In order to reduce environmental pollution, it is necessary to increase the recycling rate of waste. For this, the separation of recyclables is of utmost importance. The paper conducted a study to automatically discriminate containers by material for beverage containers among recyclables. We developed an algorithm that automatically recognizes containers by four materials: metal, glass, plastic, and paper by measuring the vibration signal generated when the beverage container collides with the bottom plate of the collection box. The amplitude distribution, time series information, and frequency information of the vibration signal were used to extract the characteristics indicating the characteristic difference of the vibration signal for each material, and a classifier was developed through machine learning using these characteristics.

Metal three-dimensional (3D) printing is an important emerging processing method in powder metallurgy. There are many successful applications of additive manufacturing. However, processing parameters such as laser power and scan speed must be manually optimized despite the development of artificial intelligence. Automatic calibration using information in an additive manufacturing database is desirable. In this study, 15 commercial pure titanium samples are processed under different conditions, and the 3D pore structures are characterized by X-ray tomography. These samples are easily classified into three categories, unmelted, well melted, or overmelted, depending on the laser energy density. Using more than 10,000 projected images for each category, convolutional neural networks are applied, and almost perfect classification of these samples is obtained. This result demonstrates that machine learning methods based on X-ray tomography can be helpful to automatically identify more suitable processing parameters.

본 연구에서는 승용차에서 사람들이 기기를 사용하기 위해 사용하는 기동어인 “Hi, KIA!”의 감성을 기계학습을 기반으로 분류가 가능한가에 대해 탐색하였다. 감성 분류를 위해 신남, 화남, 절망, 보통 총 4가지 감정별로 3가지 시나리오를 작성하여, 자동차 운전 상황에서 발생할 수 있는 12가지의 사용자 감정 시나리오를 제작하였다. 시각화 자료를 기반으로 총 9명의 대학생을 대상으로 녹음을 진행하였다. 수집된 녹음 파일의 전체 문장에서 기동어 부분만 별도로 추출하는 과정을 거쳐, 전체 문장 파일, 기동어 파일 총 두 개의 데이터 세트로 정리되었다. 음성 분석에서는 음향 특성을 추출하고 추출된 데이터를 svmRadial 방법을 이용하여 기계 학습 기반의 알고리즘을 제작해, 제작된 알고리즘의 감정 예측 정확성 및 가능성을 파악하였다. 9명의 참여자와 4개의 감정 카테고리를 통틀어 기동어의 정확성(60.19%: 22~81%)과 전체 문장의 정확성(41.51%)을 비교했다. 또한, 참여자 개별로 정확도와 민감도를 확인하였을 때, 성능을 보임을 확인하였으며, 각 사용자 별 기계 학습을 위해 선정된 피쳐들이 유사함을 확인하였다. 본 연구는 기동어만으로도 사용자의 감정 추출과 보이스 인터페이스 개발 시 기동어 감정 파악 기술이 잠재적으로 적용 가능한데 대한 실험적 증거를 제공할 수 있을 것으로 기대한다.

얼굴 피부는 신체 건강을 표현할 뿐만 아니라 매력을 결정하는 요소 중 하나이다. 특히 윤기 나는 피부는 대부분의 사람들이 선호하며 윤기 나는 피부 표현을 위해 다양한 화장품들이 만들어져왔다. 하지만 윤기 있는 피부는 주관적 평가이기 때문에 기름진 피부의 경우 기존의 피부 윤기 평가 방법으로는 명확한 윤기 있는 피부로 평가하기가 어렵다. 더욱이 윤기와 유사하게 광이 있지만 부정적으로 평가되는 번들거리는 피부와 명확한 분류 기준 또한 없는 상황이다. 본 연구에서는 피부측정 파라미터 5개[피부 광채, 피부 보습, 피부 투명도, 피부 피지, 안면 이미지]를 측정하였고, 연구대상자들이 촬영된 안면 이미지를 근거하여 각각의 윤기 있는 피부와 번들거리는 피부의 이미지를 선별하여 피부 측정의 정량화를 통해 비교 분석하였다. 그 결과 번들거리는 피부에서 피부 광채 및 피지 증가, 투명도 감소, 보습 감소를 확인하였다. 그러나 윤기 있는 피부의 경우 피부 광채, 피지, 투명도는 유사한 패턴을 보였지만 보습이 유의차 있게 증가하는 결과를 보였다. 본 연구에서는 기기측정 및 정량적 평가를 통해서 윤기 있는 피부와 번들거리는 피부를 분류하는 객관적 평가 기준을 제시하고자 한다.