농업 분야 컴퓨터 비전(Computer Vision) 기술 확산으로 고품질 학습 데이터 확보가 필수적이나, 기존의 수동 데이터 구축 방식은 많은 시간과 비용이 소요되는 한계가 있다. 이에 본 연구는 최신 멀티모달 파운데이션 모델인 SAM3(Segment Anything Model 3)를 기반으로 반자동 어노테이션 시스템을 개발하였다. 제안 시스템은 (1) 텍스트 프롬프트 기반 객체 인 식, (2) SAM3 기반 정밀 마스크 생성 및 학습 가능한 폴리곤 좌표 변환, (3) 사용자 검증의 3단계로 구성되며 GUI로 구현 되었다. 600장 이미지 평가 결과, SAM3는 92.9%의 매칭률 과 0.790의 평균 정밀도(mAP)를 달성하였으며, 데이터셋 구 축 시간을 수동 작업 대비 96~98% 단축시켰다. 이는 SAM+ CLIP, Grounding DINO+SAM 등 기존 파운데이션 모델 대 비 정확도와 효율성 모든 면에서 월등한 성능이다. 본 연구는 파운데이션 모델의 제로샷 성능을 활용해 농업 데이터 레이블 링 효율을 개선하고 관련 AI 연구 가속화에 기여할 것으로 기 대된다.

This study investigated the use of weakly supervised learning (WSL) and partial annotation-based semantic segmentation for recognizing ingredients in the traditional Korean dish bulgogi. A dataset was created to encompass various cooking stages and imaging conditions, with pixel-level labels generated for major ingredients: beef, onion, green onion, carrot, chili pepper, mushroom, button mushroom, and king oyster mushroom, using partial annotations. To enhance model robustness, data augmentation techniques such as rotation, scaling, horizontal flipping, and color jittering were employed. The DeepLabV3+ architecture was utilized, with ResNet50 and ResNet101 serving as backbone networks. The results demonstrated that ResNet50 provided stable performance with lower computational costs, while ResNet101 achieved higher segmentation accuracy for smaller or visually complex ingredients. Models trained with data augmentation showed improved recall and F1-scores, especially for smaller ingredient classes. Overall, both backbone models exhibited consistent performance across key segmentation metrics, including mean Intersection over Union (mIoU), precision, recall, and F1-score. These findings indicate that WSL, in conjunction with partial annotation, can effectively facilitate ingredient-level segmentation in mixed dishes like bulgogi.

경량 골재 콘크리트는 높은 다공성을 지닌 골재를 사용하여 제작되며, 이는 재료의 역학적 성질 및 내구성에 중대한 영향을 미친 다. 최근 콘크리트 분야에서는 내부 공극 구조를 비파괴적으로 분석할 수 있는 기술로서 micro-computed tomography(micro-CT)의 활 용이 활발히 이루어지고 있으며, 특히 경량 골재 콘크리트의 공극 구조를 정밀하게 포착하는 데 효과적인 것으로 나타났다. 그러나 경 량골재는 이질적인 밀도 분포와 내부 다공성으로 인해 영상 내 분할 과정에서 어려움을 유발하며, 이로 인해 골재가 공극으로 잘못 인 식되거나 경계가 명확히 구분되지 않는 문제가 발생할 수 있다. 이러한 한계를 극복하기 위해 본 연구에서는 경량 골재 콘크리트의 micro-CT 영상에서 골재를 정밀하게 식별할 수 있도록 고안된 향상된 분할 알고리즘을 제안하였다. 제안된 알고리즘의 성능은 기존 의 세분화 방법과의 비교 분석을 통해 평가되었으며, 더불어 제안 방식과 기존 방식 각각으로 생성된 3차원 micro-CT 데이터를 활용 하여 열전도도 시뮬레이션을 수행하였다. 그 결과, 제안된 알고리즘은 공극 및 골재 경계의 정확한 식별에 있어 기존 기법보다 향상된 정확도를 보였으며, 이는 LWAC의 미세구조 분석 및 거동 예측 모델링의 정밀도를 높이는 데 기여할 수 있는 가능성을 보여준다.

