http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김귀훈 ( Kwihoon Kim ) (검색결과 52 건)
- 무료
- 기관 내 무료
- 유료
-
물-에너지-식량 넥서스 분석을 위한 시설재배지의 기준작물증발산량과 난방 에너지 부하 관계 분석
김귀훈 ( Kwihoon Kim ),윤푸른 ( Pureun Yoon ),이윤희 ( Yoonhee Lee ),이상현 ( Sang-hyun Lee ),최진용 ( Jin-yong Choi ) 한국농공학회 2019 한국농공학회 학술대회초록집 Vol.2019 No.-
농업 생산물의 경제성을 향상시키기 위해서는 같은 양의 자원을 투입하여 더 많은 작물을 생산하는 것이 중요하며, 이를 위해서는 자원간의 관계에 대한 분석이 선행되어야 한다. 물-에너지-식량 넥서스는 자원간의 관계에서 상충과 상호작용에 대한 분석을 위해 등장하였다. 본 연구는 시설재배지에서의 실내온도를 모의하고, 이를 바탕으로 기준작물증발산량과 난방에너지 부하를 산정하여 자원간의 관계를 분석하는 것을 목적으로 한다. 시설재배지의 실내온도를 모의하기 위해 van Henten (2009)에 의해 제안된 물리모델을 이용하였다. 기준작물증발산량 산정을 위해 Hargreaves 식을 이용하였고, 난방에너지 부하는 국립농업과학원에서 발간한 온실환경설계기준 (2015)의 난방디그리아워를 통한 산정 방법을 적용하였다. 실내온도 모의는 2011년 1월 27일부터 5월 31일까지 시간단위 자료를 통해 보정하였고, 2012년 2월 18일부터 4월 18일까지 시간단위 자료를 통해 검정하였다. 보정과 검정 결과에 대하여 R<sup>2</sup>, MAE, RMSE를 이용하여 평가하였고, 보정 시 0.69, 2.77, 3.72, 검정 시 0.57, 2.67, 3.86의 값을 보였다. 또한, Hargreaves 식을 통해 산정한 기준작물증발산량을 평가하기 위하여 토마토가 재배된 2012년 7월부터 11월까지 측정된 15분 단위의 토양수분함량 자료를 바탕으로 물수지식을 계산하여 비교하였다. Hargreaves 식과 정강호 (2005) 등이 제안한 시설재배지에서의 작물계수를 이용한 작물증발산량 산정 결과 543mm가 계산되었고, 물수지식을 통한 산정 결과 640mm가 계산되었다. 이 연구의 결과는 지역 단위의 시설재배지에서 자원간의 관계를 평가하여 농업 생산의 경제성과 지속가능성을 향상시키는 데에 도움을 줄 수 있을 것으로 판단된다.
-
김귀훈(Kwihoon Kim),홍용근(Youngguen Hong) 한국정보기술학회 2020 한국정보기술학회지 Vol.18 No.1
5G MEC(Multi-access Edge Computing) 기술은 5G에 적용되는 에지 컴퓨팅 기술이다. 핵심 표준 규격은 ETSI(European Telecommunication Standards Institute) ISG(Industry Specification Group)에 의해서 만들어졌습니다. MEC를 통해 에지 네트워크의 위치에 사용자 및 엔드 포인트 장치와 가까운 곳에 데이터 센터급 컴퓨팅, 스토리지 및 네트워크 리소스를 배치 할 수 있습니다. MEC는 통신 서비스 제공 업체에 대기 시간을 줄이면서 새로운 실시간 서비스를 제공할 수 있는 기능을 제공합니다. 또한, MEC는 중앙 집중식 클라우드로 전송되는 데이터의 양을 최소화하고 네트워크 대역폭과 리소스를 보다 효율적으로 사용하여 기업과 운영자의 비용을 줄입니다. 본 논문에서는 5G MEC 기술의 개요와 현재 진행되는 표준화 기술에 대하여 소개를 하겠습니다.
-
김귀훈 ( Kwihoon Kim ),유승환 ( Seung-hwan Yoo ),최규훈 ( Gyuhoon Choi ),최진용 ( Jin-yong Choi ) 한국농공학회 2020 한국농공학회 학술대회초록집 Vol.2020 No.-
농업용수를 합리적으로 이용하기 위해서는 현재 사용량에 대한 정확한 이해가 필요하다. 농어촌공사는 2008년부터 농업용 저수지와 용수로에 수위계측기를 설치하여 수위 자료를 측정하고 있지만, 계측기 자체의 오류나 주변환경 등으로 인해 오차가 일부 발생하고 있다. 한편, CNN은 Convolutional Neural Network의 약자로 이미지가 가지고 있는 특성이 고려되어 설계된 신경망으로 영상 처리에 주로 사용된다. CNN을 이용한 영상처리는 다양한 분야에서 사용되고 있으며, 다중 분류, 수치예측 등에 탁월하다. 본 연구에서는 CNN 딥러닝을 적용하여 영상자료로 수위를 계측하였고, 이를 바탕으로 농업용수 공급량을 산정하였다. 본 연구에서는 태국의 Pranburi 저수지의 수로에서 설치된 CCTV 영상자료 중 6개수위 476개의 자료를 이용하여 70%는 training, 15%는 validation, 15%는 testing에 사용하였다. 6개 수위는 20, 70, 230, 240, 250, 290cm이며, 230, 240, 250cm에서 소수의 오답이 발생했으나, 20, 70, 290cm에서는 오답이 발생하지 않았다. 또한, 기존 자료에서 발생하지 않은 악천후 등을 고려하기 위해 image augmentation을 통해 자료를 1,000개, 2,000개, 5,000개로 증가시켜 적용하였다.
