탐지 기법들을 기반으로, 흉부 X-RAY 영상에 대해 이상 탐지를 수행하는 방법을 다음과 같이 제안한다. (1) 최적 해상도로 샘플링된 의료 영상의 색상 범위를 정규화한다. (2) 무병변 영상으로부터 패치 단위로 구분된 중간 수준 특징 집합을 추출하여 그 중 높은 표현력을 가진 일부 특징 벡터들을 선정한다. (3) 최근접 이웃 탐색 알고리즘을 기반으로 미리 선정된 무병변(정상) 특징 벡터들과의 차이를 측정한다. 본 논문에서는 PA 방식으로 촬영된 흉부 X-RAY 영상들에 대한 제안 시스템의 이상 탐지 성능을 세부 조건에 따라 상세히 측정하여 제시한다. PadChest 데이터세트로부터 추출한 서브세트에 대해 0.705 분류 AUROC를 보임으로써 의료 영상에 대한 이상 탐지 적용의 효과를 입증하였다. 제안 시스템은 의료 기관의 임상 진단 워크플로우를 개선하는 데에 유용하게 사용될 수 있으며, 의료 서비스 접근성이 낮은 지역에서의 조기 진단을 효율적으로 지원할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권5호
• /
• pp.211-220
• /
• 2022

최근 4차 산업혁명으로 촉발된 스마트공장에 관한 연구가 활발히 진행되고 있다. 이에 따라 제조업에서는 강건한 성능의 딥러닝 기술을 바탕으로 생산성 향상과 품질 향상을 위해 다양한 연구를 진행 중이다. 본 논문은 타이어 제조공정의 육안검사 단계에서 타이어 표면 결함을 검출하는 방법에 관한 연구로서 3D 카메라를 통해 취득한 깊이 이미지를 이용한 타이어 표면 결함 검출 방법을 소개한다. 본 연구에서 다루는 타이어 표면 깊이 이미지는 타이어 표면의 얕은 깊이로 인해 발생되는 낮은 깊이 대비와 데이터 취득 환경으로 인해 기준 깊이 값의 차이가 발생하는 문제가 있다. 그리고 제조업의 특성상 검출 성능과 함께 실시간으로 처리될 수 있는 성능을 지닌 알고리즘이 요구된다. 따라서, 본 논문에서는 타이어 표면 결함 검출 알고리즘이 복잡한 알고리즘 파이프라인으로 구성되지 않도록 상대적으로 단순한 방법들을 통해 깊이 이미지를 정규화하는 방법을 연구하였으며 검출 성능과 속도를 모두 만족할 수 있는 딥러닝 방법인 YOLO V3를 이용하여 일반적인 정규화 방법과 본 논문에서 제안하는 정규화 방법의 비교 실험을 진행하였다. 실험의 결과로 본 논문에서 제안한 정규화 방법으로 mAP 0.5 기준 약 7% 성능이 향상된 것을 확인하였으며 본 논문에서 제시한 방법이 효과적임을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권9호
• /
• pp.1-7
• /
• 2024

본 논문은 MNIST 데이터셋을 활용한 손글씨 숫자 인식에서 합성곱 신경망(CNN)과 배치정규화(BN)를 결합한 모델을 제안한다. LeCun et al.의 LeNet-5 모델의 성과를 뛰어넘는 것을 목표로 6계층 신경망 구조를 설계하였다. 제안된 모델은 28×28 픽셀 이미지를 입력으로 받아 합성곱, 맥스 풀링, 완전연결계층을 거쳐 처리하며, 특히 배치정규화계층을 도입하여 학습 안정성과 성능을 향상시켰다. 실험에서는 60,000개의 훈련 이미지와 10,000개의 테스트 이미지를 사용하였으며, Momentum 최적화 알고리즘을 적용하였다. 모델 구성에서는 30개의 필터, 필터 사이즈 5×5, 패딩 0, 스트라이드 1을 사용하였고, ReLU 활성화 함수를 채택하였다. 훈련 과정에서는 미니배치 사이즈 100, 총 20 에포크, 학습률 0.1로 설정하였다. 결과적으로 제안된 모델은 99.22%의 테스트 정확도를 달성하여 LeNet-5의 99.05%를 상회하였으며, F1-score 0.9919를 기록하여 모델의 성능을 입증하였다. 또한, 본 논문에서 제안한 6계층 모델은 LeCun et al.의 LeNet-5(7계층 모델)와 Ji, Chun and Kim(10계층 모델)이 제안한 모델보다 더 단순한 구조로 모델의 효율성을 강조하였다. 본 연구의 결과는 AI 비전 검사기 등 실제 산업 응용에서 활용 가능성을 보여주며, 특히 스마트팩토리에서 부품의 불량 상태를 판별하는 데 효과적으로 적용될 수 있을 것으로 기대된다.

