http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
엣지 컴퓨팅 환경에서 적용 가능한 딥러닝 기반 라벨 검사 시스템 구현
배주원,한병길,Bae, Ju-Won,Han, Byung-Gil 대한임베디드공학회 2022 대한임베디드공학회논문지 Vol.17 No.2
In this paper, the two-stage object detection approach is proposed to implement a deep learning-based label inspection system on edge computing environments. Since the label printed on the products during the production process contains important information related to the product, it is significantly to check the label information is correct. The proposed system uses the lightweight deep learning model that able to employ in the low-performance edge computing devices, and the two-stage object detection approach is applied to compensate for the low accuracy relatively. The proposed Two-Stage object detection approach consists of two object detection networks, Label Area Detection Network and Character Detection Network. Label Area Detection Network finds the label area in the product image, and Character Detection Network detects the words in the label area. Using this approach, we can detect characters precise even with a lightweight deep learning models. The SF-YOLO model applied in the proposed system is the YOLO-based lightweight object detection network designed for edge computing devices. This model showed up to 2 times faster processing time and a considerable improvement in accuracy, compared to other YOLO-based lightweight models such as YOLOv3-tiny and YOLOv4-tiny. Also since the amount of computation is low, it can be easily applied in edge computing environments.
운용환경 및 SOC 조건에 따른 ESS 절연저항 변동특성에 관한 연구
김기영(Ki-Young Kim),한병길(Byung-Gil Han),박재범(Jae-Bum Park),김미성(Mi-Sung Kim),손준호(Joon-Ho Son),노대석(Dae-Seok Rho) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.10
최근, 신재생에너지 및 분산전원의 급속한 도입에 따라 대용량 ESS의 보급이 급속히 확산되고 있다. 그러나 국내 및 해외에서 운용중인 다수의 ESS에서 화재가 빈번히 발생하여, 이에 대한 대응방안의 하나로 전기적 보호장치들이 ESS 설치사이트에 적용되고 있다. 특히, 절연저항삼시장치(IMD : insulation monitoring device)는 ESS의 절연저항을 실시간으로 감시하고, 지락과 같은 사고를 감지하기 위하여 필수적으로 설치되고 있다. 그러나 실 계통에서 운용중인 다수의 IMD는 기본의 보호기기와는 달리 명확한 정정기준이 없고, 절연저항 값이 ESS 운전조건에 따라 급격히 변동하는 문제점이 발생하고 있는 실정이다. 따라서 본 논문에서는 ESS에 설치된 IMD를 안정적으로 운용하기 위하여, IMD의 운용환경(습도 및 강수량)과 운전조건(SOC)에 따른 절연저항 변동특성을 제시한다. 이를 바탕으로 ESS의 운용환경 및 운전조건에 따른 절연저항의 변동특성을 분석하여 IMD의 적절한 운용방안을 마련하고자 한다.
사각지역경보시스템을 위한 실시간 측후방 차량검출 알고리즘
강현우(Hyunwoo Kang),백장운(Jang Woon Baek),한병길(Byung-Gil Han),정윤수(Yoonsu Chung) 한국정보과학회 2017 정보과학회 컴퓨팅의 실제 논문지 Vol.23 No.7
본 논문에서는 주행 중 사각지역내의 차량을 빠르고 정확하게 실시간으로 검출하는 측후방 차량검출 알고리즘을 제안한다. 제안 알고리즘은 실시간 처리를 위해 MCT(Modified Census Transformation)특징벡터를 기반으로 에이다부스트 학습을 통해 생성되는 캐스케이드 분류기를 사용한다. MCT 분류기는 검출윈도우가 작을수록 처리속도가 빠르고, 검출윈도우가 클수록 정확도가 증가한다. 제안 알고리즘은 이러한 특징을 이용하여 검출윈도우가 작은 분류기로 차량후보를 빠르게 생성한 후 보다 큰 사이즈의 검출윈도우를 가지는 분류기로 생성된 차량후보에 대해 정확하게 차량인지 검증한다. 또한, 차량분류기와 바퀴분류기를 동시에 사용하여 사각지역내로 진입하는 차량과 사각지역내의 인접차량을 효과적으로 검출한다. This paper proposes a real-time side-rear vehicle detection algorithm that detects vehicles quickly and accurately in blind spot areas when driving. The proposed algorithm uses a cascade classifier created by AdaBoost Learning using the MCT (modified census transformation) feature vector. Using this classifier, the smaller the detection window, the faster the processing speed of the MCT classifier, and the larger the detection window, the greater the accuracy of the MCT classifier. By considering these characteristics, the proposed algorithm uses two classifiers with different detection window sizes . The first classifier quickly generates candidates with a small detection window. The second classifier accurately verifies the generated candidates with a large detection window. Furthermore, the vehicle classifier and the wheel classifier are simultaneously used to effectively detect a vehicle entering the blind spot area, along with an adjacent vehicle in the blind spot area.
비지도 학습 기반 Anomaly Detection을 위한 Autoencoder 모델의 손실 함수 적용에 대한 연구
배주원(Ju-Won Bae),정윤수(Yun-Su Chung),남승우(Seung-Woo Nam),한병길(Byung-Gil Han) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
공장에서 생산된 제품의 정상 상태와 이상 상태를 구분하기 위해 Autoencoder를 사용한 비지도 학습에 대한 연구가 많이 이루어지고 있다. 비지도 학습은 데이터 수집에 필요한 시간과 비용을 크게 줄일 수 있다는 장점이 있으나, 일반적으로 비정상 데이터를 학습하지 않기 때문에 지도 학습 기반의 이상 탐지보다는 정확도가 낮은 편이다. 비지도 학습의 성능을 높이기 위해 본 논문에서는 Autoencoder를 사용하여 CE(Cross Entropy), MSE(Mean Squared Error), SSIM(Structural Similarity Index Map)과 같은 다양한 손실 함수(Loss Function)를 적용해서 이상 탐지 모델의 학습 성능을 비교한다. 비교 결과 CE 함수를 사용할 때 가장 정확한 출력 이미지를 만들어냈음을 확인했으며, SSIM의 경우 입력 이미지의 구조적인 특징에 집중하여 이미지를 생성하기 때문에 이상 검출을 위한 기준값 설정을 쉽게 수행할 수 있다는 점을 확인하였다.
ESS 저장실의 화재대응을 위한 소방경보시스템 적용방안에 관한 연구
이후동(Hu-Dong Lee),태동현(Dong-Hyun Tae),SHEN JIAN,한병길(Byung-Gil Han),최승규(Seung-Kyou Choi) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.10
ESS는 재생에너지의 보급 촉진과 전력계통의 안정성 향상 및 전력 소비 효율화 등을 위한 수요가 급증하면서 세계 각국에서 미래 신 성장 산업으로 육성하고 있는 분야이다. 국내에서도 정부는 재생에너지 정책을 수립하고 ESS 보급 사업을 적극적으로 추진하고 있다. 하지만, 최근 ESS 저장실에 화재가 빈번히 발생하여 ESS에 대한 화재안전과 소방대책이 절실히 요구되고 있다. 이에, 본 논문에서는 ESS 저장실에 대한 화재사례와 ESS용 리튬이온배터리의 화재특성을 분석하여, 열 폭주에 의해 확산하는 ESS 저장실의 화재 메커니즘을 도출한다. 또한, 도출한 화재 메커니즘을 바탕으로 ESS 저장실 화재에 대응하기 위한 소방경보시스템의 적용방안을 제시한다.