A Genome-Wide Association Study on Soybean Root Traits under Waterlogging Condition Waleed Khan : 침수 스트레스 시 콩 뿌리의 특성 변화에 관한 전장 유전체 분석

Khan, Waleed 경북대학교 대학원 2024 국내석사

글로벌 식량 및 경제적 필수품으로서 콩(Glycine max L.)의 중요성은 많이 알려져 있으며, 비생물적 스트레스에 대한 콩의 저항력은 생산성을 유지하고 식량 안보에 기여 하는 데 매우 중요합니다. 본 연구는 주요 비생물적 스트레스인 침수에 대한 저항성을 부여하는 뿌리 형태적 특성(RMTs)의 유전적 결정 요인을 이해하는 데 중점을 두었습니 다. 267개의 유전자원을 대상으로 주요 RMT의 유전적 기초를 설명하기 위해 세 가지 모 델(GLM, FarmCPU, BLINK)을 채택하여 94,574개의 고품질 단일 염기 다형성(SNP)을 사용 한 전장유전체연관분석 (GWAS)을 수행했습니다. 이 연구의 목적은 중요한 뿌리 특성과 관련된 유전자좌를 식별하는 것이었습니다. GWAS를 통해 AD 및 SA 특성에 대한 중요 한 SNP가 19번 염색체에 위치하고 있음을 발견하여 뿌리 특성에 대한 중요한 연관성을 확인했으며, 이는 뿌리 형태적 특성에 기여하는 유전자좌일 가능성을 시사했습니다. 연결 불균형(LD) 감소 분석과 LD 블록 형성을 통해 관심 영역을 더욱 정확하게 지목하여 이 러한 유전체 구간 내에서 가상의 유전자를 식별할 수 있었습니다. 유전자 주석 및 설명 에 따라, 스트레스 반응 메커니즘 및 뿌리 발달에 잠재적으로 관여하는 다섯 개의 유전 자 Glyma.19G136400 (calcium transport), Glyma.19G136700 (UDP-glucosyltransferase), Glyma.19G137400 (Glycotransferase), Glyma.19G249100 (Ethylene response sensor 2-related), Glyma.19G249200 (At hook MOTIF DNA-binding family protein family)가 강조되었습니다. 이 연구 결과는 콩의 뿌리 형태의 유전적 기초에 대한 중요한 통찰을 제공하며, 비생물적 스트레스 저항성을 향상시키기 위한 육종 프로그램의 잠재적 목표를 강조합니다. The global significance of soybean (Glycine max) as a nutritional and economic staple is well- documented, with its resilience to abiotic stresses being critical for sustaining productivity and contributing to food security. This study focused on understanding the genomic determinants of root morphological traits (RMTs) that confer resistance to waterlogging—a prevalent abiotic stress. A Genome-Wide Association Studies (GWAS) was employed on a dataset of 267 accessions adopting three models; GLM, FarmCPU, and BLINK, to elucidate the genetic basis of key RMTs, employing 94,574 high-quality Single Nucleotide Polymorphisms (SNPs). The study aimed to identify loci associated with important root traits. The GWAS identified significant associations for root traits, with notable SNPs located on chromosome 19 for the trait AD and SA, suggesting genetic loci that contribute to important root morphological traits. The linkage disequilibrium (LD) decay analysis and the LD block formation further pinpointed regions of interest, facilitating the identification of putative genes within these genomic intervals. Based on the genes annotation and description, five genes, among a large set of found genes were highlighted for their potential involvement in stress response mechanisms and root development, including Glyma.19G136400 (calcium transport), Glyma.19G136700 (UDP- glucosyltransferase), Glyma.19G137400 (Glycotransferase), Glyma.19G249100 (Ethylene response sensor 2-related), and Glyma.19G249200 (At hook MOTIF DNA-binding family protein family) implicating their roles in enhancing root architecture and stress tolerance. Our findings provide significant insights into the genetic foundations of root morphology in soybeans and underscore potential targets for breeding programs aimed at improving abiotic stress resilience. Keywords: Soybean, GWAS, Root morphological traits, SNP

Graphene based Nanocomposites for Effective Visible Light-induced Photoelectrochemical and Photocatalytic Applications

