Recently, the development of computer vision with deep learning has made object detection using images applicable to diverse fields, such as medical care, manufacturing, and transportation. The manufacturing industry is saving time and money by applying computer vision technology to detect defects or issues that may occur during the manufacturing and inspection process. Annotations of collected images and their location information are required for computer vision technology. However, manually labeling large amounts of images is time-consuming, expensive, and can vary among workers, which may affect annotation quality and cause inaccurate performance. This paper proposes a process that can automatically collect annotations and location information for images using eXplainable AI, without manual annotation. If applied to the manufacturing industry, this process is thought to save the time and cost required for image annotation collection and collect relatively high-quality annotation information.

핵종재고량 관리는 처분시설의 안전한 관리를 위해서는 필수적이다. 본 논문에서는 원자력발전소의 잡고체폐기물에 대하 여 기존 발생된 폐기물 자료를 반영한 예측방사능량과 실제 처분시설을 운영하면서 인수되어 처분검사까지 완료된 실제방 사능량을 비교분석하였다. 극저준위방사성폐기물에서는 137CS, 90Sr, 99Tc 그리고 129I 핵종이 예측방사능량보다 실제방사능량 이 높게 평가되었으며, 저준위방사성폐기물에서는 모든 핵종에서 예측방사능량이 실제 방사능량보다 높게 평가되었다. 또 한 척도인자에 의한 예측방사능량의 민감도 분석을 통해 준위별 수량 및 총방사능량의 변화추이를 분석하였다. 향후 중저준 위방사성폐기물 처분시설의 안전한 운영과 Safety Case 구축을 위한 기초자료로 활용될 것으로 판단된다.

경주 방사성폐기물 처분시설은 향후 80만 포장물을 처분할 계획이며 다양한 처분방식 및 관리형태를 가진 복합계가 될 것 이다. 본 논문에서는 전체부지 처분용량(80만 포장물) 처분시설의 단계별 개발에 따른 영향을 평가하기 위하여 처분시설 종 합개발계획(안)에 따른 예비안전성평가를 수행하였다. 각 시나리오에 대한 안전성평가결과 처분시설의 성능목표치를 만족 하였다. 다만, 전체처분시설의 안전성 평가결과에 중준위 방사성폐기물로 인하여 1단계 동굴 처분시설이 가장 크게 영향을 미치므로 처분시설의 안전성 향상을 위하여 처분방사능량제한 설정 등 관리방안이 필요하다. Safety Case 단계별 구축을 통 하여 중·저준위 방사성폐기물 처분시설 종합개발 과정에서 인지된 불확실성을 저감하여 안전성을 증진 시킬 수 있을 것으 로 판단된다.