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.

본 연구의 목적은 생물음향탐지기법을 적용해 국내에서 국지적인 위치에 서식하는 참깽깽매미의 번식울음을 분석하여 서식지 분포를 확인하고 영향 요인을 분석하는데 목적이 있다. 연구대상지는 전국 보호지역 20개소를 선정하였다. 번식울음 분석기간은 2017년부터 2021년까지 4년(2020년 제외)이었다. 번식울음 녹음은 각 연구대상지에 생물음향 녹음장비를 설치하여 시간당 1분씩 365일 수집하였다. 기후 데이터는 온도, 습도, 강수량, 전운량, 일조량 등 기상청에서 데이터를 제공받아 분석하였다. 연구 결과, 참깽깽매미 서식처는 연구대상지 20개소 중 강원도 고지대 4개 국립공원(설악 산, 오대산, 치악산, 태백산)에서만 확인되었다. 4년간 참깽깽매미 번식울음 시기는 8월 5일에서 9월 28일 사이였고, 번식울음 기간은 31~52일이었다. 참깽깽매미 출현시기 내 온도 분석 결과, 참깽깽매미는 최저 13.1°C, 최고 35.3°C 사이의 온도에서 주로 번식울음을 내었고, 번식울음 일주기 시간대(09~16시)의 평균기온은 24.4~24.9°C로 나타났다. 참깽깽매미가 출현한 연구대상지 4개소의 2019년 번식울음 일주기를 분석한 결과, 참깽깽매미는 06~16시까지 번식울음 을 내었고 11~12시경 피크를 보였다. 참깽깽매미의 출현기간 내 참매미, 애매미, 유지매미, 늦털매미 4종이 공통 출현하였다. 로지스틱 회귀분석 결과, 참깽깽매미의 번식울음에 영향을 끼치는 환경요인은 일조량으로 나타났다. 종간영향에 있어서 다른 공통출현종 4종(참매미, 애매미, 유지매미, 늦털매미)과 종간영향을 주고 받았음을 확인하였다. 이상의 내용을 종합하였을 때, 참깽깽매미는 우리나라에서 강원도 고지대를 중심으로 한정적으로 서식하며 다른 종과 비교하여 낮은 온도에서 번식울음을 내고 있는 것으로 나타났다. 본 결과는 향후 참깽깽매미 연구를 위한 기초자료로 활용이 가능하다.

This study was conducted to obtain basic information for the use of the ATP fluorescence detection method in consideration of the most common and frequent contamination situation that occurs in laboratories dealing with fire blight causing bacterium, Erwinia amylovora. ATP luminescence measurements (Relative Light Unit, RLU) were tested against these pathogen cells (CFU/cm2) which were artificially introduced on the disinfected surface of a bench floor of a biosafety cabinet (Class 2 Type A1), on a part of the disinfected surface of a lab experimental bench, on a part of the disinfected floor, and on a part of the disinfected floor of an acryl chamber for bioaerosol studies in a biosafety laboratory (BSL 2 class) using two different ATP bioluminometers. RLU values were not much increased with the bacterial cells from 2.15 × 102/cm2 to 2.15 × 106/cm2. RLU values varied among the four different surfaces tested. RLU values measured from the same number of bacterial cells differed little between the two different ATP bioluminometers used for this study. RLU values obtained from bacterial cells higher than 2.15 × 107/cm2 indicated the presence of bacterial contamination on the four different surfaces tested. The R2 values obtained based on the correlation data for the RLU values in response to different E. amylovora cell numbers (CFU/ cm2) on the surfaces of the four test spots ranged from 0.9827 to 0.9999.

본 연구의 목적은 딥러닝의 전이학습 모델을 이용하여 항공사진과 토지이용현황도 간의 비교를 통해 토지이용현황의 변화를 탐지하는 방안을 마련하는 데 있다. 이러한 목적을 위해 딥러닝의 이미지 예측모델과 라스터와 벡터 자료를 비교하는 공간분석 기능을 이용하였다. 학습모델 구축을 통해 토지이용현황도의 상업지, 농지, 임지 및 수계에 대한 예측결과를 이용하여 토지이용의 변화를 탐지하는 방안을 제시하였다. 이러한 분석 방안은 라스터 형태의 최신 정보와 벡터 형태의 기존 자료와의 비교를 통해서 자료의 변화를 확인하는 방안으로 활용이 가능하다.

국내외 해상 위험·유해물질(Hazardous and Noxious Substances, HNS) 물동량이 증가함에 따라 HNS 유출 사고의 위험성이 점차 높아지고 있다. 해상에 유출된 HNS는 해양생태계 파괴를 비롯한 해양환경 오염 및 인명피해를 유발하며, 화재 및 폭발 등을 동반한 2 차 사고 발생 가능성도 존재한다. 따라서 해상 HNS의 신속한 탐지와 각 물질 특성에 적합한 방제전략을 수립해야 한다. 본 연구에서 는 초분광 원격탐사에 기반한 지상 HNS 유출 실험 과정 및 탐지 알고리즘 적용 결과를 제시하고자 한다. 이를 위해 프랑스 브레스트 지역의 야외 풀장에서 스티렌을 유출한 후 초분광 센서를 활용한 동시 관측을 수행하였다. 순수 스티렌 및 해수 스펙트럼은 주성분 분 석(principal component analysis, PCA) 및 N-Findr 기법을 적용하여 추출하였으며, 또한 spectral distance similarity (SDS), spectral correlation similarity (SCS), spectral similarity value (SSV), spectral angle mapper (SAM)을 포함한 분광정합 기법을 적용하여 초분광 영상 내 화소들을 스티렌 및 해수로 분류하였다. 그 결과 SDS 및 SSV 기법이 우수한 스티렌 탐지 결과를 보여주었으며, 스티렌 총 면적은 약 1.03 m2로 추정되었다. 본 연구는 해상 HNS 모니터링에 주요 역할을 할 것으로 기대된다.

