MCSVM을 이용한 반도체 공정데이터의 과소 추출 기법

박새롬(Sae-Rom Pak),김준석(Jun Seok Kim),박정술(Cheong-Sool Park),박승환(Seung Hwan Park),백준걸(Jun-Geol Baek) 대한산업공학회 2014 대한산업공학회지 Vol.40 No.4

초분광 영상을 이용한 수박 묘의 수분함량 추정

전새롬 ( Sae-rom Jun ),유찬석 ( Chan-seok Ryu ),강정균 ( Jeong-gyun Kang ),강예성 ( Ye-seong Kang ),김성헌 ( Seong-heon Kim ),김원준 ( Won-jun Kim ),타파스쿠마사르카 ( Tapash Kumar Sarkar ),강동현 ( Dong-hyeon Kang ) 한국농업기계학회 2017 한국농업기계학회 학술발표논문집 Vol.22 No.1

본 연구는 초분광 영상을 이용하여 수박 모종의 수분함량을 비파괴적으로 추정하기 위해 수행되었다. 단계적으로 수분 스트레스를 받은 수박(n=45) 모종을 초분광 영상시스템으로 촬영하여 모종 영역의 반사율을 추출하였고, 매 촬영 후 모종의 생체중과 건물중을 측정하여 수분함량을 계산하였다. 모종의 반사율과 계측된 수분함량을 변수로 하여 Partial Least Square Regression(PLSR) 분석을 이용하여 수분 추정모델을 구축하였다. 수분 추정모델을 작성한 결과 Calibration(Cal.)의 정확도(R²)는 0.66, 정밀도(RMSE 및 RE)는 각각 1.06%, 1.14%로 나타났다. 수박 모종의 수분함량 추정모델의 정밀도는 상당히 높게 나타났으나 정확도는 낮게 나타났다. 정확도를 개선하기 위해 Confidence ellipses의 신뢰구간을 95%로 설정하였을 때 3개의 모종이 타원 밖에 위치하는 것을 발견하였으며 이를 제거 후 재분석을 하였다. 3개의 모종을 제외한 수박 모종의 수분함량 추정모델의 정확도는 0.82, 정밀도는 0.73%, 0.78%로 나타났다. 3개의 모종을 제외함으로서 모델의 정확도 및 정밀도가 상승하여 3개의 모종이 정확도 및 정밀도를 낮추는 원인이라 판단된다. 작물은 가뭄스트레스를 받을수록 반사율이 낮아지지만(Yang et al., 2010) 3개의 모종은 다른 모종의 수분함량에 비해 반사율이 큰 차이를 나타내어 정확도 및 정밀도를 낮춘 것으로 판단된다. 본 연구를 통해 초분광 영상을 이용하여 수박 모종의 수분함량 추정가능성을 시사하였고, 모델의 정확도를 개선하기 위해 샘플 수 및 수분함량의 변이를 증가시키는 것이 필요하다고 판단된다.

초분광 영상을 이용한 가지과 묘의 수분함량 추정

전새롬 ( Sae-rom Jun ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),김성헌 ( Seong-heon Kim ),장시형 ( Si-hyeong Jang ),박준우 ( Jun-wo Park ),타파스쿠마 ( Tapash Kumar Sarkar ),강동현 ( Dong-hyeon Kang ) 한국농업기계학회 2017 한국농업기계학회 학술발표논문집 Vol.22 No.2

