사람 아이치바이러스 (Aichivirus A; AiV-A)는 positivesense single-strand RNA 비외피 바이러스로 지난 10년 동안 하수, 강, 지표 및 지상의 다양한 물환경에서 전 세계적으로 검출이 보고되고 있다. 지하수 등 물환경에서 AiV-A 진단을 위한 고감도 및 특이성이 우수한 방법의 개발이 요구됨에 따라, 본 연구에서는 기존 및 신규 설계된 프라이 머 세트를 기초로 역전사 (RT) 및 이중 중합효소연쇄반응이 가능한 조합을 개발하였다. 개발한 방법을 국내 음용 지하수 시료에 적용 및 평가하였으며, 그 결과 지하수 시료에서 AiV-A를 성공적으로 검출 및 동정할 수 있는 RTnested PCR primer sets가 선정되었고 후속적으로 동정할 수 있는 절차가 고안되었다. 본 연구 결과는 지하수 등 물 환경에서 AiV-A 오염을 탐지하기 위한 모니터링 시스템 마련에 기여할 것으로 기대된다.

Highly luminescent carbon quantum dots (CQDs) are developed as fluorescent probes for selective detection of the heavy-ion Fe3+, where the CQDs exhibit excellent nontoxicity, functionalizability, sensitivity, and selectivity. Biomass-based CQDs and nitrogen-doped CQDs (N-CQDs) are synthesized for the selective detection of Fe3+ by using H2O2 as an oxidant and polyetherimide (PEI) as a nitrogen precursor by a green hydrothermal synthesis method. The prepared CQDs and N-CQDs exhibit an elliptical morphology and with an average particle size of 7 and 4 nm, respectively, and emit blue photoluminescence at 445 and 468 nm under excitation at 367 and 343 nm, respectively. The CQDs and N-CQDs exhibit good water solubility because of the abundant hydroxyl and carboxyl/carbonyl groups and graphic/pyrrolic/pyridinic nitrogen on the surfaces, giving rise to a quantum yield of about 24.2% and 30.7%, respectively. Notably, the Matrimony vine-PEI-based CQDs exhibit excellent Fe3+ selectivity and sensitivity relative to the Matrimony vine-based CQDs due to complexation of the numerous phenolic hydroxyl groups and nitrogen-containing groups with Fe3+, leading to increased fluorescence quenching, which greatly improves the sensitivity of detection. The minimum detection limit was 2.22 μmol L− 1 with a complexation constant of 44.7.

I propose an algorithm to detect defects in the production of wire mesh using computer image processing. The process is explained as follows, First reading consecutive frames coming through the camera, then the preprocessing process is performed. Second calculate the absolute difference between the two images to distinguish the moving wire mesh from the unnecessary background image. Third based on the past moving data of the welded wire mesh, predict and track future movement. As a result of observing the samples of some defective welded wire mesh products, it was confirmed that the horizontal line of the defective wire mesh had a higher height value of the tracked wire netting. Therefore it is possible to judge whether there is a defect or not at the same time without any additional process to judge. Finally, shear strength test were performed on the welds determined to be normal products by the algorithm proposed in this paper, so that I could verify the reliability and validity of the proposed algorithm.

급격한 산업화와 인구수 증가로 인한 환경 수질 오염이 발생하고 있다. 더불어 날씨 패턴의 변화로 인해 빗물이 부족해지자, 폐수를 깨끗한 물로 재활용하기 위한 요구가 나날이 늘어나고 있다. 색변화를 이용한 수중 속 중금속 검출은 아주 간단하고 효과적인 기술이다. 본 논문에는 멤브레인을 이용한 수은 이온 색검출에 대해 자세하게 논의되어 있다. 셀룰로 스, 폴리카프로락톤, 키토산, 폴리설폰 등의 멤브레인이 금속 이온 검출을 지지체로서 사용되었다. 지지체로서 사용된 멤브레 인들은 나노 섬유를 기반으로 하며 표면적이 크며, 중금속 검출의 활성 부위로 사용하기에 탁월하다. 나노 섬유를 기반으로 한 재료는 에너지, 환경, 그리고 바이오메디컬 연구에서 다양하게 응용될 수 있다. 나노 섬유로 이루어진 멤브레인들은 폴리머에 있는 적용기를 많이 받아들일 수 있으며, 표면적이 넓고 다공성이라는 장점이 있다. 이로 인해 멤브레인의 표면 구조를 변화시키거나 리간드를 섬유 표면에 부착해 나노 입자 결합을 더 쉽게 해준다.

