본 연구는 YOLO(You Only Look Once)-Segmentation 기반 해양생물 탐지 모델의 성능 비교와 수중 이미지의 색상 왜곡 보정을 위한 딥러닝 모델 구축에 중점을 둔다. 탐지 모델 구축에는 Ultralytics에서 공식적으로 배포하는 YOLO의 버전별 객체분할 모델인 YOLOv5-Seg, YOLOv8-Seg, YOLOv9-Seg, YOLOv11-Seg를 활용하였으며, 22종의 해양생물 데이터셋을 사용해 동일한 학습 과정을 거쳤다. 이 를 통해 각 버전의 탐지 성능을 비교한 결과, YOLOv9c-Seg 모델이 정밀도(Precision) 0.908, 재현율(Recall) 0.912, mAP@50 0.943으로 가장 높 은 성능을 기록하며 최적의 모델로 선정되었다. 또한, 수중 환경에서 발생하는 색상 왜곡 문제를 해결하고 탐지 정확도를 높이기 위해 CLAHE, White Balance, Image Filter 등의 RGB 요소 변환 기법을 적용한 PhysicalNN 기반 이미지 보정 모델을 구축하였다. 선정된 탐지 모델 과 이미지 보정 모델을 이용해 수중영상 내 탐지된 생물의 위치를 정확히 파악하고, Monocular Depth Estimation(MDE) 알고리즘과 거리 및 크기 측정을 위한 가이드 스틱을 활용하여 대상 생물의 거리와 크기를 추정하였다. 이를 통해 단안 카메라 영상만으로도 3차원 공간의 해 양생물 크기와 이에 따른 체중을 간접적으로 추정하였으며, 향후 해양 생태계 모니터링에 활용할 수 있는 가능성을 시사한다.

본 논문에서는 일치 추적 분해를 활용한 샌드위치 복합재의 결함 탐지 및 정량화 방법을 소개한다. 샌드위치 복합재 시편을 제작하 기 위해 핸드 레이-업 공법과 핫 프레스 공법을 활용하여 결함이 존재하는 시편과 없는 시편을 제작하였다. 결함의 위치와 정도를 파 악하기 위해 플래시 서모그래피를 활용하여 확인하였다. 각각의 시편에서 데이터를 확보하기 위해 pitch-catch법을 활용한 초음파 전 파 실험을 설정하였고, 샌드위치 복합재의 표면에 부착한 압전 센서를 통해 데이터를 확보하였다. 획득한 신호는 일치 추적 분해를 이 용하여 추정 및 분해하고, 고속 푸리에 변환과 웨이블릿 변환 기반 노이즈 제거 방법과의 성능을 비교하였다. 노이즈를 제거한 신호는 각각 동일한 구조의 1-D CNN 모델에 훈련하여 성능을 비교하였다. 제안한 일치 추적 분해 기반 신호 노이즈 제거는 기존의 방법보다 높은 정확도, 안정성, 훈련 속도를 보였으며, 시간-주파수 영역에서 보다 직관적인 모드 분리를 확인하여 특성 추출을 통한 일치 추적 분해 기반 신호 전처리 및 딥러닝 모델 훈련의 가능성을 확장할 수 있음을 확인하였다.

교통안전시설물의 관리는 도로교통의 안전과 직결되는 문제이다. 운전자는 신호등, 표지판, 노면표시 등을 통해 운전에 필요한 정보 를 얻는다. 노후된 표지판과 노면표시는 운전자에게 잘못된 정보를 제공할 수 있으므로 주기적인 시설물의 관리가 필요하다. 본 연구 는 딥 러닝 기술을 활용해 운전자 시각의 영상 자료에서 교통안전표지를 자동으로 탐지하고자 하며, 교통안전표지의 공통된 색상 특 징을 기반으로 클래스를 그룹으로 묶어 데이터셋을 구축하는 방법을 제안한다. 객체탐지의 성능지표로 널리 활용되는 mAP를 사용해 클래스 묶음 여부에 따른 탐지 성능을 비교한 결과, 색상 기반 클래스 묶음을 적용한 모델의 탐지 성능이 비교군에 비해 약 36% 상승 함을 확인하였다.

