본 연구는 야생조류 생물음향 탐지와 현장 조사의 결과 비교를 통해 효과적인 야생조류 조사 방법을 제시하는데 목적이 있다. 연구대상지는 제주 동백동산과 1100고지 습지였다. 생물음향 탐지 기간은 2020년 12개월간이었다. 생물음향 탐지는 시간당 1분씩, .wav, 44,100Hz 포맷으로 생물음향 측정장비(Song meter SM4)를 각 연구대상지에 설치하여 녹음하였다. 현장 조사는 Banjade et al. (2019)의 ｢제주 동백동산과 1100고지 습지의 조류군집 장기간 동향｣ 결과를 인용하였다. 연구결 과는 다음과 같다. 첫 번째, 생물음향 탐지 기법을 통해 확인된 조류상은 동백동산에서 29과 46종, 1100고지 습지에서 16과 25종이었다. 두 번째, 울음 빈도를 통해 나타난 종 구성은 동백동산에서 직박구리(33.62%), 섬휘파람새(12.13%), 동박새(9.77%) 순으로 나타났고, 1100고지 습지에서 큰부리까마귀(27.34%), 섬휘파람새(19.43%), 직박구리(16.56%) 순으 로 나타났다. 세 번째, 동백동산에서 실시한 현장 조사의 경우 2009년 39종, 2012년 51종, 2015년 35종, 2018년 45종이 조사되었고, 생물음향 탐지를 통해 46종이 확인되었다. 1100고지 습지에서 실시한 현장 조사의 경우 2009년 37종, 2012년 42종, 2015년 34종, 2018년 38종이 조사되었고, 생물음향 탐지를 통해 25종이 확인되었다. 종합적으로 현장 조사를 통해 동백동산에서 확인된 78종 중 43.6%인 34종, 1100고지 습지에서 확인된 47종 중 38.3%인 18종이 생물음향 탐지로 확인되었 다. 네 번째, 현장 조사에서 확인되지 않았지만, 생물음향 탐지를 통해 확인된 종은 동백동산에서 9과 12종, 1100고지 습지에서 3과 7종으로 대표적으로 소쩍새, 솔부엉이와 같은 야행성 조류, 쇠유리새, 울새와 같은 나그네새, 도래하는 개체수가 상대적으 로 적은 황여새, 솔잣새와 같은 겨울철새가 있다. 다섯 번째, 현장 조사에서 확인된 종 중에서 생물음향 탐지를 통해 확인되지 않은 종은 동백동산에서 18과 48종, 1100고지 습지에서 14과 27종으로 대표적으로 백로과, 수리과, 솔딱새과가 있다. 본 연구는 국내에서 생물음향 장비 운용을 통한 조류 연구가 활성화되고 있는 가운데 현장 조사와 생물음향 탐지를 병행했을 때 효과적인 조사를 실시할 수 있다는 기초 자료를 작성했다는 점에서 의미가 있다.

In this study, changes in the microbial ecosystem of the Yeongheungdo island coastal waters were investigated for five years to collect basic data. To evaluate the influence of distance from the coast on the microbial ecosystem, four sites, coastal Site (S1) and 0.75, 1.5, and 3 km away from the coast, were set up and the changes in physicochemical and biological factors were monitored. The results showed seasonal changes in water temperature, dissolved oxygen, salinity, and pH but with no significant differences between sites. For nutrients, the concentration of dissolved inorganic nitrogen increased from 6.4 μM in April-June to 16.4 μM in July-November, while that of phosphorus and silicon phosphate increased from 0.4 μM and 2.5 μM in April-June to 1.1 μM and 12.0 μM in July-November, respectively. Notably, phosphorus phosphate concentrations were lower in 2014-2015 (up to 0.2 μM) compared to 2016-2018 (up to 2.2 μM), indicating phosphorus limitation during this period. However, there were no differences in nutrients with distance from the coast, indicating that there was no effect of distance on nutrients. Phytoplankton (average 511 cells mL-1) showed relatively high biomass (up to 3,370 cells mL-1) in 2014-2015 when phosphorus phosphate was limited. Notably, at that time, the concentration of dissolved organic carbon was not high, with concentrations ranging from 1.1-2.3 mg L-1. However, no significant differences in biological factors were observed between the sites. Although this study revealed that there was no disturbance of the ecosystem, further research and more basic data on the microecosystem are necessary to understand the ecosystem of the Incheon.