-
시설재배지에서의 물-에너지-식량 넥서스 연계 분석: 온실 내 온도와 에너지 관계 평가
김귀훈 ( Kwihoon Kim ),윤푸른 ( Pureun Yoon ),이윤희 ( Yoonhee Lee ),허승오 ( Seung-oh Hur ),최진용 ( Jin-yong Choi ) 한국농공학회 2018 한국농공학회 학술대회초록집 Vol.2018 No.-
2017년 유엔 세계인구 전망 보고서에 의하면 2030년 세계 인구는 86억 명, 2050년에는 98억 명으로 증가할 것으로 예측된다. 또한 중·후진국 국가의 생활수준이 높아지면서 여러 가지 자원에 대한 수요가 복합, 지속적으로 증가하는 추세이다. 하지만, 지구의 한정된 자원으로부터 지속적으로 증가하는 수요를 충족시키는 것은 커다란 과제이다. 이 중 인간이 정상적인 삶을 영위하기 위해 필요한 자원들 중에 가장 중요한 것은 물, 에너지, 식량이라고 할 수 있다. 물-에너지-식량 넥서스 개념은 각 자원 간의 상충작용(trade-off)과 상승효과(synergy)를 고려하여 지속가능한 발전을 도모하기 위한 목적 하에 2011년 유엔 본 회의에서 제시되었고, 이후 세계 각지에서 꾸준히 연구되어 오고 있다. 본 연구에서는 한국의 작물 재배지 중 일반적으로 가장 자원집약적인 시설재배지에서의 에너지-식량 관계를 분석 하였다. 한국의 시설재배 농가는 전체 농가의 10%를 상회할 정도로 상당히 큰 비중을 차지하고 있으며, 전국적으로 약 60,000ha에 달한다. 시설재배지의 온실 형태는 농가마다 다양하나, 본 연구에서는 국립농업과학원에서 2015년에 발간한 온실환경설계기준을 참고하였다. 또한 각 지역별 난방 에너지를 산정할 때 외기와 내기 온도 차이를 시간 단위로 계산하였는데, 이때 Van Henten et al.이 2009년에 제안한 온도 모델을 이용하였다. 이 식은 열교환식을 이용하여 만들어진 것으로, 온실 내부 온도를 모의함에 있어 난방에너지, 태양 복사, 관류열 손실 그리고 환기 4가지 변수를 적용하도록 하였다. 계산 값을 바탕으로 에너지, 식량의 지속가능성을 분석하였다.
-
딥러닝 기반의 이종 선생 네트워크를 지원하는 주요 파라미터 최적화 흐름정보 전이학습 기술
김귀훈(Kwihoon Kim),배지훈(Ji-Hoon Bae) 한국정보기술학회 2020 한국정보기술학회논문지 Vol.18 No.3
In this paper, we propose a flow-based transfer learning (TL) algorithm with a faster learning speed while supporting the hetero teacher network. First, the proposed technique has a similar accuracy and performance compared to the previous TL using flow information and has been identified as having lower complexity. Next, the proposed scheme through Bayesian optimization obtained 0.1% to 0.3% more accuracy than the existing technology and showed learning results that were 230,000 to 250,000 seconds faster. Therefore, it is expected that the proposed scheme can be used as deep Learning-based transfer learning technology, which achieves similar or higher accuracy compared to the existing technology.
-
지능형 에지 컴퓨팅 기반 인공지능 융합교육 에지 플랫폼 핵심기술 연구
김귀훈(Kim Kwihoon) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
우리나라를 비롯한 전 세계에서 AI 융합교육의 필요성이 증가하고, AI 융합교육 대상자가 증대함에 따라서 이 수요를 만족시키기 위한 에듀테크 기술이 필요로 하고 있다. 본 논문에서는 AI 교수역량 강화와 AI 융합교육 실습에 최적화된 테크놀로지 교수 내용 지식 기반 인공지능 에지 플랫폼(Artificial Intelligence Convergence education Edge platform, AICE 플랫폼) 핵심 기술 구조를 제안한다. 본 AICE 플랫폼은 실시간성과 보안성을 제공하고 ITU-T Q.5001 지능형 에지 컴퓨팅을 기반으로 하여 유연성 있는 마이크로서비스 기반 구조인 것이 주요 특징이다.