본 연구는 초분광 영상을 이용하여 박과 모종의 수분함량을 비파괴적으로 추정하기 위해 수행되었다. 단계적으로 수분 스트레스를 받은 고추(n=45), 토마토(n=45) 모종을 초분광 영상시스템으로 촬영하여 모종 영역의 반사율을 추출하였고, 매 촬영 후 모종의 생체중과 건물중을 측정하여 수분함량을 계산하였다. 모종의 반사율과 계측된 수분함량을 변수로 하여 Partial Least Square Regression (PLSR) 분석을 이용하여 수분 추정모델을 구축하였다. 수분 추정모델을 작성한 결과 고추 모종의 Calibration (Cal.) 정확도(R²)는 0.68, 정밀도(RMSE 및 RE)는 각각 1.43%, 1.61%로 나타났고. 토마토 모종의 Calibration (Cal.) 정확도(R²)는 0.74, 정밀도(RMSE 및 RE)는 각각 2.77%, 3.09%로 나타났다. 두 모델을 이용하여 가지과 모델(n=90)을 작성한 결과 Calibration (Cal.) 정확도(R²)는 0.67, 정밀도(RMSE 및 RE)는 각각 2.53%, 1.61%로 나타났다. 본 연구를 통해 초분광 영상을 이용하여 박과 모종의 수분함량 추정가능성을 시사하였고, 모델의 정확도를 개선하기 위해 샘플 수 및 수분함량의 변이를 증가시키는 것이 필요하다고 판단된다.

Classification of Fire Blight Infection in Pear Tree with Decision Tree and Support Vector Machine based on Hyperspectral Imagery

( Jun-woo Park ),( Ye-seong Kang ),( Sae-rom Jun ),( Chan-seok Ryu ),( Si-hyeong Jang ),( Hye-young Song ),( Tapash Kumar Sarkar ) 한국농업기계학회 2018 한국농업기계학회 학술발표논문집 Vol.23 No.1

The objective of this study is to select optimal bands, which is possible to classify the difference in reflectance between infected and non-infected fire blight (FB) at pear orchard. The image was acquired using hyperspectral camera with high dimensional data and was classified by the support vector machine (SVM) and decision tree (DT) method. All single bands of infected (n=27) and non-infected (n=55) FB were extracted from hyperspectral image and then those were averaged to four commercialized band (Green, Red, Red edge and NIR) to evaluate the classification error rate of established multispectral imaging sensor. All single bands and modified four bands were adopted to SVM and DT method to classify the difference in reflectance between infected and non-infected FB. The classification error rate was calculated by K-Fold cross validation with SVM and DT based on machine learning composed of training sample 70% and test samples 30%. The accuracy of classification method was evaluated by the classification error rate. All single band was used to select more optimal bands for classifying infected and non-infected FB than the bands of established multispectral imaging sensor by selected classification method. In the case of the modified four bands, the classification error rates of SVM were represented respectively as 25.39% for Green (550nm BP 40nm), 39.78% for Red (660nm BP 40nm), 15.18% for Red edge (735nm BP 10nm) and 25.14% for NIR (790nm BP 40nm). In DT method, Red edge (735nm BP 10nm) was selected as the classifier out of four bands and the classification error rates was 9.76% when the test samples were applied to the classifier. It means that the decision tree (DT) method was more suitable to separate the difference in reflectance between infected and non-infected fire blight (FB) than the support vector machine (SVM) when we applied the modified four bands. In the case of all single bands, it is not possible to run the algorithm of SVM because the amount of high dimensional data was exceeded our computer capacity. In DT method, only Red edge (754nm BP 5.6nm) was selected as the classifier out of all single bands. The classification error rates was 6.10% when the test samples applied to classifier. It means that the reflectance of Red edge was the key classifier for the presence or absence of fire blight. As a result, it is possible to classify the difference in reflectance between infected and non-infected fire blight (FB) using the support vector machine algorithm and decision tree method. The reflectance of Red edge is important band to identify the presence or absence of fire blight in pear orchard.

의사결정트리기법을 이용한 초분광 영상 기반 배나무의 잎, 가 지 화상병 감염 판별 파장대역 선정

박준우 ( Jun-woo Park ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),전새롬 ( Sae-rom Jean ),장시형 ( Si-hyeong Jang ),송혜영 ( Hye-young Song ),김경철 ( Gyeong-cheol Kim ),강태환 ( Tae-hwan Kang ),김현진 ( Hyeon-jin Kim ) 한국농업기계학회 2019 한국농업기계학회 학술발표논문집 Vol.24 No.1

