{"title":"Implementation and Performance Comparison of Deep Learning Models for Road Flooding Detection","authors":"Hui-Seong Noh, Ki-Hong Park","doi":"10.14801/jkiit.2023.21.8.185","DOIUrl":"https://doi.org/10.14801/jkiit.2023.21.8.185","url":null,"abstract":"기존의 단일 센서를 이용한 도로 침수 시스템은 수위가 특정 수치에 도달할 때 경보를 주는 방식으로 도로침수 판단 및 초동대처가 어렵다. 따라서 본 논문에서는 CCTV를 이용한 실시간 도로 침수 시스템 개발을 위해 CNN 기반의 사전 학습모델 8개를 선정 및 구현, 학습 및 검증을 통해 성능을 비교하였다. 모델별로 batchsize 16, 120 epoch로 학습하였고, 실험 결과 딥러닝 학습모델들이 평균적으로 90%의 정확도를 보였다. 특히 정확도 측면에서는 ShuffleNet V1, SqueezeNet, ResNet-50 모델 순으로 성능이 우수하였다. 그러나 실시간 도로 침수 탐지와 예측을 위해서는 모델별 적정한 파리미터 수와 짧은 추론 시간이 요구되는 바, CCTV 한대당 10초에 1번씩 분석된다고 가정했을 때 ResNet-50 학습모델이 800대까지 수용할 수 있는 것으로 분석되었다.","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"48 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135989804","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Jeongho Choi, Nakil Kim, Wonhyun Kim, SeongJeong Yoon
{"title":"Research on Trends and Key Issues in Industrial Collaborative Robots and Worker Interaction","authors":"Jeongho Choi, Nakil Kim, Wonhyun Kim, SeongJeong Yoon","doi":"10.14801/jkiit.2023.21.8.61","DOIUrl":"https://doi.org/10.14801/jkiit.2023.21.8.61","url":null,"abstract":"최근 산업용 로봇을 넘어 협동 로봇 도입이 필수적인 요인으로 공인하고 있다. 산업용 로봇은 작업자와 협업할 수 있는 것이 아니다. 그러나 협동 로봇은 작업자와 협업하는 로봇을 의미한다. 작업자와 로봇 간의 협업이 중요한 이유는 작업자의 작업 효율성뿐만 아니라 안전과 밀접한 관련이 있다. 협동 로봇에는 ISO/TS 15066과 같은 안전준수 사항과 EN ISO 10218이 공표되어 있다. 그러나 최근 이러한 안전문제에 대하여 여전히 해결되지 않는 부분에 있어 연구가 진행 중이다. 그 예로 협동 로봇의 로봇과 작업자 간의 충돌 모델링, 안전제어 알고리즘 연구 등이 있으며, 작업자의 신체부위별 고통을 느낄 수 있는 한계치와 관계한 연구도 진행하고 있다. 기존 연구의 고찰을 통하여 향후 협동 로봇이 해결해야 할 주요 이슈와 작업자의 어떤 부분을 고려할지 연구 쟁점을 제시하고자 한다. 전문가인터뷰 및 기존연구 분석을 통하여 객관성을 확보하여 제시하고자 한다. 이를 통하여 협동 로봇 개발사의 역량 제고뿐만 아니라 전반적인 산업생태계에 협동 로봇을 통한 제조업의 질적 향상을 제공하고자 한다.","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"24 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135989807","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Ship Classification Method using Two-Stage CNN Model","authors":"Woon-Young Baek, Sang-Gil Kang","doi":"10.14801/jkiit.2023.21.8.203","DOIUrl":"https://doi.org/10.14801/jkiit.2023.21.8.203","url":null,"abstract":"최근 들어 다양한 산업에 머신러닝을 적용한 자동화 시스템이 개발됨에 따라 해양 과학 분야에서도 자율운행 선박에 대한 연구가 활발히 진행중이다. 선박이 자율 운행을 하기 위해선 카메라를 통해 주변 상황을 인지하고 해상의 선종을 분류하는 기술이 필요하다. 기존의 연구들은 단일 CNN 모델만을 사용하지만, 본 논문에서는 전이 학습이 적용된 two-stage CNN 모델을 제안한다. 선박의 외형은 각도와 종류에 따라 매우 다양하므로 하나의 CNN 모델을 사용할 경우 데이터 복잡성 문제에 의해 높은 정확도를 보장할 수 없다. 해당 모델은 선박이 향한 방향을 세 종류로 분류한 뒤, 각각의 방향에 대한 선종 분류를 진행하여 이를 해결한다. 