음성 분석을 이용한 ‘보이스 피싱’ 목소리의 특징 규명

양미혜(Mi-Hye Yang),이범주(Bum-Joo Lee),조동욱(Dong-Uk Cho) 한국통신학회 2015 한국통신학회 학술대회논문집 Vol.2015 No.11

농업용 저수지의 수위자료 오류 유형에 따른 품질관리 알고리즘 적용

양미혜 ( Mi-hye Yang ),남원호 ( Won-ho Nam ),신안국 ( An-kook Shin ),강구 ( Ku Kang ),김한중 ( Han-joong Kim ) 한국농공학회 2019 한국농공학회 학술대회초록집 Vol.2019 No.-

농업용수는 농작물 생육에 안전을 기하고 농촌지역 환경보전을 위한 주요한 자원으로 최근 기계화, 산업화에 따른 영농방식의 변화와 기후변화로 인한 가뭄, 홍수의 발생이 증가하여 안정적인 농업용수 공급의 필요성이 증가하고 있다. 지속 가능한 농업을 위해서는 농업용수의 안정적 확보와 적정 배분은 필수적이며 효율적인 농업용수 이용을 위해 정확한 계측 데이터를 기반으로 수자원 양을 파악하는 것이 우선시된다. 현재 농어촌공사가 관리 중인 저수지 중 농촌용수 종합정보시스템 (RAWRIS: Rural Agricultural Water Resource Information System)에서 실시간 수위를 제공하는 저수지는 약 1700개소이며, 10분 단위로 수위를 측정하여 시간 단위로 수위 자료를 제공하고 있다. 그러나 저수지 수위 계측 센서는 자연적 요소에 의해 측정이 부정확할 수 있어 수위 자료의 신뢰성을 높이기 위해서는 데이터의 품질관리 (QC: quality control)가 필요하다. 본 연구에서는 농업용 저수지를 대상으로 수위 자료의 결측, 오측 등의 오류 유형을 구분하고, 저수지 수위 계측 자료의 오류 유형별 특성을 고려하여 품질관리 알고리즘을 적용하고자 한다.

농업용 저수지 수위자료 품질관리를 위한 강우-유출-수위 자료의 연계방안

양미혜 ( Mi-hye Yang ),남원호 ( Won-ho Nam ),김한중 ( Han-joong Kim ),신안국 ( An-kook Shin ),강문성 ( Mun-sung Kang ) 한국농공학회 2020 한국농공학회 학술대회초록집 Vol.2020 No.-

최근 농업환경의 변화와 기후변화에 대응하기 위해 농업용수 관리 정보화 및 과학화의 필요성이 증대되어 실시간으로 저수지 저수량과 농업용수 공급량을 파악하기 위해 자동 수위계측시설이 도입되었다. 한국농어촌공사에서는 과학적인 물 관리를 위해 자동수위계측시설을 도입하였으며, 현재 저수지 1,734개소, 수로부 1,880개소에 설치되어 있다. 농업용수의 경우 농업용 저수지와 수로 수위를 10분 간격으로 계측하여 물 관리 시스템을 통해 수위 정보를 제공하고 있지만, 저수지 및 수로의 수위 자료는 품질관리 방안이 미비하여 자료 관리가 어려운 실정이다. 농업용 저수지 수문자료의 공인지점은 2016년 6개소에서 2019년 49개소로 증대되고 있으며, 자동수위계측시설을 통해 생성된 농업용 저수지 수위자료의 품질관리 방안이 요구된다. 농업용수의 공급은 대부분 농업용 저수지를 통해 공급되며, 강우 및 유역의 유출량으로부터 저수지에 유입되고 용수로를 통해 공급된다. 이러한 농업용수의 특징을 고려한 품질관리 방안을 모색하여 강수량 및 유출량 자료와 수위자료의 연계방안을 제시하고자 한다. 딥러닝 (Deep Learning) 모형 중 하나인 LSTM (Long Short Term Memory)을 활용하여 강우 및 유출량을 고려한 저수지 수위자료 예측을 통해 이상치를 탐지하고자 한다.