2015년 경기도 안성 지역에서 검역상 금지병인 화상병이 발생한 이후로 안성, 천안, 제천 지역에서 매년 화상병이 발생하고 있으며 그로 인해 심각한 경제적 피해가 발생하고 있다. 본 연구에서는 화상병 유무판별 시스템 개발을 위해 초분광 영상을 이용하여 화상병 감염주와 비감염주의 분광학적 특성을 비교하여 화상병 감염여부를 판단할 수 있는 파장을 의사결정트리 기법으로 선정하고 spectral marging을 통해 최적 밴드 조합을 제시하고자 한다. 2017년 5월부터 2018년 7월까지 경기도 안성 지역에서 초분광 센서를 이용하여 감염된 잎 데이터 214개, 비감염된 잎 데이터 34개, 감염된 가지 데이터 23개와 비감염된 가지 데이터 50개의 고차원 영상을 취득하였다. 취득한 영상은 Spectral image software (ENVI 5.3, Exelis Visual Information, USA)를 이용하여 표준반사판으로 광 보정 한 후 잎과 가지 영역의 519개의 밴드의 반사율을 추출하였다. 의사결정트리 모델 및 통계분석은 R software (R 3.5.1, USA)을 이용하여 수행하였고 모델의 과적합을 방지하기 위해 가지치기(Pruning)를 실시한 후 overall accuracy (OA)와 kappa coefficient (kappa)를 이용하여 분류 정확도를 나타내었다. 화상병 판별에 필요한 영상센서 개발을 위해 원본데이터(5nm±2.8nm)를 중심파장이 10nm 간격이고 FWHM을 각각 10, 25, 50 및 80nm로 평준화하여 의사결정트리로 각 조건별 OA와 kappa를 비교하였다. 원본데이터를 이용한 분류결과, 잎과 가지 모두 Blue와 Red Edge가 유의한 밴드로 나타났으며 분류 정확도는 잎에서는 OA 100%, kappa 100%로 가지에서는 OA 90.5%, kappa 74.1%의 분류 정확도를 나타났다. 파장 평준화를 하였을 경우 잎은 FWHM 50nm에서 Blue, Red, Red Edge, NIR에서 OA 98.9%, kappa 97.3%의 분류 정확도를 보였으며 가지는 모든 FWHM에서 Red, Red Edge에서 OA 90.5%, kappa 74.1%의 동일한 분류 정확도를 보였다. 결론적으로 50nm의 FWHM을 가진 Blue, Red, Red Edge, NIR 파장을 이용하면 화상병 판별이 가능할 것으로 판단된다.

Clinical and Radiological Features of Diffuse Lacrimal Gland Enlargement: Comparisons among Various Etiologies in 91 Biopsy-Confirmed Patients

Chung Sae Rom,Kim Gye Jung,Choi Young Jun,Cho Kyung-Ja,Suh Chong Hyun,Kim Soo Chin,Baek Jung Hwan,Lee Jeong Hyun,Yang Min Kyu,Sa Ho-Seok 대한영상의학회 2022 Korean Journal of Radiology Vol.23 No.10

Objective: To compare the clinical and radiological features of various etiologies of chronic diffuse lacrimal gland enlargement. Materials and Methods: We retrospectively reviewed 91 consecutive patients who underwent surgical biopsy for chronic diffuse lacrimal gland enlargement and were diagnosed with non-specific dacryoadenitis (DA) (n = 42), immunoglobulin G4-related dacryoadenitis (IgG4-RD) (n = 33), and lymphoma (n = 16). Data on patient demographics, clinical presentation, and CT imaging findings (n = 73) and MRI (n = 43) were collected. The following radiologic features of lacrimal gland enlargement were evaluated: size, unilaterality, wedge sign, angle with the orbital wall, heterogeneity, signal intensity, degree of enhancement, patterns of dynamic contrast-enhanced, and apparent diffusion coefficient value. Radiological features outside the lacrimal glands, such as extra-lacrimal orbital involvement and extra-orbital head and neck involvement, were also evaluated. The clinical and radiological findings were compared among the three diseases. Results: Compared to the DA and IgG4-RD groups, the lymphoma group was significantly older (mean 59.9 vs. 46.0 and 49.4 years, respectively; p = 0.001) and had a higher frequency of unilateral involvement (62.5% vs. 31.0% and 15.2%, respectively; p = 0.004). Compared to the IgG4-RD and lymphoma groups, the DA group had significantly smaller lacrimal glands (2.3 vs. 2.8 and 3.3 cm, respectively; p < 0.001) and a lower proportion of cases with a wedge sign (54.8% vs. 84.8% and 87.5%, respectively; p = 0.005). The IgG4-RD group showed more frequent involvement of the extra-orbital head and neck structures, including the infraorbital nerve (36.4%), paranasal sinus (72.7%), and salivary gland (58.6%) compared to the DA and lymphoma groups (4.8%–28.6%) (all p < 0.005). Conclusion: Patient age, unilaterality, lacrimal gland size, wedge sign, and extra-orbital head and neck involvement differed significantly different between lymphoma, DA, and IgG4-RD. Our results will be useful for the differential diagnosis and proper management of chronic lacrimal gland enlargement.