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.

Block pavements are widely used in various infrastructures, offering durability and aesthetic appeal. However, assessing their condition through manual methods is resource-intensive and subjective. This study proposes a deep learning approach using the Hybrid TransUNet model to enhance the accuracy and efficiency of detecting block pavement distresses. A dataset of over 10,000 images was used to train and test binary and multiclass segmentation models, significantly improving detection accuracy. The results show that the Hybrid TransUNet model outperforms other models, though challenges in detecting certain distress types like cracks persist.

본 연구는 경기북도를 설치하는 정책을 국회의 일반 입법과정에 따라 분석함으로써 경기북도 설치 정책의 성공 조건과 방안을 도출하는 것을 목적으로 하고 있다. 구체적으로 행정구역 분할을 내용으로 하는 경기 북 도 설치 입법이 국회에서 계류되는 현상을 관련 정책결정자들의 태도와 입장으로 설명한다. 구역을 소규모로 나누는 것은 분권과 소집단화로 외부 비용과 결정 비용을 줄여 효율성을 높인다는 것이 공공 선택론의 입장이 다. 이들은 주민의 생활권과 행정권을 일치시켜 행정서비스의 효율적인 수 급에 적합한 규모로 설정되어야 한다고 주장한다. 한편, 정보통신기술의 발달로 구역의 통합과 광역화가 진행되고 있으나, 이로 인한 혼잡비용 등 규모의 불경제 문제로 적정한 구역 규모를 논의할 필요가 있다. 이에 관련 법안이 발의되었으나 국회의 입법 심사 과정을 넘지 못하고 있다. 국회 입 법과정에서 산출된 보고서 등 문헌 분석을 통해 누가 정책에 찬성하고 반 대하는지를 살펴보고, 각각의 주장 및 근거를 비교하는 방법으로 정책 결 정에 미치는 요인을 도출하였다. 대의민주주의 체제에서 정책결정자의 결 정은 유권자의 선호와 요구에 영향을 받게 되므로, 구역 분할 정책의 성공 을 위하여 정책결정자와 관련 지방자치단체의 장과 지방의회, 지역 주민 및 언론과 시민단체 등 정책 행위자들 간의 전략적이고 맞춤형 소통과 정 책 공감 영역을 확대하는 기반 구축이 중요할 것으로 보았다.

이미지 분석을 통한 재료의 상 구분은 재료의 미세구조 분석을 위해 필수적이다. 이미지 분석에 주로 사용되는 마이크로-CT 이미 지는 대체로 재료를 구성하고 있는 상에 따라 회색조 값이 다르게 나타나므로 이미지의 회색조 값 비교를 통해 상을 구분한다. 순환골 재의 고체상은 수화된 시멘트풀과 천연골재로 구분되는데, 시멘트풀과 천연골재는 CT이미지 상에서 유사한 회색조 분포를 보여 상 을 구분하기 어렵다. 본 연구에서는 Unet-VGG16 네트워크를 활용하여 순환골재 CT 이미지로부터 천연골재를 분할하는 자동화 방법 을 제안하였다. 딥러닝 네트워크를 활용하여 2차원 순환골재 CT 이미지로부터 천연골재 영역을 분할하는 방법과 이를 3차원으로 적 층하여 3차원 천연골재 이미지를 얻는 방법을 제시하였다. 선별된 3차원 천연골재 이미지에서 각각의 골재 입자를 분할하기 위해 이 미지 필터링을 사용하였다. 골재 영역 분할 성능을 정확도, 정밀도, 재현율 F1 스코어를 통해 검증하였다.

