해양사고 발생시 실종자는 해양에 노출된 시간이 길어질수록 생존확률이 빠르게 감소하기 때문에 인명구조를 위해서는 신 속한 수색이 필요하다. 또한 해양의 수색영역은 육상에 비해서 매우 넓기 때문에 효율적인 수색을 위해서는 선박을 이용한 육안수색보 다는 인공위성이나 항공기에 탑재된 센서를 이용한 해상 객체 탐지 기술의 적용이 필요하다. 본 연구는 항공기에 탑재된 초분광 영상 센서를 이용하여 해양에서 객체를 신속하게 탐지하기 위한 목적으로 진행되었다. 초분광 영상 센서로 촬영된 영상은 8,241 × 1,024의 공간 해상도를 가지며, 한 화소당 0.7 m의 분해능과 127개의 스펙트럼으로 구성된 대용량의 데이터이다. 본 연구에서는 이러한 데이터 를 신속하게 분석하기 위한 목적으로 DBSCAN을 사용한 해수 식별 알고리즘과 밀도 기반의 육지 제거 알고리즘을 결합한 해상 객체 탐지 모델을 개발하였다. 개발한 모델은 초분광 영상에 적용하였을 때 약 5 km2의 해상 영역을 100초 내로 분석할 수 있는 성능을 보 였다. 또한 개발한 모델의 탐지 정확도를 평가하기 위해서 항공기를 이용하여 목포, 군산, 여수 지역의 초분광 영상을 촬영하였으며, 본 연구에서 개발한 탐지 모델에 적용한 결과, 실험 영상 내의 선박들을 90 %의 정확도로 탐지할 수 있는 결과를 얻었다. 본 연구에서 개발된 기술은 소형 선박의 수색·구조 활동을 지원하는 중요한 정보로 활용될 수 있을 것으로 기대한다.

Molten salt reactors and pyroprocessing are widely considered for various nuclear applications. The main challenges for monitoring these systems are high temperature and strong radiation. Two harsh environments make the monitoring system needs to measure nuclides at a long distance with sufficient resolution for discriminating many different elements simultaneously. Among available methodologies, laser-induced breakdown spectroscopy (LIBS) has been the most studied. The LIBS method can provide the required stand-off and desired multi-elemental measurable ability. However, the change of the level for molten salts induces uncertainty in measuring the concentration of the nuclides for LIBS analysis. The spectra could change by focusing points due to the different laser fluence and plasma shape. In this study, to prepare for such uncertainties, we evaluated a LIBS monitoring system with machine learning technology. While the machine learning technology cannot use academic knowledge of the atomic spectrum, this technique finds the new variable as a vector from any data including the noise, target spectrum, standard deviation, etc. Herein, the partial least squares (PLS) and artificial neural network (ANN) were studied because these methods represent linear and nonlinear machine learning methods respectively. The Sr (580–7200 ppm) and Mo (480–4700 ppm) as fission products were investigated for constructing the prediction model. For acquiring the data, the experiments were conducted at 550°C in LiCl-KCl using a glassy carbon crucible. The LIBS technique was used for accumulating spectra data. In these works, we successfully obtained a reasonable prediction model and compared each other. The high linearities of the prediction model were recorded. The R2 values are over 0.98. In addition, the root means square of the calibration and cross-validation were used for evaluating the prediction model quantitatively.