Sonographic Assessment of the Extent of Extrathyroidal Extension in Thyroid Cancer

Chung Sae Rom,Baek Jung Hwan,Choi Young Jun,Sung Tae-Yon,Song Dong Eun,Kim Tae Yong,Lee Jeong Hyun 대한영상의학회 2020 Korean Journal of Radiology Vol.21 No.10

Objective: This study aimed to determine the sonographic features suggestive of extrathyroidal extension (ETE) of thyroid cancers. Materials and Methods: We retrospectively reviewed the sonographic images of 1656 consecutive patients who had undergone thyroidectomy in 2017. The diagnostic performance of sonographic features suggestive of ETE was evaluated using operation and histopathologic reports. Sonographic features for gross ETE to the strap muscle and minor ETE were assessed for thyroid cancer abutting the anterolateral thyroid capsule. Sonographic features for tracheal invasion were assessed according to whether the angle between the tumor and the trachea was an acute, right, or obtuse angle. Sonographic features for recurrent laryngeal nerve (RLN) invasion were assessed based on the association between the tumor and tracheoesophageal groove (TEG) as preserved normal tissue, abutting or protruding into the TEG. Results: ETE was observed in 783 patients (47.3%), including 123 patients with gross ETE (7.4% [strap muscle, n = 97; RLN, n = 24; and trachea, n = 14]) and 660 patients with minor ETE (39.9%). Regarding the diagnosis of gross and minor ETE to the strap muscle, sonographic features of replacement of the strap muscle and capsular disruption showed the highest positive predictive value (75.9% and 58.5%, respectively). Thyroid cancer forming an obtuse angle with the trachea had the highest sensitivity for the diagnosis of tracheal invasion (85.7%), and thyroid cancer protrusion into the TEG showed the highest sensitivity for the diagnosis of RLN (83.3%). Conclusion: Sonography is considered beneficial in the diagnosis of ETE to the strap muscle, trachea, and RLN. Assessment of ETE is important for the accurate staging of thyroid cancer, which in turn determines the extent of surgery or whether active surveillance is appropriate or not.

의사결정트리기법을 이용한 초분광 영상 기반 배나무 화상병 감염 분류

박준우 ( Jun-woo Park ),김성헌 ( Seong-heon Kim ),유찬석 ( Chan-seok Ryu ),장시형 ( Si-hyeong Jang ),전새롬 ( Sae-rom Jun ),강예성 ( Ye-seong Kang ),타파스쿠마 ( Tapash Kumar Sarkar ) 한국농업기계학회 2017 한국농업기계학회 학술발표논문집 Vol.22 No.2