농장 데이터 및 텐서플로우를 이용한 머신러닝 기반 방울토마토의 최적 수확시기 예측

양미혜 ( Mi-hye Yang ),남원호 ( Won-ho Nam ),김태곤 ( Taegon Kim ),이관호 ( Kenin Lee ),정강호 ( Khang-ho Joung ),김영화 ( Younghwa Kim ) 한국농공학회 2017 한국농공학회 학술대회초록집 Vol.2017 No.-

머신러닝 (Machine-learning) 또는 기계학습은 인공지능의 한 분야로 데이터를 기반으로 학습하여 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘, 빅데이터나 사물인터넷의 핵심 기술로 많은 분야에서 혁신을 주도하고 있다. 농가인구 감소와 농업인 고령화, 곡물자급률 하락, 농가소득 정체 등으로 곡물 생산의 효율성이 떨어지고 있는 실정에서, 농업분야 혁신을 꾀하기 위하여 정보통신기술 (Information and Communication Technology) 및 사물 인터넷 (Internet of Things, IoT) 기술을 접목한 스마트팜 (Smart Farm)에 관한 연구가 국내외로 활발히 이루어지고 있다. 편이성 향상을 위하여 시설제어 자동화에 중점을 둔 1세대 스마트팜의 기술이 가시적 성과를 보이고 있는 시점에서, 농작물의 생산성과 품질을 향상을 위한 축적된 작물들의 환경 및 생육 관리 빅데이터, 인공지능 등을 이용하여 최적의 상태로 관리에 대한 연구가 필요하다. 본 연구에서는 방울토마토의 시기별 생장 사진과 가격 정보, 생장 환경 정보 등을 수집하여 머신러닝을 통해 학습시켜 생장 환경을 자동 제어하고 최적의 시기에 수확할 수 있는 의사결정모듈을 개발하고자 한다. 제안한 기술은 전남에 위치한 시험 포장에 적용하여 그 효과를 실험적으로 검증하고자 한다. 본 연구의 결과는 향후 스마트 농장 관리 플랫폼 구축 및 최적의 수확시기 결정에 적용될 수 있을 것으로 판단된다.

IICT 기반 스마트팜을 위한 온실 환경 제어 알고리즘 설계

양미혜 ( Mi-hye Yang ),남원호 ( Won-ho Nam ),방나경 ( Na-kyoung Bang ),황재용 ( Jaeyong Hwang ),이관호 ( Kwanho Lee ),김영화 ( Younghwa Kim ) 한국농공학회 2018 한국농공학회 학술대회초록집 Vol.2018 No.-

최근 국내 농업은 농업인구의 감소 및 고령화, 농가소득의 감소, 농산물 수입 개방 심화 등으로 어려움을 겪고 있어 ICT 기술의 융복합을 기반으로 농작물을 재배하는 스마트팜을 도입하여 생산성과 품질을 향상시키고자 한다. 스마트팜기술은 유럽의 농업 선진국에서 최근 급속히 발전하고 있으며, 특히 네덜란드의 시설농업은 대규모 유리온실을 효율적으로 운영하는데 적합한 기술을 보유하고 있다. 그러나 국내 시설농업은 대부분 중소규모 단동 비닐온실에서 이루어지고 있어 유리온실에 적합한 농업 선진국의 스마트팜 기술을 국내 시설 재배에 적용하기에는 구조적 측면뿐만 아니라 경제적 측면에서도 적합하지 않다. 따라서 비닐하우스 위주의 국내 시설재배 특성에 맞도록 축적된 노하우와 품목별 재배여건 등을 고려한 ICT 기반 한국형 스마트팜의 개발이 필요하다. 따라서 본 연구에서는 이러한 한국형 스마트팜 개발을 위한 온실 환경 제어 알고리즘을 설계하고자 한다. 온실 환경변수는 작물이 생장하는데 필수 요소인 온도, 이산화탄소, 양액, 습도이며 온실 환경을 자동으로 제어하기 위한 각각의 알고리즘을 설계하였다. 본 연구의 결과는 향후 고용노동력을 최소화하면서 비닐온실이 주를 이루고 있는 국내 시설농업의 농산물 생산에 최적화된 환경을 제공함으로서 고품질 농산물 생산에 도움을 줄 수 있을 것으로 판단된다.