포트홀은 아스팔트 도로 위에서 반복적인 하중으로 인해 일부가 떨어져 나가며 발생하는 패임을 의미한다. 포트홀은 습기에 취약해 특히 장마철에 큰 영향을 받으며, 이로 인해 대형교통사고와 높은 개보수 비용이 발생한다. 매년 포트홀 로 인한 피해와 사고는 언론을 통해 지속적으로 보도 되고 있다. 이러한 피해를 최소화하기 위해서는 사고가 발생하기 전 적절한 시기에 포트홀이 보수되어야 한다. 이를 위해서는 정확한 포트홀 면적 탐지가 선행되어야 한다. 포트홀 면적 의 정확한 탐지는 도로포장의 유지관리 및 보수 전략 수립에 매우 중요한 과정이다. 이에 따라 본 연구에서는 2,086의 포트홀 이미지를 기반으로 학습하고 탐지하였다. 비정형 탐지에 최적화된 Mask R-CNN을 활용하여 포트홀의 전체적인 면적을 탐지하였으며, 탐지 정확도를 높이기 위해 SwinT 백본 네트워크를 사용하였다. 그 결과, 90% 이상의 높은 정확 도로 포트홀의 면적을 탐지하였다. 추후 이 연구를 바탕으로 적절한 시기에 개보수 시기를 예측하여 포트홀로 인한 피해 와 사고를 줄이는 데 기여할 것이다.

본 연구의 목적은 유해 해양생물의 고밀도 출현을 조기에 탐지하기 위한 시스템 구축이다. 수중영상 기반 객체탐지 모델의 정 확도와 이미지 처리속도를 고려하여 실시간 적용에 적합한 YOLOv8m을 선정하였다. 영상 데이터를 해양생물 탐지 알고리즘에 적용한 결 과 다수의 어류 및 간헐적인 해파리 출현을 탐지하였다. 학습 모델의 검증 데이터에 대한 평균 정밀도는 0.931, 재현율은 0.881, mAP는 0.948로 산출되었다. 또한, 각 클래스별 mAP는 어류 0.970, 해파리 0.970, 살파 0.910로 모든 클래스에서 0.9(90%) 이상으로 산출되어 우수한 성능을 확인하였다. 과학어탐 시스템을 통해 객체의 탐지 범위와 시간에 따른 수중 객체탐지 결과를 확인할 수 있었으며 에코적분 격자 평균을 적용하여 시공간축으로 스무딩 처리된 결과를 얻을 수 있었다. 또한, 평균체적후방산란강도 값이 분석 도메인 내 객체탐지 여부에 따른 변동성을 반영하는 것을 확인할 수 있었다. 수중영상 기반 객체(해양생물)탐지 알고리즘, 환경조건(야간 포함)에 따른 수중영상 보정 기법, 과학어탐 시스템 기반의 정량화된 탐지결과를 제시하고 향후 다양한 사용처에서의 활용 가능성을 토의하였다.

본 논문에서는 지진 하중으로 인한 급격한 구조손상탐지를 수행하기 위해 분산점 칼만필터(Unscented Kalman Filter, UKF)와 파티 클 필터(Particle Filter)를 소개하고 지진 손상 시나리오에 적용 및 비교･검토하였다. 이때, 비선형 전단 빌딩을 모사하기 위해 Bouc-Wen 모델을 사용하였고, 급격한 변화를 추정하기 위해 추가적으로 적응형 기법(Adaptive rule)인 Adaptive Jumping Method를 두 필터 모두에 적용하였다. 적용 결과 두 오리지날 필터 모두 급격한 손상 시점과 정도를 파악하지 못하였고, 적응형 기법을 반영하였 을 경우에만 시점 파악이 가능하였다. 하지만, 여전히 손상 정도를 정확히 파악하지 못하였고, 두 방법 모두 제안된 적응형 기법을 새 로이 조정하였을 경우에 정확한 추정이 가능함을 확인하였다. 최종적으로 계산시간을 고려하였을 때, 새로운 형태의 적응형 기법을 적용한 UKF 사용을 제안하는 것으로 비교 검토를 수행하였다.

최근 해상 교통량 증가 및 연안 중심의 레저활동으로 인해 다양한 해양사고가 발생하고 있다. 그 중 선박사고는 인 명 및 재산 피해를 유발할 뿐만 아니라 기름 및 위험·유해물질 유출을 동반한 해양 오염사고로 이어질 가능성이 크다. 따 라서 해양사고 대비 및 대응을 위한 지속적인 선박 모니터링이 필요하다. 본 연구에서는 해상 선박 모니터링 체계 구축을 위한 초분광 원격탐사 기반의 항공 실험 수행 및 선박탐지 결과를 제시하였다. 한반도 서해 궁평항 인근 해역을 대상으로 초분광 항공관측을 수행하였으며, 사전에 다양한 선박 갑판에 대한 분광 라이브러리를 구축하였다. 탐지 방법으로는 spectral correlation similarity (SCS) 기법을 사용하였으며 초분광 영상과 선박 스펙트럼 사이의 공간 유사도 분포를 분석하 였다. 그 결과 초분광 영상에 존재하는 총 15개의 선박을 탐지하였으며 최대 유사도에 기반한 선박 갑판의 색상도 분류하 였다. 탐지 선박들은 고해상도 digital mapping camera (DMC) 영상과의 매칭을 통해 검증하였다. 본 연구는 해상 선박탐지 를 위한 항공 초분광 센서 활용의 기초로서 향후 원격탐사 기반의 선박 모니터링 시스템에 주요 역할을 할 것으로 기대된 다.

