• 한국가금학회지
• /
• 제29권3호
• /
• pp.195-204
• /
• 2002

산란계에 대한 오전사료와 오후사료의 영양수준 및 급여방법이 산란능력과 경제성에 미치는 영향을 구명하기 위해 2개의 실험을 실시하였는데, 실험 1에서는 ISA Broun 갈색산란계 384수를 4처리 3반복, 반복당 32수씩을 공시하여 28~38주령에 2주간의 예비사양기간을 거쳐 본 시험 8주간 실시하였다. 대조구(C)는 관행적인 산란계 단일 배합사료를 급여하였고, 시험구들(T1, T2 및 T3)은 고에너지-고단백질-저 Ca의 오전사료와 저에너지-저단백질-고Ca의 오후사료를 별도로 급여하였다. 실험 2는 “ISA Brown” 갈색 산란계 384수를 3처리 4반복, 반복당 32수씩을 공시하여 48 ~ 58주령에 2주간의 예비사양기간을 거쳐 본 시험 8주간 실시하였다. 대조구(C)는 관행적인 산란계 단일 배합사료를 급여하였고, T1은 고에너지-고단백질-저Ca의 오전사료와 저에너지-저단백질-고Ca의 오후사료를 별도로 급여하였고, T2는 오전사료를 분말로 하고 오후사료를 펠렛으로 가공하여 50：50으로 혼합급여 하였다. 실험 1에서 헨데이 산란율과 평균난중 및 1일 1수당사료 섭취량은 대조구와 시험구들(T1-T3)간에 유의적인 차이가 없었다. 1일 1수당 ME, CP 섭취량 및 사료비는 대조구에 비해 시험구들(T1-T3)이 유의적으로 적었고(P<0.05), 시험구들간에는 오후사료의 ME및 CP 수준이 감소하고 Ca수준이 높아질수록 감소하는 경향이 있었다. 산란 개당 및 산란 kg당 사료, ME CP요구량과 사료비도 모두 대조구에 비해 시험구(T1-T3)들이 유의적으로 적었으며(P<0.05), 시험구들 간에는 오후사료의 Ca함량이 대조구에 비해 4배가 많은 73처리가 사료요구량에서 71과 72보다 많았고(P<0.05), 오후사료의 ME와 CP수준이 감소하고 Ca수준이 증가할수록 감소하는 경향을 보였다. 계란의 비중과 난각강도 및 난각후도 등 난각질은 모두 대조구에 비해 시험구(71-73)들이 유의적으로 향상되었고(P<0.05),오후사료의 Ca수준이 증가할수록 향상되는 경향을 보였다. 실험 2에서 헨데이 산란율은 처리간에 유의적인 차이가 없었으나, 평균난중과 1일 1수당 사료섭취량은 대조구에 비해 오전사료와 오후사료의 별도급여구(T1)와 혼합급여구(T2)가 감소하는 경향을 보였다(P<0.05). 1일 1수당 ME, CP섭취량 및 사료비는 모두 대조구에 비해 T1과 T2구가 유의적으로 감소하였고(P<0.05), T1과 T2간에는 유의차가 없었다. 산란 개당 ME와 CP요구량 및 사료비는 모두 대조구에 비해 T1과 T2구가 유의적으로 감소하였으나(P<0.05), 산란kg 당 사료, ME, CP요구량 및 사료비는 모두 처리간에 유의적인 차이가 없었다. 계란의 비중과 난각후도는 대조구에 비해 T1과 T2구가 유의적으로 향상되었고(P<0.05), 난각강도는 처리간에 유의적인 차이가 없었으나, T1과 T2구가 대조구보다 향상되는 경향을 보였다. 본 시험 결과 오전용 사료는 관행적인 산란계 배합사료에서 Ca공급제를 제외한 것을 급여하고, 오후용 사료는 Ca공급제를 3배 첨가한 T2처리로 15:00~16:00시에 교체급여를 하면 사료섭취량 감소와 사료비 절감면에서 바람직할 것으로 사료되며, 고에너지-고단백질-저Ca의 분말사료와 저에너지-저단백질-고Ca의 펠렛사료를 혼합급여하면 산란계의 사료섭취 량과 사료비를 절감할 수 있었으며, 오전사료와 오후사료 별도급여의 번거로움을 피할 수 있는 사양체계로 기대가 되나 보다 더 많은 연구가 필요하다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제14권3호