물수지 기반 농업용 저수지의 내한능력 및 이수안전도 평가

양미혜 ( Mi-hye Yang ),남원호 ( Won-ho Nam ),신지현 ( Ji-hyeon Shin ),윤동현 ( Dong-hyun Yoon ),양희충 ( Hee-chung Yang ) 한국농공학회 2022 한국농공학회 학술대회초록집 Vol.2022 No.-

농업생산기반정비사업 계획설계기준(1982)에 의하면 농업용 저수지의 용수공급에 필요한 저수량은 일반적으로 10년 빈도 가뭄 발생에 견딜 수 있는 공급량을 기준으로 설계되었다. 국내 농업용 저수지는 대부분 1940-1970년대에 축조되었으며 준공시기의 기상자료를 바탕으로 설계된 저수지는 최근 기상상황 및 이상기후를 반영하지 못해 가뭄 및 극한 강우사상이 발생할 때 가뭄에 취약하다. 또한 설계한발빈도 10년 미만으로 건설된 소규모 저수지의 경우는 경미한 가뭄에도 원활한 용수공급이 어려울 뿐만 아니라, 최근 기후변화로 인한 가을부터 이듬해 영농기까지 정례적인 이상가뭄 발생 및 극한의 강우사상 변화로 인한 동일한 강우량이 내리더라도 유효우량이 감소되어 가뭄에 대한 재해위험도가 상대적으로 증가되고 있다. 현재 농업용 저수지의 이수안전도는 한발 시 관개용수 공급이 가능한 내한 능력 및 10년에 1회 정도의 갈수를 기준으로 하는 설계한발빈도인 10년 한발빈도를 적용하고 있다. 기존 설계한발빈도는 최근의 이상 기후 및 영농의 변화를 반영하는데 한계가 존재하므로 저수지의 내한능력뿐 만 아니라 이수측면에 있어서 용수공급 체계가 변화되고 용수공급 패턴이 달라지는 시점에서 물공급의 안정성을 의미하는 이수안전도에 대한 명확한 개념정립과 평가방법의 구축이 필요하다. 본 연구에서는 설계한발빈도를 기준으로 농업용 저수지의 내한능력 및 이수안전도를 평가하고자 한다. 농업용 저수지의 기존 설계한발빈도와 국가물관리기본계획에서 준용하고 있는 신뢰도 기준의 이수안전율 및 공급신뢰율, 농업용수 잠재능, 평균 연회전율, 용수공급회전율을 산정 및 비교 분석하였다. 신뢰도 기준의 이수안전도 산정방법은 저수지 물수지 분석을 통해 산정 가능하며, 한국농어촌공사의 수리수문설계시스템(Hydraulics & Hydrology Analysis System, K-HAS)을 사용하였다.

위성영상을 활용한 딥러닝 기반 농업용 저수지 가용수량 추정

양미혜 ( Mi-hye Yang ),남원호 ( Won-ho Nam ),이희진 ( Hee-jin Lee ),문영식 ( Young-sik Mun ),신안국 ( An-kook Shin ) 한국농공학회 2021 한국농공학회 학술대회초록집 Vol.2021 No.-

농업용 저수지 및 관개지구를 고려한 내한능력 평가

양미혜 ( Mi-hye Yang ),남원호 ( Won-ho Nam ),박종훈 ( Jong-hoon Park ),나민철 ( Min-chul La ),김경찬 ( Kyoung-chan Kim ),김상우 ( Sang-woo Kim ),박진현 ( Jin-hyeon Park ) 한국농공학회 2023 한국농공학회 학술대회초록집 Vol.2023 No.0

