In this paper, we design a basic algorithm enabling recognition of surrounding environment and collision avoidance among elemental technologies for autonomous driving, also applies sensor theoretical data and actual road performance to robo-racing system based on experimental data obtained through driving tests to enable sophisticated collision avoidance. For this study, a commercial autonomous driving patform(ERP-42), LiDAR and GPS sensors were used to implement efficient comunication systems and autonomous driving algorithms between each module.

The management of algal bloom is essential for the proper management of water supply systems and to maintain the safety of drinking water. Chlorophyll-a(Chl-a) is a commonly used indicator to represent the algal concentration. In recent years, advanced machine learning models have been increasingly used to predict Chl-a in freshwater systems. Machine learning models show good performance in various fields, while the process of model development requires considerable labor and time by experts. Automated machine learning(auto ML) is an emerging field of machine learning study. Auto ML is used to develop machine learning models while minimizing the time and labor required in the model development process. This study developed an auto ML to predict Chl-a using auto sklearn, one of most widely used open source auto ML algorithms. The model performance was compared with other two popular ensemble machine learning models, random forest(RF) and XGBoost(XGB). The model performance was evaluated using three indices, root mean squared error, root mean squared error-observation standard deviation ratio(RSR) and Nash-Sutcliffe coefficient of efficiency. The RSR of auto ML, RF, and XGB were 0.659, 0.684 and 0.638, respectively. The results shows that auto ML outperforms RF, and XGB shows better prediction performance than auto ML, while the differences between model performances were not significant. Shapley value analysis, an explainable machine learning algorithm, was used to provide quantitative interpretation about the model prediction of auto ML developed in this study. The results of this study present the possible applicability of auto ML for the prediction of water quality.

본 논문에서는 인력에 의한 외관 조사의 단점을 해결하고 터널 안전 점검의 자동화를 위하여 터널 스캐닝 영상을 통 한 영상접합 자동화 알고리즘을 제시한다. 터널 스캐닝 영상을 통한 안전 점검은 기존 인력에 의한 외관 조사에 비해 조사 기 간과 인력을 크게 줄일 수 있으며 조사자의 안전사고와 교통체증에 따른 사회적 비용을 절감할 수 있다는 장점이 있다. 터널 스캐닝 영상 기반 안전 점검을 위해서는 터널 스캐닝 영상의 접합을 통하여 평면 전개 이미지 자동화 생성이 핵심이다. 터널 스캐닝 영상 기반 평면 전개 이미지 생성의 자동화를 위하여 특징점 추출 및 특징점 매칭을 통한 다중촬영 이미지 간 접합 과 정이 주요한 요소이다. 본 연구에서는 터널 평면 전개 이미지 자동화 생성의 주요 요소인 이미지 접합의 성능을 높이고 기존 접합 기술에서 발생하는 오류를 해결하기 위하여 특징점 매칭 선분의 물리적인 특성을 고려하여 매칭 정확도를 높인 기술을 제 안하였다. 터널 이미지 중 약80∼90%를 이루는 타일부와 콘크리트부를 대상으로 기존기술의 특징점 매칭 결과와 제안 기술의 특징점 매칭 결과를 비교분석 하였으며 제안 기술을 통해 매칭 성능이 향상된 것을 확인하였다.

In this study, the load fluctuation of the main engine is considered to be a disturbance for the jacket coolant temperature control system of the low-speed two-stroke main diesel engine on the ships. A nonlinear PID temperature control system with satisfactory disturbance rejection performance was designed by rapidly transmitting the load change value to the controller for following the reference set value. The feed-forwarded load fluctuation is considered the set points of the dual loop control system to be changed. Real-coded genetic algorithms were used as an optimization tool to tune the gains for the nonlinear PID controller. ITAE was used as an evaluation function for optimization. For the evaluation function, the engine jacket coolant outlet temperature was considered. As a result of simulating the proposed cascade nonlinear PID control system, it was confirmed that the disturbance caused by the load fluctuation was eliminated with satisfactory performance and that the changed set value was followed.

Recently, most software development uses object-oriented method. The core of object-oriented method is class, and encaptualition and inheritance structure based on class improves development efficiency. However, if the method is encapsulated, it can be developed more effectively. In this paper, we examine the differences and effects from existing methods when encapsulating a method by applying the Template Method Pattern.

