본 연구는 무인기로 촬영한 다중분광 영상으로부터 취득한 반사값을 통해 산출된 식생지수로 콩(Glycine max (L.) Merr.)의 경태를 추정하는 머신러닝 회귀모델 개발을 목표로 한다. 연구 대상은 경상남도 밀양시 국립식량과학원 남부작물부 실험포장에서 2022년 6월 20일과 2023년 6월 24일에 파종한 선풍 품종의 콩이며, 관행구와 처리구로 나누어 재배하였다. 생육조사는 2022년 8월 20일과 9월 20일, 2023년 8월 21일과 9월 25일에 수행하였고, 영상은 2022년 8월 22일과 9월 21일, 2023년 8월 22일과 9월 20일에 촬영하였다. 촬영된 영상으로부터 5가지 반사값을 추출하여 9가지 식생지수를 산출하였다. 모델 구축에는 Ridge Regression (RR)과 LASSO Regression (LR), Random Forest Regression (RFR)과 K-Nearest Neighbor Regression (KNR)을 사용하였고, 단계적 변수 선택법을 사용하였다. 훈련과 검증의 비율은 8:2, 7:3, 6:4로 설정하였고, 모델은 R2, RMSE, MAPE로 평가하였다. 단년차 월별 모델의 경우, 8월과 9월 모두 2023년의 모델이 좋은 모델로 선정되었다. 다년차 월별 모델의 경우, 환경적 조건에 편중되어 군집화 현상이 나타나는 경우(8월)와 통계적으로 유의한 차이가 있음에도 불구하고 군집화 현상이 나타나지 않는 경우(9월)가 확인되었다. 따라서 월별 모델에 비해 성능은 낮지만 군집화가 발생하지 않고, 더 많은 샘플 수를 가진 전체 통합 모델을 최적 모델로 선택하였고, Calibration에서 R2=0.916, RMSE=0.683mm, MAPE=5.644%, Validation에서 R2=0.708, RMSE=1.002mm, MAPE=8.957% 의 성능을 나타내었다.

기후변화로 서리의 계절적 발생 시점은 지연되고 있다. 반면에 국내 주요 사과 산지의 서리 발생 빈도는 오히려 증가하고 있어 정밀한 사전 예측의 필요성이 커지고 있다. 본 연구는 노지 과수원 환경을 대상으로, 서리 발생 여부를 예측하는 다중 시간스케일 기반의 인공지능 모델을 제안하였다. 최근 10년간(2014-2025년) 경상북도 안동 기상대의 시간별 관측 97,758건을 사용하였으며, 6·12·24시간의 멀티윈도우 입력으로 단기 급변(복사냉각), 일일 주기성, 장기적인 대기 순환 패턴을 동시에 반영하였다. 모델링은 XGBoost, CNN, XGB-CNN 앙상블로 구성하였으며, 학습-검증-테스트를 70-20-10%로 분할하였다. 성능 평가로 XGB-24h는 ROC-AUC 0.977, PR-AUC 0.921, FPR 0.039로 높은 분별력과 낮은 허위경보를 보였다. CNN-24h는 Recall 0.941로 놓침 최소화에 유리하나 FPR이 상대적으로 높았다. 제안한 앙상블은 두 축을 절충하여 Accuracy 0.932, Recall 0.859, FPR 0.046, MCC 0.809, PR-AUC ≈0.919를 달성했고, Brier 0.056으로 확률 보정도 가장 우수했다. 성능 최적화를 위해 소프트 보팅 앙상블 모델의 가중치(ω)와 서리판정의 임계값(θ)을 대상으로 2차원 grid search를 수행한 결과, 앙상블 성능 조정 시 가중치(ω)보다 임계값(θ)이 핵심 파라미터임을 확인 하였다. 본 연구는 다중 시간스케일과 앙상블에 계절별 동적 임계값(θ) 정책을 적용할 경우 추가적인 성능 개선이 가능함을 시사하며, 지역 일반화의 한계를 고려해 향후 다양한 지역·기후 조건에서의 현장 실증 연구를 통해 재현율(Recall) 중심의 성능향상을 지속적으로 개선하고자 한다.

