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.

본 논문에서는 건설 현장 관리의 과제를 다루고 IoT 기술 활용을 위한 기술 적용에 대해 정리하였다. 도로 포장 장비의 유휴 시간을 모니터링하는 IoT 장치를 설계 및 구현하여 효율적인 장비 관리 시스템을 개발하는 것을 목표한다. 또한, 본 연구에서는 통신방식 선 정, 사용자 친화적인 플랫폼 설계, 데이터 수집 및 분석을 위한 진동센서 기반 IoT 디바이스 개발을 통한 실시간 관리에 중점을 두고 있다. 플랫폼을 통해 공사현황을 실시간으로 모니터링하고 장비 유휴시간을 관리해 효율성을 높일 수 있으며, IoT 디바이스는 90% 이 상의 데이터 정확도를 보장한다. 현장 테스트를 통해 장비 사용 추적 효과가 확인되어 보다 효율적인 건설 관리에 기여하고자 한다.

A procedure for minimizing the environmental burden and maximizing the efficiency of storage sites used for the final disposal of spent fuel has been proposed. In this procedure, fission products (highly mobile and producing heat) are collected, and uranium and TRU-RE (transuranium-rare earth) oxide are independently stored. The possibility and applicability of radiation measurement for monitoring the nuclear materials effectively throughout the process has been simulated and evaluated. For the simulation, the properties of the chemical processes were analyzed, the major radiation emitters were determined, and the production of nuclear materials by chemical reactions were evaluated. In each process, the content of nuclear material was changed by up to 20% to represent abnormal conditions. The results showed that the plutonium peak was matched with the change in the TRU content and the measured signal was changed linearly with respect to the content change of the plutonium. From the neutron measurement, a linear response of the TRU content variation was obtained. In addition, a logic diagram was developed for the nuclear monitoring. The integration of radiation detections is recommended for monitoring the process effectively and efficiently.

This study applied a camera trapping method to investigate species diversity of birds and mammals in Jingwan-dong Wetland located in Bukhansan National Park, Seoul, Korea. The objectives of this study were to (1) verify the efficiency of the camera trapping method through a combination of literature and observation surveys, and to (2) propose it as an effective monitoring method to assessing changes in biodiversity. From February 2022 to June 2022, a total of six cameras were installed for 121 days to conduct camera trapping in three aquatic environments. As a result, a total of 14,742 videos were obtained with a data acquisition rate of 59.2%. Analysis of the data identified a total of 20 families and 47 species of birds with 7 families and 8 species of mammals. When previous field observation data compiled from the past 10 years starting from 2011 were analyzed, a total of 33 families and 90 species of birds with 5 families and 6 species of mammals were identified. Camera trapping in Jingwan-dong Wetland recorded species list, including 3 families and 3 species of bird and 2 families and 2 species of mammal not observed in the past decade. Thus, camera trapping, which complements temporal limitations of field survey, can be an effective monitoring method for rapidly changing biodiversity if spatial limitations are improved. Resulting species lists can serve as a basis for future restoration and management plans.

This study aims to develop a deep learning model to monitor rice serving amounts in institutional foodservice, enhancing personalized nutrition management. The goal is to identify the best convolutional neural network (CNN) for detecting rice quantities on serving trays, addressing balanced dietary intake challenges. Both a vanilla CNN and 12 pre-trained CNNs were tested, using features extracted from images of varying rice quantities on white trays. Configurations included optimizers, image generation, dropout, feature extraction, and fine-tuning, with top-1 validation accuracy as the evaluation metric. The vanilla CNN achieved 60% top-1 validation accuracy, while pre-trained CNNs significantly improved performance, reaching up to 90% accuracy. MobileNetV2, suitable for mobile devices, achieved a minimum 76% accuracy. These results suggest the model can effectively monitor rice servings, with potential for improvement through ongoing data collection and training. This development represents a significant advancement in personalized nutrition management, with high validation accuracy indicating its potential utility in dietary management. Continuous improvement based on expanding datasets promises enhanced precision and reliability, contributing to better health outcomes.

Climate change has led to a significant increase in jellyfish populations globally, causing various problems. For power plants that use nearby seawater for cooling, the intrusion of jellyfish into intake systems can block the flow, leading to reduced output or even shutdowns. This issue is compounded by other small marine organisms like shrimp and salps, making it urgent to develop solutions to prevent their intrusion. This study addressed the problem using the BioSonics DT-X 120 kHz scientific fish finder to conduct preliminary tank experiments. We also deployed underwater acoustic and camera buoys around the intake of nuclear power plant, utilizing a bidirectional communication system between sea and land to collect data. Data collection took place from July 31, 2023 to August 1, 2023. While harmful organisms such as jellyfish and salps were not detected, we successfully gathered acoustic data on small fish measuring backscattering strength (SV). Analysis showed that fish schools were more prominent in the evening than during the day. The highest fish distribution was observed at 3:30 AM on July 31 with an SV of -44.8 dB while the lowest was at 12:30 PM on the same day with an SV of –63.4 dB. Additionally, a solar-powered system was used to enable real-time data acquisition from sea buoys with smooth communication between the land server and the offshore buoy located 1.8 km away. This research developed an acoustic-based monitoring system for detecting harmful organisms around the intake and provided foundational data for preventing marine organism intrusion and planning effective measures.

