근래 산업은 기계 자동화로 변화하고 있는 추세이며, 선박도 센서를 통해 기기 정보를 디지털 정보로 얻는다. 하지만 선박은 기기상태 점검을 위해 선원들이 정해진 시간마다 기관실을 순찰하며 기기들의 정보를 아날로그 게이지를 통해 확인하는데, 이는 순찰 중 에 선원에게 발생할 수 있는 모든 안전 위험은 물론 시간과 기회비용 또한 소모된다. 자율이동로봇을 이용한 기관실 순찰 방법은 선원의 안전 위험은 물론 시간과 기회비용도 소모되지 않기 때문에 해결책으로 활발히 연구 중이다. 자율이동로봇을 이용한 아날로그 게이지 판 독은 로봇이 게이지를 인식하기 위한 디지털화가 필요하다. 이를 위해 본 연구에서는 이미지 처리를 이용하였다. 아날로그 게이지 이미지 는 이미지 전처리를 통해 노이즈 제거 및 특징을 부각 시켰다. 이미지 전처리를 완료한 이미지는 이미지 처리를 통해 아날로그 게이지의 중심점, 지침점, 최소값 및 최대값을 검출하였다. 이 점들을 연결한 직선을 통해 최소값부터 최대값까지의 각도 및 최소값부터 지침점까 지의 각도를 획득하였다. 각도는 수식을 통해 현재 아날로그 게이지가 나타내고 있는 값을 디지털화하여 나타내었다. 실험을 통해 이미지 처리를 통한 아날로그 게이지의 디지털화가 잘되어 게이지의 현재 지시값을 근사하게 나타냄을 확인할 수 있었다. 본 알고리즘을 순찰로 봇에 적용한다면 기관실 순찰을 위한 선원의 안전 위험 및 시간과 기회비용까지 보전 할 수 있을 것으로 사료된다.

선박은 크고, 복잡한 구조로 되어 있기 때문에 다른 작업자의 위치를 알아내기 어려우며, 특히 작업자가 쓰러진 경우에는 발견하기가 쉽지 않아 신속한 대처가 어렵다. 그리하여, 신체에 디바이스를 부착하는 방법이나 카메라를 이용하여 쓰러짐을 검출하기 위한 연구가 진행되고 있다. 기존의 영상기반 쓰러짐 검출은 사람의 신체부위를 검출하여 쓰러짐을 판단하였으나, 조선소에서는 다양한 복장과 자세로 작업으로 인해 검출하기가 어렵다. 본 논문에서는 쓰러짐 영역 전체를 추출하여 딥러닝 학습으로 선박 작업자의 쓰러짐을 이미지 기반으로 검출하였다. 학습에 필요한 데이터는 조선소의 건조중인 선박에서 쓰러진 모습을 연출하여 획득하였으며, 이미지를 좌우대칭, 크기조절, 회전하여 학습 데이터의 수를 증가하였다. 성능평가는 정밀도, 재현율, 정확도 그리고 오차율로 평가하였으며, 데이터의 수가 많을수록 정밀도가 향상되었다. 다양한 데이터를 보강하면 카메라를 이용한 쓰러짐 검출 모델의 실효성이 향상됨으 로서 안전 분야에 기여할 수 있을 것으로 사료된다.

화재의 초기 검출은 인명과 재화의 손실을 최소화하기 위한 중요한 요소이다. 불꽃과 연기를 신속하면서 동시에 검출해야 하며 이를 위해 영상 기반의 화재 검출에 관한 연구가 다양하게 진행되고 있다. 기존의 화재 검출은 불꽃과 연기의 특징을 추출하기 위해 여러 알고리즘을 거쳐서 화재의 검출 유무를 판단하므로 연산량이 많이 소모되었으나, 딥러닝 알고리즘인 합성곱 신경망을 이용 하면 별도의 과정이 생략되므로 신속하게 검출할 수 있다. 본 논문에서는 선박 기관실에서 화재 영상을 녹화한 데이터로 실험을 수행 하였다. 불꽃과 연기의 특징을 외각 상자로 추출한 후 합성곱 신경망 중 하나인 욜로(YOLO)를 이용하여 학습하고 결과를 테스트하였 다. 실험 결과를 검출률, 오검출률, 정확도로 평가하였으며 불꽃은 0.994, 0.011, 0.998, 연기는 0.978, 0.021, 0.978을 나타내었고, 연산시간 은 0.009s를 소모됨을 확인하였다.

