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.

최근 기술융합의 핵심현상으로 사물인터넷이 대두되면서 사물인터넷의 기술트 렌드 및 기술융합에 관해 많은 연구들이 진행되고 있다. 그러나 기존 연구들의 대부분이 사물인터넷 기술 동향에 대한 정성적 연구에 그치고 있어 기술융합의 구체적 양상을 파악하기 어려운 실정이다. 따라서 본 연구에서는 특허 데이터를 기술의 대용데이터로 간주하고, 동시 분류분석과 텍스트마이닝을 바탕으로 사물인터넷 융합 네트워크를 구축하고 융합의 특성을 분석하였다. 본 연구에서는 먼저 문헌연구를 통해 사물인터넷의 융합을 일으키는 주요 기술 군을 디바이스, 네트워크, 플랫폼, 서비스 네 가지로 정의한 후, “Internet of Things” 키워드 를 중심으로 미국 특허청에서 수집된 923개 특허의 클래스를 네 가지 기술군에 할당하여 이 들 간 관계를 파악하였다. 대부분의 클래스 및 키워드가 디바이스에 관련되어 있으므로, 본 연구에서는 융합 현상을 디바이스 융합과 전체 융합으로 나누어 기술융합 양상을 파악하였다. 디바이스 중심의 사물인터넷 기술을 분석한 결과 센서 디바이스를 비롯한 헬스케어 디바 이스, 냉장 및 냉동 장치, 에너지관리 디바이스, 로봇, 임베디드 등이 주요 융합 그룹으로 도 출되었다. 전체 기술을 대상으로 분석한 결과 사물인터넷 요소기술을 중심으로 스마트 헬스 케어, 스마트 홈, 무인자동차 등 사물인터넷의 다양한 응용영역들이 기술융합을 이루고 있는 것으로 파악되었다. 본 연구 결과는 사물인터넷 기술융합 활성화를 위한 정책 및 전략 수립 에 효과적으로 활용될 수 있을 것으로 기대된다.

This study investigated the relationship between function classification systems and the Pediatric Evaluation of Disability Inventory (PEDI) functional skills in children with cerebral palsy (CP). Two hundred and eleven children with CP participated in this study. The Korean-Gross Motor Function Classification System (K-GMFCS), Korean-Manual Ability Classification System (K-MACS), Korean-Communication Function Classification System (K-CFCS), and self-care, mobility, and social function domains of the Korean-Pediatric Evaluation of Disability Inventory (K-PEDI) functional skills were measured by physical therapists or occupational therapists. All of the function classification systems were significantly correlated with PEDI functional skills (rs=-.549 to -.826) (p<.05). Especially, K-GMFCS, K-MACS, and K-CFCS were correlated significantly with mobility, self-care, and social function, respectively. Using stepwise multiple regression analysis, we established that K-GMFCS, K-MACS, and K-CFCS were predictors of self-care skills (74.3%) and mobility skills (79.5%) of the K-PEDI (p<.05). In addition, K-CFCS and K-MACS were predictors of social function (65.9%) of the K-PEDI (p<.05). The information gathered in this study using the levels measured in the function classification systems may be useful to clinicians for estimating the PEDI functional skills in children with CP.

본 연구는 기업의 내부역량(Internal Capability)과 외부지식(External knowledge)을 통해 기업의 동태적 역량을 측정할 수 있으며, 동태적 역량이라는 틀에서 보면 기업의 행위를 진화적 관점의 적합도(Fitness)와 렌트(Rent)로 설명할 수 있다는 점에서 착안하고 있다. 본 연구의 목적은 동태적 역량을 기반으로 나노기술 기업의 유형분류 및 분석 모델을 제시하고자함이며, 이를 위해 나노기술 분야와 관련된 제품생산 활동을 하고 있는 국내 359개 기업에 대한 설문조사를 바탕으로 기업의 유형을 어떻게 분류하고, 성과를 측정하게 되는지를 실증적으로 분석하고 있다. 기업의 내부역량(Internal Capability)과 외부지식(External knowledge)이 기업의 성과에 영향을 주는가를 분석하였다. 또한 실증분석 결과를 바탕으로 내부역량과 외부지식을 나타내는 4개 변수들을 주성분 분석(Principal Component Analysis)하여 2개의 새로운 변수들을 도출하였다. 내부역량과 외부지식의 상대적 정도를 기준으로 4개의 기업군을 분류하고, 유형별 재무적 성과를 비교한 결과 내부역량과 외부지식이 높은 기업이 낮은 기업보다 평균적으로 재무적 성과가 높은 것으로 나타났다. 기술수준 분석의 결과도 내부역량과 외부지식 수준이 높은 기업이 상대적으로 높은 기술수준을 보였다. 그러나 4가지 유형의 재무적 성과차이를 분석한 결과는 기술적 적합도와 진화적 적합도의 상호작용에 의해 재무적 성과가 결정될 수 있음을 보여주고 있다.