2015년 경기도 안성 지역에서 검역상 금지병인 화상병이 발생한 이후로 안성, 천안, 제천 지역에서 매년 화상병이 발생하고 있으며 그로인해 심각한 경제적 피해가 발생하고 있다. 본 연구에서는 화상병 예찰 시스템 개발을 위해 초분광 영상을 이용하여 화상병 감염주와 비감염주의 분광학적 특성을 비교하고 의사결정트리 기법을 이용해 화상병 감염 여부를 판단할 수 있는 센서 개발 가능성을 검토하였다. 초분광 카메라를 이용하여 배나무 정상 잎과 화상병에 감염된 잎의 분광 데이터를 취득하였다. 화상병 감염주의 분광 데이터는 경기도 안성 지역에서 화상병으로 확진 판정을 받은 배나무에서 취득하였고 정상적인 배나무 분광 데이터는 경기도 안성 및 국립원예특작과학원 배 연구소에서 취득하였다. 취득한 영상에 광 보정을 실시한 후 반사율을 추출하여 결정트리모델을 작성하였다. 결정트리에 기여하는 변수의 우선순위에 따라 불필요한 변수를 제거하는 가지치기를 실시한 후 수준별로 오차를 분석하였다. 또한 화상병예찰에 필요한 센서 개발 가능성을 확인하기 위해 상용 센서에 해당하는 밴드대역을 적용하여 모델링 하였다. 작성된 모델은 K-Fold 교차검증법을 이용하여 성능을 평가하였다. 의사결정트리를 생성한 결과 Green, Red Edge, NIR에서 유의한 것으로 나타났으며, K-Fold 교차검증에 의한 모델의 오차는 8.54%로 예측되었다. 가지치기를 실시한 후에 모델은 Red Edge에서 유의하였으며 오차는 수준1에서 6.10%로 예측되었다. 화상병 예찰에 필요한 센서 개발의 타당성을 검토하기 위해 기존에 상용화되어있는 A센서와 B센서의 밴드대역을 이용하여 화상병 감염 여부를 판별하였다. A센서 모델의 오차는 8.54%, 가지치기 후의 모델은 수준1에서 9.76%로 예측되었고, B센서 모델의 오차는 20.99%였으나 가지치기 후 수준2에서 모델의 오차는 14.8%로 예측되었다. 따라서 초분광 카메라를 직접 활용하거나 특정 협역· 광역 밴드패스필터를 활용할 경우 10%이하의 오차율로 화상병을 분류할 수 있을 것으로 판단된다.

의사결정트리기법을 이용한 초분광 영상 기반 배나무 화상병 감염 판별 파장대역 선정

박준우 ( Jun-woo Park ),유찬석 ( Chan-seok Ryu ),장시형 ( Si-hyeong Jang ),전새롬 ( Sae-rom Jun ),강예성 ( Ye-seong Kang ),송혜영 ( Hye-young Song ),타파스쿠마 ( Tapash Kumar Sarkar ),강태환 ( Tae-hwan Kang ),김국환 ( Guk-hwan Ki 한국농업기계학회 2018 한국농업기계학회 학술발표논문집 Vol.23 No.2

초분광 영상을 이용하여 화상병 감염주와 비감염주의 파장대역을 상용화되어있는 밴드패스필터 기준으로 평준화한 후 의사결정트리(Decision Tree) 기법을 이용해 화상병 감염 여부를 판단할 수 있는 유의한 파장대역을 선정하고 그 정확도를 평가하였다. 초분광 카메라를 이용하여 배나무 정상 잎과 화상병에 감염된 잎의 초분광 영상을 2017년 5월부터 2018년 7월까지 경기도 안성 지역에서 취득하였다. 취득한 영상은 ENVI 소프트웨어(ENVI 5.3, Exelis Visual Information, USA)를 이용하여 표준반사판으로 광 보정된 잎 영역의 519개의 밴드의 반사율을 추출하였다. 의사결정트리 모델 작성 및 통계분석은 R프로그램(R 3.5.1, USA)을 이용하여 수행하였다. 생성된 변수들의 우선순위에 따라 과적합을 방지하기 위해 불필요한 변수를 제거하는 가지치기(Pruning)를 실시한 후 K-Fold Cross Validation 방법을 이용하여 정확도를 나타내었다. 화상병 예찰에 필요한 영상 센서 개발을 위해 Full Width at Half Maximum (FWHM)을 상용화되어있는 밴드 패스 필터 기준인 5, 10, 25, 50, 80nm로 파장 대역을 평준화하고 의사결정트리를 생성하여 정확도를 분석하였다. 의사결정트리 생성을 위해 화상병 감염 데이터 214개와 정상 데이터 34개의 초분광 영상을 이용하였다. 모든 FWHM 데이터를 사용한 결과 Blue, Red Edge가 유의한 밴드로 나타났으며 정확도는 100%로 완벽히 분류되었으며 FWHM 5nm 경우 Blue, Red, Red Edge, NIR과 97.6%를, FWHM 10nm 경우 Blue, Red, Red Edge, NIR과 97.6%를, FWHM 25nm 경우 Red, Red Edge, NIR과 96.6%를, FWHM 50nm 경우 Blue, Red, Red Edge, NIR과 98.9%를, FWHM 80nm 경우 Blue, Red, Red Edge, NIR에 89.9%를 보였다. 따라서 FWHM 50nm를 활용할 경우 95% 이상의 가장 높은 정확도로 화상병을 분류 할 수 있을 것으로 판단된다.

