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 : 한윤혁 ( Yunhyeok Han ) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
무인항공기 영상에서의 조류 및 차량 검출을 위한 딥러닝 기반 검출 모델 개발
홍석주 ( Suk-ju Hong ),한윤혁 ( Yunhyeok Han ),김상연 ( Sang-yeon Kim ),이아영 ( Ah-yeong Lee ),김기석 ( Sunshin Lee ) 한국농업기계학회 2019 한국농업기계학회 학술발표논문집 Vol.24 No.1
야생동물에 대한 주기적인 모니터링은 생태계의 보전과 관리, 이상 징후의 포착에 필수적이다. 특히 한국의 경우 주기적으로 발생하고 있는 조류 인플루엔자의 예찰을 위해 야생조류에 대한 효과적 예찰 시스템이 요구되는 상황이다. 야생동물에 대한 항공영상 기반의 조사는 1920년대부터 수행되었으며 다른 조사방법들 대비 지상으로 접근하기 어려운 지점에 대한 접근이 가능한 점, 넓은 범위의 영역에 대한 조사가 가능한 점 등의 장점이 있다. 하지만 유인항공기를 이용하는 기존 연구의 경우 비용 소모가 크고, 숙련된 비행사가 필요하였으며, 비행사고로 인한 위험성 또한 존재했다. 이러한 단점을 극복하기 위하여 최근 야생동물에 대한 항공 조사에 소형 무인항공기를 적용하는 연구들이 활발히 진행되고 있다. 기존의 야생 조류에 대한 항공 조사의 경우 주로 사람이 직접 영상에서 새를 검출하거나, 고전적인 영상처리 방식이 사용되었다. 하지만 이러한 고전적 영상처리 및 머신러닝 방법들은 해당 방법들이 적용된 특정 환경에서 적용되었으며, 다양한 환경에서 일관성 있게 적용되기 힘들다. 최근 영상데이터에 대한 분류, 검출 등의 분석 작업에서는 CNN(Convolutional Neural Networks) 기반의 알고리즘들이 주목받고 있으나, 현재까지 야생조류의 검출에 이를 적용하려는 사례는 많지 않다. 따라서 본 연구에서는 야생조류의 서식지를 비롯한 조류독감 방역대의 항공 조사를 위한 딥러닝 기반 야생 조류와 차량에 대한 검출 모델을 개발하고자 하였다. 모델의 학습을 위해 실제 야생조류, 모형조류, 차량에 대한 영상을 다양한 환경에서 수집하여 데이터세트를 구성하였으며, Faster R-CNN, R-FCN, Retinanet, SSD, YOLO 등의 딥러닝 검출 구조와 Resnet, Inception, Mobilenet 등의 특징 추출 네트워크를 조합하여 검출 모델을 구성하고 성능을 비교 평가하였다.
-
적외선 영상처리 및 딥러닝을 이용한 콘크리트 시설 내외부 결함 검출 연구
이창협 ( Chang-hyup Lee ),한윤혁 ( Yunhyeok Han ),홍석주 ( Suk-ju Hong ),김상연 ( Sang-yeon Kim ),김응찬 ( Eungchan Kim ),김기석 ( Ghiseok Kim ) 한국농업기계학회 2019 한국농업기계학회 학술발표논문집 Vol.24 No.2
사회기반시설인 댐, 교량, 도로 등의 시설물은 국가 경제 발전 및 삶에 미치는 영향이 크고, 특히 농업분야에 있어 중요성이 매우 크다. 앞서 언급한 시설들은 약 25년이 경과 한 후 노후화가 시작되는 것으로 밝혀져 있으며, 노후화된 시설물들은 국민 안전 및 경제에 위험을 주고, 노후화된 기간에 비례하여 유지관리 비용이 증가한다. 선행 연구에 따르면 2020년 기준으로 미국은 3840조 원의 비용이 필요할 것으로 전망된다. 교량이나 도로의 경우 콘크리트로 이루어져 있으며 노후화로 인한 시설 내부, 외부 결함 및 파괴로 일반 경제 분야뿐만 아니라 농업에 미칠 잠재적 문제를 방지할 필요가 있다. 