Earticle

전 세계적으로 사랑받고 있는 채소인 무는 뿌리채소 중 하나로 다양한 요리에 주재료로 사용되고 있어 많은 양이 생 산되고 소비된다. 무는 또한 한국의 음식 문화에서도 중요한 역할을 하는데, 대표적인 한국의 음식 중 하나인 김치 에도 무가 사용된다. 하지만 최근 급격한 기후 변화로 인해 무가 시들음병에 쉽게 노출될 수 있는 환경이 만들어져 무의 품질과 수확량이 크게 저하되는 문제가 생기고 있다. 무 시들음병 문제를 해결하기 위한 기존의 식물 대상의 질병 식별 방식은 수집한 컬러 이미지에서 수동으로 특징을 추출했기 때문에 많은 시간과 비용을 소모했다. 하지만 최근 근적외선 센서의 개발로 인해 식물의 질병 식별을 시간적, 금전적으로 보다 효율적으로 판별할 수 있도록 발전 하였다. 본 논문에서는 다중 이미지 센서를 기반으로 무인 비행체인 드론을 사용하여 무 시들음병을 식별할 수 있는 컬러 및 근적외선 이미지에 대한 딥 러닝 프레임워크를 제안하고 비교한다. 또한 사용자가 딥 러닝 모델의 결과를 시각적으로 이해할 수 있도록 설명가능한 인공지능(XAI) 접근 방식을 사용한다. 다양한 실험에서 얻은 결과로 제안 하는 프레임워크는 정확도, 계산 복잡성 측면에서 기존 탐지 시스템에 비해 더 나은 성능을 보인다는 것을 보여주었 고, 근적외선 데이터셋은 식생 지수 계산을 통해 무 시들음병을 식별하는데 효과가 있음을 보여주었다.

Radish, loved worldwide, is one of the root vegetables and is used as a main ingredient in various dishes, so it has a lot of production and consumption. Radish is also used in kimchi, one of the most popular Korean foods. Due to rapid climate change in recent years, it can be easily exposed to the radish fusarium wilt disease, which greatly reduces the quality and yield of radishes. Traditional plant disease identification methods used to solve the Fusarium Wilt problem are time-consuming and costly because they rely on manually extracting features from collected RGB images. Recent developments in near-infrared sensors have made it possible to determine plant health more efficiently, both in time and money. In this paper, we propose and compare Deep Learning Framework for RGB and NIR(Near-infrared) images that can identify radish fusarium wilt disease using Drone, Unmanned Aerial Vehicle based on multiple image sensors. It also uses an XAI(eXplainable Artificial Intelligence) approach that allows users to visually understand the results of the Deep Learning model. As a result of the various experiments, the proposed Framework showed better performance compared to existing detection systems in terms of accuracy and computational complexity, while NIR Dataset showed that it was effective in identifying the radish fusarium wilt disease through the Vegetation index calculation.

감시 카메라는 모니터링, 스마트 시티, 화상 회의 등 여러 가지 도메인에 설치되어 사용되고 있다. 영상데이터에서 객체 탐지, 추적 및 인식과 같은 여러 작업을 수행하기 위해서는 분산 네트워크를 사용하여 알고리즘을 개발하는 것 이 필수적이다. 이를 위해 컴퓨터 영상 분야에서 단일화면에서의 이미지 및 영상분석을 위한 수많은 기술이 개발되 었다. 그러나 영상데이터 분석 분야의 논문을 살펴보면 다중화면에서의 영상분석 기술에 대한 연구는 드물다. 따라 서 본 논문에서는 일반적으로 단일화면 영상분석에 적용되는 여러 기법의 하이브리드 접근을 통해 다중화면 영상에 서 사람을 재식별하고 추적하는 방법을 제안하였다. 먼저 자체 데이터 세트를 생성하였으며, 전처리 단계를 거친 이 미지에서 YOLO를 사용하여 인물을 감지하고 Mask-RCNN을 통해 배경을 삭제하였다. 다음으로 K-Means Clustering 알고리즘을 적용하여 각각의 이미지에서 색상 특징을 추출하였다. 마지막으로 Bhattacharyya distance에 가중치를 추가하여 두 개의 이미지 클러스터 간의 유사성을 측정하는 새로운 거리 지정 알고리즘을 제 안하였다. 제안된 방법은 실험결과 86.23 평균 정밀도를 얻었으며 제안된 방법의 효과를 검증 및 확인하였다.