식생지수 및 배경분리를 이용한 다중분광 영상 기반 배나무 화 상병 감염 지역 분류

박준우 ( Jun-woo Park ),유찬석 ( Chan-seok Ryu ),강예성 ( Ye-seong Kang ),전새롬 ( Sae-rom Jean ),장시형 ( Si-hyeong Jang ),송혜영 ( Hye-young Song ),김경철 ( Gyeong-cheol Kim ),강태환 ( Tae-hwan Kang ),김현진 ( Hyeon-jin Kim ) 한국농업기계학회 2019 한국농업기계학회 학술발표논문집 Vol.24 No.1

항공영상은 원하는 작물 데이터 영역 이외의 잡초 및 비식생 영역데이터까지 포함하기 때문에 영상분류가 필수적이다. 자연적으로 고사된 과수의 잎과 가지 및 가지치기에 의해 고사된 잎과 가지의 경우에는 토양에 떨어지는 반면에 화상병 감염에 의해 고사된 잎과 가지의 경우 과수에 매달려 있으므로 식생지수 또는 영상을 이용한 병증 분류 시 오분류 가능성이 높다. 본 연구에서는 고도차 정보와 식생지수를 이용하여 화상병 병증 분류 가능성을 검토하였다. 2018년 6월 7일 충청남도 천안시 입장면 독정리 지역에서 다중분광센서를 탑재한 무인기를 이용하여 배나무 감염주와 비감 염주의 영상데이터를 취득하였다. 취득한 영상은 Drane mapping software (Pix4D 4.3.31, Pix4D SA, Swiss)와 GIS software (ArcGIS 10.5.1, Esri, USA)의 point cloud 기법을 이용하여 고도에 따른 배경지 및 접합을 수행하였고 spectral image software (ENVI 5.3, Exelis Visual Information, USA)를 이용하여 식생지수를 이용한 화상병 병증분류를 실시하였다. Drane mapping software와 GIS software를 이용하여 약 2,780㎡의 면적을 기준으로 지표면에서 각각 25, 50, 75, 100cm 높이로 배경을 제거할 경우 25cm에서는 약 795㎡, 50cm에서는 약 790㎡, 75cm에서는 약 785㎡, 100cm에서는 약 778㎡만이 화상병 감염여부를 검토하는 대상으로 축소되었다. 100cm 높이로 배경을 제거한 영상을 이용하여 화상병에 감염된 부위와 비감염된 부위의 각 파장에 대한 히스토그램과 반사값을 비교하여 분류기준을 설정하였다. 히스토그램의 경우 NIR파장에서 Otus‘s 기법을 이용하여 분류를 시도하였을 경우 감염 예상지역은 142㎡였다. 반사값의 경우 (Red Edge - Red)와 NIR-Red의 히스토그램에서 유의한 차가 나타나 Otus‘s 기법으로 각각 분류하여 서로 중복된 영역만을 추출하면 화상병 감염 예상지역이 71㎡으로 줄어들었다. 이를 이용하면 높은 정확도로 화상병 감염 예상지역을 분류해 낼 수 있을 것으로 판단된다.