The use of heat exchangers in various applications such as chemical, air conditioning systems, fuel processing, and power industries is increasing. In order to improve the performance of the heat exchanger, the problem of bonding quality of the copper tube, which is a major member, is emerging. However, since the copper tube is in the form of a pipe, it is difficult to identify internal defects with external factors. In this study, a thermal imaging camera was used to develop and verify an algorithm for detecting defects in the brazing part, and in the process, the brazing performance characteristics were analyzed according to the electrode position, and finally, a learning model was developed and performance evaluation was performed. It was confirmed that the method of supplying heat to the base material and melting the filler metal through the heat transfer effect is more effective than supplying heat input to the filler metal in the bonding process of copper tubes through high-frequency induction heating brazing. Thermal image data was used to develop a defect discrimination model, and 80% of training data and 20% of test data were selected, and a neural network-based single-layer copper tube brazing defect discrimination model was developed through k-Flod cross-validation., the prediction accuracy of 95.2% was confirmed as a result of the error matrix analysis.

소셜 네트워크는 우리 일상 생활의 필수적인 부분이 되었다. 소셜 미디어 정보에 대한 정서 분석은 소셜 네 트워킹 사이트에 대한 사람들의 견해, 태도, 감정을 이해하는 데 도움이 된다. 전통적인 정서 분석은 주로 텍 스트에 의존한다. 스마트폰이 등장하면서 문자뿐만 아니라 이미지 등 네트워크 상의 정보도 점차 다양해지고 있다. 많은 경우 이미지가 감정을 독립적으로 표현하기 보다는 텍스트를 향상시킬 수 있다는 것이 밝혀졌습 니다. 우리는 새로운 이미지 텍스트 정서 분석 모델(LSTM-VAA)을 제안한다. 구체적으로 이 모델은 사진 정보 를 직접 입력으로 가져가지 않고 VGG16 네트워크를 사용하여 이미지 특징을 추출한 다음 시각적 측면 주의 를 생성하고 문서의 핵심 문장에 더 높은 가중치를 부여하고 시각적 측면 주의를 기반으로 문서 표현을 얻 는다. 또한, 우리는 LSTM 네트워크를 사용하여 텍스트 감성을 추출하고 텍스트만을 기반으로 문서 표현을 얻 는다. 마지막으로, 우리는 두 분류 결과 그룹을 통합하여 최종 분류 레이블을 얻는다. 옐프 레스토랑 리뷰 데 이터 세트에서, 우리의 모델은 감정 분류를 위한 시각 주의 보조 텍스트로 시각 정보를 사용하는 것의 효과 를 검증하는 BiGRU-m VGG보다 18.92% 높은 62.08%의 정확도를 달성한다. 비스타넷 모델보다 0.32% 높아 비스타넷 모델의 이미지가 텍스트를 완전히 커버할 수 없는 결함을 LSTM 모델이 효과적으로 보완할 수 있 음을 입증했다.

최근 자기공명영상 획득을 위한 시뮬레이션 도구가 개발되어 오랜 시간이 소요되는 임상 연구를 대체할 수 있게 되었다. 이에 본 연구에서는 MRiLab 시뮬레이션을 사용하여 부가인자인 에코 시간의 변화에 따라 경사에코 펄스 시퀀스가 적용된 뇌 T2 강조 영상을 획득하여 영상의 신호 및 노이즈의 변화를 정량적으로 평가하고 경향성을 파악하고자 한다. 이를 위해 실제 MRI 장비를 기반으로 새롭게 개발된 MRiLab simulation tool을 사용하여 모든 파라미터를 같게 고정한 후 TE만을 20~95 ms범위에서 5 ms 간격으로 각각 설정하여 경사에코 펄스 시퀀스가 적용된 뇌 T2 강조 영상을 획득하였다. 획득된 영상들의 신호 및 노이즈 특성 변화를 정량적으로 평가하기 위해 신호대잡음비 및 대조대잡음비를 측정하였다. 결과적으로, TE가 증가할수록 SNR은 감소하고 CNR은 증가하는 경향을 보였다. 이는 TE가 증가할수록 관심 영역으로 설정된 뇌척 수액 신호는 일정하게 유지되는 반면 노이즈는 증가하였으며, 백그라운드로 설정된 백질의 경우 신호가 감소함과 동시에 노이즈가 증가한 것이 원인으로 분석된다. 결론적으로, 진단에 용이한 경사에코 펄스 시퀀스가 적용된 뇌 T2 강조 영상을 획득하기 위해서는 그 목적에 따라 적합한 TE를 설정하는 것이 중요함을 확인하였다.