본 논문에서는 보행로봇의 일종인 TITAN-VIII라 불리는 로봇을 이용하여 가장 짧은 경로를 탐색하여 이동하는 방법에 관한 연 구를 나타낸다. 보행로봇의 경우 바퀴구동 로봇에 비해 불규칙한 지면 위를 자유로이 이동 가능한 장점 등을 가지고 있는데 반해 이동속 도는 바퀴구동 로봇에 비해 느린 편이다. 따라서 본 논문에서는 목적지에 도달하기까지 시간을 최소화하는 최적경로 탐색 제어방법을 제 시하였다. 경로를 탐색하기 위해 Dijkstra’s algorithm라 불리는 알고리즘을 기반으로 하여 적용하였다. 또한 로봇이 항상 정적인 자세를 유 지하는 로봇의 다양한 자세에 대해서도 다루었다. 로봇의 자세제어와 알고리즘을 통하여 로봇의 관절각 결정에 필요한 여러 수학방정식 을 제시하였다. 그 후 원하는 궤적으로 로봇이 이동하고 탐색하는 알고리즘을 고안하였고, 제안한 방법의 결과를 실험으로 확인하였다.

논문에서는 머신비전을 이용하여 컨베이어 시스템에서 이동하는 객체를 계수하는 알고리즘을 제안하였다. 영상처리를 이용한 객체 계수 시스템은 유동인구나 교통량 파악 등의 다양한 산업현장에서 사용되고 있으며, 주로 템플릿 매칭이나 기계학습의 방 법으로 검출하여 추적 후 계수한다. 하지만 빠르게 움직이는 컨베이어 벨트위의 물체를 검출하기 위해서는 연산에 소요되는 시간이 짧 아야 하므로 영역기반의 방법으로 영상처리를 하였다. 본 연구에서는 모양과 크기, 그리고 색깔이 비슷한 전복 치패를 계수하였다. 컨 베이어 시스템은 한 방향으로 동작하는 특성을 이용하여 첫 번째 영역에서 치패를 검출하여 정보를 얻은 것을 기반으로 다음 프레임 에서의 물체의 위치 범위를 계속적으로 변화하여 치패를 검출하고 각각의 획득한 정보를 비교하여 계수하였다. 치패가 간격을 두고 이 동 시에는 정확하게 계수됨을 확인하였으며, 치패가 붙어서 오는 경우에는 크기정보를 이용하여 계수하여 중복되거나 누락됨을 방지 하였다. 본 논문에서 제안한 알고리즘은 컨베이어 시스템 위에서 움직이는 다양한 객체 계수 제어에 적용할 수 있을 것이다.

태양광 패널로부터 출력을 최대로 얻기 위해서는 신뢰성이 높은 태양광 추적 장치가 설계되어야 한다. 본 논문에서는 LabVIEW 프로그램을 이용하여 퍼지 제어를 기반으로 구현한 2축 태양광 추적 장치 시스템을 제작하여 그 성능에 대해서 알아보았다. 태양광 패널의 움직임을 제어하기 위한 구현된 퍼지 의사결정 시스템의 사용자 인터페이스를 통하여 모든 파라미터를 제어하고 확인할 수 있는 지능제어기와 기계적인 구동부분의 설계가 연구의 중심이 되고 있다. 실제 태양광 추적시스템을 개발하여 환경, 날씨, 계절 및 빛 상태와 같은 영향에 대해서 분석하였다. 태양광 추적장치는 실제 상황에서 시험하였고 시스템 동작과 관련된 모든 변수들은 기록되고 분석되었다. 제안한 태양광 추적시스템을 활용할 경우 고정식 패널에 비해 날씨에 따라 다르지만 최대 약 38% 정도의 더 높은 효율을 얻을 수 있어 자동으로 추적할 때 매우 좋은 결과를 얻을 수 있었다.

전남 인근해역에서 많이 사용하는 어로 작업에 사용하는 연승기는 전동기와 2개의 디스크 롤러를 결합하여 1톤 미만의 소형 어선에서 많이 활용하고 있다. 연승기의 작업특성상 연승줄을 끌어 올릴 때 많은 부하가 필요하므로 연승기의 전동기도 단방향으로만 속도 조절을 하면 된다. 본 논문에서는 1톤 미만의 어선의 연승기에 주로 사용되는 400W 용량의 직류전동기를 대상으로 제어 회로를 구성하였으며, 연승기 전동기의 단방향 속도제어를 위해 PWM 전용칩, Half bridge driver 및 MOSFET를 이용하여 제어기를 제작하였다. 또한 현재 사용중인 대분분의 연승기에 빠져있는 배터리 잔량표시기, 배터리 과방전 방지 장치 및 배터리 결선 오류 방지기능 등의 보호기능을 부가하여 사용자 편의를 강화하였다. 이로 인해 배터리 전압이 11.5V 이하가 되면 전동기는 자동을 동작을 정지하여 배터리의 과방전을 막을 수 있었고, 어선 작업자의 빈번한 배터리 결선 실수를 방지하여 컨트롤러의 안전한 사용이 가능토록 하였다. 이러한 연승기를 실제 어로 작업에 시험운전결과 매우 양호하게 동작함을 확인할 수 있었다.