Mohammad Ehtisham Khan 영남대학교 대학원 2017 국내박사

효과적인 가시광선 유도 광전기화학 및 광촉매 응용을 위한 그래핀 기반 나노복합체 모하마드에티샴칸 영남대학교 대학원 화학공학과 지도교수: 조무환 교수, 이진태 교수 초 록 최근 몇 년 동안 에너지 및 환경 관련 유해에 대한 떠오르는 위험성이 태양에너지 이용에 대한 광범위한 연구를 촉진했다. 염료는 다양한 분야에서 광범위하게 사용되지만 물에 배출되면 환경 오염의 원인이 될 수 있다. 또한 대부분의 염료는 독성, 발암성이 있고 유해하므로 인간 및 동물의 건강에 악영향을 미친다. 염료는 텍스타일, 플라스틱, 고무, 종이, 콘크리트 및 의학을 포함한 여러 산업분야에서 섬유산업을 주요 사용자로 사용하여 상당한 응용 분야를 갖는다. 비균질 광촉매 반응은 적절한 파장의 빛으로 조사된 반도체 촉매 (예 : WO3, CeO2, CdS 및 ZnS)를 사용하여 유기물의 불순물 및 오염 물질의 광물화를 위해 고도의 반응성 산소화학종 (예 : ˚OH, ˚-O2 및 H2O2)을 생성한다. 따라서, 개선된 광촉매 및 광전기 화학 성능을 갖는 그래핀 기반 나노복합체의 합성을 위한 용이하고 친환경적이며 환경 친화적인 전략을 개발하는데 상당한 관심과 중요성이 있다. 이 연구는 높은 전하 재조합 비율로 인하여 일사량의 5% 미만의 효과 밖에 가지지 않는 가시광선에서 순수 Au 및 Ag의 기능성을 증진시키기 위하여 금속 금 및 은 나노 입자 (Au 및 Ag NP)를 현저하게 환원시키는 전기화학적 활성 생물막 (EABs)을 사용하는 생물학적 기술 개발을 목표로 한다. 또한 그래핀 시트는 높은 전도성 기판 및 전하 재조합 속도를 감소 시키는데 도움이 되는 전자 포획 능력으로 사용된다. EAB를 사용하는 단순하고 환경 친화적인 접근법은 계면 활성제 또는 캡핑제를 사용하지 않고 금-그래핀 (Au-G) 및 은-그래핀 (Ag-G) 나노복합체를 합성하는 데 유용했으며 그 결과는 금속 나노입자의 표면 플라즈몬 공명 및 그래핀의 특이 전자 효과의 상승작용은 광촉매 및 전기화학 장치의 개발에 큰 도움이 된다. 나노 구조의 크기와 모양을 제어된 형태로 200 ˚C에서 템플리트가 없고 계면활성제가 없는 수열 공정을 사용하는 WO3 나노막대-그래핀 나노 구조의 제조가 수행되었다. 견고한 나노복합체 구조, 우수한 전도성, 넓은 표면적 및 우수한 유연성을 가진 WO3 나노막대-그래핀 나노 구조는 광 캐패시티브 (photocapacitive) 및 광촉매 염료 분해 응용과 같은 향상된 성능을 담당하는 것으로 보인다. 카드뮴 황화물 나노입자-그래핀 나노복합체 (CdS-Graphene)는 CdS 나노입자가 그래핀 시트 위에 고정/장식 된 간단한 방법으로 제조되었다. CdS-Graphene 나노복합체의 광촉매 및 광전기화학 성능이 크게 향상 된 것은 CdS 나노입자 및 그래핀 시트의 향상된 광 흡수 거동 및 높은 전기 전도성의 상승 효과에 기인한 것으로, 이는 재결합 속도를 감소시킴으로써 전하 분리를 촉진하고 광생성 된 전자-홀 쌍의 수명을 연장시킨다. 합성된 좁은 밴드갭 CdS-Graphene 나노복합체는 가시광선에 의한 광촉매 및 광전기화학 기반의 광범위한 응용 분야에 사용될 수 있다. 최적화된 전자빔 조사 (60kGy 및 90kGy)는 광학 및 구조 특성에 의지하는 광전기화학적 성능을 위하여 따라 그래핀 나노 판의 결함 관련 기술에 사용된다. 제안된 방법은 향상된 광전기화학 성능을 위해 전자빔 조사를 사용하여 원래의 그래핀 나노 플레이트의 특성 (광학, 분광 및 광 전기 화학)을 미세 조정하는 신뢰할 수 있는 방법이다. 세륨 산화물 나노입자는 손쉬운 저비용 열수반응을 이용하여 그래핀 시트 위에 가공되고 성장되었다. 그러므로 Ce3+-이온, 표면 산소 결손 및 결함 유발 거동은 CeO2 나노입자와 그래핀 시트 사이의 빠른 전하 이동으로 인한 광생성 전자-정공 쌍의 재결합 억제에 기여한다. 이 발견은 CeO2-Graphene 나노 구조가 실제 응용에 사용될 수 있는 향상된 광촉매 및 광캐패시턴스 성능을 나타냄을 보여준다. 키워드: 그래핀 시트, 결함이 있는 그래핀, 금, 은, WO3, CdS, CeO2, 전기화학적 활성 생물막, 광촉매 분해, 광캐패시턴스, 광전기화학. 모하마드에티샴칸 2017 년 6 월 Graphene based Nanocomposites for Effective Visible Light-Induced Photoelectrochemical and Photocatalytic Applications Mohammad Ehtisham Khan Graduate School of Yeungnam University Major in Chemical Engineering Advisors: Prof. Moo Hwan Cho and Prof. Jintae Lee ABSTRACT In recent years, emergent alarms about energy and environment related harms have stimulated widespread research on solar energy utilization. Dyes are used widely in a range of fields, but their discharge into water can be a reason for environmental pollution. In addition, most of the dyes are toxic, carcinogenic and harmful, resulting in adverse impacts on human and animal health. Dyes find considerable applications in several industries, including textile, plastic, rubber, paper, concrete, and medicine with the textile industry as the main user. Heterogeneous photocatalysis involves the utilization of a semiconductor catalyst (such as, WO3, CeO2, CdS and ZnS,) irradiated with light of an appropriate wavelength to generate highly reactive transitory oxidative species (i.e. ˚OH, ˚O2-, and HO2) for the mineralization of organic impurities and pollutants. Accordingly, there has been considerable interest and significance in developing a facile, green and environment-friendly strategy for the synthesis of graphene based nanocomposites