학술연구논문 구두발표 2 : 꽃송이버섯의 β-glucan 함량 증진을 위한 자외선과 온도 처리 효과

서홍덕,류림,가강현,박현 한국임학회 2013 산림과학 공동학술대회 논문집 Vol.2013 No.-

랜덤포레스트와 서포트벡터머신 기법을 적용한 포인트 클라우드와 실감정사영상을 이용한 객체분류

서홍덕,김의명 한국측량학회 2019 한국측량학회지 Vol.37 No.6

Due to the development of information and communication technology, the production and processing speed of data is getting faster. To classify objects using machine learning, which is a field of artificial intelligence, data required for training can be easily collected due to the development of internet and geospatial information technology. In the field of geospatial information, machine learning is also being applied to classify or recognize objects using images and point clouds. In this study, the problem of manually constructing training data using existing digital map version 1.0 was improved, and the technique of classifying roads, buildings and vegetation using image and point clouds were proposed. Through experiments, it was possible to classify roads, buildings, and vegetation that could clearly distinguish colors when using true ortho-image with only RGB (Red, Green, Blue) bands. However, if the colors of the objects to be classified are similar, it was possible to identify the limitations of poor classification of the objects. To improve the limitations, random forest and support vector machine techniques were applied after band fusion of true ortho-image and normalized digital surface model, and roads, buildings, and vegetation were classified with more than 85% accuracy. 정보통신기술의 발달로 인하여 데이터의 생산과 처리 속도가 빨라지고 있다. 인공지능의 한 분야인 머신러닝을 이용하여 객체를 분류하기 위해, 학습에 필요한 데이터는 인터넷과 공간정보기술의 발달로 인하여 손쉽게 수집할 수 있게 되었다. 공간정보 분야에서도 머신러닝은 영상, 포인트 클라우드 등을 이용하여 객체를 분류 또는 인식하는 것에 적용되고 있다. 본 연구에서는 기 구축된 수치지도 버전 1.0을 활용하여 학습 데이터를 수동으로 구축하는 문제점을 개선하고 영상과 포인트 클라우드를 이용하여 도로, 건물, 식생을 분류하는 기법을 제안하였다. 실험을 통해서 RGB 밴드만을 갖고 있는 실감정사영상을 사용하였을 경우 색상을 뚜렷하게 구분할 수 있는 도로, 건물, 식생의 분류가 가능하였지만 색상이 유사한 경우에는 분류가 잘 되지 않는 한계를 확인할 수 있었다. 이를 개선하기 위해 실감정사영상과 정규수치표면모델을 밴드 퓨전한 후 랜덤포레스트와 서포트벡터머신 기법을 적용하였으며 이를 통해 85%이상의 정확도로 도로, 건물, 식생을 분류하였다.

Morphological and Genetic Characteristics of Newly Crossbred Cauliflower Mushroom (Sparassis latifolia)

서홍덕,류림,유성열,가강현,박현,주성현 한국미생물학회 2013 The journal of microbiology Vol.51 No.5

Cauliflower mushroom (Sparassis latifolia or S. crispa) is popular for food and medicine. Importance of new varieties of Sparassis was raised and studied widely by protection system of UPOV. In this study, 10 crossbred strains of Sparassis latifolia that specifically expressed distinctive features during basidiocarp formation and mycelium growth were applied to sawdust medium inoculated with S. latifolia mycelia. The 10 crossbred strains were divided into 3 groups on the basis of morphological (size of marginal wave and basidiocarp color) and genetic characteristics. Each phenotype of the parent and crossbred strains represented 3 marginal wave-sizes (large, medium, and small) and 3 color notations (NN155D, 163C, and 8D). Our result suggests that morphological characteristics of cauliflower mushroom can be affected by various environmental and genetic stimuli under artificial conditions such as crossbreed. Also this research showed genetic differences among breeding isolates and their morphological characteristics were correlated with the molecular data within parent and crossed strain.

딥러닝을 이용하여 생성한 초해상화 드론 영상의 정량적 평가

서홍덕,소형윤,김의명 한국국토정보공사 2023 지적과 국토정보 Vol.53 No.2

드론과 센서의 발달이 가속화됨에 따라 드론에 장착된 다양한 센서로 취득된 데이터를 융합하여 새로운 서비스 및 가치를 창출하고 있다. 그러나 데이터 융합을 통한 공간정보 구축은 주로 영상에 의존하여 구축하며, 하드웨어의 사양 및 성능에 따라 데이터 품질이 결정된다. 또한, 고품질 공간정보를 구축하기 위해 고가 장비가 요구되므로 실제 현장에서 사용하기에는 어려운 실정이다. 본 연구에서는 드론에 장착된 RGB 및 THM 카메라를 통해 취득된 저해상도 영상을 딥러닝에 적용하여 초해상화를 수행하고, 이를 통해 생성된 고해상도 영상의 정량적 평가 및 특징점 추출에 대한 평가를 수행하였다. 실험 결과 초해상화를 수행하여 생성된 고해상도 영상은 원본 영상의 특징을 유지하고 있었으며, 해상도가 개선됨에 따라 원본 영상 대비 많은 특징을 추출할 수 있었다. 따라서, 저해상도 영상을 초해상화 딥러닝 모델에 적용하여 고해상도 영상을 생성할 경우 하드웨어에 제약을 받지 않고 고품질의 공간정보를 구축하기 위한 새로운 방법일 것으로 판단하였다. As the development of drones and sensors accelerates, new services and values are created by fusing data acquired from various sensors mounted on drone. However, the construction of spatial information through data fusion is mainly constructed depending on the image, and the quality of data is determined according to the specification and performance of the hardware. In addition, it is difficult to utilize it in the actual field because expensive equipment is required to construct spatial information of high-quality. In this study, super-resolution was performed by applying deep learning to low-resolution images acquired through RGB and THM cameras mounted on a drone, and quantitative evaluation and feature point extraction were performed on the generated high-resolution images. As a result of the experiment, the high-resolution image generated by super-resolution was maintained the characteristics of the original image, and as the resolution was improved, more features could be extracted compared to the original image. Therefore, when generating a high-resolution image by applying a low-resolution image to an super-resolution deep learning model, it is judged to be a new method to construct spatial information of high-quality without being restricted by hardware.