본 논문에서는 제안된 방식의 성능을 검증하기 위해 기존의 CNN 모델과 비교 실험을 수행하였으며, 이를 통해 우리가 제안한 방법이 선종 분류의 정확도를 높일 수 있음을 보여준다.","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"2 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135987799","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Research of Knee K-L Grade Classification using AI and Explainable Model","authors":"Junhee Choi, Hwa-Kyu Lee, Hyun-Sug Cho","doi":"10.14801/jkiit.2023.21.8.133","DOIUrl":"https://doi.org/10.14801/jkiit.2023.21.8.133","url":null,"abstract":"퇴행성 관절염은 관절 연골이 닳게 되면서 퇴행적인 변화가 나타나는 질환이다. 무릎 퇴행성 관절염의 K-Lgrade 단계를 진단하기 위해서 일반적으로 X-ray 영상을 활용하며, 무릎 관절의 간격, 연골의 소실 정도, 골극의 형성으로 K-L grade를 판단한다. 정상 및 K-L grade 1~4단계로 구분된 데이터셋을 활용하였으며, CNN 알고리즘은 DarkNet-53 모델을 활용하였다. K-L grade 단계 구분과 골관절염 발생 여부에 대한 실험을 통해 Top-1, Top-2의 성능지표 결과를 확인하였다. K-L grade 단계의 근거가 되는 관절 간격을 측정하였고 뼈의 각도를 측정하는 알고리즘을 제안하였다. 실험 결과로 Top-2의 경우 K-L grade 단계 분류 정확도가 0.828의 결과를 보였으며, 향후 무릎 관절의 이상 징후 탐지 보조와 학습 데이터 가공 과정에 활용될 것으로 기대된다.","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"47 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135989799","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Semantic Segmentation based Data Augmentation Techniques for Anomaly Detection of Concrete Structures","authors":"Geon Park, Jaeyoon Ahn, Hyun Yoo, Kyungyong Chung","doi":"10.14801/jkiit.2023.21.8.11","DOIUrl":"https://doi.org/10.14801/jkiit.2023.21.8.11","url":null,"abstract":"인공지능 및 딥러닝 기술의 발전으로 다양한 분야에서 혁신적인 성과가 이루어지고 있지만, 여전히 제한된 수량과 종류의 데이터셋을 이용하여 모델을 학습시키는 한계점이 존재한다. 본 논문에서는 콘크리트 구조물의 이상 탐지를 위한 시맨틱 분할 기반의 데이터 증강 기법을 제안한다. 제안하는 방법은 시맨틱 분할을 통해 결함 부분을 추출하고, 무작위 위치 선정과 알파 합성을 통해 객체와 배경을 합성하여 다양한 배경과 결함 조합을 포함하는 이미지 데이터셋을 생성한다. 이 방법은 Dice Score와 IoU Score를 사용하여 평가하였으며, 실험결과 이 방법은 기존의 방법보다 더 높은 성능을 보이고 있어 콘크리트 구조물 결함 탐지 분야에서 실용적으로 적용될 수 있다.","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"72 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135989800","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Efficient AIoT Resource Management Techniques Reflecting Virtualization Resource Allocation in Production Environments","authors":"Yoon-Su Jeong, Yong-Tae Kim","doi":"10.14801/jkiit.2023.21.8.121","DOIUrl":"https://doi.org/10.14801/jkiit.2023.21.8.121","url":null,"abstract":"인공지능과 사물인터넷의 융합이 가속화되면서 오늘날 많은 기업들이 경쟁력과 효율성을 높이기 위해 산업현장에서 AIoT를 광범위하게 사용하고 있다. 산업 현장에서 컴퓨팅 집약적이고 리소스 집약적인 네트워크 에지는 효율적이지만, 리소스 용량 및 전력 예산에는 낮은 대기 시간과 에너지 효율성을 높일 수 있는 관리 방법이 필요하다. 본 논문에서는 AIoT 자원 관리의 모델 성능(정확성 및 견고성)과 자원 비용을 동시에 최적화 할 수 있는 가상화된 자원 할당 기반 AIoT 자원 관리 기법을 제안한다. 