본 연구는 유통 주류의 당류 함량 및 저칼로리 감미료 의 사용 실태를 조사하고자 탁주 10건, 약주 6건, 청주 5 건, 맥주 5건, 과실주 12건, 소주 5건, 일반증류주 5건, 리 큐르 9건, 기타주류 15건을 수거하여 총 72건을 검사하였 다. 당류와 알룰로스는 HPLC-RI로 분석하였고 감미료 5 종은 HPLC-UV와 LC-MSMS를 이용하였다. 전체 주류의 당류 평균함량은 4.13±5.16 g/100 g 이었으며, 유형별로는 발효주(탁주, 약주, 청주, 맥주, 과실주) 0.00-8.92 g/100 g, 증류주(소주, 일반증류주, 리큐르) 0.00-30.55 g/100 g, 기타 주류는 0.14-17.02 g/100 g의 분포를 보였다. 당류의 함량이 가장 높은 유형은 리큐르로 평균 검출 농도가 100 g 당 12.41±9.66 g였다. 저칼로리 감미료의 함량은 아세설팜칼륨 28.6-121.5 mg/kg, 사카린나트륨 42.3 mg/kg, 아스파탐 34.1- 141.5 mg/kg, 수크랄로스 23.3-88.1 mg/kg로 나타났으며 사이 클라메이트와 알룰로스는 모든 주류에서 검출되지 않았다. 72건의 주류 중 24건에서 감미료가 검출되었으며, 검출된 감미료 사용량은 모두 식품첨가물 기준 이내였다.

발효주의 잔류물질 실태조사를 위해 울산지역에서 유통 되는 발효주 150건을 수거하여 잔류농약 400종과 중금속 납, 카드뮴, 수은을 분석하였다. 잔류농약 분석 결과, 102 건(68%)의 검출을 나타냈으며 검출된 농약 종류는 35종 으로 그 중 원료 농산물의 기준이 없는 농약은 4종이 검 출되었다. 발효주 종류별로 비교하면 와인이 60건의 검사 중 54건(90%)으로 가장 많은 잔류농약이 검출되었고 맥 주는 60건 중 37건(61.7%), 막걸리는 30건 중 11건(36.7%) 이 검출되었다. 발효주에 대한 중금속 분석 결과는 납 73 건(48.7%), 카드뮴은 9건(6.0%), 수은은 36건(24.0%)을 나 타내었다. 납은 73건의 검출 중 와인이 57건(78.1%)을 차 지해 가장 높은 검출을 나타내었고 카드뮴과 수은은 검출 된 9건, 36건 중 막걸리가 7건(77.8%), 13건(36.1%)으로 가장 많이 검출되었다. 각 품목에서 검출된 잔류농약 및 중금속 항목에 대해 인체노출량 평가결과는 모두 1% 미 만으로 안전한 것으로 나타났다.

