운량은 천체 관측을 지속하는 데에 중요한 요소 중 하나이다. 과거에는 관측자가 날씨를 직접 판단할 수밖에 없 었으나, 원격 및 자동 관측 시스템의 개발로 관측자의 역할이 상대적으로 줄어들었다. 또한 구름의 다양한 형태와 빠른 이동 때문에 자동으로 운량을 판단하는 것은 쉽지 않다. 이 연구에서는 기계학습 기반의 파이썬 모듈인 “cloudynight” 을 밀양아리랑우주천문대의 전천 영상에 적용하여 운량을 모니터링하는 프로그램을 개발하였다. 전천 영상을 하위 영역 으로 나누어 각 39,996개 영역의 16개의 특징을 학습하여 기계학습 모델을 생성하였다. 검증 표본에서 얻은 F1 점수는 0.97로, 기계학습 모델이 우수한 성능을 가짐을 보여준다. 운량(“Cloudiness”)은 전체 하위 영역 개수 중 구름으로 식별 된 하위 영역 개수의 비율로 계산하며, 운량이 지난 30분 동안 0.6을 초과할 때 관측을 중단하도록 자동 관측 프로그 램 규칙을 정하였다. 이 규칙을 따를 때, 기계학습 모델이 운량을 오판하여 관측에 영향을 미치는 경우는 거의 발생하 지 않았다. 본 기계학습 모델을 통하여, 밀양아리랑우주천문대 0.7 m 망원경의 성공적인 자동 관측을 기대한다.

In this paper, the key assembly of the recently developed light machine gun-Ⅱ sighting device was identified as prone to experiencing horizontal noise caused by unstable voltage fluctuations under high-temperature conditions during the defense environmental stress screening test. The primary objective ot this study is to address the issue of horizontal noise through circuit analysis and device parameter tuning, aiming to eliminate its presence.

Smartphone industry grew rapidly enough to draw a close attention in a short period less than ten years. Accordingly, required camera module industry is getting increase. In this study, it will be shown how to improve the productivity of new product model for the camera module before the growth to maximize the company profits.

Usually marine traffic survey has been conducted by some methods like an ocular observation using portable RADAR, a questionnaire, etc. But these should have expended a lot of manpower and expenses. In this paper, we have developed new observation module which could capture the RADAR image using PC camera simply, and allowed as to track targets on the PC monitor directly. And it has been programmed to make a database of RADAR image, target's track and information, and analyze the marine traffic tendency in various ways like vessel number crossed over gate line, vessel's velocity distribution in gate line, traffic density distribution, etc. We have confirmed that this module could observe and analyze the marine traffic efficiently and economically through several on-the-spot experiments.