The first aim of the study is to improve the productivity by uniformizing the thickness of coating and reducing quality-inspection time. The second aim is to cut down on the raw materials for coating by prevent the waste of spraying in the air during a painting process through a real-time coating-sizerecognition monitering to fit the target components. To achieve the two aims, a simplified version of automatic coating control system for recognition of coating for vessels and Spray. With the sytem, following effects are expected: First, quality improvement will be achieved by uniformizing the film-thickness. Second, it will reduce the waste of coating paint by constructing the speed of the coating, the spray gun robot transfer time, and the number of DBs according to the size of the vessel. Third, as a 3D industry, it will be able to solve the difficulty of supply of labors and save up the labor costs. Therefore, in the future, further research will be needed to be applied to various products with DB design that designates the variable value, which is added for each type of pieces by comparing the difference between various types of workpieces and linear ones.

PURPOSES: This study is to develop a road traffic sign recognition and automatic positioning for road facility management. METHODS: In this study, we installed the GPS, IMU, DMI, camera, laser sensor on the van and surveyed the car position, fore-sight image, point cloud of traffic signs. To insert automatic position of traffic sign, the automatic traffic sign recognition S/W developed and it can log the traffic sign type and approximate position, this study suggests a methodology to transform the laser point-cloud to the map coordinate system with the 3D axis rotation algorithm. RESULTS: Result show that on a clear day, traffic sign recognition ratio is 92.98%, and on cloudy day recognition ratio is 80.58%. To insert exact traffic sign position. This study examined the point difference with the road surveying results. The result RMSE is 0.227m and average is 1.51m which is the GPS positioning error. Including these error we can insert the traffic sign position within 1.51m CONCLUSIONS: As a result of this study, we can automatically survey the traffic sign type, position data of the traffic sign position error and analysis the road safety, speed limit consistency, which can be used in traffic sign DB.

본 논문에서는 신경망 SOM학습을 이용하여 피험자의 각성수준을 높은각성과 낮은각성으로 자동인식하는 것을 제안한다. 각성수준의 자동인식 단계는 세 단계로 구성된다 첫 번째는 ECG 측정 및 분석단계로 슈팅게임을 플레이하는 피험자를 ECG로 측정하고, SOM 학습을 하기 위해 특징을 추출한다. 두 번째는 SOM 학습 단계로 특징이 추출된 입력벡터들을 학습한다. 마지막으로 각성인식 단계는 SOM 학습이 완료된 후에 새로운 입력벡터가 들어왔을 때, 피험자의 각성수준을 인식한다. 실험결과는 각성수준의 SOM 학습결과와 새로운 입력벡터가 들어왔을 때 각성수준의 인식결과, 그리고 각성수준을 수치와 그래프로 보여준다. 마지막으로 SOM의 평가는 기존연구의 감성평가 결과와 SOM의 자동인식 결과를 순차적으로 비교하여 평균 86%로 분석되었다. 본 연구를 통해서 SOM을 이용하여 피험자마다 다른 각성수준을 자동인식 할 수 있었다.

Vending machines play an important role of giving convenience and simplicity in modem life style. So they became an indispensible element in life of modern people. This study was peformed to investigate customer's actual status in use as well as the degree of satisfaction and requirement of food and beverage vending machines. The results of this study can be summarized as follows. 1. About the advantage of using the vending machines, respondents answered 'convenience' for 50.2% and 'closeness' for 33.6% of all the answers. About the dissatisfaction for vending machine, three factors of 'inappropriate taste, temperature. quantity' and 'unsanitary pakage material and food' were the main causes. 2. About the credit of food quality,48.6% of respondents answered' some what doubtful'.58.1% of respondents pointed out that they couldn't confide in freshness and shelf-life' 3. 48.2% of respondents agreed that vending machines would be needed more in the future. Respondents wanted lots of food to be served from vending machines. The foods which respondents wanted to be served from vending machines were noodle(30.8%), rice(19%), pastry(18.2%), bread(17.45) gruel(7.3%) and snack(7.3%).

선박 대형화는 규모의 경제 추구를 위한 글로벌 해운선사들의 생존전략이며, 이러한 전략에 따라 허브항만에서 많은 화물을 동시 에 적￿양하하고 있다. 이러한 상황에 대응하기 위해 컨테이너터미널은 터미널 시설 확충과 장치장 공간의 효율성 및 생산성을 높이기 위한 자동화 도입을 추진하고 있다. 유럽의 항만은 지속적인 인건비 상승과 부족한 노동력 문제 해결을 위하여 자동화를 도입하였으며, 최근 세계 경제의 저성장과 초대형 선박의 등장, 대기오염, 안전사고 등에 관한 문제를 해결하기 위해 미국, 중국 등 각국에서 완전자동화 컨테이너터미 널 건설이 증가하고 있다. 국내 항만은 국외 완전자동화 컨테이너터미널과 비교하면 자동화 도입 초기 단계이며 변화하는 항만환경에 대한 대응책으로 자동화 도입을 추진하고 있음에도 불구하고 컨테이너터미널 관련 이해관계자의 인식에 관한 연구는 부족한 실정이다. 집단 간 인 식을 파악한 결과 컨테이너터미널 운영사는 인건비 감소, 해운선사는 서비스 향상, 항운노조는 안전사고 예방, 항만공사 및 정부기관은 서비 스 향상의 중요도가 높게 나타났다. 따라서 집단 간 인식을 면밀히 살펴보고자 일원배치 분산분석(One Way Anova)을 수행한 후 집단 간 이 해관계를 살펴보기 위한 기초자료로써 시사점을 도출하고자 한다.