Nowadays, surveillance cameras are widely installed at every edge due to their largescale applications ranging from monitoring to smart city and indoor offices for video conferencing. However, to perform several tasks such as detection, tracking, and identification of persons in video data, it is an essential step to develop an algorithm specifically using a distributed network. For this purpose, numerous techniques have been developed in the field of computer vison for single-view images/video analysis. However, overviewing the literature of video data analytics, the techniques for multi-view analysis are missing on extreme level. Therefore, in this paper, we propose a method for person re-identification and tracking in multi-view images through hybrid approach of several techniques that are usually applied for a single-view image. At first, we generate our own dataset and pass the images into a preprocessing step to detect person using YOLO and subtract the background through Mask-RCNN. Next, the color features are extracted from the images which are fed into K-mean clustering algorithm. We introduce a novel distancing formula by adding weights to Bhattacharyya’s distance to measure the similarity between the clusters of two multi-view input images. The conducted experiments verify and confirm the affectiveness of the proposed method by obtaining 86.23 average precision.

본 논문에서는 소형 임베디드 시스템을 기반으로 교차로 상의 차량을 실시간으로 검출함으로써 차량의 정체 상황에 따라 적응적으로 교통 신호등을 제어하는 스마트 교통 관리 시스템을 제안한다. 제안하는 시스템의 개발을 위해 크 게 3단계로 연구를 진행하였다. 먼저 차량 검출을 위한 딥러닝 기반의 학습 모델을 구축하였다. 학습 모델 구축 단 계에서는 교차로에서 차량 검출 성능을 제고하기 위해 15,083 개의 실험 영상을 수집하고 이들 영상에 포함된 104,719 대의 차량에 대해 학습 데이터를 구축하였다. 두 번째 단계에서는 소형 임베디드 시스템에서 YOLO 기반 의 실시간 차량 검출 모델을 구축하였다. 차량 검출 성능을 유지하면서 소형 임베디드 시스템에서의 실시간 처리를 지원하기 위해 USB 형태의 독립형 GPU 모듈을 사용하고 YOLO V3 Tiny 딥러닝 기술을 적용하였다. 마지막으 로는 교차로에서 신호 대기 중인 차량의 대수를 바탕으로 신호등을 효과적으로 제어함으로써 스마트 교통 관리 시스 템을 개발하였다. 본 논문에서 제안하는 시스템을 구현하여 실험한 결과 교차로에서 차량이 일부 겹쳐진 경우에도 약 95% 이상의 차량 검출 성능을 보였으며 동일한 환경에서 효과적으로 차량의 흐름이 제어되는 것을 확인할 수 있었다.

This paper proposes a smart traffic management system based on a small size embedded system. The proposed system can detect vehicles on a cross road in realtime, and adaptively control traffic light according to the traffic situation. The implementation of the proposed system consists of 3 stages. First, we construct a training mode based on deep learning for detecting vehicles. In training model construction stage, we collect 15,083 images for vehicle detection experiment. and construct a training dataset for 104,719 vehicle images in the collected images. Next, we implement a realtime vehicle detection model based on YOLO on a small embedded system. We employed YOLO V3 Tiny deep learning technology using a USB type independent GPU module. This GPU module supports realtime processing on a small size embedded system maintaining superior vehicle detection performance. In the last stage, we developed a noble smart traffic management system by adaptively control traffic light based on the number of vehicles waiting for the traffic light on a cross road. Experimental results show the proposed system has about 95% vehicle detection performance even some parts of vehicles on a cross road are occluded. Further we can find the proposed system controls traffic flow effectively.

최근 클라우드 컴퓨팅이 발전함에 따라 데이터베이스 아웃소싱에 대한 관심이 증가하고 있다. 그러나 데이터베이스 를 아웃소싱하는 경우 데이터 소유자의 민감한 데이터가 노출될 수 있다는 문제점이 존재한다. 따라서 본 논문에서 는 프라이버시 보호를 지원하는 병렬 kNN 분류 알고리즘을 제안한다. 제안하는 알고리즘은 기존 기법과 동일한 수 준의 정보 보호 수준을 제공하면서 다중 CPU 코어를 활용한 병렬 처리를 지원한다. 이를 위해 제안하는 알고리즘 은 단일 CPU 코어 기반 데이터 처리 프로토콜을 다중 CPU 코어 기반 데이터 처리 프로토콜로 변환함으로써 효율 적인 질의처리를 수행한다. 또한 노이즈(Noise) 데이터를 전처리함으로써 정보 보호를 지원하는 동시에 효율적인 질의 처리가 가능하다. 마지막으로 성능 평가를 통해 제안하는 알고리즘이 기존 기법보다 질의처리 시간 측면에서 8~30배 성능이 우수함을 보인다.

