http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이호성 ( Lee¸ Ho-sung ),박우성 ( Park¸ Woo-seong ),김남일 ( Kim¸ Nam-il ),이강문 ( Lee¸ Kangmoon ),이래철 ( Lee¸ Rae-chul ) 한국구조물진단유지관리공학회 2023 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.27 No.2
국내에서는 노후화된 토목시설물 증가로 인하여, 효율적인 유지관리 방안 마련이 필요하지만 대부분 인력에 의존한 점검 및 진단으로서 신뢰도가 낮은 실정이다. 이에 본 연구에서는 기존의 인력 의존 방식에서 탈피하여 콘크리트 균열 영상으로부터 균열 평가를 위한 AI 기반의 콘크리트 균열감지 신경망 모듈 소프트웨어를 개발하였다. 본 연구의 구성은 첫째, AI 기반 자동화 콘크리트 균열탐지 알고리즘, 두 번째, 일련의 콘크리트 균열 영상에 대한 이미지 스티칭 알고리즘, 셋째, 콘크리트 균열탐지를 위한 소프트웨어 등을 개발하였으며 관련 종사자의 편의성 증대와 작업에 대한 인적비용 및 검사시간 감소로 경제성에 기여할 수 있을 것으로 판단한다.
건설 사고사례 분석 기반 위험 건설사고 정보 제공 시스템 개발에 관한 연구
박우성 ( Park¸ Woo-seong ),이호성 ( Lee¸ Ho-sung ),김남일 ( Kim¸ Nam-il ),이강문 ( Lee¸ Kangmoon ),이래철 ( Lee¸ Rae-chul ) 한국구조물진단유지관리공학회 2023 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.27 No.2
본 연구에서는 건설공사 안전관리 종합정보망(CSI) 사고사례 데이터 분석 기반의 위험 건설사고 정보 도출 시스템을 개발한다. CSI 사고사례 데이터는 공종, 작업프로세스, 사고객체, 인적사고유형 등의 분류기준으로 구성된 분류체계에 따라 각 사고사례의 상응되는 정보를 제공하며, 이러한 범주형 자료에 대한 다중상응분석(MCA)을 통해 데이터간의 상응도를 평가하여 위험 건설사고 정보를 도출할 수 있다. 파이썬 프로그램을 사용하여 사용자 선택 분류기준에 대한 MCA 기반 위험 건설사고 정보 도출 GUI... 시스템을 구성한다.
CSI 사고사례 데이터 다중상응분석을 통한 위험 건설사고 정보 도출 방법에 관한 연구
박우성 ( Park Woo-seong ),신수정 ( Shin Soojung ),김남일 ( Kim Nam-il ),이강문 ( Lee Kangmoon ),이래철 ( Lee Rae-chul ) 한국구조물진단유지관리공학회 2023 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.27 No.1
국토교통부와 국토안전관리 원은 건설공사 안전관리 종합정보망(CSI)을 구축하여 건설공사 사고사례 데이터베이스를 관리하고 있으며, 본 연구에서는 해당 데이터를 활용하여 신뢰도 있는 위험 건설사고 정보를 도출하는 방법을 제시하였다. CSI 데이터는 공종, 작업프로세스, 사고객체, 재해유형의 분류기준 및 세부항목으로 구성된 분류체계에 따라 사고사례 정보를 제공하며, 사용자가 선택한 분류기준 또는 세부항목을 포함하는 사고사례 데이터에 대한 다중상응분석(MCA)을 통해 발생 가능성이 높은 사고 정보를 분석한다.
구조물 균열 탐지를 위한 SSD-MobileNet 기반의 이미지 인식 시스템
신수정 ( Shin Soojung ),박우성 ( Park Woo-seong ),김남일 ( Kim Nam-il ),이강문 ( Lee Kangmoon ),이래철 ( Lee Rae-chul ) 한국구조물진단유지관리공학회 2023 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.27 No.1
구조물의 노후화로 인하여 효율적인 유지관리 방안 마련이 필요하지만 대부분 인력에 의존한 검사로서 신뢰도가 낮다. 본 연구에서는 기존의 인력 의존 점검 방식 탈피를 위하여 인공지능 SSD-MobileNet 기반의 모델 학습 방안을 제시한다. 균열이 포함된 이미지 10,000장을 취득하여 균열 부위에 Bounding Box를 지정 후 SSD-MobaeNet 기반의 모델 학습을 수행하였고 모델 학습 완료 후 카메라와 연결하여 균열이 발생한 지점의 인식 여부를 확인하였다. 추후 학습이 완료된 모델을 드론에 탑재하여 실시간으로 균열 계측이 가능한 장비를 개발할 예정이다.
Agrobacterium tumefaciens 변이주에 의한 Coenzyme Q<SUB>10</SUB> 생합성시 유기, 무기질소원과 아미노산의 영향
김정근(Jeong-Keun Kim),원용배(Yong-Bae Won),이강문(Kangmoon Lee),구윤모(Yoon-Mo Koo) 한국생물공학회 2009 KSBB Journal Vol.24 No.1
Coenzyme Q10 고역가 변이주인 Agrobacterium tumefaciens KPU-11-03의 다양한 유기 질소원에 대한 coenzyme Q10 생산량과 coenzyme Q10의 구성비율 등을 비교한 결과, CSP 첨가 시 coenzyme Q10 생산량은 212.7 mg/l, 구성비율은 94%로 다른 유기질소원에 비해 매우 높게 나타났다. 특히 Bacto tryptone, Bacto peptone, soybean meal, casamino acid 등의 유기 질소원 첨가 시에는 극히 낮은 coenzyme Q10 역가를 나타내어 균체내의 coenzyme Q10의 축적은 유기 질소원의 종류 즉 아미노산의 종류 및 량과 상관성이 있음을 추정할 수 있었다. 또한 무기질소원에 대하여 실험한 결과, (NH4)2SO4 첨가 시에 coenzyme Q10 역가가 약 2배 증가하였고 다른 무기질소원에 사용 시에는 오히려 감소하였다. Coenzyme Q10 역가와 관련된 아미노산을 확인하기 위해 유기질소원으로 Bacto tryptone을 첨가한 배지에 9가지의 아미노산을 첨가하여 실험한 결과, 방향족 아미노산인 tyrosine 첨가 시의 coenzyme Q10 생산량은 99.5 mg/l로 비첨가구보다 약 8.2배 증가하였으나 phenylalanine과 tryptophan등의 다른 방향족 아미노산의 첨가 시에는 coenzyme Q10 생산량이 오히려 감소하는 것으로 나타나 tyrosine의 첨가가 coenzyme Q10 역가에 매우 중요함을 확인하였다. The effect of inorganic, organic nitrogen sources and amino acids on the coenzyme Q10 production and coenzyme Q10 component ratio was investigated. Among the nine organic nitrogen sources, CSP showed a remarkable enhancing effect on the production of coenzyme Q10. But this enhancement was not observed in medium containing Bacto peptone, tryptone, casamino acid and soybean meal. These differences on the production of coenzyme Q10 may be due to differences in kinds and amounts of component amino acids and peptides in the various organic nitrogen sources tested. In the addition of inorganic nitrogens, only (NH4)2SO4 increase the coenzyme Q10 production by 2.0 times compare to the control group. The addition of L-tyrosine to the medium containing Bacto tryptone, was also determined to be crucial for the coenzyme Q10 production. But phenylalanin and tryptophan, other aromatic amino acids, had no stimulatory effect on the coenzyme Q10 production. These results show that the production and components ratio of coenzyme Q10 was greatly affected by the kinds and the concentration of inorganic, organic nitrogen sources as well as amino acids.