The Republic of Korea has experienced rapid economic growth alongside increasing concern for animal welfare. However, progress in improving farm animal welfare remains slow, particularly in slaughterhouses, which are recognized as critical points for animal welfare concerns due to numerous issues observed. Due to the impracticality of assessing all slaughterhouses nationwide, this study conducted a field survey of seven chicken slaughterhouses utilizing the widely adopted WQ® protocol. The evaluation criteria included crate density, rough handling, plumage loss and emaciation, panting or huddling, wing flapping, vocalization, leg fractures, and dead-on arrival (DOA). Given that broilers are transported in crates from farms to the stunning area, the relationship between crate density and these welfare indicators was analyzed. The significance level was set at <0.05. Revealed correlations between crate density and various health and welfare indicators, including rough handling, plumage loss and emaciation, crate height, panting or huddling, pen spacing, lairage temperature and humidity, wing flapping, vocalization, and DOA. This study represents a pioneering effort in the Korean poultry industry, marking the first development of a welfare standard for chicken slaughterhouses.

본 연구는 수수를 대상으로 수수 주산지에서 취득한 무인기 기반 RGB영상에 Seg-Net과 U-Net모델을 작성 후, 일반화 가능성을 검토하여 실시간 재배지 파악에 더 효율적인 기법을 제안하기 위해 수행되었다. 경상북도 안동시의 수수 재배지 영상 264장을 이용해 모델학습을 진행하고, 충청북도 제천시 수수 재배지 영상 14장을 이용하여 테스트를 진행하였다. U-Net의 학습은 14epoch, AccuracyC = 0.9426, LossC = 0.1593, Dice_coefC = 0.9223, AccuracyV = 0.6403, LossV = 1.9624, Dice_coefV = 0.6402에 4시간 37분이 소요되었으며, Seg-Net의 학습은 101epoch, AccuracyC = 0.6363, LossC = 0.6573, Dice_coefC = 0.5586, AccuracyV = 0.5711, LossV = 0.6785, Dice_coefV = 0.5586이며 1시간 55분이 소요되었다. Test결과 U-Net은 AccuracyT = 0.6806, LossT = 0.7180, Dice_coefT = 0.5558, Seg-Net은 AccuracyT = 0.7472, LossT = 0.5225, Dice_coefC = 0.6159로 나타났다. Seg-Net의 Calibration성능은 낮지만 일반화 성능이 뛰어나며, 모델의 빠른 학습 시간, 더 낮은 메모리 요구량으로 수수 재배지 분할에서 U-Net보다 효율적인 모델이라고 사료된다.

이 연구는 초분광 영상으로 두 품종의 콩(청자 3호, 대찬)의 들불병을 진단할 수 있는 모델과 다중분광 영상센서를 개발하기 위해 수행되었다. 무처리구와 들불병 처리구에서 5 nm full width at half maximum (FWHM)으로 구성된 원시 초분광 중심파장들의 콩 식물 영역 반사율들을 추출하여 10 nm FWHM으로 병합한 후, t-test로 차이가 나타난 blue, green, red, red edge, NIR1 및 NIR2 각 영역에서 선정된 대표 밴드로 121개의 식생지수를 계산하였다. 식생지수를 입력변수로 support vector machine (SVM), random forest (RF), extra tree (EXT), extreme gradient boosting (XGB)의 머신러닝 기법과 shapley additive explanation 변수 선택 기법을 적용하여 들불병 진단에 가장 적절한 모델을 선정하고 사용된 식생지수와 파라미터를 나타내었다. T-test 결과 품종에 상관없이 blue 1개(420 nm), green 2개(500, 540 nm), red 1개(600 nm), red edge 2개(680, 700 nm), NIR1 2개(780, 840 nm), NIR2 1개(920 nm)의 총 9개 대표 밴드들이 선택되었고, 성능 평가를 통해 선정된 모델에 청자 3호의 경우 SVM모델(OA=0.86, KC=0.72, 10 VIs)이 선정되었으나 혼동행렬 분석 결과 정상오분류가 적은 RF모델이 선택되었다. RF모델(식 생지수 : RE/Blue, NSI, GDVI, Green/Blue, 파라미터 : max_depth=6, n_estimators=100)은 OA=0.81, KC=0.60, precision=0.86, recall=0.81, F1 score=0.80의 성능을 나타내었다. 대찬은 EXT모델(식생지수 : YVI, RE/Green, 2YVI, 파라미터 : max_depth=8, n_estimators=10)이 선정되 었고, OA=0.86, KC=0.72, precision=0.86, recall=0.86, F1 score=0.86의 성능을 나타내었다.