With the recent development of cloud computing, interest in database outsourcing is increasing. However, when outsourcing a database, there is a problem that sensitive data of the data owner may be exposed. Therefore, in this paper, we propose a parallel kNN classification algorithm that supports information protection. The proposed algorithm supports parallel processing using multiple CPU cores while providing the same level of information protection as the existing techniques. For this, the proposed algorithm performs efficient query processing by converting a data processing protocol based on a single CPU core into a data processing protocol based on multiple CPU cores. By preprocessing noise data, it also supports information protection and enables efficient query processing. Finally, it is shown from performance evaluation that the proposed algorithm is 8 to 30 times better than the existing techniques, in terms of query processing time.

본 연구는 LOD(Linked Open Data) 클라우드에 참여하고 있는 LOD들간의 연결성 부족을 극복하기 위한 방안으 로 LOD별 연결정책을 수립, 공개하는 방안을 제안하였다. <owl:sameAs>를 이용한 방대한 규모의 RDF(Resource Description Framework) 트리플을 생산, 첨부하는 기존의 연결방식은 운영상에 많은 부담을 야기하며 이는 LOD 클라우드에서의 연결성 부족을 초래하고 있다. LOD별로 연결정책을 수립, 운영함으로써 이러한 문제점 극복 을 기대할 수 있다. 본 연구에서는 연결정책 수립을 위한 명세어휘집합 개발하였으며 연결정책 운영의 타당성을 확 인하기 위하여 심층검색시스템(Depth Searching System: DSS)를 구현하고 이를 DBpedia LOD들을 대상으 로 실험하였다. 실험결과 정확률은 LOD별 연결 LOD수와 심층검색 진행 깊이와 무관하게 97% 정도인 것으로, 재 현율은 검색깊이 4이상에서 90%로 수렴하는 것으로 확인됨에 따라 연결정책 운영이 LOD 클라우드의 연결성 확충 수월성 제고에 기여할 수 있을 것으로 판단된다.

In order to overcome linkage insufficiency in LOD cloud, this research proposed that every LOD would establish and publish link policy. Existing methods for linking LODs are producing massive RDF triples which use <owl:sameAs> predicates and appending them to the LODs. It therefore causes heavy burdens in LOD maintenance. We expect link policies to enlighten the burdens. To specify the link policies in detail, this research developed a set of vocabularies. To verify validity of running the link policies, this research implemented Depth Searching System(DSS) and made experiments against DBpedia LODs. As experimental results, precision ratio was analyzed to be 97% irrelevant to number of LODs linked and to depth levels searching proceeded. Recall ratio was analyzed to converge to 90% as searching proceeded over depth level 4. Based on the results, establishing link policies is expected to contribute to the linkage expansion in LOD cloud.

본 논문에서는 고성능 DSP를 이용하여 전력회생이 가능한 계통연계형 전압형 PWM 컨버터 시스템을 내장한 대용 량 전력변환기의 제어기를 표준화시켰으며, 전력용반도체소자와 리액터 및 커패시터의 용량 변경만으로도 시스템의 빠른 대체가 가능함을 확인하였다. 또한, IGBT 소자뿐만 아니라 GaN type MOSFET에 이르기까지 용량을 고려 하여 다양화 및 대용량화가 가능한 설계 데이터를 확보하였다. 그 결과 태양광 인버터를 이용하여 ESS 부착시 독립 형 시스템으로의 사용이 가능하고 배터리 전원측으로 에너지 회생 또한 가능하여 95% 이상의 효율을 가지고 있어 에너지 절감효과가 있음을 확인하였다.

In this paper, the controller of a large-capacity power converter with a grid-connected voltage-type PWM converter system capable of power regeneration using high-performance DSP was standardized. And it was confirmed that the system can be quickly replaced by simply changing the capacity of the power semiconductor device, reactor, and capacitor. In addition, design data capable of diversifying and increasing the capacity of the device has been secured in consideration of capacities from not only IGBT devices to GaN type MOSFETs. s a result, it was confirmed that the use of a standalone system equipped with ESS using a solar inverter is possible, and energy regeneration to the battery power side is also possible, so it has an efficiency of 95% or more, and thus there is an energy saving effect.