교통카드 데이터는 도시 유동 패턴 분석을 가능하게 하는 양질의 대용량 데이터를 제공한다. 하지만 유동 클러스터링의 방법론적 어려움으로 인해 기존의 연구들은 데이터의 이점을 최대로 활용하지 못하고 있다. 이러한 한계를 극복하고자, 본 연구는 교통카드 데이터에 기반한 효율적인 유동 클러스터 탐지 기법을 제시하고, 이를 서울시 대중교통 통행 데이터에 적용하여 유의미한 유동 통행 클러스터를 도출하고자 한다. 사례 분석 결과, 서울 전체에 걸쳐 있는 다양한 대중교통 통행 클러스터를 도출할 수 있었고, 특히 공간상에서는 인접하지만 서로 다른 교통수단과 노선 하에서 이루어진 개별 유동들을 하나의 유동 통행 패턴으로 탐지할 수 있었다, 더 나아가, 일반적인 빈도분석으로는 뚜렷하게 나타나지 않지만 공간적으로 인접한 여러 다발의 유동이 모였을 때 유의미한 통행량을 가지게 되는 주요 통행 패턴을 포착할 수 있었다. 본 연구는 유동 현상을 분석하는데 중요한 방법론적 시사점을 제시하고 있으며, 제시된 알고리즘은 향후 보다 진보된 유동 클러스터링 기법을 개발하는데 필요한 기초 결과로 활용될 수 있을 것으로 기대된다.

Nitrogen-doped carbon dots (CDts) with tunable fluorescence properties in aqueous media were synthesized hydrothermally. The excitation wavelength variation to obtain the maximum emission produced a blue shift in the emission peaks upon dilution in an aqueous solution. The shift can be explained by a re-absorption phenomenon in a concentrated solution. The interparticle interaction within was responsible to show dilution-dependent optical behavior. The as-synthesized solution of CDts did not show any prominent absorption peak over a wide range. However, upon dilution, two peaks became predominant. The concentration-dependent behavior was observed during the interaction with metal cations. Cationic salts of Co(II) and Hg(II) caused quenching at different dilutions of CDts. This might be explained by the exposure of different surface functional groups during dilution and metal-ion–CDts charge transfer. The quenched fluorescence of CDts was rescued using ascorbic acid. Therefore, the one-pot detection of Co(II)/Hg(II) and ascorbic acid was designed through a ‘Turn Off/On’ phenomenon.

A lot of sensor and control signals is generated by an industrial controller and related internet-of-things in discrete manufacturing system. The acquired signals are such records indicating whether several process operations have been correctly conducted or not in the system, therefore they are usually composed of binary numbers. For example, once a certain sensor turns on, the corresponding value is changed from 0 to 1, and it means the process is finished the previous operation and ready to conduct next operation. If an actuator starts to move, the corresponding value is changed from 0 to 1 and it indicates the corresponding operation is been conducting. Because traditional fault detection approaches are generally conducted with analog sensor signals and the signals show stationary during normal operation states, it is not simple to identify whether the manufacturing process works properly via conventional fault detection methods. However, digital control signals collected from a programmable logic controller continuously vary during normal process operation in order to show inherent sequence information which indicates the conducting operation tasks. Therefore, in this research, it is proposed to a recurrent neural network-based fault detection approach for considering sequential patterns in normal states of the manufacturing process. Using the constructed long short-term memory based fault detection, it is possible to predict the next control signals and detect faulty states by compared the predicted and real control signals in real-time. We validated and verified the proposed fault detection methods using digital control signals which are collected from a laser marking process, and the method provide good detection performance only using binary values.

In the following years, technology has progressed in so many ways that it has provided the cyber society with a resource that only computers can excel at, such as the art of counterfeit of media, which was before unavailable. Deepfakes are a term used to describe this kind of deception. The majority of well-documented Deep Fakes are produced using Generative Adversarial Network (GAN) Models, which are essentially two distinct Machine Learning Models that perform the roles of attack and defence. These models create and identify deepfakes until they reach a point where the morphing no longer detects the deepfakes anymore. Using this algorithm/model, it is possible to discover and create new media that has a similar demographic to the training set, resulting in the development of the ideal Deep Fake media. Because the alterations are carried out utilising advanced characteristics, they cannot be seen with the human eye. However, it is completely feasible to develop an algorithm that can automatically identify this kind of tampering carried out via the internet. This not only enables us to broaden the scope of our search beyond a single media item, but also beyond a large library of mixed media. The more it learns, the better it becomes as artificial intelligence takes over in full force with automation. In order to create better deep fakes, new models are being developed all the time, making it more difficult to distinguish between genuine and morphing material.

본 연구에서는 게임 영상과 같은 생성된 영상으로부터 물체를 인식하는 심층 학습 기반 모델의 성능을 향상 시키는 방법을 제시한다. 특히, 실제 영상으로 훈련된 물체 인식 모델에 대해서 게임 영상으로 추가 훈련을 수행함으로써 물체 인식 성능이 향상됨을 검증한다. 본 연구에서는 심층 학습 기반의 물체 인식 모델들 중에서 가장 널리 사용되는 YoloV2 모델을 이용한다. 이 모델에 대해서 8 종류의 다양한 게임에서 샘플링한 160장의 게임 영상을 적용해서 물체 인식 모델을 다시 훈련하고, IoU와 정확도를 측정해서 본 연구에서 주장하는 게임 영상을 이용한 훈련이 효과적임을 입증한다.