목적 : 사물조작능력 분류 체계(Manual Ability Classification System : MACS)를 통한 경직형 뇌성 마비 아동의 사 물조작능력 수준 분류와 신변처리 기술 간의 상관성을 분석하고자 하였다. 연구 방법 : 본 연구는 경직형 뇌성마비 아동 45명을 대상으로 하였다. MACS의 검사자간 신뢰도를 평가하기 위해 두 명의 검사자가 동시에 평가하였으며, 주검사자가 평가 시행 시 부검사자가 독립적으로 채점하도록 하였다. 검 사자간 신뢰도는 급간 내 상관계수(ICC)를 통하여 분석하였으며 신변처리 기술 능력을 평가하기 위 해 Pediatric Evaluation of Disability Inventory(PEDI)를 사용하였다. MACS와 신변처리 기술 간의 상관성 분석은 스피어만 상관 분석을 사용하였으며, MACS 단계에 따른 신변처리 기술의 차이를 확인하기 위하여 크루스칼- 윌리스 검정 과 맨-휘트니 검정을 시행하였다. 결과 : 연구 결과 MACS의 검사자간 신뢰도는 ICC .93으로 좋은 일치도를 보였다. MACS와 신변처리 기술은 높은 수준의 상관성을 보였으며(r=-.921), 신변처리 기술 모든 항목에서 유의한 상관을 보였다. 그 중 신발 /양말 신기 (r=-.852), 단추/지퍼 채우기(r=-.849), 하의(r=-.846)에서 상관관계가 가장 높았다. 또한 MACS 단계 간 신 변처리 기술 총점 및 모든 하위 영역에서 유의한 차이가 있는 것으로 나타났으며, MACS 1-2단계 간 에는 3가지 항목(얼굴과 몸 씻기, 티셔츠/앞여밈이 있는 의복입기, 단추/지퍼 채우기)에서 유의한 차이를 보였고 , 2-3단계 간 에는 4가지 항목(손 씻기, 하의, 신발/양말 신기, 화장실 이용)에서 유의한 차이를 보였다. 3-4단계 간 에는 단추/ 지퍼 채우기 항목에서 유의한 차이를 보였다. 하지만 4-5단계 간에는 유의한 차이를 보이는 항목이 없었다. 결론 : 사물조작능력 분류 체계는 뇌성마비 아동의 사물조작능력을 평가하기에 신뢰할 수 있는 도구 이다. 또한 뇌성 마비 아동의 사물조작능력 분류 체계는 뇌성마비 아동의 신변처리 기술 수행 능력을 잘 반영하는 유 용한 평가 체 계라고 판단된다.

범부전나비(Rapala caerulea)와 울릉범부전나비(Rapala arata)는 형태적 유사 성이 높은 종들로 일반적으로 날개 윗면의 색으로 구분되어 왔다. 또한, 지리적 분 포 특성으로 볼 때 범부전나비는 중국 중부, 북동부에서 한반도(울릉도, 제주도 제 외)까지 서식하는 반면, 울릉범부전나비는 극동러시아, 중국 동북부, 한국의 울릉 도와 제주도, 일본까지 출현한다. 두 종의 분포가 겹치는 한국에서는 날개의 체색 만으로는 두 종의 진단이 모호하므로 뒷날개 밑면 후연의 점무늬로 구분한다. 즉, 2개의 흑점무늬를 갖는 종은 범부전나비, 4개의 흑점무늬를 띤 종은 울릉범부전나 비로 구분하고 있다. 하지만, 두 종 각각의 일부 개체에서는 흑점무늬의 배열에서 중간형이 지속적으로 출현하는 것이 확인되어왔다. 이처럼 두 종간의 형태적 진단 형질의 부분적 중복으로 인한 모호성을 극복하기 위하여 COI유전자를 이용하여 두 종의 지역집단(한국 3개 집단, 일본 1개 집단) 26개체에 대한 DNA 바코딩 분 석을 실시하였다. 하지만 그 결과로 분석된 26개체에 대한 COI 서열 차이는 0.0-0.3%로 극히 작았을 뿐 이었다. 특히, 0.2-0.3%의 서열변이를 나타낸 범부전 나비의 경상북도 울진산 2개체의 경우도 1개의 염기만이 차이가 있었을 뿐 나머지 서열은 모두 똑같은 것으로 나타났다. 따라서 2종 간에 barcoding gap을 형성할 만 큼의 차이는 전혀 없었으며, 두 종은 동일종의 집단으로서 집단 간 변이도 크지 않 았던 것으로 해석되었다. 이에 따라서 향후 형태형질의 추가적 분석을 통해 종합 분류를 수행하면서 동물이명 처리가 필요할 것으로 판단되었다.

This paper proposes a deep learning-based underground object classification technique incorporated with phase analysis of ground penetrating radar (GPR) for enhancing the underground object classification capability. Deep convolutional neural network (CNN) using the combination of the B- and C-scan images has recently emerged for automated underground object classification. However, it often leads to misclassification because arbitrary underground objects may have similar signal features. To overcome the drawback, the combination of B- and C-scan images as well as phase information of GPR are simultaneously used for CNN in this study, enabling to have more distinguishable signal features among various underground objects. The proposed technique is validated using in-situ GPR data obtained from urban roads in Seoul, South Korea. The validation results show that the false alarm is significantly reduced compared to the CNN results using only B- and C-scan images.