외부 환경변화에 민감한 양서류는 지역 내 생태환경의 변화나 교란을 평가하는 생물지표종으로 활용되고 있다. 도시화로 인한 서식지 파괴, 단절과 같은 인위적인 위협으로 인해 무미목 양서류 종 3분의 1이 멸종 위험에 처한 것으로 알려져 있다. 무미목 양서류의 적절한 보호 및 보전전략 마련을 위해서는 개체군의 특성을 고려한 생물종 조사가 요구된다. 본 연구는 무미목 양서류의 번식기 울음소리를 이용한 생태모니터링에 있어 시민들의 참여 가능성을 모색하고자 하였다. 또한 적절한 품질관리 방안을 제안하여 오류나 편향을 제거하고 신뢰도 높은 생물종 출현 자료를 추출하고자 하였다. 시민과학 프로젝트는 국내에 서식하는 무미목 양서류 12종을 대상으로 2022년 4월 1일부터 8월 31일까지 전국을 대상으로 수행되었다. 시민들의 자발적인 참여를 통해 무미목 양서류의 번식기 울음소리를 직접 청취하고 모바일 애플리케 이션을 통해 녹음함으로써 음성신호 모니터링이 진행되었다. 또한 품질관리 프로세스를 구축하여 시민들로부터 수집된 데이터의 오류 및 편향을 누락, 허위, 잘못된 식별과 같이 3단계로 분류하여 신뢰도 높은 생물종 출현 자료를 추출하고자 하였다. 시민참여 무미목 양서류 음성신호 모니터링 결과 총 6,808건의 관찰 기록을 수집할 수 있었다. 품질관리 프로세스를 통해 6,808건의 데이터 중 1,944건(28.55%)에서 오류 및 편향이 발생하였다. 오류 및 편향 유형으로는 누락이 922건 (47.43%)으로 높은 빈도를 보였으며 잘못된 식별 540건(27.78%), 허위 482건(24.79%) 순서로 나타났다. 시민과학 프로젝트를 통해 국내에 서식하는 12종의 무미목 양서류 중 두꺼비(Bufo gargarizans Cantor), 한국산개구리(Rana coreana)를 제외한 10종의 무미목 양서류의 번식기 울음소리를 관찰할 수 있었다. 주로 개체수 감소로 인하여 관찰이 어렵거나 비 출현 개체의 번식기와 시민과학 프로젝트 진행 시점과의 차이로 인해 번식기 울음소리를 수집하는데 어려움이 발생한 것으로 나타났다. 본 연구는 시민참여를 토대로 국내에 서식하는 무미목 양서류의 번식기 울음소리를 통해 분포현황과 생물종 출현 자료 수집을 처음으로 검토한 연구이다. 향후 시민과학을 접목한 생물음향 모니터링 설계와 시민과학 데이터 품질관리 방안에 대한 기초자료로 활용될 수 있을 것으로 판단된다.

본 연구에서는 경기 북부지역 및 온라인에서 유통되는 건고추 및 고춧가루 88건을 대상으로 잔류농약을 분석했 다. 시료는 QuEChERS법으로 전처리한 후 GC-MS/MS, LC-MS/MS를 이용하여 분석했다. 88건 중 70건(79.5%)에 서 잔류농약이 검출되었고 그 중 4건(4.5%)인 수입산 건 고추 2건, 수입산 고춧가루 2건이 농약 잔류허용기준을 초 과하였다. 총 61종의 농약이 검출되었고 검출 빈도가 가 장 높은 농약은 살균제 tebuconazole로 52회 검출되었다. 쌀에 사용하는 진균제 tricyclazole은 베트남산 시료 12개 중 3개 시료에서, ethion은 인도산 시료 1개에서 농약 잔 류허용기준을 초과하여 검출되었다. tricyclazole과 ethion 은 고추 품목에서의 사용이 금지되어 positive list system 제도에 의해 규제되고 있다. 본 연구를 통해 국내산 건고 추 및 고춧가루의 잔류농약 수준이 비교적 잘 관리되고 있으며 수입산 건고추 및 고춧가루에 대한 지속적인 관리 가 필요한 것으로 확인하였다.

모기류는 흡혈을 통해 원충, 바이러스, 사상충 등 다양한 병원체를 보유하며 말라리아, 일본뇌염, 웨스트나일열, 뎅기열 등을 사람에게 매 개하는 위해성이 있는 위생해충이다. 이번 연구에서는 해외유입 모기류 감시를 위해 경상남도 고성군에 스마트 고공포집기를 설치하여 2022년 부터 2023년까지 모기류들을 모니터링하였다. 조사기간 동안, 총 3속 5종 43개체가 채집되었으며, 이중 삼일열말라리아를 매개하는 벨렌얼룩날 개모기(Anopheles belenrae)를 경남 지역에서 처음으로 발생함을 확인하였다. 본 연구에서는 스마트 고공포집기를 통해 해외에서 유입가능한 모 기류에 대한 실시간 모니터링이 가능함을 확인하였다.

The objective of this study is to analyze the indoor air quality of multi-use facilities using an IoT-based monitoring and control system. Thise study aims to identify effective management strategies and propose policy improvements. This research focused on 50 multi-use facilities, including daycare centers, medical centers, and libraries. Data on PM10, PM2.5, CO2, temperature, and humidity were collected 24 hours a day from June 2019 to April 2020. The analysis included variations in indoor air quality by season, hour, and day of the week (including both weekdays and weekends). Additionally, ways to utilize IoT monitoring systems using big data were propsed. The reliability analysis of the IoT monitoring network showed an accuracy of 81.0% for PM10 and 76.1% for PM2.5. Indoor air quality varied significantly by season, with higher particulate matter levels in winter and spring, and slightly higher levels on weekends compared to weekdays. There was a positive correlation found between outdoor and indoor pollutant levels. Indoor air quality management in multi-use facilities requires season-specific strategies, particularly during the winter and spring. Furhtermore, enhanced management is necessary during weekends due to higher pollutant levels.