테트로도톡신(tetrodotoxin, TTX)은 강력한 해양생물 유 래 신경독소로, 수산물 내 TTX를 검출하기 위해 기존에 주로 사용되는 mouse bioassay (MBA)와 LC-MS/MS 기법 은 낮은 검출한계와 동물 윤리 문제 등의 한계가 있어 이 를 대체할 새로운 시험법 개발이 필요합니다. Neuro-2a assay는 대표적인 세포기반 대체 시험법으로, 이 방법은 마우스 신경모세포인 Neuro-2a 세포주에 ouabain (O)과 veratridine (V)을 처리하여 과도한 Na+ 유입으로 인한 세 포 사멸을 유도한 후, Na+ 채널 억제제인 TTX가 Na+ 유 입을 차단해 세포를 보호하는 원리를 이용해 TTX를 정량 합니다. 본 연구에서는 Neuro-2a assay를 국내 실험실 환경에 적용하기 위해 TTX 처리 조건과 O/V 농도 등의 매 개변수를 최적화하였습니다. 그 결과, 최적 O/V 농도로 600/60 μM를 설정하였으며, S자형 용량-반응 곡선이 도출 되는 8가지 농도(50-0.195 ng/mL)를 확인하였습니다. 또한, 24번의 반복 실험을 통해 데이터의 신뢰도를 평가할 수 있는 6가지 data criteria를 확립하였으며, 이 중 EC50 값 은 약 3.824-1.268 ng/mL로 나타났습니다. 실험실 간 변동 성 비교 결과, COV+와 Bottom OD값을 제외한 모든 품 질 관리 기준(quality control criteria)과 데이터 기준(data criteria)의 변동계수(CVs)는 1.31-14.92%로 도출되어, 실험 의 적정성과 재현성이 확인되었습니다. 본 연구는 국내에 서 활용 가능한 TTX 검출용 Neuro-2a assay의 최적 조 건과 신뢰성을 평가할 수 있는 quality control criteria와 data criteria를 제시하였습니다. 아울러, TTX뿐만 아니라 유사체인 4,9-anhydroTTX에 대한 TEF 값을 0.2098로 산 출하여, TTX뿐 아니라 다양한 유사체의 검출이 가능함 을 확인하였습니다. 향후, 본 시험법은 국내 수산물 내 TTX 검출을 위한 MBA 대체법으로 활용될 것으로 기대 됩니다.

기후 변화로 인한 해양 온도 상승으로 해양생물독소의 발생 빈도가 점점 증가하고 있으며, 이는 식품 안전과 공 중 보건에 중대한 위협을 가하고 있다. 해양생물독소를 검 출하기 위한 기존의 방법인 마우스 생체검사(MBA), 고성 능 액체 크로마토그래피(HPLC), 액체 크로마토그래피-질 량 분석법(LC-MS) 등은 절차가 오래 걸리고 비용이 많이 든다는 한계가 있다. 이러한 문제를 해결하기 위한 대안 으로 바이오센서 기술이 유망한 해결책으로 부상하고 있 다. 이러한 바이오센서는 세포, 항체, 압타머, 펩타이드와 같은 바이오리셉터를 이용해 해양생물독소를 신속하고 정 확하게 검출한다. 본 리뷰에서는 다양한 종류의 바이오리 셉터를 논의하고, 해양생물독소 검출을 위한 바이오센서 기술의 최근 발전을 탐구한다. 또한, 이러한 바이오리셉터 의 장점을 강조하며, 해양생물독소 검출을 위한 바이오센 서 성능 향상을 위한 미래 연구 방향을 고려한다.

PURPOSES : This study aimed to compare the object detection performance based on various analysis methods using point-cloud data collected from LiDAR sensors with the goal of contributing to safer road environments. The findings of this study provide essential information that enables automated vehicles to accurately perceive their surroundings and effectively avoid potential hazards. Furthermore, they serve as a foundation for LiDAR sensor application to traffic monitoring, thereby enabling the collection and analysis of real-time traffic data in road environments. METHODS : Object detection was performed using models based on different point-cloud processing methods using the KITTI dataset, which consists of real-world driving environment data. The models included PointPillars for the voxel-based approach, PartA2-Net for the point-based approach, and PV-RCNN for the point+voxel-based approach. The performance of each model was compared using the mean average precision (mAP) metric. RESULTS : While all models exhibited a strong performance, PV-RCNN achieved the highest performance across easy, moderate, and hard difficulty levels. PV-RCNN outperformed the other models in bounding box (Bbox), bird’s eye view (BEV), and 3D object detection tasks. These results highlight PV-RCNN's ability to maintain a high performance across diverse driving environments by combining the efficiency of the voxel-based method with the precision of the point-based method. These findings provide foundational insights not only for automated vehicles but also for traffic detection, enabling the accurate detection of various objects in complex road environments. In urban settings, models such as PV-RCNN may be more suitable, whereas in situations requiring real-time processing efficiency, the voxelbased PointPillars model could be advantageous. These findings offer important insights into the model that is best suited for specific scenarios. CONCLUSIONS : The findings of this study aid enhance the safety and reliability of automated driving systems by enabling vehicles to perceive their surroundings accurately and avoid potential hazards at an early stage. Furthermore, the use of LiDAR sensors for traffic monitoring is expected to optimize traffic flow by collecting and analyzing real-time traffic data from road environments.