• /
• pp.40-46
• /
• 2009

독립영양 황탈질 미생물 Thiobacillus denitrificans를 이용한 질산염 오염지하수 정화 기술을 개발하고자, 3열의 관정형 반응벽체(길이 $\times$ 너비 $\times$ 깊이 = $3m\;{\times}\;4\;m\;{\times}\;2\;m$)를 한국농어촌공사 수리시험장(길이 $\times$ 너비 $\times$ 깊이 = $8m\;{\times}\;4\;m\;{\times}\;2\;m$)에 설치하고 현장적용성을 검토하였다. 전자공여체로 총 80 kg의 황입자를, 탈질미생물로 Thiobacillus denitrificans를 준비하였다. 황입자 표면에 Thiobacillus denitrificans를 부착하는 1톤 용량 물통 실험에서, Thiobacillus denitrificans는 질산염 농도 375 mg/L(6.1 mM)의 오염수를 11일 경과 후 ~12% (0.7 mM), 18일 경과 후 ~24%(1.3 mM), 32일 경과 후 ~45%(2.4 mM), 그리고 부착 종료 시(60일)까지 ~52%(2.8 mM)를 제거하며 황입자 표면에 성공적으로 부착 증식하였다. 이후, Thiobacillus denitrificans가 부착된 황입자를 3열의 관정형 반응벽체(각 열 간격 1 m)에 주입하여 황탈질 미생물 관정형 반응벽체를 설치하였다. 초기 질산염 농도 평균 181 mg/L 인 인공오염지하수에 대하여 28일 간 1차 정화실험을 실시하였고, 평균 281 mg/L 인 인공오염지하수에 대하여 14일 간 2차 정화실험을 실시하였다. 1차 실험의 인공오염지하수(2.9 mM)는 1열 반응 후 ~2%(0.06 mM), 2열 반응 후 ~9%(0.27 mM), 3열 반응 후 ~15%(0.44 mM)의 질산염이 제거되었다. 2차 실험의 인공오염지하수(4.5 mM)는 1열 반응 후 ~1%(0.02 mM), 2열 반응 후 ~6%(0.27 mM), 3열 반응 후 ~8%(0.37 mM)가 제거되었다. 실험 기간 중 인공오염지하수의 주입용량은 $1.24\;m^3/d$, 유속은 0.44 m/d를 유지하였고, pH는 6.7~8.3, DO는 0.9~2.8 mg/L 범위로 큰 변화가 없었다. 본 관정형 반응벽체 실험의 낮은 정화효율의 원인은 인공오염지하수에 대한 Thiobacillus denitrificans의 탈질 소요 시간 부족, 관정형 반응벽체의 개별 관정사이로 빠져나가는 인공오염지하수체, 그리고 질산염 환원효소의 활성 및 생성을 억제시키는 용존산소의 상대적으로 높은 농도 때문으로 추정된다. 황탈질 관정형 반응벽체의 현장적용시에는 탈질반응에 필요한 체류시간, 관정형 반응벽체의 개수 및 간격, 그리고 용존산소 농도 등 해당 오염부지의 고유 특성을 고려한 설계가 필요하다.