일반적으로 이수를 위한 농업용 저수지의 필요수량은 10년에 1회 갈수를 기준으로 하는 10년 빈도 한발 시의 공급량을 기준을 사용한다. 국내 농업용 저수지는 약 17,000개소가 존재하며 그 중 한국농어촌공사는 3,400개소를 관리하고 있으며, 약 13,000개소는 지자체에서 관리 중에 있다. 공사관리 저수지의 약 78%는 농업용수를 안정적으로 공급할 수 있도록 10년 한발빈도로 설계되어 있으나 시군관리 저수지의 약 63%가 평년(약 2.33년) 한발빈도로 설계되어 있어 약한 가뭄에도 용수공급에 차질이 발생할 수 있다. 2022년 전남 및 전북 지역의 지속된 기상 가뭄으로 인한 댐과 저수지의 용수 부족은 2023년 봄가뭄으로 이어져 농업용수 확보에 어려움을 겪었다. 2023년 3월 기준 전남 및 전북을 제외한 지역의 저수율은 평년 대비 104∼115%로 나타났으나 전북 및 전남의 경우 각각 평년 대비 75.6%, 77.1%로 나타났으며, 50%대의 저수율을 보인 저수지도 존재하였다. 최근 기후변화로 인한 강수의 지역 편중 등 극한 강우사상의 증가로 가뭄에 대한 재해 위험이 증가되고 있는 상황에서 농업용 저수지 내한능력 및 설계 한발빈도의 변화, 용수관리와 수요의 변화로 현시점의 이수안전도 평가의 필요성이 증대되고 있다. 현재 농업용 저수지의 이수안전도 기준의 부재로 설계 빈도인 10년 한발빈도 또는 내한능력을 대신하여 사용 중에 있다. 본 연구에서는 농업용 저수지의 수원공에 대한 내한능력 및 이수안전도 뿐만 아니라 수원공에서 평야부까지 변화된 농업용수공급능력 평가를 위해 용배수계통을 고려한 이수안전도 산정을 수행하였다. 수리수문설계시스템(K-HAS; KRC Hydraulics & hydrology Analysis System)과 EPA-SWMM (United States Environmental Protection Agency Storm Water Management Model)를 활용하여 물수지 분석을 수행하였다. 저수지 내용적 측량을 위해 LiDAR를 활용한 육상 측량, 멀티빔을 활용한 수심측량을 수행하여 내용적을 산출하였다. 물수지 분석 시, 수원공과 보조수원공를 포함하고 각 필지마다 용수 공급량을 산출함으로써 필요수량, 용수 부족량 및 용수공급 부족 기간을 산정하여 농업용 저수지의 내한능력을 조사하고 관개지구의 이수안전도 산정 방법을 제시하고자 한다.

CMIP5 GCMs와 다양한 가뭄지수 (SPI, SPEI, EDDI)를 활용한 미래 가뭄 전망

양미혜 ( Mi-hye Yang ),남원호 ( Won-ho Nam ),방나경 ( Na-kyoung Bang ),김태곤 ( Taegon Kim ),홍은미 ( Eun-mi Hong ) 한국농공학회 2018 한국농공학회 학술대회초록집 Vol.2018 No.-

세계적인 기후변화의 영향으로 홍수, 가뭄 등의 자연재해의 강도와 빈도가 증가할 것으로 예측되고 있으며, 한반도의 강수량 및 패턴의 변화, 온도 변화, 가뭄 빈도와 심도의 변화를 겪고 있다. 특히 국내의 경우 계절별, 지역별 강우편차가 커져 가뭄발생 지역과 그 빈도가 증가하고 있는 상황으로 기후변화의 영향이 전 지구 평균보다 빠르게 상승하고 있다. 가뭄은 긴 시간에 걸친 강수의 부족으로 발생하는 자연재해로, 재해의 시작을 정확히 관측할 수 없을 뿐만 아니라 경제적 피해가 큰 재해이다. 따라서 가뭄에 대응하기 위해 가뭄현상을 모니터링하고 신뢰성 있는 예측정보를 구축해야 한다. IPCC (Intergovernmental Panel on Climate Change)에서는 온실가스 배출 시나리오인 대표농도경로(Representative Concentration Pathway, RCP) 시나리오를 개발했고, 결합기후모델상호비교사업(Coupled Model Intercomparison Project Phase 5, CMIP5)을 통해 RCP 시나리오에 기반한 지구 기후변화 시나리오가 작성되었다. 본 연구에서는 남한을 대상으로 표준강수지수 (Standardized Precipitation Index, SPI), 표준강수증발산지수 (Standardized Precipitation Evapotranspiration Index, SPEI), 증발산수요가뭄지수 (Evaporative Demand Drought Index, EDDI)를 이용하여 미래 가뭄발생을 전망하고, 각 RCP 시나리오를 기반으로 한 전지구 기후모델 (General Circulation Model, GCM)의 미래 가뭄 예측 결과를 비교, 분석하고자 한다. 본 연구의 결과는 다양한 CMIP5 GCMs와 가뭄지수를 활용한 가뭄예측 비교 연구의 기초자료로 사용될 수 있을 것으로 기대된다.