Land monitoring involves systematically understanding changes in land use, leveraging spatial information such as satellite imagery and aerial photographs. Recently, the integration of deep learning technologies, notably object detection and semantic segmentation, into land monitoring has spurred active research. This study developed a web service to facilitate such integrations, allowing users to analyze aerial and drone images using CNN models. The web service architecture comprises AI, WEB/WAS, and DB servers and employs three primary deep learning models: DeepLab V3, YOLO, and Rotated Mask R-CNN. Specifically, YOLO offers rapid detection capabilities, Rotated Mask R-CNN excels in detecting rotated objects, while DeepLab V3 provides pixel-wise image classification. The performance of these models fluctuates depending on the quantity and quality of the training data. Anticipated to be integrated into the LX Corporation's operational network and the Land-XI system, this service is expected to enhance the accuracy and efficiency of land monitoring.

In this study, we proposed a simulator for the development of a digital multi-process welding machine and a welding process monitoring system. The simulator, which mimics the data generation process of the welding machine, is composed of process control circuit, peripheral device circuit, and wireless communication circuit. Utilizing this simulator, we aimed to develop a welding process monitoring system that can monitor the welding situations of four multi-process welding machines and three processes each, with data transmission through wireless communication. Through the operation of the proposed simulator, sequential digital processing of multi-process welding data and wireless communication were achieved. The welding process monitoring system enabled real-time monitoring and accumulation of the process data. The selection of upper and lower limits for process variables was carried out using a deep neural network based on allowable changes in bead shape, enabling the management of welding quality by applying a process control technique based on the trend of received data.

A total of 100 commercially available olive oil products were analyzed for 179 pesticide residues using gas chromatography-tandem mass spectrometry (GC/MS/MS). The olive oil samples were mixed with organic solvents, centrifuged and frozen to remove fat, and pesticide residues were analyzed using the “quick, easy, cheap, effective, rugged, and safe” (QuEChERS) method. The determination coefficient (R2) of the analysis method used in this study was ≥0.998. The detection limit of the method ranged 0.004–0.006 mg/kg and its quantitative limit ranged 0.012–0.017 mg/kg. The recovery rate (n=5) measured at the level ranging 0.01–0.02, 0.1, and 0.5 mg/kg ranged 66.8– 119.5%. The relative standard deviation (RSD) was determined to be ≤5.7%, confirming that this method was suitable for the "Guidelines for Standard Procedures for Preparing Food Test Methods". The results showed that a total of 151 pesticides (including difenoconazole, deltamethrin, oxyfluorfen, kresoxim-methyl, phosmet, pyrimethanil, tebuconazole, and trifloxystrobin) were detected in 64 of the 100 olive oil products. The detection range of these pesticide residues was 0.01–0.30 mg/kg. The percentage acceptable daily intake (%ADI) of the pesticides calculated using ADI and estimated daily intake (EDI) was 0.0001–0.1346, indicating that the detected pesticides were present at safe levels. This study provides basic data for securing the safety of olive oil products by monitoring pesticide residues in commercially available oilve oil products. Collectively, the analysis method used in this study can be used as a method to analyze residual pesticides in edible oils.