with improved photocatalytic and photoelectrochemical performance. This work aims towards biogenic developments of significant reduction of metal gold and silver nanoparticles (Au and Ag NPs) using electrochemically active biofilms (EABs), since the functionality for pure Au and Ag can be excited in visible light that only accounts for less than 5% of solar irradiance because of the high charge recombination rate, as well as graphene sheets is used as a highly conducting substrate and electron capture ability which was helpful to reduce the charge recombination rate. Simplistic and environmentally friendly approach using EABs was utilize for the synthesis of an Au–Graphene (Au–G) and Ag-Graphene (Ag-G) nanocomposites without the use of surfactants or any capping agents and further results shows the synergistic effects of the surface plasmonic resonance of metal NPs and the specific electronics effect of graphene holds great promise for the development of photocatalysts and electrochemical devices. The fabrication of WO3 nanorods-Graphene nanostructure using a template-free and surfactant-less hydrothermal process at 200 ˚C for controlled formation of size and shape of nanostructures. The robust nanocomposite structure, better conductivity, large surface area, and good flexibility of the WO3 nanorods–graphene nanostructure appears to be responsible for the enhanced performances such as, photocapacitive and photocatalytic dye degradation applications. The cadmium sulphide nanoparticles (CdS NPs) graphene nanocomposite (CdS-Graphene), prepared by a simple method, in which CdS NPs were decorated successfully onto graphene sheets. The significantly enhanced photocatalytic and photoelectrochemical performance of the CdS-Graphene nanocomposite was attributed to the synergistic effects of the enhanced light absorption behaviour and high electron conductivity of the CdS NPs and graphene sheets, which facilitates charge separation and lengthens the lifetime of photogenerated electron–hole pairs by reducing the recombination rate. The as-synthesized narrow band gap CdS-Graphene nanocomposite can be used for wide range of visible light-induced photocatalytic and photoelectrochemical based applications. The optimized electron beam irradiation (60 kGy and 90 kGy) approach for defects-related engineering of graphene nano-platelets for optical and structural properties dependent photoelectrochemical performances. Proposed method is a reliable way of fine-tuning the properties (optical, spectroscopic and photoelectrochemical) of pristine graphene nanoplatelets using electron beam irradiation for enhanced photoelectrochemical performance. The Cerium oxide nanoparticles (CeO2 NPs) were fabricated and grown on graphene sheets using a facile, low cost hydrothermal approach. Therefore, the Ce3+-ion, surface-oxygen-vacancies, and defects-induced behavior can be attributed to the suppression of the recombination of photo-generated electron–hole pairs due to the rapid charge transfer between the CeO2 NPs and graphene sheets. These findings displays the CeO2-Graphene nanostructures revealed enhanced photocatalytic and photocapacitive performance that could be used for real applications. Keywords: Graphene sheets, defected graphene, gold, silver, WO3, CdS, CeO2, electrochemically active biofilms, photocatalytic degradation, photocapacitance, photoelectrochemical. Mohammad Ehtisham Khan August 2017