이를 해결하고자 노후화나 결함을 사고 이전에 파악하기 위한 연구들이 지속되어 왔다. 초기에는 영상센서를 이용한 표면 검사나 센서를 부착하는 방식이 대부분이었기 때문에 측정자에 따른 편차가 컸고, 이후에는 초음파, 방사선 진단 등의 비파괴적인 연구가 이루어지고 있는 상태이다. 외부 결함의 경우 과거의 표면 영상 인식 기술을 사용할 경우 결함뿐만 아니라 콘크리트가 결합된 정상적인 틈이나 그림자 등을 구분하기 어려운 환경에 놓일 수 있어 실제 현장에서 일관성을 가지기 힘들다. 이를 극복하고자 여러 종류의 콘크리트가 가진 결함 및 비결함 데이터를 획득하고, 최근 영상 분류 작업에 연구되는 인공신경망 기반의 CNN(Convolutional Neural Networks) 알고리즘을 적용하여 결함 유무를 분류하였으며, 결함으로 분류된 영상데이터들에 대해 Otsu, Niblack, Sauvola 등의 이진화 작업을 통해 영상 중 결함의 정확한 위치를 찾아내고 성능을 평가하였다. 내부 결함의 경우 비파괴 검사 중 적외선 열영상 기법의 결함부위별 온도 이질성을 볼 수 있는 특징에서 착안하여 임의로 다양한 결함이 추가된 콘크리트를 설계 및 제작하고, 자연상태의 햇빛을 받거나 그늘진 환경에 배치하는 Passive Thermography를 적용하였다. 이러한 적외선 열영상에 PCT, DFT, Autoencoder 등의 영상처리를 하여 결함의 존재 및 위치 등의 데이터들을 해석하는 연구를 진행하였다.
-
적외선 열화상처리기술을 이용한 노지 과수의 수분 스트레스 분석기술 연구
김상연 ( Sang-yeon Kim ),이아영 ( Ah-yeong Lee ),홍석주 ( Suk-ju Hong ),한윤혁 ( Yunhyeok Han ),김기석 ( Ghieok Kim ) 한국농업기계학회 2019 한국농업기계학회 학술발표논문집 Vol.24 No.1
세계식량농업기구에 따르면 세계 곡물 생산에서 관개농업이 갖는 비중은 상당하다. 2010년을 기준으로 전 세계 경작지의 약 20%는 관개농업을 하고 있으며, 여기서 전 세계 식량 공급의 약 40%를 담당하고 있다고 한다. 하지만, 관개농업 방식의 세계 물 사용 효율은 56%로 상당히 낮으며, 이에 더해 각종 기상이변 및 기후변화와 인구증가 등으로 인해 관개농업에 필요한 충분한 물의 공급이 나날이 어려워지고 있다. 따라서 안정적인 식량자원의 생산 및 공급을 위해 수분 사용 효율을 증대시키려는 연구들이 꾸준히 시도되었으며, 그 근간에는 작물의 수분 상태를 정확하게 파악하여 효과적인 관개 시기를 결정하고자 하는 노력이 있었다. 작물의 수분 상태를 정량적으로 나타내기 위해서는 보편적으로 CWSI(Crop Water Stress Index)를 사용한다. 이는 잎의 증산작용에 의한 엽온 변화를 대기 온도 및 습도 등과 함께 고려하여 작물의 수분 스트레스를 0에서 1 사이의 상대적인 수치로 표현하는 방식이다. 따라서 이를 계산하기 위해서는 무엇보다도 작물의 엽온을 정확하게 측정할 필요가 있으며, 본 연구에서는 비파괴적으로 원거리에서 온도를 측정할 수 있는 적외선 카메라를 사용하였다. 또한, 일반적인 pin-point 센서와는 다르게 적외선 카메라는 화각 내 모든 온도정보를 저장하기 때문에, 함께 측정한 RGB 영상을 바탕으로 잎영역만 추출할 수 있는 영상처리 기술을 개발하였으며, 최종적으로는 얻어진 엽온을 바탕으로 CWSI를 계산하는 알고리즘을 완성하였다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