본 논문은 대형 시설물의 점검 및 진단을 위한 외관조사시 영상기반 스캐닝 시스템의 성능 및 정확도를 정량적으로 평가하기 위한 것으로, 도로터널, 철도터널, 지하철과 같은 대형 터널 시설물의 복공 라이닝을 대상으로 영상기반 스캐닝 분석 결과, 균열, 박리, 박락, 철근노출 등 각종 손상의 검출 성능과 정확도를 육안조사, 터널 스캐닝 분석 후 확인조사 데이터를 이용하여 비교 분석하였다. 제안된 터널 스캐닝 시스템의 균열손상 검출성능은 육안조사 분석결과 대비 개소 수 및 면적물량에 있어 월등히 우수함을 확인하였으며, 균열손상 증감을 고려한 균열손상은 현장 확인조사 결과 95%이상의 검출 정확도를 확보하고 있는 것으로 평가되었다.

2D 퍼즐은 인기있는 보드게임이다. 2D 퍼즐을 완성하는 기술은 많이 연구되었다. 하지만 2D만으로는 대상 을 효과적으로 표현하기 어렵다는 한계가 있다. 본 연구에서는 영상으로부터 높이를 가진 2D+ 레고 퍼즐을 생성하는 방법을 제안한다. 이를 위해서 본 연구에서는 영상의 높이 맵과 분할 맵의 정보를 활용한다. 우리 는 2D+ 퍼즐에 적용하기위해 다양한 대상의 높이 및 영역 정보를 적절하게 처리해야한다. 이러한 이유로, 우리는 깊이 맵과 분할영역 맵을 추출하기 위해 모델에 심층 학습 모델을 적용한다. 높이 맵을 추출하기 위 해 우리는 CelebAMask-HQ dataset으로 학습한 BiseNet을 채택했다. 그리고 분할 맵을 얻기 위해 NYU Depth V2 dataset으로 학습한 DenseDepth를 사용했다. 입력 영상에 대해서 저해상도 영상 및 높이 맵과 분할 맵을 추출하고, 저해상도 영상을 레고 브릭의 색 팔레트를 적용한 영상에 대해서 높이 맵과 분할 맵 정보를 적용해서 높이를 가진 2D+ 픽셀 아트 영상을 생성한다. 그리고, 이 픽셀 아트 영상에 대해서 같은 높이와 같은 색을 가진 픽셀들에 대해서 최대한 큰 브릭을 적용하는 그리디 알고리즘을 적용해서 2D+ 레 고 퍼즐을 완성한다. 본 연구에서는 다양한 초상화를 대상으로 2D+ 레고 퍼즐을 완성하는 예를 제시하였으 며, 그 중 하나를 직접 제작하여 그 결과를 제시한다.