Hybrid-silica based biomimetic novel polyethersulfone (PES) membranes for robust anti-fouling and anti-wetting performance in direct contact membrane distillation (DCMD)

Khan, Aftab Ahmad 한양대학교 대학원 2021 국내박사

ABSTRACT Hybrid-silica based biomimetic novel polyethersulfone (PES) membranes for robust anti-fouling and anti-wetting performance in direct contact membrane distillation (DCMD) Aftab Ahmad Khan Department of Civil and Environmental Engineering Graduate school of Hanyang University Direct contact membrane distillation (DCMD) is a promising alternate technology for the treatment of highly saline, organic, seawater, oily wastewater, and industrial wastewater with theoretically 100% rejection. Nevertheless, its hindered to commercialize in large scale due to the fouling and wetting issue during operation. To counter the issue, preparing the MD membranes with anti–fouling and anti–wetting properties are inevitable. The rougher top surfaces and low surface energy robust membranes with no severe fouling and wetting, are highly recommended for the competent rejection of hyper saline organic solutions through membrane distillation (MD). Regarding this chapter 4 enlightens a hybrid organic-inorganic functionalized polyethersulfone (PES) membrane preparation for treating hyper-saline feed solutions containing humic acid (HA) foulant. The membrane modification was carried out by dip-coating with silica nanoparticles, followed by vacuum filtration coating with 1H,1H,2H,2H-perfluorodecyl triethoxysilane and polydimethylsiloxane. The PDMS-FAS/SiNPs membrane performance was respectively better from that of commercial polypropylene (PP) and polyvinylidene fluoride (PVDF) membranes. In the DCMD of a feed solution of 1 M NaCl and 10 mg L-1 HA, the flux of the PDMS-FAS/SiNPs membrane remained consistent (17 LMH), with a permeate conductivity of 33.96 µS cm-1. In Chapter 5, a robust anti-wetting and anti-fouling PES membrane for the rejection of a highly saline (NaCl and CaCl2·2H2O) feed solution containing humic acid (HA) in DCMD. Response surface methodology (RSM) was used to determine the optimum formulation of the used materials. The variable factors selected were polydimethyl siloxane (PDMS) and silica (SiO2); liquid entry pressure (LEP) and contact angle (CA) were selected as responses. The optimum PES-13 membrane exhibited consistent flux of 12 LMH and salt rejection (> 99%) with anti-fouling characteristic in DCMD using the feed solution of 3.5 wt% NaCl+10mM CaCl2·2H2O +10mgL−1 HA. Our third research in Chapter 6 describes the preparation of an anti–oil-fouling polyethersulfone membrane using fluorinated silica nanoparticles (F-SiO2@PES) combined with perfluorodecyl triethoxysilane and polydimethylsiloxane for application against oil/water emulsions. Feed solutions consist of different concentrations of oil (hexadecane), different charge surfactants (anionic sodium dodecyl benzenesulfonate, non-ionic Tween 20, and cationic hexadecyltrimethylammonium bromide, and salt (NaCl). No severe fouling was observed during DCMD process regardless of surfactant charge and the concentration of components. The study in the chapter 7, was accomplished with the membrane similar to the previous study (omniphobic membrane). The modified PES membrane (PES-M) wetting and fouling resistance competence was assessed using two hypersaline feed solutions i.e., (I) multiple salts [2000 mg L-1 (CaSO4 + CaCO3 + CaCl2 . 2H2O + NaCl)] + 20 mg L-1 HA feed (MSHA-F) and (II) Busan seawater feed (BSW-F) in DCMD. The PES-M membrane exhibited the robust performance against both feeds especially with MSHA-F for 150 h long operation giving only 20% flux loss, and 68.8 μS/cm conductivity at the end. PES-M membrane is resilient candidate to resist fouling and wetting and suggested to adopt for the desalination of highly saline and complex feed solutions.