New motor development requires high-speed load testing using dynamo equipment to calculate the efficiency of the motor. Abnormal noise and vibration may occur in the test equipment rotating at high speed due to misalignment of the connecting shaft or looseness of the fixation, which may lead to safety accidents. In this study, three single-axis vibration sensors for X, Y, and Z axes were attached on the surface of the test motor to measure the vibration value of vibration. Analog data collected from these sensors was used in classification models for anomaly detection. Since the classification accuracy was around only 93%, commonly used hyperparameter optimization techniques such as Grid search, Random search, and Bayesian Optimization were applied to increase accuracy. In addition, Response Surface Method based on Design of Experiment was also used for hyperparameter optimization. However, it was found that there were limits to improving accuracy with these methods. The reason is that the sampling data from an analog signal does not reflect the patterns hidden in the signal. Therefore, in order to find pattern information of the sampling data, we obtained descriptive statistics such as mean, variance, skewness, kurtosis, and percentiles of the analog data, and applied them to the classification models. Classification models using descriptive statistics showed excellent performance improvement. The developed model can be used as a monitoring system that detects abnormal conditions of the motor test.

Recently, domestic fishing production of Japanese horse mackerel has been continuously decreasing. To achieve sustainable fishing of this species, it is essential to acquire its target strength (TS) for accurate biomass estimation and to study its ecological characteristics. To date, there has been no TS research using a broadband echosounder targeting Japanese horse mackerel. In this study, for the first time, we synchronized an underwater camera with a broadband frequency (nominal center frequency of 200 kHz, range: 160-260 kHz) to measure the TS according to the body size (16.8-35.5 cm) and swimming angle of the species. The relationship between Japanese horse mackerel length and body weight showed a general tendency for body weight to increase as length increased. The pattern of the frequency spectra (average values) by body length exhibited a similar trend regardless of body length, with no significant fluctuations in frequency observed. The lowest TS value was observed at 243 kHz while the highest TS values were recorded at 180 and 257.5 kHz. The frequency spectra for the swimming angles appeared to be flat at angles of –5, 0, 30, 60, 75, and 80° while detecting more general trends of frequency spectra for swimming angle proved challenging. The results of this study can serve as fundamental data for Japanese horse mackerel biomass estimation and ecological research.

수산자원의 지속 가능한 관리와 증대는 전 세계적으로 중요한 이슈로 부상하고 있으며, 본 연구는 이에 대응하는 한국수산자 원공단의 수산자원 현존량 추정을 위한 딥러닝 기반 수산자원 증대사업 효과조사 기법 개발을 위해 구성 기술 중 하나인 어류 탐지 및 분류 모델 구축과 성능 비교를 수행하였다. 다양한 크기의 YOLOv8-Seg 모델에 어류 이미지 데이터셋을 학습한 후 각 성능평가 지표를 비 교 분석하여 적용 가능한 최적의 모델을 선정하고자 하였다. 모델 구축에 사용된 자료는 총 12종의 어류로 이루어진 36,749장의 이미지와 라벨 파일로 이루어지며, 학습에는 증강을 적용하여 데이터의 다양성을 증가시켰다. 동일한 환경 및 조건에서 총 다섯 개의 YOLOv8-Seg 모델을 학습 및 검증한 결과 중간 크기의 YOLOv8m-Seg 모델이 가장 짧은 13시간 12분의 학습 시간과     0.933, 추론 속도 9.6 ms로 높은 학습 효율성과 우수한 탐지 및 분류 성능을 보였으며, 각 지표 간의 균형을 고려할 때 실시간 처리 요구사항을 충족하는 가장 효율 적인 모델로 평가되었다. 이와 같은 실시간 어류 탐지 및 분류 모델을 활용하여 효율적인 수산자원 증대사업의 효과조사가 가능할 것으 로 보이며, 지속적인 성능 개선 및 추가적인 연구가 필요할 것으로 사료된다.

In this study, we present a sewer pipe inspection technique through a combination of active sonar technology and deep learning algorithms. It is difficult to inspect pipes containing water using conventional CCTV inspection methods, and there are various limitations, so a new approach is needed. In this paper, we introduce a inspection method using active sonar, and apply an auto encoder deep learning model to process sonar data to distinguish between normal and abnormal pipelines. This model underwent training on sonar data from a controlled environment under the assumption of normal pipeline conditions and utilized anomaly detection techniques to identify deviations from established standards. This approach presents a new perspective in pipeline inspection, promising to reduce the time and resources required for sewer system management and to enhance the reliability of pipeline inspections.