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.

포장상태 평가를 위한 노면영상 촬영은 라인스캔 방식이 주를 이루고 있다. 라인스캔 특성 상, 조사환경이나 장비특성이 달라질 경 우 밝기가 상이한 노면영상을 취득할 수 있고 이는 U-net과 같은 픽셀 단위 segmentation 딥러닝 모델의 균열 자동검출 성능에 영향을 미친다. 본 연구에서는 인공지능 검출 모델의 변경 없이 영상의 밝기 최적화와 morphology 연산기법을 노면영상 전·후처리 방법으로 제시하고 그 효과를 분석하였다. 영상 처리를 통해 과다 검출경향을 보인 이상치들이 제거되었으며 정답으로 간주할 수 있는 전문요 원 분석결과인 GT 균열률과의 상관성 또한 향상됨을 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.

In order for concrete to have good strength and durability, proper vibration is required. If the concrete does not vibrate completely, honeycomb can form in the concrete, which can reduce the strength and durability of the concrete. Two methods are presented that can be used to check whether a honeycomb is formed depending on whether the concrete is fresh or hardened. For fresh concrete, where a metal ball of the same size as aggregate is placed on a concrete surface and the vibration time is observed until the ball is completely sunk, an impact echo test can be used to check whether a honeycomb is present. Based on concrete surface and strength tests, we showed that this method can be used to detect honeycomb.

최근 결빙으로 인한 교통사고가 빈번히 발생하고 있으며, 도로순찰시 육안 인식이 어려운 도로살얼음 검지를 위해 다양한 방식의 검지센서가 도입되고 있다. 본 연구에서는 국내외 상용화되어 있는 차량부착식 노면상태 검지센서에 대한 현장 검증을 통해 국내 도 로조건에의 적용 가능성을 검토하였다. 차량부착식 검지센서의 성능을 평가하기 위해 한국건설기술연구원의 연천SOC실증연구센터 내 의 도로기상재현 실험시설에 결빙(Ice), 습윤(Wet), 건조(Dry) 등 3가지의 노면상태가 육안으로 명확히 구분이 가능하도록 도로환경을 구현하였으며, 센서종류별로 차량에 부착하여 다양한 도로상태를 측정하였다. 평가결과 노면상태 측정결과의 정확도는 높은 것으로 나 타났으나, 그 외의 측정항목의 정확도는 상당한 차이가 발생하기도 하였다. 향후 다양한 도로환경 조건에서 추가적인 시험을 통해 차 량부착식 노면상태 검지센서의 현장적용을 기반자료로 활용할 수 있을 것으로 판단된다.

Black ice, a thin and nearly invisible ice layer on roads and pavements, poses a significant danger to drivers and pedestrians during winter due to its transparency. We propose an efficient black ice detection system and technique utilizing Global Positioning System (GPS)-reflected signals. This system consists of a GPS antenna and receiver configured to measure the power of GPS L1 band signal strength. The GPS receiver system was designed to measure the signal power of the Right-Handed Circular Polarization (RHCP) and Left-Handed Circular Polarization (LHCP) from direct and reflected signals using two GPS antennas. Field experiments for GPS LHCP and RHCP reflection measurements were conducted at two distinct sites. We present a Normalized Polarized Reflection Index (NPRI) as a methodological approach for determining the presence of black ice on road surfaces. The field experiments at both sites successfully detected black ice on asphalt roads, indicated by NPRI values greater than 0.1 for elevation angles between 45o and 55o. Our findings demonstrate the potential of the proposed GPS-based system as a cost-effective and scalable solution for large-scale black ice detection, significantly enhancing road safety in cold climates. The scientific significance of this study lies in its novel application of GPS reflection signals for environmental monitoring, offering a new approach that can be integrated into existing GPS infrastructure to detect widespread black ice in real-time.