Study towards robust image enhancement in adverse atmospheric conditions

Islam, Md Tanvir Sungkyunkwan University 2025 국내석사

대기 중 안개 및 저조도 환경으로 인해 발생하는 이미지 품질 저하 문제는 자율주행 차량 및 감시 시스템과 같은 자율 시스템에서 매우 중요한 장면 인식 성능에 직결되므로, 이를 해결하는 것은 다양한 실제 응용 분야에서 필수적입니다. 컴퓨터 비전 기반 자율 시스템은 명확하고 고품질의 이미지를 기반으로 실시간으로 중요한 의사결정을 수행하므로, 흐림, 안개, 환경적 대기 오염, 저조도 등의 기상 조건은 이미지의 선명도를 크게 떨어뜨려 객체 탐지 및 주변 환경 해석에 있어 심각한 오류를 유발할 수 있습니다. 이러한 환경에서는 기존의 시각 알고리즘이 신뢰할 수 있는 성능을 제공하지 못하고, 객체 검출, 추적, 장면 분할 등의 주요 작업 성능이 저하되므로, 불리한 환경에서도 안정적으로 작동할 수 있는 이미지 품질 향상 기법의 개발이 요구됩니다. 본 연구에서는 위와 같은 문제를 해결하기 위해 컴퓨터 비전 분야에 두 가지 주요 기여를 제안합니다. 첫 번째는 단일 이미지 안개 제거 성능 향상을 위해 설계된 대규모 종합 데이터셋 HazeSpace2M을 소개합니다. 해당 데이터셋은 야외, 도로, 농경지, 위성 이미지 등 다양한 장면 유형에 걸쳐 안개, 구름, 환경적 대기 오염 (EH) 등 다양한 유형의 대기 흐림 현상이 포함된 2백만 장 이상의 이미지를 포함합니다. 기존 데이터셋이 합성 데이터에 의존하고 안개 유형이나 강도 측면에서 제한적이었던 반면, HazeSpace2M은 실제 및 합성 안개 이미지를 모두 포함하며, 10단계의 안개 강도 수준을 제공합니다. 본 연구에서는 안개 유형을 분류한 후 각 유형에 특화된 제거 알고리즘을 적용하는 새로운 접근법을 통해 안개 제거 성능을 효과적으로 향상시켰습니다. ResNet50과 AlexNet 기반의 최신 분류 모델을 통해 합성 데이터에서 각각 92.75%, 92.50%의 분류 정확도를 달성했으며, 실제 안개 이미지 (RHT)에서는 각각 80%, 70%로 성능이 감소하여 실제 환경의 복잡성을 확인할 수 있었습니다. 실험 결과, 안개 유형 분류 후 특화된 제거 기법을 적용했을 때, PSNR 2.41%, SSIM 17.14%, MSE 10.2\%의 개선을 달성하며 기존 일반화 접근 방식 대비 향상된 성능을 입증하였습니다. 이러한 기여는 향후 더 정교한 대기 환경 이미지 개선 기술 개발의 기반을 마련합니다. 두 번째 기여로는 자율 시스템에서 객체 탐지, 추적, 경로 탐색을 위한 필수 과제인 저조도 이미지 향상 (Low-Light Image Enhancement, LLIE) 문제를 다룹니다. 기존 LLIE 기법은 특히 도심 거리와 같은 실제 환경에서 일반화 성능이 부족한 한계를 가지고 있습니다. 이를 해결하기 위해, 본 연구는 도시 거리 장면에서 촬영된 33,000쌍의 저조도 및 정규 노출 이미지로 구성된 LoLI-Street 데이터셋을 새롭게 구축하였습니다. 또한 실제 저조도 테스트셋 1,000장을 포함하여 모델의 현실 적용 가능성을 평가할 수 있도록 구성하였습니다. 더불어, 본 논문에서는 Transformer와 조건부 노이즈 확산 (Conditional Noise Diffusion)을 결합한 새로운 LLIE 모델 TriFuse를 제안합니다. TriFuse는 Transformer를 확산 과정에서의 정밀한 노이즈 예측기로 활용하여 기존 기법보다 시각적으로 자연스러운 향상 결과를 제공합니다. LoLI-Street 및 주요 벤치마크 데이터셋에서 TriFuse를 기존 최신 기법들과 비교한 결과, PSNR, SSIM, BRISQUE 등 주요 성능 지표에서 우수한 결과를 보였으며, 추론 속도도 크게 단축되어 실시간 적용 가능성을 입증하였습니다. 결론적으로, 본 연구는 안개 및 저조도 환경에서의 이미지 열화를 해결함으로써 컴퓨터 비전 기술을 한 단계 발전시켰으며, 제안된 데이터셋과 기법은 자율 시스템의 정확성과 안정성을 크게 향상시켜 다양한 실제 환경에서의 활용 가능성을 넓히는 데 기여합니다. Addressing the challenges posed by environmental degradation of image quality due to atmospheric haze and low-light conditions is critical for many real-world applications, particularly in autonomous systems such as self-driving vehicles and surveillance technologies, where accurate scene understanding is vital. Computer vision-based autonomous systems rely heavily on clear and high-quality images to make critical real-time decisions. However, adverse atmospheric conditions such as cloud, fog, environmental haze, and low-light environments drastically reduce image clarity, making it difficult for these systems to accurately detect objects, navigate, and interpret the surrounding environment. Under these conditions, standard vision algorithms often fail to deliver reliable results, leading to degraded performance in object detection, tracking, and scene segmentation tasks. This underscores the need for robust methods to enhance image quality and maintain the operational efficiency of autonomous systems in challenging weather and lighting conditions. In this study, we present two major contributions to computer vision to mitigate the challenges mentioned above. The first part of this study introduces HazeSpace2M, a comprehensive dataset designed to enhance single-image dehazing performance. HazeSpace2M contains over 2 million images from diverse scene types, including outdoor, street, farmland, and satellite views, all affected by various atmospheric haze, such as fog, cloud, and environmental haze (EH). Unlike existing dehazing datasets, which often rely on synthetic data and are limited in terms of haze type and intensity level, HazeSpace2M includes both synthetic and real hazy images across ten levels of haze intensity. This dataset enables the classification of different haze types before applying specialized dehazing algorithms tailored to each type, which is a novel approach that significantly improves dehazing performance. Using state-of-the-art (SOTA) models such as ResNet50 and AlexNet, we achieved classification accuracies of 92.75% and 92.50%, respectively, on synthetic data. However, on real hazy images from our Real Hazy Testset (RHT), the performance dropped to 80% and 70%, illustrating the challenging nature of real-world dehazing. Experiments demonstrated that the proposed haze type classification, followed by specialized dehazing, led to an improvement of 2.41%, 17.14%, and 10.2% in PSNR, SSIM, and MSE, respectively, compared to generalized dehazing methods. This contribution lays the foundation for more effective atmospheric dehazing techniques and improves the clarity and usability of images captured under adverse weather conditions. In the second part of this study, we addressed the problem of low-light image enhancement (LLIE), which is crucial for object detection, tracking, and navigation in autonomous systems. Existing LLIE methods often fail to generalize well to real-world scenarios, particularly in street scenes, where low-light conditions pose a significant challenge. To address this issue, we introduce the LoLI-Street dataset, which consists of 33,000 paired low-light and well-exposed images captured from urban street scenes. This dataset was specifically curated to support LLIE tasks in autonomous driving and urban surveillance. The dataset includes a real low-light test set of 1,000 images for evaluating LLIE models under real-life conditions. In addition to the dataset, we propose TriFuse, a novel LLIE model that combines the power of transformers and conditional noise diffusion to enhance the image quality. TriFuse leverages a transformer as an accurate noise predictor during diffusion, allowing for more realistic and visually appealing enhancements than existing methods. Benchmarking TriFuse against SOTA models on LoLI-Street and other mainstream datasets demonstrated its superiority in image enhancement and object detection. Notably, TriFuse outperformed other models in key metrics, such as PSNR, SSIM, and BRISQUE, while significantly reducing the inference time, making it a practical solution for real-time applications. Thus, this study advances computer vision technology by addressing two critical image degradation issues. The datasets and methods developed in this study improve the accuracy and robustness of dehazing and LLIE models and pave the way for more reliable and efficient autonomous systems capable of functioning in challenging environmental conditions.