박새는 도시생태계 내 환경변화를 측정할 수 있는 생물지표종이자 대표적인 식충성 조류로 건전성 유지와 같은 중요한 역할을 맡고 있다. 연구자들은 박새과 조류의 번식생태 파악을 위해 인공새집 조사방법을 활용하고 있으나, 공간적･시간적 한계로 거시적 관점의 연구를 진행하기에는 어려움이 있다. 본 연구는 전문가 중심으로 수행된 기존 인공새집 모니터링이 갖는 한계를 벗어나고자 시민참여 인공새집 모니터링 프로젝트를 설계하였다. ‘수원시 앞마당 조류 모니터링단’은 시민조사원 들의 자발적인 참여를 통해 경기도 수원시 내 녹지공간에 인공새집을 설치하고 박새과 조류의 번식생태를 관찰하는 프로젝트이 다. 2021년 2월 9일부터 2월 22일까지 온라인 설문조사를 통해 참가자를 모집하였고, 시민조사원은 2021년 2월 23일부터 8월 31일까지 인공새집 설치부터 관찰까지 직접 수행하였다. 비전문가인 시민조사원들의 진입장벽을 낮추고 일관된 데이터를 수집하기 위해 모니터링 과정 전반에 대한 온라인 교육을 수행하였고 모바일 애플리케이션을 이용하여 인공새집 관찰기록을 수집하였다. 시민참여 인공새집 모니터링 프로젝트에는 98명의 시민조사원이 참여하였고 배포된 206개의 인공새집 중 175(84.95%)개가 수원시 내 녹지공간에 설치되었다. 설치된 인공새집 중 위치 좌표 생성 오류가 발생한 2건을 제외한 173(83.98%)개를 대상으로 시민과학 프로젝트 결과를 확인했다. 시민조사원으로부터 수집한 인공새집 관찰기록은 총 987회 이며, 최솟값은 1회, 최댓값은 26회, 평균은 5.71±4.37회로 나타났다. 월별 인공새집 관찰 횟수는 2월 70회(7.09%), 3월 444회(44.98%), 4월 284회(28.77%), 5월 133회(13.48%), 6월 46회(4.66%), 7월 6회(0.61%), 8월 4회(0.41%)로 조사되었 다. 설치된 173개의 인공새집 중 57개(32.95%)에서 조류의 이용을 관찰할 수 있었고 박새 12개소(21.05%), 곤줄박이 7개소 (12.28%), 미동정 조류 38개소(66.67%)로 확인되었다. 본 연구는 박새과 조류의 번식생태를 조사방법으로 활용되는 인공새집 모니터링에 시민의 참여 가능성을 처음으로 검토한 연구로 향후 시민과학을 접목한 생태모니터링 설계의 기초자료로 활용될 수 있을 것으로 판단된다.

원전 구조물의 실시간 모니터링 기술이 요구되고 있지만, 현재 운영 중인 지진 감시계통으로는 동특성 추출 등 시스템 식별이 제한 된다. 전역적인 거동 데이터 및 동특성 추출을 위해서는 다수의 센서를 최적 배치하여야 한다. 최적 센서배치 연구는 많이 진행되어 왔 지만 주로 토목, 기계 구조물이 대상이었으며 원전 구조물 대상으로 수행된 연구는 없었다. 원전 구조물은 미미한 신호대잡음비에도 강건한 신호를 획득하여야 하며, 모드 기여도가 저차 모드에 집중되어 있어 모드별 잡음 영향을 고려해야 하는 등 구조물 특성을 고려 해야 한다. 이에 본 연구에서는 잡음에 대한 강건도와 모드별 영향을 평가할 수 있는 최적 센서배치 방법론을 제시하였다. 활용한 지표 로서 auto MAC(Modal Assurance Criterion), cross MAC, 노드별 모드형상 분포를 분석하였으며, 잡음에 대한 강건도 평가의 적합성을 수치해석으로 검증하였다.