Recently, SDAS(Advanced driver-assistance system) are being installed to assist driving of vehicles and improve driver convenience. LDWS(Lane departure warning system) and FCWS(Forward collision warning system) are the core of the technology. Among these, FCWS is evaluated as a key assistive technology to prevent vehicle crashes. Accordingly, many algorithms are being developed and tested to improve detection speed and actual detection algorithms are being commercialized. In this paper, We propose the design of a system that optimizes FCWS speed by considering the AI performance of the terminal device when implemented as an embedded system.

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.

In recent automated manufacturing systems, compressed air-based pneumatic cylinders have been widely used for basic perpetration including picking up and moving a target object. They are relatively categorized as small machines, but many linear or rotary cylinders play an important role in discrete manufacturing systems. Therefore, sudden operation stop or interruption due to a fault occurrence in pneumatic cylinders leads to a decrease in repair costs and production and even threatens the safety of workers. In this regard, this study proposed a fault detection technique by developing a time-variant deep learning model from multivariate sensor data analysis for estimating a current health state as four levels. In addition, it aims to establish a real-time fault detection system that allows workers to immediately identify and manage the cylinder’s status in either an actual shop floor or a remote management situation. To validate and verify the performance of the proposed system, we collected multivariate sensor signals from a rotary cylinder and it was successful in detecting the health state of the pneumatic cylinder with four severity levels. Furthermore, the optimal sensor location and signal type were analyzed through statistical inferences.

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.

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.

마비성 패류 독소(Paralytic shellfish poisoning, PSP)는 유해 조류에 의해 생성되며, 독소에 노 출된 수산물을 섭취하였을 때 중독이 발생한다. 수산물 중 PSP를 검출하는 표준 시험법인 Mouse bioassay (MBA)는 낮은 검출한계와 동물 윤리 문제로 대체 시험법의 개발 필요성이 대 두되고 있다. 이러한 대체 시험법 중, PSP가 신경 세포막의 Na+ 채널을 차단하는 기전을 이 용한 마우스 뇌신경 모세포종 세포 기반 시험법(Neuro-2a assay)의 표준화를 위한 노력이 대두 되고 있다. Neuro-2a assay의 원리는 Neuro-2a 세포주에 Na+/K+ ATPase 억제제인 Ouabain (O)과 Na+ 채널 활성화제인 Veratridine (V)을 처리하여 과도한 Na+ 유입으로 인한 세포사멸을 유도한 상태에서, Na+ 채널 억제제인 PSP를 처리하게 되면 Na+ 유입이 차단되어 세포가 생존 하는 것을 측정하는 것이다. 본 연구에서는 PSP 검출을 위한 Neuro-2a assay를 국내 연구 환 경에 맞게 다양한 매개변수를 개선하여 최적 시험법을 확립하고자 하였다. 고려한 매개변수 들은 세포밀도, 배양 조건 및 PSP 처리 조건 등으로, 그 결과는 아래와 같다. 초기 세포밀도 는 40,000 cells/well로, 세포 배양시간 및 처리시간은 각각 24시간으로 설정하였다. 또한 최적 O/V 농도는 500/50 μM로 설정하였다. 본 연구에서 PSP 중 Saxitoxin (STX)에 대해서 O/V 처 리가 된 상태에서 S자형 용량-반응 그래프가 도출되는 8가지 농도(368~47,056 fg/μl)를 확인 하였고, Neuro-2a assay의 실험실 간 변동성 비교를 통해, 실험의 적정성 확인을 위한 5가지 Quality Control Criteria와 실험 데이터의 신뢰가능 범위(Data Criteria) 6가지를 설정하였다. 확 립된 조건으로 Neuro-2a assay를 진행한 결과 반수영향농도(EC50) 값은 약 1,800~3,500 fg/μl 로 나타났다. 실험실 간 변동성 비교 결과, Quality Control Criteria 값 및 Data criteria 값의 변 동계수(coefficients of variation (CVs))가 1.98~29.15% 범위로 산출되어 실험의 적정성 및 재현 성이 확인되었다. 본 연구를 통해 우리나라에서 활용할 수 있는 PSP 검출용 Neuro-2a assay 시험법의 최적 조건 및 5가지 Quality control 기준을 제시하였고, PSP 중 대표적인 독소인 STX 을 대상으로 Neuro-2a assay를 실시한 결과 유의한 EC50 값을 산출할 수 있었으며, 향후 국 내 수산물을 대상으로 MBA를 대체할 수 있는 PSP 검출법으로 활용될 것으로 기대된다.