본 논문의 목적은 엘리엇의 시 재의 수요일에서의 앵글로가톨릭적 요소의 중요성에 대해 살펴보는 것이다. 이 시에서 시적 화자는 로널드 슈하드가 Eliot’s Dark Angel: Intersections of Life and Art에서 주목한 바 있듯 죄로 가득한 삶을 뒤로 하고 회개와 뉘우침을 향한 순례를 떠나고 있다. 또한 화자는 순례길을 떠나기에 앞서 마리아를 연상시키는 존재 인 “침묵의 여인”에게 간절한 기도를 올리고 있다. 시의 제목 역시 사람 들이 죄를 뉘우치고 부활절을 기다리는 시기를 가리킨다는 점에서 앵글 로 가톨릭적인 요소가 시를 끌어나가는데 중요한 역할을 한다고 볼 수 있다. 이러한 점에서 이 시는 “Journey of the Magi”와 네 사중주와 같 이 기독교적, 또는 앵글로 가톨릭 적인 주제가 드물게 등장하는 다른 시와는 다른 앵글로 가톨릭적인 시라고 볼 수 있다.

본 논문에서는 1926년 1월에서 3월까지 행해진 클라크 강연에서 엘리 엇이 형이상학을 어떠한 방식으로 정의하려 하였는지에 대하여 보여주 고자 한다. 이 강연에서 엘리엇은 흔히 형이상학 시인으로 불리는 시인 들에 대한 자신의 생각을 정리하고자 하고 있다. 엘리엇은 존 드라이든 이 내리고 사무엘 존슨이 사용한 형이상학의 정의에 대해 문제를 제기 하고, 형이상학적 시기를 사유의 영역에 있는 추상적인 사고가 시의 영 역으로 편입되는 시기라 정의 내린다. 이러한 정의 하에 엘리엇은 단테 를 위시한 14세기 이탈리아, 던을 비롯한 17세기의 영국, 라포르그와 코 르비에르로 대표되는 19세기 프랑스를 세 개의 형이상학적 시기로 보고 있다. 강연에서 엘리엇은 단테를 감성과 이성을 하나로 통합시킨 작가 로 보는 반면, 던은 이 둘의 분열을 대표하는 작가로 보고 있다.

딥러닝 모델은 주어진 학습용 데이터에서 탐지하고자 하는 물체의 특징을 추출하기 때문에, 딥러닝 모델 학습을 위한 학습용 데이터 구축은 매우 중요하다. 본 연구에서는 균열을 탐지하는 딥러닝 모델의 성능을 향상시키기 위해, 실제 콘크리트 구조물이나 아스팔트 도로 표면에서 자주 발견될 수 있는 나뭇가지, 거미줄, 전선 등을 학습 데이터에 자동으로 포함시키고, negative 영역으로 분류하는 알고리즘을 개발하였다. 제안된 알고리즘을 사용하여 학습된 딥러닝 모델을 실제 도로 표면에 발생한 균열 탐지에 적용하여 실제 균열 탐지에 사용될 수 있음을 보였다.

최근 사회기반시설(SOC)의 증가와 노후화에 따라 기존의 인력중심의 육안검사를 기반으로 한 안전점검은 경제성과 안전성, 효율성 면에서 한계를 가지고 있다. 본 연구에서는 육안점검의 한계를 개선하기 위해 딥러닝 모델 기반 물체를 탐지하는 기술을 활용하여 터널 콘크리트 균열을 자동으로 탐지하는 기술을 개발하였으며, 이를 실제 터널 영상에 적용하여 그 성능을 검증하였다.

This research presents a uniaxial static stress estimation method for concrete structures by using digital image correlation (DIC) and finite element method. DIC is employed to measure the displacement field, which is induced by drilling a small hole on the concrete surface. The initial static stress level can be estimated by comparing the measured displacement field to that from the corresponding finite element model. A series of experiments in the laboratory environment is conducted to validate the proposed method.

Last few years, many researches on deep learning-based crack detection model have been reported in order to develop an efficient structure inspection method. While developing crack detection deep learning model, many research results reported the importance of the training data. Since most of the research results only qualitatively discussed the importance of training data, this study examine the influence of the training data by experiment, especially in the case of negative samples such as construction joint, spider web and concrete blocks.

Recently, road maintenance is important for road performance and longevity in accordance with the increase of road infrastructure, so research on efficient damage detection has been actively carried out. In this study, we developed a technology to automatically detect the cracks on the highway road surface by using the road surface image of UAV and deep learning based object detection technology, which was applied to the actual highway image to verify its performance.