(A) Study of Spatiotemporal Pattern Analysis Using Deep Hybrid Models for Power Forecasting

Khan, Zulfiqar Ahmad 세종대학교 대학원 2025 국내박사

In recent years, the rapid integration of renewable energy sources, such as solar and wind power, into smart grids has led to a transformative shift toward decentralized, sustainable power systems. However, the intermittent and variable nature of renewable power generation, coupled with the complex and fluctuating patterns of power consumption, presents significant challenges for maintaining energy stability and optimizing power management. Accurate forecasting of both power generation and consumption is crucial for effective energy resource allocation, stability, and decision-making in smart grids. Existing forecasting models often struggle to capture the intricate spatial and temporal dependencies inherent in power data, facing limitations in scalability, adaptability, and generalization to diverse datasets and evolving energy patterns. These shortcomings hinder the potential of smart grid operations, necessitating innovative approaches to overcome the challenges in power forecasting. This dissertation proposes comprehensive methodologies consisting of four advanced hybrid models to address these critical challenges in power forecasting. The proposed models are designed to enhance the accuracy and robustness of both power generation and consumption forecasting by leveraging state-of-the-art deep learning techniques and innovative attention mechanisms. The first method introduced the Dual Stream Network (DSN), which is specifically designed for precise power generation and consumption forecasting. The DSN incorporates two parallel learning streams: a one-dimensional Convolutional Neural Network (CNN) for capturing spatial features and a sequential learning algorithm for temporal patterns. By integrating these spatial and temporal features, the DSN generates a comprehensive feature representation, which is further refined using a self-attention mechanism. This advanced feature selection process allows the model to focus on the most relevant and informative features, leading to more accurate predictions. The second method is the Dual Sequence Prediction Model (DSPM), provides a holistic approach to forecasting both power generation and consumption. Built on a Spatiotemporal CNN (STCNN) architecture, the DSPM efficiently extracts spatial and temporal information, enabling it to predict power generation and consumption simultaneously. This dual sequence prediction capability is critical for smart grids, where balancing power supply and demand is essential for stable operations. To enhance spatial feature extraction, the DSPM incorporates a 1D spatial attention module, which captures crucial dependencies in historical data, and leverages shared weather information to streamline the learning process. By applying the Kullback–Leibler Divergence (KLD) algorithm, the DSPM ensures efficient power distribution within smart and microgrids, offering significant improvements over baseline models. The third approach introduces the Trapezoidal Attention Mechanism (TAM) within a two-stream architecture for both power generation and consumption forecasting. The first stream employs dilated causal convolutional layers to capture intricate spatial patterns, while the second stream focuses on extracting temporal information. The novel trapezoidal attention module plays a central role in refining the feature representation by applying spatial, temporal, and spatiotemporal attention. Unlike traditional attention mechanisms, TAM enhances feature maps through a unique trapezoidal structure, which incorporates skip connections from pre-TAM features to enrich the final output. By intelligently combining the outputs from both streams and attention module, TAM significantly improves the model ability to capture complex dependencies. The final and most advanced model presented is the Dual-stream Site Incremental Network (DSI-Net), developed to address the challenges of power forecasting in dynamic environments. DSI-Net is also based on a two-stream architecture that combines one-dimensional CNN for spatial feature extraction and a Graph Neural Network-based Spatial Attention Module (GNN-SA) to model complex spatial relationships across different sites. The GNN-SA module allows the network to capture interdependencies between multiple spatial locations, which is crucial for power forecasting across various geographic regions. The second stream of DSI-Net utilizes ConvLSTM layers followed by a Self-Attention Memory Module (SAMM) to capture both global and local dependencies in the temporal domain. The SAMM module employs a pairwise similarity score to aggregate temporal features, further improving the DSI-Net learning capabilities. Additionally, DSI-Net incorporates an