This research examines deep learning based image recognition models for beef sirloin classification. The sirloin of beef can be classified as the upper sirloin, the lower sirloin, and the ribeye, whereas during the distribution process they are often simply unified into the sirloin region. In this work, for detailed classification of beef sirloin regions we develop a model that can learn image information in a reasonable computation time using the MobileNet algorithm. In addition, to increase the accuracy of the model we introduce data augmentation methods as well, which amplifies the image data collected during the distribution process. This data augmentation enables to consider a larger size of training data set by which the accuracy of the model can be significantly improved. The data generated during the data proliferation process was tested using the MobileNet algorithm, where the test data set was obtained from the distribution processes in the real-world practice. Through the computational experiences we confirm that the accuracy of the suggested model is up to 83%. We expect that the classification model of this study can contribute to providing a more accurate and detailed information exchange between suppliers and consumers during the distribution process of beef sirloin.

본 연구는 PETTLEP 모델 기반 심상훈련을 기본간호학실습 교육에 적용하여 핵심기본간호술 수행자신감 및 수행능력, 자율실습 참여도에 미치는 효과를 규명하기 위한 비동등성 대조군 전후 유사실험연구 이다. 연구대상은 K도 소재 U대학교 간호학과 2학년 재학생 중 연구목적을 이해하고 연구참여에 자발적으로 동의한 74명을 무작위로 실험군과 대조군에 배정하여 자료 수집하였다. 수집된 자료는 SPSS Statistics 23.0 프로그램을 이용하여 대상자의 일반적 특성은 빈도와 백분율, 정규성검정은 왜도와 첨도를 이용하였으며, 실험처치의 효과측정을 위한 종속변수 검정은 paired t-test로 분석하였다. 연구결과 PETTLEP 모델 기반 심 상훈련은 핵심기본간호술 수행자신감(t=4.18, p<.001), 핵심기본간호술 수행능력(지식(t=2.241, p=.032), 간호술기(t=8.402, p<.001)), 자율실습 참여도(t=6.822, p<.001)에 통계적으로 유의한 차이가 있었다. 본 연구 결과를 토대로 PETTLEP 모델 기반 심상훈련은 기본간호학실습 교육에 적용 가능한 교수학습방법이 될 수 있음을 확인하였다. 따라서, 핵심기본간호술 중 난이도가 높은 항목의 수행능력 향상을 위해 PETTLEP 모델 기반 심상훈련을 활용할 수 있을 것으로 기대된다.

Various underwater studies using underwater sonar sensors are actively in progress. However, unlike the ground, the underwater has a lot of noise. So it is difficult to accurately recognize the underwater environment. The final purpose of this study is to improve the efficiency of the underwater environment recognition using the underwater sonar sensor by developing a filtering algorithm that removes noise and expresses the object from the underwater sonar image captured by the underwater sonar sensor. To develop a filtering algorithm, convolutional calculations were used with three types of filters. This paper is about the case study that conducted to set the parameters of ‘Gabor Filter’ suitable for underwater sonar image during the design process of filtering algorithm. As a result, it was possible to find the most suitable ‘Gabor Filter’ parameters for underwater sonar images. And it showed high accuracy with a binary map of obstacles created by hand using the naked eye. Through this study, it can be utilized not only as a binary map of real-time obstacles, but also as an algorithm for generating object masks in underwater sonar images for deep learning.