수은의 노출로부터 인간의 건강과 환경을 보호하기 위해 수은에 관한 미나마타 협약(Minamata Convention on Mercury)이 UNEP에 의해 2013년 10월에 채택되었다. 협약문 제11조에서는 3가지 종류의 수은폐기물에 관한 내용을 다루고 있다. 이 중 수은오염폐기물이 가장 큰 비중을 차지하며 산업시설로부터 다양한 종류의 부산물로써 환경으로 배출된다. 국내 산업시설에서 배출되는 수은오염폐기물은 폐기물관리법 공정시험법에서 지정하고 있는 용출시험법에 지정폐기물 또는 산업폐기물로 분류되고 있다. 본 연구에서는 산업시설에서 배출된 3가지 종류의 고상시료(생활폐기물 소각시설 비산재, 의료폐기물 소각시설 비산재, 비철금속 재련시설 폐슬러지)의 적정처리를 위해 안정화기술을 적용하였다. 환경에서 수은은 HgCl2, HgS, HgO 등의 형태로 존재하며 각 화합물은 열적안정도 또는 용해상수가 서로 다르다. 이와 같은 이유로 수계나 토양으로의 유출특성과 안정도를 알아보기 위해 총 5단계의 용출용매로 구성된 단계적 용출법(Sequential Extration Procedure, SEP)을 적용하였다. 용출용매로써 0.5M NH4Cl(1단계), 0.01M HCl+0.1M CH3COOH(2단계), 1M KOH(3단계), 12M HNO3(4단계) 및 Aqua regia(5단계)를 사용하였다. 1,2단계에서 용출된 수은화합물의 경우 다른 단계에 비해 이동도가 커 자연조건에서 쉽게 용출될 가능성이 높다. 3단계는 1,2 단계보다 상대적으로 강한 구조로 결합된 화학종이 용출된다. 4,5단계에서 용출된 수은화합물은 안정도가 높고 이동도가 낮아 자연조건에서 용해되기 어려운 화학종이라고 판단된다. EDTA는 중금속의 이동성을 높여주며 용액에 이온화된 상태로 수은화합물을 전환시켜 오히려 용출률을 높여 줄뿐만 아니라 수용액 상태로 용해시키기 위해서는 pH를 높여줄 첨가물이 필요하다. 이를 위해 Na2S를 사용하였고 Na로 인한 용액의 pH 상승과 S2-를 이용하여 이온화된 Hg2+를 HgS로 전환하여 더욱 안정화된 수은화합물을 형성하였다. 이를 확인하기 위해 안정화 처리 후 발생된 고상시료를 대상으로 단계적 용출법을 재적용 하였으며 5단계의 비율이 증가하는 것을 확인하여 안정화 처리기술을 검증하였다.

This paper proposes real-time image-based damage detection method for concrete structures using deep learning. The proposed method is composed of three steps: (1) collection of a large volume of images containing damage information from internet, (2) development of a deep learning model (i.e., convolutional neural network (CNN)) using collected images, and (3) automatic selection of damage images using the trained deep learning model. The whole procedure of the proposed method has been applied to some figures taken in a real structure. This method is expected to facilitate the regular inspection and speed up the assessment of detailed damage distribution the without losing accuracy.

본 논문의 목적은 가족의 재회 와 칵테일 파티 가 어떻게 죄와 구 원의 가능성이라는 문제를 극화 시키는지를 살펴보는데 있다. 가족의 재회 는 죄책감에 괴로워하다 집으로 돌아온 주인공 해리가 자신의 진 정한 죄가 무엇인지를 깨닫고 순례를 떠나는 모습을 보여줌으로써 죄를 지은 인간이 어떻게 구원을 찾을 수 있는지에 대해 탐구한다. 칵테일 파티 는 서로 다른 영적 능력을 가진 인물들을 위한 서로 다른 구원의 길이 있다는 것을 실리아와 체임벌레인 부부의 예를 통해 보여준다. 죄 와 구원이라는 문제는 인간이 지나친 낙관주의와 주관적인 판단에 빠지 는 것을 막는 도덕적 판단 기준을 제공한다는 점에서 중요하다. 이 문 제를 보다 다양한 계층의 사람들에게 알리고자 했던 엘리엇에게, 극화 라는 방법은 문제에 대한 사람들의 주의를 환기시키기 위한 가장 효과 적인 방법이었을 것이다.

Recently, an indirect displacement estimation method using data fusion of acceleration and strain (i.e., acceleration-strain-based method) has been developed. This paper proposes an improved displacement estimation method that can be applied to more general types of bridges by building the mapping using the finite element model of the structure. An experimental validation of the proposed method was carried out on a prestressed concrete girder bridge, and the method provides the best estimate for dynamic displacements.

Computer vision-based displacement measurement is regarded as an excellent alternative to conventional displacement measurement devices due to its convenient installation process with high accuracy. Based on the strong potential, this study proposes a computer vision approach for displacement measurement with enhanced field applicability. Main features of the proposed method are (1) robustness against adverse light conditions and (2) convenient camera installation that allows the camera to be arbitrarily placed. An adaptive image processing procedure is developed to overcome false identification of target markers that can be induced by strong lights. Location information of the identified markers are used to obtain displacement using the homography transformation, which allows the camera to be installed in any place as long as the target markers are in the line of sight. With these features, the computer vision approach is experimentally proven to be practical in field testing for measuring structural displacement.