This paper is about structural, and vibration analysis for the development of Index chucks Structural and vibration analyses were performed using the ANSYS Mechanical program to evaluate the Index chuck's structural stability and vibration characteristics. As a analysis result, when the maximum load of 500N was applied to the Index chuck, the safety factors were 2.06, 2.09, and 2.60, respectively, when the thickness was 5mm, and the outer diameters were 70mm, 90mm, and 120mm, respectively. Structurally safe results were obtained. In addition, under load conditions of 300 N or less, structural safety was confirmed if the thickness is 3mm or more.

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.

최근 온라인 미술시장이 블록체인 기술과 결합하면서 미술거래의 양상이 크게 변화하고 있다. 블록체인 기술은 미술품 원본을 디지털 데이터 블록으로 분할하며, 이렇게 분할된 블록들의 전부 또는 일부는 미술품 원본 그 자체 또는 지분과 동일한 것으로 인증된다. 여러 나라의 블록체인 플랫폼에서는 미술시장에 대한 투자의 기회로 보아서 데이터 블록을 미술품의 분할된 소유권으로 간주하여 거래하고 있다. 이러한 유형의 거래를 정의하고 규제하기 위하여 민법상 공유의 개념을 적용하여야 한다는 견해가 있다. 그러나 블록체인 플랫폼에서 미술품 분할소유권을 거래하는 주요동기는 투자수익에 대한 기대이므로 증권거래의 실질이 있다고 보아 자본시장법의 법리를 적용해야 한다는 논의가 보다 설득력이 있다. 자본시장법은 구체적인 요건을 요구하고 관련된 시장을 엄격하게 규제하기 때문이다. 투자자 보호의 취지와 그 분할된 지분권자의 권리를 보호한다는 관점에서 미술품 분할소유권 거래가 자본시장법상 요건에 새롭게 적용될 수 있도록 논의를 개시하는 것이 필요하다. 미술품 분할소유권 거래를 위한 플랫폼 사업자들은 온라인소액투자중개업(크라우드펀딩)으로 인가⋅등록되어야 한다. 또한 향후 성장에 따라서 사모펀드와 같은 새로운 유형의 집합투자기구로서 발전 될 수 있는 가능성 또한 모색할 필요가 있다. 이와 같이 새로운 기술이 접목된 미술시장을 발굴하는 동시에 발생할 수 있는 위험성을 인식한 다음 법적 성격을 검토하여 대응하는 것은 투자자 보호 뿐만 아니라 시장의 발전에도 유의미할 것이다.

Spring kimchi cabbage was stored fresh for 90 days in a commercial cold storage house. It was sanitized by spraying fungicide on the field before harvesting. The plastic boxes of spring kimchi cabbage were put on the pallet, covered with a 40-hole film, then stacked in the cold storage room at once. The room was maintained for 90 days at 0.7oC after cooling gradually at 2 oC/day. After 90 days, the weight loss was 4.73% and the total trimming loss was 8.26%. The weight loss was 8.08% and the net trimming loss was 3.26% after 90-day storage with partial stack cooling at 2.7oC covered with a 56-hole film. The quality of spring kimchi cabbage after 90-day storage was fresh without physiological disorders.

봄배추를 실용규모의 저장고에서 90일 간 신선하게 저장하였다. 봄배추 춘광 을 수확 1일 전에 노지에서 락스와 테 브코나졸 혼합약제를 살포하여 소독하 고 플라스틱 상자에 담에 팰릿에 적재 한 다음, 40공 타공 비닐로 씌워 저장 고에 일시에 채우고 1일 2℃씩 냉각하 여 0.7℃에서 90일간 저장한 결과 중 량감소율 4.73%, 총정선손실률 8.26%로서 총저장손실률이 12.6%였 다. 그리고 팰릿 포장한 배추를 7일간 5회 분할하여 저장고에 채우고 56공 타공 비닐로 씌워서 바로 2.7℃로 냉각 하여 90일간 저장한 결과 중량감소율 8.08%, 순정선손실률 3.26%로서 순 저장손실률은 11.1%였다. 이때 저장 한 봄배추는 생리장해가 발생하지 않 았고 90일차에도 품질이 신선하였다.