본 연구의 목적은 현상학적 연구방법을 통해 명상심리상담사들의 영상관법 경험을 심층적으로 이해하는데 있다. 즉 연구참여자들의 영상관법 경험을 살펴보고 그 본질이 무엇인지 규명하고자 하였다. 이를 위해 연구자는 7명의 연구참여자들을 대상으로 심층면담을 실시하였고, 녹음자료를 직접 전사하여 축어록을 만들어 연구 자료를 수집하였다. 심층면담은 연구참여자당 3~4회, 1회당 1~3시간 정도가 소요되었고, 토즈와 같은 사설 모임 공간이나 연구참여자의 사무실에서 이루어졌다. 전사한 축어록을 Giorgi의 연구방법으로 분석한 결과, 8개의 구성요소와 19개의 하위구성요소가 도출되었다. 8개의 구성요소는 <삶에서 겪은 힘겨움>, <고통과의 직면>, <주저와 저항>, <심신의 치유와 통찰>, <도우려는 마음과 기대>, <상담자로서 느끼는 부족감>, <내담자의 긍정적 변화>, <영상관법에 대한 이해의 확장> 등이다. 연구결과, 연구참여자들의 영상관법 경험의 본질은 자기 돌봄과 성장의 의미를 갖는다. 내담자로서 경험한 영상관법은 삶의 고통을 해소하고 심신을 치유하고 통찰하는 과정을 통한 자신에 대한 돌봄의 경험이었고, 상담자로서 내담자의 변화를 도우면서 영상관법에 대한 이해를 확장하는 성장의 경험이었다. 본 연구는 명상심리상담사들의 생생한 체험을 현상학적 연구방법으로 분석하여 심층적으로 탐색하였고, 명상상담을 경험할 내담자와 상담자들에게 명상상담의 핵심기법인 영상관법에 대한 시사점을 제공하였다는 점에서 의의가 있다. 또한 연구의 제한점을 고려하여 후속 연구를 위한 몇 가지 제언을 추가하였다

정보 기술 발전으로 인하여 제품 정보를 전달하는 방식이 오프라인과 2D중심에서 온라인과 3D로 이동하면서 효율적인 정보 전달을 위한 다양한 시도가 이루어지고 있다. 이러한 시도는 실물이 부재된 온라인 공간에서 단순히 제품의 정보를 전달하는 것에 그치지 않고 소비자에게 가상의 체험을 제공하면서 온라인 쇼핑의 다변화 및 활성화에 중요한 역할을 하고 있다. 360 제품 이미지는 피사체를 회전시켜 촬영하여 대상을 다양한 시점에서 입체적으로 볼 수 있는 실사 기반의 VR이다. 360 제품 이미지는 기존의 정지 이미지와 비교하여 대상물에 대해 풍부한 정보를 전달할 수 있다는 측면에서 주목받고 있다. 360 제품 이미지는 다양한 제작 요인에 의해 영향을 받으며, 이에 따라 이용자의 반응에 차이가 있으나 기술의 역사가 짧은 만큼 관련 연구 또한 미비하다. 따라서 본 연구에서는 360 제품 이미지의 제품의 형태와 소스 이미지의 수에 따라 변하는 이용자의 반응을 파악하고자 하였다. 이를 위해 온라인 쇼핑몰에서 많이 접할 수 있는 상품군 중 대표적인 제품들을 선정하여 360 제품 이미지를 제작하고 75인의 이용자를 대상으로 실험을 진행하였으며, 의미분별법을 적용한 실험 설문을 통해 360 제품 이미지에 대한 감성 반응을 분석하였다. 본 연구의 결과는 360 제품 이미지에 대한 수용자의 감성을 이해하고 파악하는데 기초 자료로 활용될 수 있을 것이다.