incremental learning procedure, allowing the model to adapt dynamically to new datasets and evolving patterns, making it highly generalizable across different power systems and weather conditions. Collectively, the proposed models—DSN, DSPM, TAM, and DSI-Net—offer a comprehensive solution to the challenges of power forecasting in modern smart grids. These models are thoroughly evaluated on diverse power datasets, including solar and wind power generation datasets, appliances, residential, regional, and industrial power consumption datasets, and PowerGrid dataset including power generation, consumption, and weather data. The dissertation presents compelling evidence that these models surpass the performance of state-of-the-art approaches, particularly in terms of error rates reduction, adaptability, and generalization to evolving patterns. By addressing key limitations in existing methods, this research contributes to advancing smart grid technologies, ensuring more reliable and efficient energy management in the face of growing renewable energy integration.

Towards intelligent child behavior recognition in indoor settings

Shehzad, Ali Sungkyunkwan University 2026 국내석사

Recognizing child behavior in indoor environments is critical for ensuring safety and well-being. By nature, children are exploratory and often involved in various activities which lead to injury. Similarly, they are sometimes involved in activities that damage the prosperity of the house. Besides the hazardous interaction, they also exhibit aggressive behaviors in response to frustration, stress, and the inability to self-regulate emotions. In the long term, such behavior leads to disrupted social skills, hinders emotional regulation, and overall prevents the healthy mindset development. However, traditional methods fall short in recognizing hazardous and aggressive behaviors in children due to the lack of available datasets. The lack of specialized datasets hinders the development of deep learning-based models for intelligent child behavior recognition in indoor environments. These result in unreliability, subjective reporting, and delayed response, despite the advancement of AI-based monitoring systems. In response, in this study, we contribute to intelligent child behavior recognition and present two major contributions to advance the research on child well-being. In the first part of this study, we introduce the Real-world Hazardous Activity Recognition dataset (RHAD). RHAD is a video dataset collected to capture various child hazardous activities in real-world indoor environments. Additionally, we propose a specialized model called HazardNet, designed to accurately recognize hazardous activities. Additionally, we perform comprehensive benchmarking of the SOTA methods. Our experimental results highlight that HazardNet exhibits better performance, around 9.2% higher in terms of accuracy, compared to the latest method, VideoMamba. The second part of this study presents the Child Aggressive Behavior Recognition Dataset (CABAD). A comprehensive video dataset for aggressive behavior recognition in indoor environments. Utilizing CABAD, we propose a model called CABA_Net, specifically designed to recognize aggressive behavior in children. Our results show that CABA_Net achieves better performance compared to CNN and transformer-based models. Through these contributions, we aim to contribute to intelligent child behavior recognition. The insights and analysis disseminated in these contributions provide a strong baseline for future research. These create a pathway to have more safer environment for children and also contribute to enhancing child well-being. 컴퓨터 비전과 인공지능 기술의 발전은 인간 활동을 자동으로 분석하는 능력을 크게 향상시켜 왔습니다. 그러나 실내 환경에서의 아동 행동 이해는 여전히 어려운 연구 분야로 남아 있습니다. 이는 아동의 행동이 자발적이고 예측 불가능하며, 때로는 안전과 직결되는 특성을 가지기 때문입니다. 가정이나 교육 공간에서 아동은 신체적 위험, 정서적 불안, 혹은 생활 환경의 손상을 초래할 수 있는 행동을 자주 보입니다. 그 중요성에도 불구하고 기존 연구는 주로 성인 또는 일반적인 아동 활동에 집중하고 있어, 위험하거나 공격적인 아동 행동을 충분히 반영하지 못하고 있습니다. 이로 인해 현재의 행동 인식 모델들은 조기 위험 감지나 실시간 안전 모니터링에 한계를 보입니다. 이러한 문제를 해결하기 위해 본 학위논문은 두 가지 주요 기여를 제안합니다. 첫 번째는 실제 실내 환경에서 발생하는 아동의 위험 및 생활공간 훼손 행동 12개 범주를 포함한 대규모 비디오 데이터셋인 RHAD(Real-world Hazardous Activity Dataset) 입니다. RHAD는 다양한 위험 수준, 환경적 변이, 객체 상호작용을 포함하여 현실적이고 복합적인 상황을 반영합니다. 본 연구는 이를 기반으로 효율적인 공간 특징 표현과 시간적 패턴을 통합한 하이브리드 모델 HazardNet을 제안하였습니다. 실험 결과, HazardNet은 여러 평가지표에서 기존 모델보다 우수한 성능을 보여 아동 안전 모니터링에 적합함을 입증하였습니다. 두 번째 기여는 아동에게서 흔히 관찰되는 6가지 공격 행동을 포함한 CABAD(Child Aggressive Behavior Activity Dataset) 입니다. 이를 활용하여 본 연구는 충동적이고 정서적으로 유발되는 행동의 특성을 효과적으로 포착할 수 있도록 설계된 시간-어텐션 기반 모델 CABA\_Net을 제안하였습니다. CABA\_Net은 다양한 촬영 조건에서도 높은 인식 성능을 보였으며, 아동 중심 모델 설계의 필요성을 확인시켰습니다. 종합적으로, 본 연구에서 제안한 데이터셋과 모델은 아동 행동 분석 분야의 발전에 기여하며, 향후 자동화된 위험 감지 시스템, 조기 개입 프로그램, 안전 중심 스마트 실내 환경 구축에 중요한 기반이 될 것입니다. 또한 실제 환경의 복잡성과 아동 행동의 특성을 반영함으로써, 아동의 안전과 전반적 삶의 질 향상을 위한 지능형 모니터링 기술 발전에 기여합니다.

