본 논문에서는 프리팹 구조물의 품질관리를 위한 딥러닝 및 비전센서 기반의 조립 성능 평가 모델을 개발하였다. 조립부 검출을 위 해 인코더-디코더 형식의 네트워크와 수용 영역 블록 합성곱 모듈을 적용한 딥러닝 모델을 사용하였다. 검출된 조립부 영역 내의 볼트 홀을 검출하고, 볼트홀의 위치 값을 산정하여 k-근접 이웃 기반 모델을 사용하여 조립 품질을 평가하였다. 제안된 기법의 성능을 검증 하기 위해 조립부 모형을 3D 프린팅을 이용하여 제작하여 조립부 검출 및 조립 성능 예측 모델의 성능을 검증하였다. 성능 검증 결과 높은 정밀도로 조립부를 검출하였으며, 검출된 조립부내의 볼트홀의 위치를 바탕으로 프리팹 구조물의 조립 성능을 5% 이하의 판별 오차로 평가할 수 있음을 확인하였다.

본 연구는 식품의 물성을 측정하기 위한 한 가지 방법으로 50변위를 아주 정밀하게 직선적으로 측정이 가능한 linear proximity sensor(선형 근접 센서)를 활용하여 식빵의 굳기를 측정하였다. 선형 근접 센서를 장착한 기구로 몇 가지 응력(0.376 0.543, 0.769 kPa) 하에서 식빵의 온도와 수분 함량에 따른 변형을 컴퓨터 자동 자료 수집 장치를 통하여 on-line 상태로 매초마다 자료를 수집하여 컴퓨터 자료 분석 program으로 그래프를 얻었다. 식빵에 적용한 응력과 strain의 비율은 응력이 클수록 그 값이 커지는 비 선형 점탄성체의 성질을 보였다. 이 측정 기구는 좁은 온도 범위와 작은 수분함량의 차이가 따른 식빵의 굳기의 정도에 현저한 차이가 있음을 관찰할 수 있었다. 선형 근접 센서를 활용한 이 기구는 간단하면서도 정밀하게 동적으로 식품의 물성을 측정할 수 있었고, 높은 반복성을 나타내었다. 또한 수집된 자료는 점탄성체의 특성을 설명하는 기계적인 모형으로 나타낼 수 있었다. Inokuchi의 방법을 적용하여 식빵의 물성을 모형화 하면 용수철과 완충 장치의 조합으로 나타내는 Burger`s모형에 잘 일치하였다. 본 측정 장치는 설치와 사용이 간단하여 식빵과 같은 연 식품의 물성을 측정하는데 활용이 용이하였다.

본 연구는 복합센서를 활용한 무인지게차의 주행 시스템에 대한 것이다. 무인지게차가 화물 이 적재를 위해 랙에 진입할 시 필요한 주행기술로 무인지게차의 위치 및 방향을 정확하게 파악하기 위해 RFID, IMU센서 및 근접센서로 구성된 복합센서 시스템을 이용하였고, 각 센서의 성능실험을 통해 특성을 파악한다. 이를 직접 설계/제작한 실험용 차량에 부착하여 복합센서 시스템을 적용하는 실험을 수행하고 이를 통해 개발된 시스템의 성능을 검증하였다.