• 전기전자학회논문지
• /
• 제25권3호
• /
• pp.493-500
• /
• 2021

본 논문에서는 다각형 용기의 품질 향상을 위한 딥러닝 구조 개발을 제안한다. 딥러닝 구조는 convolution 층, bottleneck 층, fully connect 층, softmax 층 등으로 구성된다. Convolution 층은 입력 이미지 또는 이전 층의 특징 이미지를 여러 특징 필터와 convolution 3x3 연산하여 특징 이미지를 얻어 내는 층이다. Bottleneck 층은 convolution 층을 통해 추출된 특징 이미지상의 특징들 중에서 최적의 특징들만 선별하여 convolution 1x1 ReLU로 채널을 감소시키고convolution 3x3 ReLU를 실시한다. Bottleneck 층을 거친 후에 수행되는 global average pooling 연산과정은 convolution 층을 통해 추출된 특징 이미지의 특징들 중에서 최적의 특징들만 선별하여 특징 이미지의 크기를 감소시킨다. Fully connect 층은 6개의 fully connect layer를 거쳐 출력 데이터가 산출된다. Softmax 층은 입력층 노드의 값과 연산을 진행하려는 목표 노드 사이의 가중치와 곱을 하여 합하고 활성화 함수를 통해 0~1 사이의 값으로 변환한다. 학습이 완료된 후에 인식 과정에서는 학습 과정과 마찬가지로 카메라를 이용한 이미지 획득, 측정 위치 검출, 딥러닝을 활용한 비원형 유리병 분류 등을 수행하여 비원형 유리병을 분류한다. 제안된 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과, 양품/불량 판별 정확도 99%로 세계최고 수준과 동일한 수준으로 산출되었다. 검사 소요 시간은 평균 1.7초로 비원형 머신비전 시스템을 사용하는 생산 공정의 가동 시간 기준 내로 산출되었다. 따라서 본 본문에서 제안한 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능의 그 효용성이 입증되었다.

• 한국식품위생안전성학회지
• /
• 제34권1호
• /
• pp.1-12
• /
• 2019

신선한 농산물 섭취와 관련된 많은 장점들이 전세계적으로 발표되고 있으며, 지속적인 섭취를 장려하고 있다. 일반적으로 과일과 채소는 최소한으로 가공되기 때문에 천연의 성분들이 건강을 증진시키는 역할을 하기도 하지만 그만큼 질병을 일으킬 수 있는 매개체가 존재할 수 있는 가능성이 매우 높다. 세계 보건기구 (WHO)의 보고서에 따르면 10명 중 1명이 식품에 의해 발생하는 질병으로 고통 받고 있으며, 전 세계적으로 매년 42만 명이 식중독으로 사망하는 것으로 밝혀졌다. 이러한 신선 식품은 농장에서 수확할 때부터 소비자의 식탁에 오르기까지 다양한 경로에서 쉽게 오염 될 수 있다. 본 리뷰논문에서는 신선식품에 의해 발생할 수 있는 질병을 이해하기 위해 화학적, 생물학적, 그리고 물리학적 위험요소로부터 식중독을 일으키는 원인과, 증상, 그리고 검출 방법에 대해서 기술 하였다. 화학적 위험요소의 대표적인 예로는 농약(살충제, 살균제, 및 제초제), 천연 독소 (곰팡이 독소 및 식물 독소), 그리고 중금속 (수은 및 카드뮴) 등이 있으며 이는 크로마토그래피 및 나노 기술 등을 이용하여 검출 할 수 있다. 하지만, 여러 실험에도 불구하고 화학적 위험 요소는 그 구조가 다양하기 때문에 위험 요소를 검출하는 하나의 표준 방법을 수립하기 힘들다. 신선한 과일과 채소는 영양분과 수분이 풍부하기 때문에 박테리아성 병원균 (Salmonella, E. coli O157: H7, Shigella, Listeria monocytogenes, Bacillus cereus), 바이러스 또는 기생충에 의해 쉽게 오염이 되며, 이를 검출하기 위해 주로 다양한 분자 생물학적 기술이 사용되고 있다. 마지막으로 물리적 위험요소인 유리, 금속, 자갈 등과 같은 매개체는 가공 공정 중에 식품에 유입되어 소비자에게 신체적 상해를 줄 수 있다. 이러한 위험요소를 줄이기 위해서 X-선 검사와 같은 투시 시스템을 이용하여 위해물질을 탐지하거나, 생산에 관여하는 직원 교육을 통해 2차 감염을 줄일수 가 있다.