한국 천일염 생산 지역의 인구는 빠르게 고령화되고 있어 생산 노동자가 줄고 있는 추세이다. 소금 포집 작업은 천일염 생산 과정에서 가장 많은 노동력을 필요로 한다. 기존의 포집 장치는 사람의 작동 및 운전이 필요하여 상당한 노동력이 필요해서, 천일염 무인 포집장치를 개발하여 생산 노동자의 노동력을 감소시키고자 한다. 천일염 포집장치는 색상 검출을 통해 소금의 포집 상황과 염전에서의 위치를 파악하도록 설계되었기 때문에, 포집장치의 색상 검출 성능이 중요한 요소이다. 그래서 색상 검출 성능 향상을 위해 이미지 처리 를 이용한 알고리즘을 연구하였다. 알고리즘은 입력 이미지를 크기 재조정, 회전 및 투시 변환을 이용하여 around-view 이미지를 생성하고, RoI를 설정하여 해당 영역만 HSV 색상 모델로 변환하고 논리곱 연산을 통해 색상 영역을 검출한다. 검출 된 색상영역은 형태학적 연산을 이용하여 검출 영역을 확장하고 노이즈를 제거하여 컨투어와 이미지 모멘트를 이용하여 검출영역의 면적을 계산하고 설정된 면적과 비 교하여 염판에서 포집장치의 위치 경우를 결정한다. 성능 평가는 알고리즘을 적용한 최종 검출 색상의 계산 면적과 알고리즘의 각 단계 의 검출 색상의 면적을 비교하여 평가하였다. 평가 결과 소금을 검출하는 흰색의 경우 최소 25%에서 최대 99% 이상, 빨간색의 경우 최소 44%에서 최대 68%, 파란색과 녹색은 평균적으로 각각 7%와 15% 검출면적 증가가 있어 색상 검출 성능이 향상되었음을 확인할 수 있었으 며, 이를 무인 천일염 포집장치의 무인작업 수행을 위한 위치 확인에 적용 가능할 것으로 사료된다.

For a plastic diffusion lens to uniformly diffuse light, it is important to minimize deformation that may occur during injection molding and to minimize deformation. It is essential to control the injection molding condition precisely. In addition, as the number of meshes increases, there is a limitation in that the time required for analysis increases. Therefore, We applied machine learning algorithms for faster and more precise control of molding conditions. This study attempts to predict the deformation of a plastic diffusion lens using the Decision Tree regression algorithm. As the variables of injection molding, melt temperature, packing pressure, packing time, and ram speed were set as variables, and the dependent variable was set as the deformation value. A total of 256 injection molding analyses were conducted. We evaluated the prediction model's performance after learning the Decision Tree regression model based on the result data of 256 injection molding analyses. In addition, We confirmed the prediction model's reliability by comparing the injection molding analysis results.

본 연구는 데이터 과학의 과정에 따른 파이썬 기반의 외부고리 은하 영상 분석 알고리즘 개발을 목적으로 한다. 잠재적 사용자는 학생과 교사를 포함한 시민 과학자로 정하였다. 은하의 실제 데이터를 이용한 분류 연구는 IRAF 라는 전문 소프트웨어가 이용되고 있어 일반인이 접근하기에 한계가 있다. 이에 IRAF를 사용한 선행 연구의 결과와 비교 검 증이 가능한 외부고리 은하를 분석 대상 천체로 정하여, 영상 분석 알고리즘을 개발하고 그 결과를 검증하였다. 검증 결과 총 69개의 외부고리 은하 중 50개(72.5%)가 IRAF 결과와 높은 일치를 보였다. 남은 19개(27.5%)는 시선 방향에 겹친 밝은 별의 존재 혹은 은하 내부의 약한 밝기로 인해 IRAF 결과와 다른 낮은 일치를 보였다. 보완 과정을 거친 최종 결과물은 공유 및 교육 자료의 활용도를 높이기 위해 전체 사용된 데이터와 알고리즘, 파이썬 코드 파일 및 사용 설명서를 GitHub에 탑재하였다.

