http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김기연,권석윤,송재영,이행순,곽상수,Kim, Kee-Yeun,Kwon, Suk-Yoon,Song, Jae-Young,Lee, Haeng-Soon,Kwak, Sang-Soo 한국식물생명공학회 2004 식물생명공학회지 Vol.31 No.2
Collagen에 의해 유도되는 류마티스 관절염을 저해하는 효과가 있는 인간 histone 단백질 Hl.5 (hHl.5)를 산화스트레스 유도성 SWPA2 프로모터에 연결하여 형질전환 담배(Nicotiana tabacum L. cv Bright Yellow-2) 배양세포주를 개발하였다. hH1.5 유전자는 Agrobacterium 매개 형질전환 방법으로 담배 BY-2 배양세포에 도입되었다. 형질전환 캘러스는 150mg/L kanamycin과 300mg/L claforan이 포함된 변형된 MS 선발배지에서 선발하여, PCR분석으로 hHl.5 유전자의 도입을 확인하였다. 형질전환 현탁배양세포에서 hH1.5 단백질의 발현은 northern 분석과 Western 분석으로 확인하였는데, 담배배양세포에서 재조합hHl.5 단백질 (42 kDa)은 인간의 것 (32 kDa)과는 다른 크기의 단백질이 확인되었다. 금후 재조합 hH1.5 단백질의 자세한 특성규명이 요구된다. Transgenic tobacco (Nicotiana tabacum L. cv Bright Yellow-2) cell lines expressing a human histone H1.5 (referred to as hH1.5), which suppress collagen-induced rheumatoid arthritis, were developed under the oxidative stress-inducible peroxidase (SWPA2) promoter. Tobacco BY-2 cells were transformed by Agrobacterium-mediated method. The kanamycin-resistant calli were selected on the modified MS medium containing 150mg/L kanamycin and 300mg/L claforan. Transgenic cell lines were confirmed by PCR and northern blot analysis. Recombinant hH1.5 (rhH1.5) protein (42 kDa) was also detected by Western blot analysis, showing a different molecular weight of human hH1.5 (32 kDa). These results suggested that a hH1.5 gene was properly introduced in tobacco cultured cells under the control of SWPA2 promoter. The further characterization of rhH1.5 protein remains to be studied.
딥러닝 모델 기반 시멘틱 세그멘테이션을 이용한 벼 도복 추정
김병준(Byoungjun Kim),박근호(Keunho Park),안형근(Hyung-geun Ahn),김기연(Kee-yeun Kim),정성환(Sunghwan Jeong) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.9
벼 도복은 매년 태풍 및 장마로 인해 벼 생산에 막대한 피해를 주는 원인이며, 조기 발견을 통해 벼 수확량 및 수발아와 관련된 피해를 예방하기 위핸 효과적인 방법이 필요하다. 본 논문에서는 무인 항공기를 이용하여 촬영된 영상에서 벼 도복을 추정하는 방법을 제안한다. 제안하는 방법은 ResNetV2 101백본 네트워크 기반 DeepLabV3+ 시멘틱 세그멘테이션 모델로, 도복(lodging), 일반 벼(non-lodging), 그리고 배경(background) 영역에 대해 추정한다. 제안한 모델의 학습 및 평가를 위해 경상도, 전라도, 충청도 일대에서 무인 항공기를 이용하여 벼 도복 관련된 816장 영상을 수집하였다. 수집한 데이터는 748개의 학습 데이터, 40개의 검증 데이터, 28개의 평가 데이터로 나눈 후, 추정 성능 향상을 위해 전이학습, Focal Loss 손실 함수 등 다양한 방법을 적용하였다. 평가 데이터 28장에 대해 성능을 평가한 결과, Focal Loss 손실 함수를 적용한 DeepLabV3+ 시멘틱 세그멘테이션 모델이 93.16%의 픽셀 정확도와 87.75%의 mIoU로 좋은 결과를 보였다. 추정된 결과를 통해 도복과 일반벼의 분포를 파악할 뿐만 아니라, 도복의 확산 경향과 피해, 형태 등을 분석하는데 사용할 수 있다고 사료된다. Rice lodging is an annual occurrence that causes enormous damage to rice production by typhoons and rainy seasons. Therefore, it is necessary to find an effective method to prevent the damage to rice yield and pre-harvest sprouting through early detection. This paper proposes an estimation method for rice lodging based on RGB images captured by unmanned aviation vehicles. The proposed method constructs the DeepLabV3+ semantic segmentation model based on ResNetV2 101 backbone network and estimates the area of lodging, non-lodging, and background. To train and evaluate the proposed model, we captured 816 images related to rice lodging using an unmanned aerial vehicle in Gyeongsang-do, Jeolla-do, and Chungcheong-do. The collected dataset was divided into 748 training data, 40 validation data, and 28 evaluation data, which were then used in various methods such as transfer learning and focal loss function for the improved estimation performance. The evaluation of performance using 28 evaluation data shows that the DeepLab V3+ semantic segmentation model, to which the focal loss function was applied, yields the best results with 93.16% pixel accuracy and 87.75% mIoU. Furthermore, the estimation result can be used to find the distribution of lodging and non-lodging and analyze the trend of spreading lodging, damage, and shape.
스켈레톤 추출과 컨투어를 이용한 유채 씨방 길이 측정 방법
박근호(Park Keunho),최강인(Choi Kangin),안형근(Ahn Hyung-geun),김기연(Kim Kee-yeun),정성환(Jeong Sunghwan) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
본 논문은 비전 기술을 기반으로 유채의 씨방 길이를 측정하는 특성조사기준에 관한 연구를 수행하였다. 굴곡된 특성을 가진 유채 씨방 길이를 측정하기 위해 컨투어와 스켈레톤 추출을 이용하여 유채 씨방의 픽셀 길이를 계산한 후, 켈리브레이션 방법을 이용하여 실제 유채 씨방의 실제 길이를 계산하였다. 작물 형질 분석 전문가들이 실측하여 구성한 테스트샘플을 이용하여 전체 평균 4.5mm의 오차를 결과로 도출하였다.