Land monitoring involves systematically understanding changes in land use, leveraging spatial information such as satellite imagery and aerial photographs. Recently, the integration of deep learning technologies, notably object detection and semantic segmentation, into land monitoring has spurred active research. This study developed a web service to facilitate such integrations, allowing users to analyze aerial and drone images using CNN models. The web service architecture comprises AI, WEB/WAS, and DB servers and employs three primary deep learning models: DeepLab V3, YOLO, and Rotated Mask R-CNN. Specifically, YOLO offers rapid detection capabilities, Rotated Mask R-CNN excels in detecting rotated objects, while DeepLab V3 provides pixel-wise image classification. The performance of these models fluctuates depending on the quantity and quality of the training data. Anticipated to be integrated into the LX Corporation's operational network and the Land-XI system, this service is expected to enhance the accuracy and efficiency of land monitoring.

사물인터넷(IoT) 기술을 활용한 전력 사용량 모니터링은 스마트팜 운영비 절감 기술 개발을 위한 기초자료로 필요성이 부각되고 있다. 본 연구에서는 멜론 생산 스마트팜 운영 중 실시간 전력사용량 모니터링 시스템을 설치한 예를 소개하고 이 를 이용하여 수집된 데이터를 실시간으로 활용하는 방법을 제 안한다. 전력사용량 모니터링 시스템의 실증을 위하여 멜론 스마트팜에서 3개월의 멜론 재배기간 동안 보일러, 양분분배 시스템, 자동제어기, 순환팬, 보일러제어기, 기타 IoT 관련 유 틸리티 등 스마트팜 시설에서 사용하는 개별 전원 기구들의 전력사용량 데이터를 수집하였다. 모니터링 결과를 이용하여 전기에너지 소비패턴의 예시를 분석하고, 측정 데이터를 최 적으로 활용하기 위해 필요한 고려사항을 제시하였다. 본 논 문은 전력사용량 모니터링 시스템을 새로이 구축하고자 하는 유저들에게 기술적 진입장벽을 낮추고 생성된 데이터 활용 시 시행착오를 줄이는 데 유용한 자료가 될 것으로 사료된다.

원격지에 위치하여 접근이 곤란한 지역에 위치한 토목구조물의 구조건전성을 모니터링하기 위해서는 무엇보다도 전원과 통신방법의 선정이 중요하다. 본 연구에서는 장기간 사용하지 않은 원격지 터널의 균열 원인 분석을 위하여 FEM해석을 수행하였고, 다양한 하중과 온도변화에 따른 구조물의 균열 진전여부를 장기간 모니터링 할 필요가 있다고 판단하였다. 따라서 최근 휴대전화에서 널리 사용되고 있는 무선 CDMA통신기법을 이용하여 균열의 원격모니터링을 수행하였고 그 결과, 이 시스템이 접근 곤란한 구조물의 장기모니터링에 매우 유용함을 확인하였다.