Gryllus bimaculatus is one of many cricket species known as field crickets. Also known as the African or Mediterranean field cricket or as the two-spotted cricket, it can be discriminated from other Gryllus species by the two dot-like marks on the base of its wings. G.bimaculatus is a subtropical insect and widely distributed from Africa to south Asia. After into the country, The species are popular for use as a food source for insectivorous animals like spiders and reptiles kept as pets. In 2016, G.bimaculatus was approved as a general food ingredient by Korean Ministry of Food and Drug Safety. However, domestic research on G.bimaculatus is still in its study is beginning stages. G.bimaculatus is possible species to year-round rearing without storage condition. but The aim of the present study prepares for in case of problems such as breeding space, labor cost etc. In the laboratory condition at 28±2℃ and 50% relative humidity under 10h light, 12h dark photoperiod, Adult crickets oviposit at soaked flower foam for 24 hours. The experiment on the hatching of the eggs showed that eggs could be stocked at 16℃ for 10 days with 7 day pre-period after laying, representing 85% hatchability.

It is necessary to monitor growth status of the crops due to continuous change of climate causing insecurity in crop cultivation. Low altitude remote sensing(LARS) system is utilized to accurately monitor the growth status of the crops. In this study, models for monitoring fresh weight(FW), one of the major growth factors of Chinese cabbage, were developed with structural indices and simple ratio calculated from bands in remotely sensed canopies by NIR, RE(imaging sensor A) and multispec-4c sensors(imaging sensor B) equipped with fixed-wing UAV depending on vegetation stages of normal planting(NP) and delayed planting(DP) Chinese cabbages. In results of imaging sensor A, the estimation models using structural indices and simple ratio were divided into NP and DP due to different attribute of reflectance in canopies with changed environment condition depending on different planting dates. The estimation models using simple ratio calculated by red edge and visible bands of NP showed better performance than other models, but RMSE was high. The models using simple ratio calculated by same bands of DP were feasible to accurately estimate FW(R2 of more than 0.946 with RMSE of less than 169.5 g). In results of imaging sensor B, the estimation models using structural indices and simple ratio on DP were divided into low to intermediate FW and intermediate to high FW. As a result, estimation models of all structural indices and simple ratio in low to intermediate FW bands were advisable to estimate FW(R2 of more than 0.860 with RMSE of less than 104.7 g). Estimation models of those calculated by red edge and visible bands in intermediate to high FW were only possible to accurately estimate FW(R2 of more than 0.532 with RMSE of less than 400.7 g).

방사성폐기물 발생기관의 가용데이터를 기반으로 산출된 핵종재고량을 적용하여 예비안전성평가를 수행한 결과 처분안전성과 운영측면에서 많은 어려움이 예상됨을 확인하였다. 본 논문에서는 전체처분시설 예비안전성평가를 수행하였으며, 평가결과 성능목표치 초과핵종에 대해 방사능량이 큰 비중을 차지하는 단위포장물을 선별하고, 높은 표면선량률의 포장물을 처분대상에서 제외하는 방식으로 처분시설의 처분방사능량제한을 도입하였다. 처분방사능량제한은 안전기준 만족을 위한 처분시설별 인수기준과 처분기준 설정에 기초자료로 활용할 것이며, 경주 처분시설의 안전한 종합개발계획수립 및 처분시 설의 안전성 최적화를 위한 Safety Case 구축에 기여할 것으로 판단된다.