딥러닝 기반 LSTM 모형을 이용한 저수지 수위자료 이상치 탐지

양미혜(Yang,Mi-Hye),남원호( Nam,Won-Ho),김한중(Kim,Han-Joong),김태곤(Kim,Taegon),신안국(Shin,An-Kook),강문성(Kang,Mun-Sung) 한국방재학회 2021 한국방재학회논문집 Vol.21 No.1

최근 국지성 가뭄 발생 및 집중 호우;평년 대비 강수량이 30% 이상 감소하는 등 기상 및 수문 현상이 변화하고 있다. 논벼 작물재배를 위한 용수를 공급하는 농업용 저수지의 경우 이상기후 발생으로 2013년부터 2017년까지 저수율이 0%에 도달한 저수지가 99개에 이르러 농업용수의 안정적 확보가 불확실해지고 있다. 농업환경의 변화와 기후변화에 대응하기 위해 농업용수 관리 정보화 및 과학화의 필요성이 증대되고 있으며;실시간으로 저수지 저수량과 농업용수 공급량을 파악하기 위해 자동 수위계측시설이 도입되었다. 농림축산식품부의 저수지 자동수위측정기 설치 및 운영지침에 따라 현재 농어촌공사 관리 저수지 1,734개소 및 수로부 1,880개소에 자동수위계가 설치되어 있으며;저수지와 수로에서 10분 간격으로 수위자료가 생성되고 있다. 농업용 저수지 수문자료의 공인지점은 2016년 6개소에서 2019년 49개소로 증가하고 있으며;데이터 품질 저하의 최소화 및 신뢰성 있는 수문자료 생성의 필요성이 증가함에 따라 농업용 저수지의 특성을 반영한 저수지 수위 오결측 데이터 보정 방안 및 수문 자료 품질관리 방안이 요구된다. 최근 인공신경망(Artificial Neural Network;ANN) 등의 모형을 이용하여 비선형적인 수문해석이 가능해짐에 따라 농업용 저수지의 수위 변화 및 강우-유출 현상을 기상;지형 등 영향 인자와 수위(또는 유출)와의 상관관계로부터 해석이 가능하다. 본 연구에서는 농업용수의 정량적 정보 관리를 위하여 시계열 자료의 학습에 효과적인 모형으로 다른 신경망과의 결합 등 다양한 분야에서 이용되고 있는 딥러닝(Deep Learning) 모형 중 하나인 LSTM (Long Short-Term Memory) 모형을 이용하여;저수지 수위 자료의 오⋅결측 자료에 대한 이상 탐지 알고리즘을 제시하고자 한다. Weather and hydrological phenomena have been changing due to climate change as evidenced by localized torrential rainfall and precipitation falling by more than 30% compared to the annual average. From 2013 to 2017 the ninety-nine reservoirs reached a water storage rate of 0%;making a secure stable water supply for agriculture uncertain. There is an increased need for information regarding agricultural water management to respond to the changes in the agricultural environment and climate. Therefore;automatic water level measurement facilities have been introduced to determine the real-time reservoir storage capacity and agricultural water supply. According to the Ministry of Agriculture;Food and Rural Affairs guidelines for the installation and operation of water level measurement instruments;automatic water level facilities are currently installed at 1,734 reservoirs and 1,880 irrigation canals;with water level data generated at 10-minute intervals. The official recognition of hydrological water level data for agricultural reservoirs increased from six in 2016 to forty-nine in 2019. Anomaly detection algorithm methods for data regarding the agricultural reservoir level as well as quality control measures based on agricultural reservoir characteristics are required to minimize data quality degradation and generate reliable hydrological data over time. Though it was practically impossible to analyze the correlation between the water level or run-off and influential factors such as weather and terrain;recently a non-linear hydrological analysis has been possible using models such as Artificial Neural Networks (ANNs). This study aims to present an anomaly detection algorithm for reservoir level data using deep learning based LSTM (Long Short-Term Memory) models;in combination with other neural networks for managing quantitative information of agricultural water supply.