Recently, many studies have been conducted to improve quality by applying machine learning models to semiconductor manufacturing process data. However, in the semiconductor manufacturing process, the ratio of good products is much higher than that of defective products, so the problem of data imbalance is serious in terms of machine learning. In addition, since the number of features of data used in machine learning is very large, it is very important to perform machine learning by extracting only important features from among them to increase accuracy and utilization. This study proposes an anomaly detection methodology that can learn excellently despite data imbalance and high-dimensional characteristics of semiconductor process data. The anomaly detection methodology applies the LIME algorithm after applying the SMOTE method and the RFECV method. The proposed methodology analyzes the classification result of the anomaly classification model, detects the cause of the anomaly, and derives a semiconductor process requiring action. The proposed methodology confirmed applicability and feasibility through application of cases.

The demand for novel strains has been rising in the domestic market to increase the production of sclerotia from Wolfiporia hoelen. To improve strain breeding efficiency, we investigated whether single-nucleotide polymorphisms (SNPs) in the RNA polymerase II subunit (RPB2) gene, which may be linked to the mating type locus, are useful for distinguishing monokaryons from dikaryons in Korean W. hoelen strains. We designed a specific primer set to efficiently amplify a region of RPB2 using PCR with the genomic DNA of 12 cultivated strains and 31 wild strains of W. hoelen collected from Korea. Nucleotide sequences of the PCR-amplified RPB2 genes were determined and analyzed for the presence of SNPs among the 43 W. hoelen strains. Previously reported SNP loci were detected in the RPB2 gene of all W. hoelen strains tested. However, these previously reported SNP loci could not be applied to differentiate monokaryons from dikaryons in approximately one-third of Korean wild strains with homozygous genotypes. Three additional SNPs in the RPB2 gene, which may improve the ability to distinguish monokaryons from dikaryons, were identified by searching through the multiple sequence alignments of the 43 W. hoelen strains. The applicability of these three novel SNPs, together with the previously known SNPs, in the RPB2 gene to W. hoelen strain breeding was verified by examining the hybrid strains and their parental strains.

본 연구는 기계식 앵커와 FRP를 새로운 시스템으로 복합하여 새로운 메커니즘의 Hybrid 앵커모델의 파괴형태중 균 열을 영상기반으로 프로세싱하여 균열탐지하는 메카니즘을 제시하였다. 기존의 cascade mask R-CNN 방식보다 탐지율과 효율성 이 우수한 Dense-UNet 기법을 활용하여 균열탐사기법에 활용하였다. 기존의 균열 뿐 아니라 앵커주위의 Round crack도 함께 탐 사되어 앵커 설치후 초기 균열 탐사에 효율성을 크게 가질 수 있다고 판단된다. 따라서 향후연구에서는 이미지 프로세싱 타임 을 줄이면서 정확도를 높일수 있는 Post-Processing이 보완된다면 균열탐사 및 오탐을 줄이는데 크게 효과적일 것으로 사료된다. 또한 피사체와 카메라와의 거리를 계산하여 알고리즘에 고려한다면 구조적 균열기준인 0.3 mm의 균열 탐사에도 활용할 수 있 는 효과적인 기법이라 판단된다.

Anomaly detection for each industrial machine is recognized as one of the essential techniques for machine condition monitoring and preventive maintenance. Anomaly detection of industrial machinery relies on various diagonal data from equipped sensors, such as temperature, pressure, electric current, vibration, and sound, to name a few. Among these data, sound data are easy to collect in the factory due to the relatively low installation cost of microphones to existing facilities. We develop a real time anomalous sound detection (ASD) system with the use of Autoencoder (AE) models in the industrial environments. The proposed processing pipeline makes use of the audio features extracted from the streaming audio signal captured by a single-channel microphone. The pipeline trains AE model by the collected normal sound. In real factory applications, the reconstruction error generated by the trained AE model with new input sound streaming is calculated to measure the degree of abnormality of the sound event. The sound is identified as anomalous if the reconstruction error exceeds the preset threshold. In our experiment on the CNC milling machining, the proposed system shows 0.9877 area under curve (AUC) score.

When developing a new motor, a high-speed load test is performed using dynamo equipment to calculate the efficiency of the developed motor using the collected dynamo data. When connecting the test motor and the dynamo used as a load, abnormal noise and vibration may occur in the test equipment rotating at high speed due to misalignment of the connecting shaft and looseness of the connection, which may lead to a safety accident. In this study, three vibration sensors are attached to the surface of bearing parts of the test motor to measure the vibration value, and statistics such as kurtosis, skewness, and percentiles are obtained in order to clearly express the pattern of the measurement data. With these statistics, machine learning models are developed. The developed model in this way can be used as a diagnostic system that can detect abnormal conditions of the motor test equipment through monitoring the motor vibration data during the motor test.