본 연구에서는 경기도 내 유통 중인 견과 종실류의 잔 류농약 실태를 조사하고자 온라인 또는 유통매장을 통해 131건을 수거하여 조사하였다. 총 14품목의 견과종실류 를 수거하였으며 339종의 잔류농약을 분석한 결과 131건 중 총 8건에서 검출되었으며 범위는 0.01 mg/kg-0.07 mg/ kg 수준으로 나타났다. 검출된 시료 8건 중 7건이 잔류 농약 기준을 초과하여 부적합으로 판정되었으며 부적합 7건 중 6건은 수입농산물에서 판정되었다. 중국산 호박씨 의 경우 PLS가 적용된 피라클로스트로빈이 5건 검출되 었으며 범위는 0.02 mg/kg-0.04 mg/kg 수준으로 나타났다. 인도산 참깨와 국내산 참깨에서도 펜디메탈린, 보스칼리 드, 비펜트린이 각각 0.04 mg/kg, 0.05 mg/kg, 0.06 mg/kg 으로 검출되어 부적합 수치를 보였다. 또한 검출된 8종 의 농약에서 EDI/ADI (%) 값이 0.002%-0.372%으로 낮 은 수준임을 확인하였다.

Governments around the world are enacting laws mandating explainable traceability when using AI(Artificial Intelligence) to solve real-world problems. HAI(Human-Centric Artificial Intelligence) is an approach that induces human decision-making through Human-AI collaboration. This research presents a case study that implements the Human-AI collaboration to achieve explainable traceability in governmental data analysis. The Human-AI collaboration explored in this study performs AI inferences for generating labels, followed by AI interpretation to make results more explainable and traceable. The study utilized an example dataset from the Ministry of Oceans and Fisheries to reproduce the Human-AI collaboration process used in actual policy-making, in which the Ministry of Science and ICT utilized R&D PIE(R&D Platform for Investment and Evaluation) to build a government investment portfolio.

The swimming behavior of pacific bluefin tuna (Thunnus orientalis) in the offshore sea cage of the brass fishing net was observed and analyzed by imaging sonar techniques. The cultured fish spent most of the time swimming a circular path along the circular cage wall and continued to swim only clockwise direction without completely changing the swimming direction during the 23-hour observation time. In addition, changed swimming behaviors were divided into four categories: (a) the behavior of a large group temporarily swimming in the opposite (counter clockwise) direction, (b) the behavior of a small group temporarily swimming in a small circular path, (c) the behavior swimming small circular path in the center of the cage, and (d) the behavior of a large group swimming across the center of the cage. The maximum swimming speed of the cultured fish was from 3.5 to 3.8 TL/s, the mode was from 1.2 to 1.4 TL/s and the swimming speed during the day time was faster than at night time. It was confirmed the cultured fish swam not only on the surface but also near the bottom net of the cage during the day, but swam mainly at the upper part of the cage at night.

This study monitored temperature using electronic sensors and developed a prediction model for compost maturity. The experiment used swine manure in a mechanical composting facility equipped with a screw-type agitator, and the composting process was conducted for 60 d during the summer season in South Korea. Four electronic temperature sensors were installed on the inner wall between the compost piles on Days 7, 14, 21, and 28 for daily temperature monitoring. Compost samples were collected daily for 60 d, and compost maturity was analyzed using the Solvita method. Multiple comparisons, correlations, and modeling were performed using the stat package in R software. The average compost pile temperatures was 39.1±3.9, 36.4±4.3, 31.3±4.5, and 35.4±8.1 on days 7, 14, 21, and 28, respectively, after composting. The average compost maturity according to the composting date was 3.61±0.60, 4.13±0.59, 4.26±0.47, and 4.32 ±0.56 on days 7, 14, 21, and 28, respectively. A significant negative correlation was observed between the compost composting periods (seven, 14, 21, and 28 d) and the temperature of all compost piles (p<0.05), where the correlation coefficients were -0.329, -0.382, -0.507, and -0.634, respectively. A significant positive correlation was observed between the compost composting periods (seven, 14, 21, and 28 d) and the maturity of the compost (p<0.05), where the correlation coefficients were 0.410, 0.550, 0.727, and 0.840, respectively. The model for predicting the maturation of the 14 d average compost pile according to the compost composting period and the average temperature for 14 d was y=0.026 x d – 0.021 x mt.x_14 d (mean temperature for 14 d) + 4.336 (R2=0.7612, p<0.001). This study can be considered a basic reference for predicting compost maturity by the proposed model using electronic temperature sensors.