제안 방법은 랴푸노프(Lyapunov) 최적화 이론을 사용하여 에지 및 클라우드 리소스의 병목 현상을 최소화하여 저비용으로 지속적인 학습을 수행한다. 또한, 제안 방법은 AIoT 리소스의 지속적인 학습 모델에 가중치를 지속적으로 업데이트하여 가상화 리소스 할당을 통해 리소스의 처리 지연 및 네트워크 오버헤드를 최소화한다.","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"43 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135989802","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Object-Centered Spectral Matching for Efficient Environmental Information Fusion in Multiple Small Robot Systems","authors":"Insik Jang, Hyeonwoo Kim, Heoncheol Lee","doi":"10.14801/jkiit.2023.21.8.27","DOIUrl":"https://doi.org/10.14801/jkiit.2023.21.8.27","url":null,"abstract":"","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135990433","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Safety Evaluation for Reinforcement Learning Model: Case Study of Autonomous Driving","authors":"Suhee Jo, Ryeonggu Kwon, Gihwon Kwon","doi":"10.14801/jkiit.2023.21.8.165","DOIUrl":"https://doi.org/10.14801/jkiit.2023.21.8.165","url":null,"abstract":"","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"24 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135987834","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Design of an Indoor Security Robot System based on Autonomous Navigation and Object Detection","authors":"Eun-Sang Woo, Tae-Hyun Kim, Dong-Hyun Lee","doi":"10.14801/jkiit.2023.21.8.19","DOIUrl":"https://doi.org/10.14801/jkiit.2023.21.8.19","url":null,"abstract":"","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"151 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135990526","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Smart Contract-based Electric Vehicle Battery Charging History Management Mechanism","authors":"Jinsu Kim, Namje Park","doi":"10.14801/jkiit.2023.21.8.193","DOIUrl":"https://doi.org/10.14801/jkiit.2023.21.8.193","url":null,"abstract":"환경 문제에 따른 기후 변화 대응을 위해 이산화탄소를 제한함에 따라 친환경적인 운송수단이 요구되었으며, 온실 가스의 배출량을 줄이기 위해 기존의 내연기관을 대체하기 위한 동력 수단으로 전기를 활용한 전기차가 활성화되고 있다. 하지만 주요 에너지원이 되는 배터리는 활용함에 따라 최대용량의 감소와 전력 사용량증가와 같은 문제를 유발할 수 있으며, 지속적인 관리가 요구된다. 본 논문에서는 전기차의 충전이력을 관리하기 위해 스마트 컨트랙트를 활용하여 최대 충전량, 소모 전력량, 주행거리와 같은 데이터를 블록 데이터로 작성하여 블록 네트워크에 공유하는 방안을 제안한다. 제안 방안에서는 전기차의 충전을 수행하는 기기에서 충전 이력을 생성하여 해시를 이용해 스마트 컨트랙트를 생성하고, 사용자는 충전기로부터 얻은 충전이력을 확인하여 해시를 생성함으로써 두 해시가 동일한 경우 충전이력 블록을 생성한다.","PeriodicalId":498669,"journal":{"name":"Journal of Korean Institute of Information Technology","volume":"46 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135987794","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}