영장류 사육시실내의 폐기물 처리 지침에 관하여

서홍덕,리용순,김수남,허제강,한수철,허정두,김충용,이민재,권명상 한국실험동물학회 2007 한국실험동물학회 학술발표대회 논문집 Vol.2007 No.-

국내 영장류 검역관리 지침의 소고

서홍덕,리용순,김수남,허제강,한수철,허정두,김충용,이민재,권명상 한국실험동물학회 2007 한국실험동물학회 학술발표대회 논문집 Vol.2007 No.-

달걀버섯발생지의 환경적 특성

서홍덕,허태철,정성철,주성현 한국임학회 2009 한국임학회 정기학술발표논문집 Vol.2009 No.-

꽃송이버섯의 β-glucan 함량 증진을 위한 자외선과 온도 처리 효과

서홍덕,류림,가강현,박현 한국산림휴양복지학회 2013 한국산림휴양학회 학술발표회 자료집 Vol.2013 No.4

스테레오 CCTV 영상에서 딥러닝을 이용한 교통량 추정

서홍덕,김의명 한국측량학회 2020 한국측량학회지 Vol.38 No.3

Traffic estimation mainly involves surveying equipment such as automatic vehicle classification, vehicle detection system, toll collection system, and personnel surveys through CCTV (Closed Circuit TeleVision), but this requires a lot of manpower and cost. In this study, we proposed a method of estimating traffic volume using deep learning and stereo CCTV to overcome the limitation of not detecting the entire vehicle in case of single CCTV. COCO (Common Objects in Context) dataset was used to train deep learning models to detect vehicles, and each vehicle was detected in left and right CCTV images in real time. Then, the vehicle that could not be detected from each image was additionally detected by using affine transformation to improve the accuracy of traffic volume. Experiments were conducted separately for the normal road environment and the case of weather conditions with fog. In the normal road environment, vehicle detection improved by 6.75% and 5.92% in left and right images, respectively, than in a single CCTV image. In addition, in the foggy road environment, vehicle detection was improved by 10.79% and 12.88% in the left and right images, respectively. 교통량 산정은 주로 교통량조사시스템, 차량검지시스템, 통행료징수시스템 등과 같은 조사 장비와 CCTV를 통한 인력 조사를 병행하고 있으나 이는 많은 인력과 비용이 발생한다. 본 연구에서는 단일 CCTV의 경우 전체 차량을 탐지하지 못하는 한계를 극복하기 위해서, 딥러닝과 스테레오 CCTV를 이용하여 교통량을 산정하는 방법을 제안하였다. 차량을 탐지하기 위한 딥러닝 모델을 학습하기 위해 COCO 데이터셋을 사용하고, 실시간으로 좌우 CCTV 영상에서 각각 차량을 탐지하였다. 그리고 나서, 각 영상에서 추출하지 못한 차량을 부등각사상변환을 이용하여 추가적으로 차량을 탐지하여 교통량 산정의 정확도를 개선하였다. 실험은 평상시 도로 환경과 안개가 발생한 기상상황의 경우에 대해서 각각 수행하였다. 평상시 도로 환경의 경우 단일 CCTV 영상을 사용할 때보다 좌우 영상에서 각각 6.75%, 5.92%의 차량 탐지의 개선효과가 있었다. 또한, 안개가 발생한 도로 환경의 경우 좌우 영상에서 각각 10.79%, 12.88%의 차량 탐지의 개선효과가 있었다.

쿼터니언과 프로크루스테스를 이용한 점대선기반 3차원 좌표변환

서홍덕(Hong-Deok Seo),김의명(Eui-Myoung Kim) 제어로봇시스템학회 2020 제어·로봇·시스템학회 논문지 Vol.26 No.10

3D coordinate transformation is the process of matching different three-dimensional coordinate systems equally, and is an important task in photogrammetry, computer vision, and robotics. This study proposed a method of using quaternions and Procrustes algorithms to fit different three-dimensional coordinate systems using points and straight lines. Rotational elements were calculated using quaternions by projecting the coordinates of the points in the model coordinate system onto those in the reference coordinate system. For the scale factor and three-dimensional translation, Procrustes algorithms using points and straight lines were then used. Indoor experiments using checker-boards were conducted, followed by experiments using outdoor data acquired from a terrestrial mobile mapping system. It was found that more than four point-to-line pairs are needed to perform three-dimensional transformation reliably.