• 한국초지조사료학회지
• /
• 제6권2호
• /
• pp.103-110
• /
• 1986

본(本) 시험(試驗)은 기상환경(氣象環境) 및 예취관리(刈取管理)가 주요(主要) 북방형(北方型) 목초(牧草)의 물질생산성(物質生産性)과 에너지가치(價値)에 미치는 영향(影響)을 구명(究明)코자 한국(韓國)의 Suweon, Cheju 및 Taekwalyong과 서독(西獨)의 Freising 및 Braunschweing에서 $1975{\sim}$79년간(年間) 동시(同時)에 실시(實施)되었다. 공시초종(供試草種)은 orchardgrassm perennial ryegrass 및 meadow fescue로 예취방법(刈取方法)은 방목기(放牧期)(년(年)$6{\sim}7$회(回)), silage 기(期)(년(年)$4{\sim}5$회(回)) 및 건초기이용(乾草期利用)(년(年) 3회(回))으로 구분(區分), 분할구(分割區) 배치법(配置法) 4반복(反復)으로 시험(試驗)을 실시(實施)하였는바 얻어진 결과(結果)는 다음과 같다. 1. 한국(韓國)에 있어서 orchardgrass, perennial ryegrass 및 meadow fescue의 생산성(生産性)은 예취관리(刈取管理)와 재배기간중(栽培期間中)의 기상환경(氣象環境)에 의(依)해 가장 큰 영향(影響)을 받았다. 환경요인중(環境要因中) 온도(溫度) 및 강수량(降水量)은 수량(收量)을 좌우(左右)하는 가장 중요(重要)한 기상요인(氣象要因)에 속하며 일조시간(日照時間), 일사량(日射量), 재배년도등(栽培年度等)도 요인상호간(要因相互間)의 interactions에 의(依)해 목초생산성(牧草生産性)에 큰 영향(影響)이 미쳤다. 2. 초종별(草種別) 건물수량(乾物收量)은 orchardgrass가 지역평균(地域平均) 875kg/10a을 생산(生産) perennial ryegrass 및 meadow fescue에 비해 각각(各各) 32% 및 27%가 높았다. 한편 orchardgrass는 년차별(年次別) 수량변이(收量變異)가 적은데 반(反)해 perennial ryegrass 및 meadow fescue는 초년도(初年度)(1976)에 비해 1977년(年)에는 각각(各各) 65.5% 및 29%의 수량감소(收量減少)가 있었다. Freising 및 Braunschweig에서는 각(各) 초종(草種) 공(共)히 년도(年度)가 경과(經過)됨에 따라 증가(增加)되는 경향(傾向)이었다. 3. 예취방법별(刈取方法別) 목초생산성(牧草生産性)은 초종(草種)에 따라 차이(差異)가 있어 orchardgrass는 건초기(乾草期)에 년(年)3회(回), perennial ryegrass 및 meadow fescue는 silage 기(期)에 년(年) $4{\sim}5$회(回) 이용(利用)함으로서 가장 높은 수량(收量)을 얻을 수 있었다. Freising 및 Braunschweig 지방(地方)의 예취방법별(刈取方法別) 공시초종(供試草種)의 평균(平均) 건물수량(乾物收量)은 각각(各各) 1326(년(年)3회(回)이용(利用)), 1175(년(年)$4{\sim}$ 5회(回))및 1,098kg/10a(년(年)$6{\sim}$7회(回))이었다. 4. 목초(牧草)의 화학성분(化學成分) 및 energy concentration은 환경요인(環境要因)과 예취관리(刈取管理)에 따라 큰 차이(差異)가 있다. 가소화단백질(可消化蛋白質) 수량(收量)은 각지역(各地域) 공(共)히 방목기(放牧期)의 잦은 예취(刈取)에서 가장 높았다. Net energy 수량(收量)은 Freising(서독(西獨))에서는 건초기이용(乾草期利用)이 각각(各各) 694(orchardgrass), 665(perennial ryegrass) 및 623 kStE(meadow fescue)을 생산(生産) 가장 좋았는데 비해 Cheju, Suweon 및 Taekwalyong 지방(地方)에서는 방목기(放牧期) 및 silage 기(期) 이용(利用)이 건초기이용(乾草期利用)보다 유리(有利)하였다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.1-25
• /
• 2020

대규모 텍스트에서 관심 대상이 가지고 있는 속성들에 대한 감성을 세부적으로 분석하는 속성기반 감성분석(Aspect-Based Sentiment Analysis)은 상당한 비즈니스 가치를 제공한다. 특히, 텍스트에 속성어가 존재하는 명시적 속성뿐만 아니라 속성어가 없는 암시적 속성까지 분석 대상으로 하는 속성카테고리 감성분류(ACSC, Aspect Category Sentiment Classification)는 속성기반 감성분석에서 중요한 의미를 지니고 있다. 본 연구는 속성카테고리 감성분류에 BERT 사전훈련 언어 모델을 적용할 때 기존 연구에서 다루지 않은 다음과 같은 주요 이슈들에 대한 답을 찾고, 이를 통해 우수한 ACSC 모델 구조를 도출하고자 한다. 첫째, [CLS] 토큰의 출력 벡터만 분류벡터로 사용하기보다는 속성카테고리에 대한 토큰들의 출력 벡터를 분류벡터에 반영하면 더 나은 성능을 달성할 수 있지 않을까? 둘째, 입력 데이터의 문장-쌍(sentence-pair) 구성에서 QA(Question Answering)와 NLI(Natural Language Inference) 타입 간 성능 차이가 존재할까? 셋째, 입력 데이터의 QA 또는 NLI 타입 문장-쌍 구성에서 속성카테고리를 포함한 문장의 순서에 따른 성능 차이가 존재할까? 이러한 연구 목적을 달성하기 위해 입력 및 출력 옵션들의 조합에 따라 12가지 ACSC 모델들을 구현하고 4종 영어 벤치마크 데이터셋에 대한 실험을 통해 기존 모델 이상의 성능을 제공하는 ACSC 모델들을 도출하였다. 그리고 [CLS] 토큰에 대한 출력 벡터를 분류벡터로 사용하기 보다는 속성카테고리 토큰의 출력 벡터를 사용하거나 두 가지를 함께 사용하는 것이 더욱 효과적이고, NLI 보다는 QA 타입의 입력이 대체적으로 더 나은 성능을 제공하며, QA 타입 안에서 속성이 포함된 문장의 순서는 성능과 무관한 점 등의 유용한 시사점들을 발견하였다. 본 연구에서 사용한 ACSC 모델 디자인을 위한 방법론은 다른 연구에도 비슷하게 응용될 수 있을 것으로 기대된다.