본 연구는 SNS(social network service)를 통한 화훼상품 구매인식과 화훼상품 이미지 선호도를 알아보고자 국내 성인남녀 311명을 대상으로 설문을 진행하였다. 소비자들이 SNS를 통해 화훼상품을 구매하는 가장 큰 이유로는 트렌드에 맞는 디자인을 판매하기 때문이며, 해당 항목에 대하여 20대가 가장 높은 평균으로 나타났다. 연령에 따라 20대와 30대의 응답자는 40대에 비해 SNS를 통해 판매하는 화훼상품의 가격이 덜 합리적이라고 생각하였으며, 50대 이상의 연령에서는 SNS를 통해 판매하는 화훼상품의 품질과 꽃의 신선도에 대해 낮게 신뢰하는 것으로 나타났다. 응답자들은 SNS에 게시된 화훼 상품의 이미지가 구매할 상품 선택에 많은 도움을 준다고 인식하였으며, SNS상의 화훼상품 이미지에 대해 긍정적으로 생각하는 것을 알 수 있었다. 또한 화훼상품의 이미지가 보정효과로 다듬어진 것이라고 인식하였으나, 실제 상품과 비슷할 것이라고 생각하는 경향을 보였다. 화훼상품 구매결정에 영향을 미치는 이미지 특성으로는 전체적인 분위기가 가장 중요하다고 인식하였으며, 절화 화훼상품 이미지에서 꽃다발과 꽃바구니 화훼상품에 따라 선호하는 배경에 약간의 차이가 나타났다. 구도에 따른 선호도는 꽃다발과 꽃바구니 모두 정면에서 촬영한 이미지를 가장 선호하였으며, 이미지 보정에 대한 선호도에서는 밝은 느낌의 채도가 높은 이미지를 가장 선호하는 반면, 어두운 느낌의 이미지는 선호하지 않는 것으로 나타났다. 화훼상품 이미지 보정효과에 대한 감성인식을 의미변별척도법(semantic differential scale)에 따라 조사한 결과, 채도에 상관없이 밝은 느낌의 이미지는 ‘풍부한’, ‘세련된’, ‘고급스러운’, ‘기품 있는’과 같이 긍정적인 감성어휘 쪽이 높은 것으로 나타났다. 반면 어두운 느낌의 이미지는 전반적으로 부정적인 감성어휘 쪽이 높은 것으로 나타났다. 화훼상품 이미지의 배경, 구도, 보정효과에 따라 소비자의 선호도와 감성반응에 차이가 나타났으나, 소비자의 성별, 연령 및 직업 특성에 따른 유의한 차이는 없었다. 이를 통해, 소비자가 선호하는 이미지를 구축하여 SNS를 통한 화훼상품을 판매하는 것이 소비자들의 구매상품 선택에 도움이 될 것으로 확인되었다.

본 연구에서는 영상기반 딥러닝 및 이미지 프로세싱 기법을 이용한 볼트풀림 손상검출 기법을 제안하였다. 이를 위해 먼저, 딥러닝 및 이미지 프로세싱 기반 볼트풀림 검출 기법을 설계하였다. 영상기반 볼트풀림 검출 기법은 볼트 이미지 검출 과정 및 볼트풀림 각도 추정 과정으로 구성된다. 볼트 이미지의 검출을 위하여 RCNN기반 딥러닝 알고리즘을 이용하였다. 영상의 원근왜곡 교정을 위해 호모그래피 개념을 이용하였으며 볼트풀림 각도를 추정을 위하여 Hough 변환을 이용하였다. 다음으로 제안된 기법의 성능을 검증을 위하여 거더의 볼트 연결부 모형을 대상으로 볼트풀림 손상검출 실험을 수행하였다. 다양한 원근 왜곡 조건에 대하여 RCNN 기반 볼트 검출기와 Hough 변환 기반 볼트풀림 각도 추정기의 성능을 검토하였다.

2017년 말 기준으로 우리나라 취업 선원은 약3만5천명이며, 한국 선원은 매년 조금씩 감소하는 반면에 외국인 선원은 증가하고 있다. 우리나라 선원은 해방기 이후 외화가득의 주역이며 비상시 군수물자를 운송할 수 있는 사회경제적으로 가치 있는 직업이다. 그러나 최근 선원 직업의 사회적 인식이 다소 부정적이고, 예전처럼 젊은 선원의 유입비율의 증가가 높지 않으므로 우수한 선원의 확보는 국내·국제적으로 중요 이슈이다. 본 연구는 20대에서 50대 사이의 일반 대중을 대상으로 Q 방법론을 활용, 선원 직업을 어떻게 인식하는지 이미지 인식의 유형과 특성을 분석하였다. PQ Method 프로그램을 활용하였고, Q 요인분석에 의한 선원 직업 이미지 인식은 3개 유형으로 분류되었다. 제1유형은 ‘High Risk, High Workload and High Stress’ 직업으로 선박의 사고 위험 가능성을 높게 인식하며 동시에 선원의 업무가 고부하로 피로와 스트레스를 받을 것으로 인식하였다. 제2유형은 ‘Dangerous, Dirty and Difficult’ 직업으로 선박이 사고 위험성에 노출되어 있음을 인식하는 반면에 어선이라는 특정 선종에 한정하여 선원이 존재한다고 인식하였다. 제3유형은 ‘Low Social Recognition’ 직업으로 선원과 선원 직업이 사회적 위치와 위상이 낮다고 인식하였다. 이러한 연구 결과를 바탕으로 해운산업의 핵심 인적자원인 선원을 안정적으로 확보하고, 선원 또한 해양산업종사자들의 직업적 만족도와 취업률을 높이기 위해서는 대중들이 인식한 선원의 부정적 직업 이미지를 전환할 수 있는 다양한 방안을 마련해야 할 것이다.