본 논문은 직접해법 기반 FETI 알고리즘의 개선 방안을 제시하였다. 개선 대상은 FETI-local로, 해당 알고리즘은 국부 Lagrange 승 수를 통해 부영역 간 경계 문제를 정의한다. 부영역 경계 강성 및 하중 계산 단계의 경우, 전체 역행렬 계산 등 과도한 비용을 요구했던 기존 알고리즘을 Boolean 행렬 특성을 활용한 선택적 역행렬 성분 계산으로 개선하였다. 전역 경계 행렬식 계산 단계의 경우, 기존 단 일 프로세서 연산을 다중 프론탈 기법 기반 병렬 연산으로 대체하였다. 제시된 FETI-local 알고리즘의 성능 개선은 64만 자유도 수치 예제를 통해 검증되었으며, 기존 대비 최대 97.8%의 계산 시간 감소가 달성되었다. 또한, 기존 대비 안정적이고 개선된 확장성이 가속 지표를 통해 확인되었다. 추가로, 432만 자유도의 대용량 계산 성능 비교가 제시된 알고리즘과 상용 프로그램인 ANSYS 간에 수행되 었다. 그 결과, 계산 시간 측면에선 ANSYS가 우수하였으나, 프로세서 수에 따른 가속 성능 증가율 측면에선 제시된 알고리즘이 우수 한 것이 확인되었다.

Korea Radioactive Waste Agency (KORAD), regulatory body and civic groups are calling for an infrastructure system that can more systematically and safely manage data on the results of radioactive waste sampling and nuclide analysis in accordance with radioactive waste disposal standards. To solve this problem, a study has been conducted on the analysis of the nuclide pattern of radioactive waste on the nuclide data contained in low-and intermediate-level radioactive waste. This paper will explain the optimal repackaged algorithm for reducing radioactive waste based on previous research results. The optimal repackaged algorithm for radioactive waste reduction is comprised based on nuclide pattern association indicators, classification by nuclide level of small-packaged waste, and nuclide concentration. Optimization simulation is carried out in the order of deriving nuclide concentration by small-packaged, normalizing drum minimization as a function of purpose, normalizing constraints, and optimization. Two scenarios were applied to the simulation. In Scenario 1 (generating facilities and repackaged by medium classification without optimization), it was assumed that there are 886 low-level drums and 52 very low-level drums. In Scenario 2 (generating facilities and repackaged by medium classification with optimization), 708 and 230 drums were assigned to the low-level and very low-level drums, respectively. As a result of the simulation, when repackaged in consideration of the nuclide concentration and constraints according to the generating facility cluster & middle classification by small package (Scenario 2) the low-level drum had the effect of reducing 178 drums from the baseline value of 886 drums to 708 drums. It was found that the reduced packages were moved to the very low-level drum. The system that manages the full life-cycle of radioactive waste can be operated effectively only when the function of predicting or tracking the occurrence of radioactive waste drums from the source of radioactive waste to the disposal site is secured. If the main factors affecting the concentration and pattern of nuclides are systematically managed through these systems, the system will be used as a useful tool for policy decisions that can prevent human error and drastically reduce the generation of disposable drums.

An automated material handling system (AMHS) has been emerging as an important factor in the semiconductor wafer manufacturing industry. In general, an automated guided vehicle (AGV) in the Fab’s AMHS travels hundreds of miles on guided paths to transport a lot through hundreds of operations. The AMHS aims to transfer wafers while ensuring a short delivery time and high operational reliability. Many linear and analytic approaches have evaluated and improved the performance of the AMHS under a deterministic environment. However, the analytic approaches cannot consider a non-linear, non-convex, and black-box performance measurement of the AMHS owing to the AMHS’s complexity and uncertainty. Unexpected vehicle congestion increases the delivery time and deteriorates the Fab’s production efficiency. In this study, we propose a Q-Learning based dynamic routing algorithm considering vehicle congestion to reduce the delivery time. The proposed algorithm captures time-variant vehicle traffic and decreases vehicle congestion. Through simulation experiments, we confirm that the proposed algorithm finds an efficient path for the vehicles compared to benchmark algorithms with a reduced mean and decreased standard deviation of the delivery time in the Fab’s AMHS.