• 생물환경조절학회지
• /
• 제5권2호
• /
• pp.215-235
• /
• 1996

본 연구에서 수행한 Model 시뮬레이션에 의한 열환경 분석 기법은 지역별로 다양한 기상여건 하에서 대상온실의 난방 및 냉방부하를 보다 합리적으로 예측할 수 있을 뿐만 아니라 냉방이나 난방용 시스템의 결정을 비롯한 난방대책을 수립하고, 에너지 이용 전략의 수립이나 계절적인 작부계획 수립, 온실산업용 적지선정 등에 유익하게 활용될 수 있을 것이라 판단된다. 본 연구에서는 온실의 적극적인 환경조절 유형을 난방과 냉방의 두 가지로 대별하고, 난방 소요열량 산정을 비롯하여 야간의 보온 커튼효과, Heating Degree-Hour 산정 등 난방과 관련된 시뮬레이션은 동적 모형을 이용하여 시간별, 일별 및 월별로 검토하였으며, 환기를 비롯한 차광, 증발냉각시스템의 효과 분석은 정적모형을 이용하여 검토하였다. 특히 하절기 지하수와 같은 저온수를 직접 이용하거나 Heat Pump를 통하여 확보될 수 있는 저온수를 이용하여 온실의 피복면에 살수함으로서 확보할 수 있는 온실냉방효과를 검토하는 데는 1.2m$\times$2.4m 크기의 모형온실을 제작하여 기초실험을 수행함으로서 동절기의 수막시스템의 보온효과와 마찬가지로 하절기 냉방 효과를 거둘 수 있다는 가능성을 확인하였다. 본 연구에 활용된 온실의 수치 환경모형 중 난방관련 시뮬레이션용 동적 수치모형은 소기의 목적을 달성하는데 충분히 응용될 수 있는 이론모형이다. 이 이론모형이 범용성이 높은 것은 온실 내ㆍ외의 미기상 변화, 특히 난방이나 냉방이 본격적으로 요구되는 기간동안에 온도, 습도, 일사, 풍속 등의 미기상 인자들을 면밀하게 관찰하여 실측된 자료를 바탕으로 개발되었고, 다양한 자료에 의해 충분히 검정되었기 때문이다. 본 연구에서는 경남 진주지역의 어느 특정 기간(1987년)의 시간별 기상자료를 중심으로 온실의 열적 환경변화에 대한 수치모형 시뮬레이션을 실시하였으며, 아직 수치모형에 의한 시뮬레이션이 불가능한 일부 냉방효과를 검토하는 데는 모형 실험을 실시하였으며, 그 결과를 요약하면 다음과 같다. 1. 주간과 야간의 설정온도를 달리하고 다단계 변온조절방식으로 시뮬레이션을 행한 결과 난방 소요열량은 난방 설정온도에 따라 현저한 차이를 보였다. 특히 주간 설정온도에 비하여 야간 설정온도가 난방 소요열량에 예민하게 영향을 미치므로 야간의 설정온도 결정에 신중을 기해야 할 것으로 판단된다. 2. 기존의 Heating Degree-Hour 자료는 평균 외기온을 중심으로 임의의 설정온도에 대하여 산정된 값이므로 난방 소요열량에 대한 상대적인 비교수단은 되나 고려되는 기상인자의 제한과 설정온도의 임의성 때문에 실용성이 부족하다. 따라서 본 연구에서 제시된 것처럼 온실 주변의 제반 미기상 인자나 경계조건이 반영됨은 물론 작물의 생육상태 및 구체적인 설정온도까지도 고려하는 동적 수치모형으로 시시각각으로 예측된 실내기온을 중심으로 재배기간 동안의 난방열량을 적산함이 합리적이라 판단된다. 기존의 MDH 자료로 난방 설계를 할 경우에는 지나치게 과잉설계 될 가능성이 있다. 3. 