Dual-Buck Power Converters with Enhanced System Reliability and Efficiency : 고 신뢰성, 고효율 듀얼 벅 파워 컨버터

Khan, Ashraf Ali 경북대학교 대학원 2018 국내박사

고 신뢰성, 고효율 듀얼 벅 파워 컨버터 아쉬라프 알리 칸 경북대학교 건설 환경 에너지 공학부환경 에너지 공학 전공 (지도교수: 차헌녕) (초록) 기존의 양방향 컨버터의 대부분은 안정성에 문제가 되는 슛-쓰루 (shoot-through) 위험성을 가지고 있다. 슛-쓰루 (shoot-through) 문제를 피하고 안정성을 높이기 위해 데드 타임이 게이트 신호 사이에 삽입된다. 하지만 데드 타임은 전압 이득을 줄이고 효율을 감소 시켜 컨버터의 성능을 떨어트린다. 또한 이는 제어 능력을 떨어트리고 출력 파형을 왜곡 시키며 스위칭 주파수를 제한한다. 전력 변환기는 일반적으로 MOSFET과 IGBT를 스위치 소자로 사용한다. MOSFET은 IGBT보다 빠른 스위칭, 낮은 스위칭 손실 및 전압 강하 특징을 갖는다. 이러한 특징 때문에 MOSGET은 고주파 스위칭이 필요한 전력 변환기에 적합하다. 고주파 스위칭은 전력변환기의 수동 부품 양을 줄이고 효율을 향상시킬 수 있다. 그러나 하드 스위칭하거나 버스 전압이 높은 경우 MOSFET의 바디 다이오드는 역 회복 문제를 갖는다. 따라서 버스 전압이 높은 상태에서 하드 스위칭을 하는 기존의 컨버터는 일반적으로 MOSFET을 스위치 소자로 쓰는 것을 권장하지 않는다. 본 논문은 듀얼 벅 컨버터 라 불리는 하드 스위칭 컨버터를 제안한다. 이는 슛-쓰루 (shoot-through) 위험성을 제거하여 높은 신뢰성을 달성하고 MOSFET 바디 다이오드의 역 회복 문제를 제거하여 효율을 향상시켰다. 넓은 범위의 입력 전압을 가진 채 출력 AC 전압을 조절하기 위해서는 벅-부스트 전력 시스템이 필요하다. 본 논문은 1단 2-레벨 벅-부스트 인버터를 제안한다. 제안한 인버터는 슛-쓰루 (shoot-through) 문제가 없어 시스템 신뢰성이 향상되었으며 파워 MOSFET을 사용하여 효율을 높였다. 광범위한 전압이득 구간을 가지고 있으며 출력 AC 파형을 왜곡 없이 얻을 수 있기 때문에 게이트 신호의 데드 타임을 없앨 수 있다. 제안한 1단 벅-부스트 인버터의 효율과 안정성을 더욱 향상시키기 위해 저주파와 고주파 변조를 결합한 PWM 이 본 논문에서 제안된다. 고전압 민 고전력dc-ac 전력 변환에서 2-레벨 인버터는 잘 사용되지 않는다. 고전압 및 고전력 전력변환을 위해 다중 레벨 인버터가 대안으로 발전해왔다. 본 논문은 새로운 방식의 캐스케이드 및 중앙 포인트 클램핑 멀티 레벨 인버터를 제안한다. 이는 왜곡이 적은 출력 AC 전압을 생성 할 수 있다. 또한 제안한 멀티 레벨 인버터는 저전압 정격을 가진 소자로 높은 출력 AC 전압을 얻을 수 있으며 스위칭 주파수를 줄일 수 있다. 게다가 이 또한 슛-스루 (shoot-through)와 MOSFET바디 다이오드의 역 회복 문제가 없다. 일반적으로 인버터는 DC-AC 전력 변환에 사용되며 AC-AC 컨버터는 AC-AC 전력 변환에 사용된다. 전통적인 AC-AC 컨버터는 정류 문제를 가지고 있어 실제로 어플리케이션에 적용하기가 어렵다. 본 논문은 새로운 유형의 2단 단상, 3 상 및 다단 계단식 AC-AC 컨버터를 제안한다. 이들은 슛-스루와 데드 타임 관련 문제가 없다. 또한 RC 스너버를 사용하거나 소프트 정류 방법을 이용하는 전통적인 방법을 하지 않아도 안전한 정류를 할 수 있다. 게다가 이들은 출력전압 왜곡이 거의 없으며, 바디 다이오드의 역 회복 문제 또한 없기 때문에 파워 MOSFET을 사용하여 높은 효율을 가질 수 있다. 고전압 AC-AC 전력 변환을 위해, 위상 변환 제어를 하는 새로운 계단식 AC-AC 전력 변환기가 본 논문에 소개된다. 이는 저전압 정격 반도체 소자를 사용하여 고출력 AC 전압을 생성 할 수 있다. 위상 변환 제어는 컨버터의 스위칭 주파수를 캐스케이드 단위만큼 증가시킨다. 본 논문은 제안한 컨버터의 스위칭 전략과 상세한 이론 분석 및 설계 지침을 설명한다. 제안한 회로의 특징을 확인하기 위해 다양한 시제품이 제작되고 테스트되었다. Abstract Dual-Buck Power Converters with Enhanced System Reliability and Efficiency By Ashraf Ali Khan Most of the conventional bidirectional converters have shoot-through risk, which is a major reliability issue. To avoid the shoot-through, finite dead-time is inserted between the switches. The dead-time guarantees safe operation. However, it adversely affects the performance of the converter. The dead-time reduces the voltage gain, reduces efficiency, decreases controllability, distorts the output waveforms, and limits the switching frequencies. In power converters, MOSFET and IGBT are commonly used as switching devices. In comparison with IGBT, MOSFET has fast switching, low switching loss and resistive conduction voltage drop. These features make MOSFET attractive in power converters for high frequency switching to reduce the volume of passive components by increasing switching frequency and to improve efficiency. However, the body diode of MOSFET has poor reverse recovery characteristics which cause reverse recovery issues during hard switching and when the bus voltage is high. Therefore, in the conventional hard switching converters at high bus voltage, MOSFETs are normally not recommended for switching. In this thesis hard switching converters called dual-buck converters are proposed to attain high reliability by eliminating shoot-through risk, and improve efficiency by utilizing MOSFETs without reverse recovery issues of their body diodes. A buck-boost power conditioning system is required to regulate the output ac voltage for wide range input dc voltage variation. This dissertation proposes single-stage two-level buck-boost inverters. Compared to the conventional single-stage buck-boost inverters, the proposed inverters have enhanced system reliability due to no shoot-through issues, and can increase the efficiency by using power MOSFETs. They can eliminate the dead-time in gate signals, owing to which the obtainable voltage gain can be reached and the output ac waveforms can be obtained with less distortion. To further improve the efficiency and stability of the proposed single-stage buck-boost inverters, PWM strategies combining the low and high frequency modulations are proposed. In high-voltage and high dc-ac power conversion, the two-level inverters can be hardly used. For this purpose, multilevel inverters have evolved as a viable solution. This dissertation proposes new type of cascaded and neutral point clamped multilevel inverters. They can generate an output ac voltage with low distortion. In addition, a high output ac voltage can be obtained with standard low voltage rating devices. Furthermore, they can reduce the switching frequencies. Besides, the proposed multilevel inverters have no shoot-through issues and can utilize power MOSEFTs without reverse recovery issues of their body diodes. Inverters are normally used for dc-ac power conversion, and ac-ac converters are used for ac-ac power conversion. The direct ac-ac converters are used for applications that require only voltage or power regulation. The traditional direct ac-ac converters have commutation problem which limits their practical implementation. This dissertation proposes new type two-level single-phase, three-phase and multilevel cascaded direct ac-ac converters. They have no shoot-through and dead-time related problems, and they can achieve safe commutation without employing the traditional techniques of using RC snubbers and employing soft commutation strategies. Further, they produce output voltages with extremely low distortion, and they can attain high efficiency by utilizing power MOSFETs without reverse recovery issues of their body diodes. To work with high voltage and high ac-ac power conversion, new type cascaded ac-ac power converters with phase-shift control are proposed in this dissertation. It can generate a high output ac voltage using standard low voltage rating semiconductor devices. The phase shift control increases the switching frequency of the converter by the number of cascaded units. The switching strategies for the proposed converters are developed, and detailed theoretical analysis and design guidelines of the proposed topologies are presented. To verify the performance and effectiveness of the proposed topologies, various laboratory prototypes are fabricated and tested.

Essays in macroeconomics with heterogeneous households

장영수 ProQuest LLC 2017 국내박사

Essays on business cycles with credit shocks

Jo, Inhwan ProQuest LLC UMI Dissertation Publishing 2015 국내박사

Inequality, skills, asset choice, and business cycles

김희정 ProQuest LLC 2017 국내박사