블록 매칭 및 3D 필터링(BM3D) 알고리즘은 단일 필터의 문제점을 보완하기 위하여 non-local means 기반으로 만들 어진 융합형 노이즈 제거 알고리즘이다. 하지만, 그 수식 인자의 조절에 관한 연구는 이루어지지 않고 있어 본 연구에서는 자기공명영상에서 발생하는 Rician 노이즈를 제거하기 위해 BM3D 알고리즘의 평활화 정도를 결정하는 노이즈 전력 스펙 트럼 밀도(noise power spectrum density,  )에 대한 최적화를 진행하고자 하였다. MRiLab 시뮬레이션 프로그램을 이 용하여 뇌 조직을 모사할 수 있는 뇌척수액(cerebrospinal fluid, CSF)/회색질(gray matter, GM)/백질(white matter, WM) 팬텀의 T1 강조영상을 획득하였고, 노이즈 레벨이 0.1, 0.15, 0.2, 0.25, 그리고 0.3인 Rician 노이즈를 각각 부가 한 후, BM3D 알고리즘의  값을 0.01부터 0.99까지 0.01씩 증가시키며 각각의 노이즈가 부가된 영상에 적용하였다. 정량 적 평가를 통해 최적화 값을 선정하기 위하여 CSF, GM, WM, 그리고 배경 영역에 관심 영역을 설정한 후 조직별 신호 대 잡음비(signal to noise ratio, SNR), 총 변동계수(coefficient of variation, COV), 그리고 평균 제곱근 오차(root mean square error, RMSE)를 측정하였다. 결과적으로, 조직별로 계산된 SNR, COV, 그리고 RMSE를 종합적으로 평가 했을 때 모든 조직에서 노이즈 레벨 0.1부터 0.3까지 증가함에 따라  값 또한 함께 증가하는 경향이 나타났으며 일정  값 이상에서는 노이즈뿐만 아니라 영상신호까지 함께 제거되어 개선 폭이 감소하는 것으로 관찰되었으며, 노이즈 레벨에 따라 각각 0.09, 0.13, 0.17, 0.21, 그리고 0.25의  값이 설정된 BM3D 알고리즘이 적용되었을 때 가장 합리적인 영상 특성을 보이는 것으로 나타났다. 결론적으로, 효과적인 노이즈 제거를 위해서 고정된 값이 아닌 노이즈 레벨에 따른 적합한 값을 적용해야 함을 증명할 수 있었다.

인공지능을 적용한 상품이나 서비스가 빠르게 증가하고 있다. 한 연구에 따르면 전 세계적으로 인공지능 관련 시장은 향후 5년간 평균 30% 이 상으로성장할전망이다. 시장성장과함께 인공지 능이 우리 일상에 광범위하게 적용되는 것에 대 한 일반 시민의 걱정과 우려도 점증하고 있다. 단 순히 신기술 출현에 수반되는 기우라고 치부할 수만은 없다. 국내 이루다사건 및 해외 마이크로 소프트사 인공지능 채용시스템 사건 등을 통해서 인공지능을 적용한 상품 또는 서비스가 우리 사 회가 지키고자 하는 가치에 반하고 법률에도 위 반되는 결과를 초래할 수 있음이 드러났기 때문이다. 사회적 우려와 걱정에 대응하기 위해서 입법권 자들은 주로 알고리즘 투명성 강화 법안을 내놓 고 있다. 블랙박스와 같이 결론 도출 과정과 영향요소가 불분명한 인공지능을 해체하여 그 소스코 드를 공개하고 어떻게 특정 결론에 도출하였는지 를 공개하겠다는 것이다. 이런 법안은 막연한 우 려를 불식하는 데 효과가 있을 수 있지만 인공지 능 알고리즘이 우리 사회의 법과 가치를 지키도 록 보장하는 효율적인 방안이 아닐 수도 있다. 아 울러, 영업비밀 침해, 인공지능 시장에서 국제경 쟁력 저하 등 의도치 않은 부작용 역시 낳을 수 있다. 미국, EU 등 선진국의 선행 사례와 알고리즘 투명성 요건의 본질적 한계를 고려할 때 모든 인 공지능 알고리즘에 대해서 일률적인 투명성 요건 을 적용하기보다는 산업별 위험수준에 따라 비례 적인 투명성 요건을 적용하는 것이 합리적인 대 안일것으로보인다. 인공지능의오판단으로인해 침해될 수 있는 가치가 중하거나, 그러한 가능성 이 상대적으로 큰 산업군에 적용하는 인공지능 알고리즘에 대해서는 높은 수준의 투명성을; 위 험이나 가능성이 낮은 산업군에 대해서는 상대적 으로 유연한 투명성을 요구하는 것이다. 이를 실 현하기 위해서 모든 인공지능 사업자 또는 서비 스 제공자로 하여금 알고리즘을 설계하고 구동하 는 데 있어 반영하는 모든 요소와 요인 그리고 그 과정을 항상 기록할 수 있도록 하고, 그 기록을 정해진 기간 동안 보관하여 필요시 철저한 평가 가 가능할 수 있도록 해야 할 것이다.