산정된 난방 소요열량은 물론 커튼의 보온성능도 월별 기상여건에 따라 현저한 차이를 보이며, 시뮬레이션에 이용된 커튼의 경우 높은 보온효과를 보임으로서 년 평균 50% 이상의 난방 에너지를 절감할 수 있으며, 동절기 3-4개월의 집중 난방기에 에너지가 크게 절감됨을 발견할 수 있다. 4. 고온기 환기성능은 온실의 구조, 기상조건, 작물의 생육상태 등에 따라 다소의 차이가 있으나 환기율에 의해 크게 좌우되며, 시뮬레이션에 이용된 두 가지 농가보급형 온실 모두 환기율의 증가에 따른 실내기온의 강하 효과가 환기율이 1회/min 정도를 넘어서면서 급격히 둔화되는 현상을 보인다. 이는 기존에 권장되고 있는 적정 환기율인 1회/min 전후의 환기 시스템을 갖추는 것이 합리적임을 확인해 준다. 5. 작물이 성숙된 유리온실에서 외기의 상대습도가 50%인 쾌청한 주간동안 연속적으로 1회/min로 환기를 시킬 경우 실내기온 36.5$^{\circ}C$의 대조구에 비한 온도강하는 50% 차광만 했을 시 2.6$^{\circ}C$이고 효율 80%의 Pad ＆ Fan 시스템만 작동시 6.1$^{\circ}C$ 정도이며, 차광과 냉각시스템을 동시에 작동시는 약 8.6$^{\circ}C$로서 외기온보다 3.3$^{\circ}C$가 낮은 28$^{\circ}C$까지 실내온도를 낮출 수 있으나, 동일 조건하에서 외기의 상대습도가 80%로 높은 경우에는 Pad ＆ Fan시스템에 의한 온도강하가 2.4$^{\circ}C$에 불과하여 50% 차광하에서도 외기온 이하로 실내온도를 낮출 수 없음을 알 수 있다. 6. 하절기 3개월(6/1-8/31)동안 Pad ＆ Fan 시스템의 냉방효과($\Delta$T)는 설정된 작동 온도에 따라 다소 차이를 보일 것으로 예상되나 본 시뮬레이션에서 설정한 시스템의 작동 온도 27$^{\circ}C$에서 상대습도와의 상관관계는 대략 다음과 같았다: $\Delta$T= -0.077RH＋7.7 7. 전형적인 하절기 주간기상 하에서 경시적 냉방효과를 분석한 결과 환기만으로는 실내기온을 외기온 보다 5$^{\circ}C$ 높게 유지하는 정도가 고작이고, 차광이나 증발식 냉방시스템 만으로는 작물이 성숙한 단계에서조차도 외기온 이하로 떨어뜨리기가 어려우나 차광과 아울러 증발식 냉방을 병행할 경우에는 작물상태에 따라 다소 차이는 있지만 실내기온을 외기온보다 2.0-2.3$^{\circ}C$ 낮게 유지할 수 있음을 발견할 수 있다. 8. 일사가 차단된 27.5-28.5$^{\circ}C$의 외기온하에서 6.5-8.5$^{\circ}C$의 냉수를 온실 바닥면적 1$m^2$당 1.3 liter/min의 유량으로 온실표면에 살수했을 때 실내기온을 외기온보다 1$0^{\circ}C$ 낮은 16.5-18.$0^{\circ}C$ 정도로 낮출 수 있었다. 앞으로 살수 수온(T$_{w}$ )이나 외기온(T$_{o}$ ) 뿐만아니라 살수율(Q)에 따라 온실기온 (T$_{g}$ )에 미치는 상관 관계 T$_{g}$ = f(T$_{w}$ , Q, T$_{o}$ )를 구명하여 지하수 자체 또는 Heat Pump를 이용한 지하수온 이하의 냉수로 온실냉방의 가능성을 구명하는 것이 앞으로의 과제이다.