In this paper, we present auto-annotation tool and synthetic dataset using 3D CAD model for deep learning based object detection. To be used as training data for deep learning methods, class, segmentation, bounding-box, contour, and pose annotations of the object are needed. We propose an automated annotation tool and synthetic image generation. Our resulting synthetic dataset reflects occlusion between objects and applicable for both underwater and in-air environments. To verify our synthetic dataset, we use MASK R-CNN as a state-of-the-art method among object detection model using deep learning. For experiment, we make the experimental environment reflecting the actual underwater environment. We show that object detection model trained via our dataset show significantly accurate results and robustness for the underwater environment. Lastly, we verify that our synthetic dataset is suitable for deep learning model for the underwater environments.

A robot usually adopts ANN (artificial neural network)-based object detection and instance segmentation algorithms to recognize objects but creating datasets for these algorithms requires high labeling costs because the dataset should be manually labeled. In order to lower the labeling cost, a new scheme is proposed that can automatically generate a training images and label them for specific objects. This scheme uses an instance segmentation algorithm trained to give the masks of unknown objects, so that they can be obtained in a simple environment. The RGB images of objects can be obtained by using these masks, and it is necessary to label the classes of objects through a human supervision. After obtaining object images, they are synthesized with various background images to create new images. Labeling the synthesized images is performed automatically using the masks and previously input object classes. In addition, human intervention is further reduced by using the robot arm to collect object images. The experiments show that the performance of instance segmentation trained through the proposed method is equivalent to that of the real dataset and that the time required to generate the dataset can be significantly reduced.

스마트 폰 사용자의 수가 점차적으로 증가함에 따라 모바일을 이용한 식물정보 관련 애플리케이션서비스가 필요 되어 지고 있다. 이에 본 연구는 식물정보 서비스 애플리케이션 개발에 필수 요소인 식물인식 및 분류 전산화 과정의 알고리즘을 제안하였다. 연구를 통해 독자적으로 개발한 Sweep(SP) 외곽선 추출 알고리즘을 이용 하여 외곽선을 검출하고 형태적인 특징요소를 정의하였으며 검출 된 외곽선을 이용하여 H/W ratio, Top tip ratio, Bottom tip ratio, 등분각 연장선과의 교차점 위차 정보, 등분각 연장선과의 교차점 거리 정보, 근접이차함수 비교 등 총 6가지 분류 기준을 전산화하였 다. 제안한 분류 기준의 유효성 검증을 위하여 총 32종의 식물을 재 료로 실험한 결과 H/W ratio과 Top tip ratio는 식물별 고유한 특성 을 기준으로 소수 그룹을 형성하고 구분할 수 있는 유효성을 가지 는 것으로 검증되었다. 등분각 연장선과의 교차점을 이용한 거리정 보는 식물 종류 간의 패턴 차이가 인정되었으며 이의 전산화를 위 하여 바타차야 비교연산법을 적용하여 상대비교 알고리즘을 완성 하였다. 또한 본 연구 과정에서 의도하지 않았던 엽저 및 엽선의 경 향 그리고 결각의 유무 검출 가능성을 확인하게 되어 추가적인 알 고리즘 개발이 가능할 것으로 여겨진다.

자동 음성 인식(Automatic Speech Recognition)기술은 세계적인 의사소통과 협력을 원활히 할 수 있는 가능성을 제시한다. 현재까지 대부분의 연구들은 주로 사용되는 단일 언어의 말하기에만 집중되어 있다. 따라서 다른 언어들과 함께 사용되는 특정 ASR 시스템을 도입하는 데에는 비싼 비용이 뒤따른다. 본 논문은 다국어 음성 인식에 대한 일반적 접근으로 각 나라 언어를 대표한 발음사전(어휘모델)을 만들기 위하여 음성 인식에 이용하는 어휘 모델을 만들기 위하여 음소 언어 인식(PLI, Phonetic Language Identity) 형식의 입력된 파일을 해석하는 국제 음소 엔진(IPE, International Phoneticizing Engine)를 제안한다. IPE는 독립적이며 규칙을 기본으로 한다. 어휘모델 생성 과정은 Java 언어로 구현된 프로그램에 의해 이루어지고, 이 과정들은 규칙 상충을 줄여주며, 언어학적 훈련을 받지 않은 사람의 규칙 생성도 가능하게 한다. IPE에 의해 생성된 어휘모델을 연속 음성 인식기에 적용한 결과 우리말 인식률이 92.55%, 영어에 대하여 89.93%를 얻었다.

Todays, the efficient management of container has not been realized in container terminal, because of the excessive quantity of container transported and manual system. For the efficient and automated management of container in terminal, the automated container identifier recognition system in terminal is a significant problem. However, the identifier recognition rate is decreased owing to the difficulty of image preprocessing caused the refraction of container surface, the change of weather and the damaged identifier characters. Therefore, this paper proposes more accurate system for container identifier recognition as suggestion of LSPRD(Line-Scan Proper Region Detection) for stronger preprocessing against external noisy element and MBP(Momentum Back-Propagation) neural network to recognize the identifier.