The parent and daughter nuclides in a radioactive decay chain arrive at secular equilibrium once they have a large half-life difference. The characteristics of this equilibrium state can be used to estimate the production time of nuclear materials. In this study, a mathematical model and algorithm that can be applied to radio-chronometry using the radioactive equilibrium relationship were investigated, reviewed, and implemented. A Bateman equation that can analyze the decay of radioactive materials over time was used for the mathematical model. To obtain a differential-based solution of the Bateman equation, an algebraic numerical solution approach and two different matrix exponential functions (Moral and Levy) were implemented. The obtained result was compared with those of commonly used algorithms, such as the Chebyshev rational approximation method and WISE Uranium. The experimental analysis confirmed the similarity of the results. However, the Moral method led to an increasing calculation uncertainty once there was a branching decay, so this aspect must be improved. The time period corresponding to the production of nuclear materials or nuclear activity can be estimated using the proposed algorithm when uranium or its daughter nuclides are included in the target materials for nuclear forensics.

The color image of the brand comes first and is an important visual element that leads consumers to the consumption of the product. To express more effectively what the brand wants to convey through design, the printing market is striving to print accurate colors that match the intention. In ‘offset printing’ mainly used in printing, colors are often printed in CMYK (Cyan, Magenta, Yellow, Key) colors. However, it is possible to print more accurate colors by making ink of the desired color instead of dotting CMYK colors. The resulting ink is called ‘spot color’ ink. Spot color ink is manufactured by repeating the process of mixing the existing inks. In this repetition of trial and error, the manufacturing cost of ink increases, resulting in economic loss, and environmental pollution is caused by wasted inks. In this study, a deep learning algorithm to predict printed spot colors was designed to solve this problem. The algorithm uses a single DNN (Deep Neural Network) model to predict printed spot colors based on the information of the paper and the proportions of inks to mix. More than 8,000 spot color ink data were used for learning, and all color was quantified by dividing the visible light wavelength range into 31 sections and the reflectance for each section. The proposed algorithm predicted more than 80% of spot color inks as very similar colors. The average value of the calculated difference between the actual color and the predicted color through ‘Delta E’ provided by CIE is 5.29. It is known that when Delta E is less than 10, it is difficult to distinguish the difference in printed color with the naked eye. The algorithm of this study has a more accurate prediction ability than previous studies, and it can be added flexibly even when new inks are added. This can be usefully used in real industrial sites, and it will reduce the attempts of the operator by checking the color of ink in a virtual environment. This will reduce the manufacturing cost of spot color inks and lead to improved working conditions for workers. In addition, it is expected to contribute to solving the environmental pollution problem by reducing unnecessarily wasted ink.

본 논문은 딥러닝 알고리즘을 이용하여 딸기 영상 데이터의 병충해 존재 여부를 자동으로 검출할 수 있는 서비스 모델을 제안한다. 또한 병징에 특화된 분할 이미지 데이터 세트를 제 안하여 딥러닝 모델의 병충해 검출 성능을 향상한다. 딥러닝모델은 CNN 기반 YOLO를 선정하여 기존의 R-CNN 기반 모델의 느린 학습속도와 추론속도를 개선하였다. 병충해 검 출 모델을 학습하기 위해 일반적인 데이터 세트와 제안하는 분할 이미지 데이터 세트를 구축하였다. 딥러닝 모델이 일반 적인 학습 데이터 세트를 학습했을 때 병충해 검출률은 81.35%이며 병충해 검출 신뢰도는 73.35%이다. 반면 딥러닝 모델이 분할 이미지 학습 데이터 세트를 학습했을 때 병충해 검출률은 91.93%이며 병충해 검출 신뢰도는 83.41%이다. 따 라서 분할 이미지 데이터를 학습한 딥러닝 모델의 성능이 우 수하다는 것을 증명할 수 있었다.