-
-
스마트 글래스 기반 영상 인식 및 표현 서비스에 관한 연구
김귀훈 ( Kwihoon Kim ),유응식 ( Woongsik You ),오진태 ( Jintae Oh ) 한국정보처리학회 2014 한국정보처리학회 학술대회논문집 Vol.21 No.2
본 논문은 스마트 글래스 혹은 스마트 디바이스를 활용헤서,영상을 인식하여 다양한 표현을 할 수 있는 서비스에 대한 것이다. 스마트 글래스를 활용하여 일반 사용자에게 제공할 수 있는 다양한 서비 스에 대해서 소개하려고 한다.
-
교사를 위한 인공지능 소양교육 프로그램 개발 및 인공지능 융합교육 관심도 효과성 검증
김귀훈(Kwihoon Kim),전인성(In-Seong Jeon),송기상(Ki-Sang Song) 한국컴퓨터정보학회 2021 韓國컴퓨터情報學會論文誌 Vol.26 No.8
본 논문에서는 현직 초·중등 교사의 인공지능 융합교육 역량 강화 및 소양 함양을 위한 인공지능 소양교육 프로그램을 개발하고 이를 적용하여 인공지능 융합교육 관심도에 미치는 영향을 검증하였다. 검사도구는 Hall et al.(1979)의 관심중심수용모형을 기반으로 George, Hall & Stiegelbauer(2006)이 개발한 관심단계 설문 척도를 사용하였다. 인공지능 소양교육 프로그램 적용 전, 후 인공지능 융합교육에 대한 관심도를 분석한 결과, 프로그램 적용 전, 후 모두 비사용자의 유형이 나타났으나 전반적인 관심도는 적용 전에 비해 상승하였다. 인공지능 소양 교육 프로그램의 만족도 결과를 분석한 결과 대부분의 영역에서 만족한다는 응답이 도출되었으나, 인공지능과 산업의 융합 및 적용 사례에 대해서는 다소 만족도가 떨어지는 경향이 나타났다. In this paper, we developed an artificial intelligence literacy education program to strengthen the AI convergence education capacity and cultivate literacy of in-service elementary and secondary teachers, and verify the effect on the degree of interest in artificial intelligence convergence education by applying it. As a test tool, the level of interest questionnaire scale developed by George, Hall & Stiegelbauer(2006) was used based on the center of interest acceptance model of Hall et al.(1979). As a result of analyzing the degree of interest in artificial intelligence convergence education before and after the application of the artificial intelligence literacy education program, the types of non-users were found both before and after the application of the program, but the overall degree of interest increased compared to before application. As a result of analyzing the satisfaction result of the artificial intelligence literacy education program, a response that was satisfied in most areas was derived, but there was a tendency to be somewhat less satisfied with the case of convergence and application of artificial intelligence and industry.
-
YOLO v8 모델과 CCTV 이미지의 수위표를 이용한 농업용수로의 수위 계측
김귀훈 ( Kwihoon Kim ),최진용 ( Jin-yong Choi ) 한국농공학회 2023 한국농공학회 학술대회초록집 Vol.2023 No.0
농업용수로의 수위 계측은 관개 의사결정 및 공급량 산정을 위해 매우 필요하다. 현재는 초음파 수위계를 이용하여 농업용 저수지와 수로의 수위 데이터를 측정하고 있으나, 이미지를 이용한 계측은 비용과 효용 측면에서 큰 장점이 있다. 본 연구는 객체 인식 모델 중 YOLO v8 모델과 CCTV 이미지의 수위표를 이용하여 농업용수로의 수위를 계측하는 것을 목적으로 한다. 이미지 자료는 한국농어촌공사에서 관리하는 농업용수로의 CCTV 카메라에서 얻었으며, 동일한 시간에 측정된 초음파 수위계 수위값을 정답값으로 설정하였다. 얻은 이미지는 Label-Studio 어플리케이션을 사용하여 수위표의 위치를 마킹하였고, data augmentation 기법으로 rotate, flip을 적용하여 데이터셋의 개수를 늘려 주었다. Yolov8 모델은 one stage 객체인식 (Object Detection) 모델 중 여러 분야에서 적용되는 yolo계열의 모델 중 가장 최신 모델이다. 본 연구에서 구축한 모델의 성능은 precision-recall curve를 이용하여 평가하였다. 또한 인식된 수위표 가장 하단부의 y축 좌표로부터 수위를 환산하였으며 수위의 정확도는 RMSE (Root Mean Squared Error), MAE (Mean Absolute Error), ME (Maximum Error), N<sub>e>n</sub> (Number of Error exceeding n) 로 평가하였다. 이미지 데이터를 이용한 수위 계측은 관개 의사결정에 도움이 될 것으로 기대하며, 성능을 보완하여 향후 공급량 산정을 위한 수위계측에의 적용도 가능할 것으로 기대한다.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