본 논문에서 온라인 쇼핑몰에 적용을 목적으로 2차원 이미지에 기반한 가상 의상 착용 알고리즘을 설계하고 개발하였다. 기존의 가상착용 시스템은 3차원 의상 및 사용자 정보에 기반하여 비용과 시간이 많이 들어가는 문제를 가지고 있다. 본 시스템은 최근 급격히 발전된 딥러닝기술과 컴퓨터 그래픽스 기술을 활용한다. 우선, 패션영상을 시멘틱 분할 네트워크를 사용하여 옷과 신체를 영상분할하고, 자세 네트워크를 사용하여 의상과 사용자의 골격정보를 확보한다. 이 두 가지 정보를 바탕으로 의상의 골격위치와 사용자의 골격위치를 일치시킴으로서 변형에 필요한 변수를 확보하고 이를 바탕으로 영상 변형을 하여 가상착용을 수행한다. 실험결과 단순한 기하형태의 옷과 선 자세를 유지하는 패션사진과 사용자사진의 경우 만족스러운 변형 결과를 얻을 수 있었으나 다양한 의상의 형태나 자세를 갖는 경우 원만한 착용결과를 얻을 수 없었다. 완벽한 시스템은 존재할 수 없으므로 현재 기술로 적용 가능한 의상의 범위와 문제 상황을 자세히 분석하여. 이를 바탕으로 추후 연구를 방향을 설정할 수 있도록 하였다.

3D 가상현실은 이미 여러 스포츠 분야에서 사용되고 있으며 특히 엘리트운동 선수들의 훈련 등에 적극 활용되고 있다. 주로 심상훈련 효용성을 극대화하기 위해 활용되고 있으며, 이에 따라 3D 가상현실 기술을 기반으로 심상훈련의 가능성, 유용성, 적합성이 여러 연구를 통해 입증되었다. 그러나 최근에는 가상현실에서의 운동이 더 이상 엘리트 운동선수들의 훈련에만 활용되는 것이 아니라 사회체육 등에 활발히 활용되는 추세에 있다. 3D 가상현실에서의 운동의 장점은 안정성이 높으며 외부환경에 대한 제한이 적다는 것이다. 이러한 장점을 고려할 때 이는 노인체육에 잘 활용될 수 있을 것이다. 따라서 본 연구에서는 노인을 위한 가상현실 기반 심상훈련의 활성화를 위해 국내·외 가상현실 관련 연구들이 어떠한 방법으로 연구되었으며 어떤 결과를 도출하였는지 면밀히 고찰하였다. 더불어 본 연구에서는 이러한 선행연구의 결과를 종합하여 추후 가상현실 연구의 활성화를 위한 방향과 후속 연구 과제를 위해 3D 가상현실 심상훈련의 간학문적 접근, 노인의 특성 및 지원요구를 고려한 지원, 습득된 기술의 일반화 및 유지 방안을 고려한 접근 필요성에 대해 제언을 제시하였다.