사물인터넷 서비스와 연계된 수많은 IoT 단말들과 시스템에 대한 DoS 공격의 위협이 증가하고 있다. 이러한 보안 위협에 대응하여 IoT 센서, 게이트웨이 등 디바이스들, 응용 서비스를 안정적으로 제공하는 IoT 플랫폼들이 개발되 었다. IoT 플랫폼상에서 디바이스들과 시스템 간 세션 관리를 위하여 SIP가 활용될 수 있으나, SIP가 내포한 보안 문제는 또 다른 문제를 일으킬 위험성을 내포하고 있다. 본 논문에서는 개방형 IoT 플랫폼에 SIP를 사용하여 세션 을 관리하는 환경에서, 보안 문제를 해결하기 위한 방법을 제안한다. 제안 방법은 SIP 세션이 유지되는 일정 시간 동안에만 정상 단말의 접속을 허용함으로써 비정상 접속 요청이나 악의적인 트래픽을 차단할 수 있다. 제안 방법을 뫼비우스 IoT 플랫폼상에 구현하여 성능을 검증하였다. 실험 결과는 제안 방법이 SYN Flood 공격 상황에서 효과 적으로 대응하고, 정상 서비스를 제공할 수 있음을 보여준다.

The threats of DoS attacks on numerous IoT devices and systems for IoT services are increasing. To counteract against these security threats, various IoT platforms have been developed to provide the secure operations for IoT components such as sensors, gateways, servers and application services. SIP can be utilized to manage sessions between devices, systems, and services on IoT platforms. However, the security issues that SIP has arise another security problem. This paper proposes a method to overcome the security problem when SIP is utilized for IoT session managements on IoT platforms. The proposed method can block abnormal access requests or malicious traffic by allowing only traffic from terminals managed by the SIP only during its session period. The proposed method is implemented, and its performances are tested on the Mobius IoT platform. Experimental results show that the proposed method can effectively countermeasure against SYN Flood attacks and protect normal services.

최근 가상현실 기기와 그래픽 프로세서(GPU)의 발전으로 가상현실 콘텐츠에서 매우 사실적인 3차원 영상을 보여줄 수 있다. 지형 시각화에서는 굴곡진 표면을 3D 메쉬로 재구성한 후 이를 렌더링한다. 최근에는 가상현실 콘텐츠에서 지형을 렌더링할 때 고화질 영상 생성이 가능하도록 광선투사를 기반으로 하는 변위매핑 기법을 주로 사용한다. 가상 현실 콘텐츠에서는 몰입감 향상을 위해 양안시를 지원해야 하므로 두 개의 고해상도 영상이 필요하다. 이 영상들이 계산 오류로 왜곡되거나 빠른 시점 이동으로 지연이 발생 하면 사람은 영상에 대한 이질감을 느끼게 되며, 심할 경우 심한 멀미를 유발하기도 한다. 따라서 렌더링 성능향상을 향상시켜서 속도 저하로 인한 지연 문제를 없애고 같은 속 도에서 더 높은 해상도로 샘플링된 지형을 시각화할 수 있도록 한다. 본 논문에서는 기존의 가상현실 기반 렌더링 시 스템에서 대용량 고도 필드를 활용한 렌더링을 더 빠르고 사실적으로 할 수 있도록 중복된 연산을 제거하는 방법을 제안한다. 이 방법을 사용하면 같은 데이터를 기존의 방법보다 48%~91%까지 빠르게 렌더링할 수 있다.

With the advancement of virtual reality devices and graphics processors (GPU), it has become possible to show realistic 3D scenes in virtual reality contents. The terrain data is rendered by reconstructing a 3D mesh to reconstruct the irregular surface data into a 3D image. In recent virtual reality contents, a displacement mapping technique based on raycasting is mainly used for rendering realistic scenes. Virtual reality content requires two high-resolution images that cover the wide field of view of both eyes for HMD (Head Mounted Display). If these scenes are not realistic due to distortion or if there is a delay due to movement of the viewpoint, a user feels a sense of heterogeneity. If such a sense of heterogeneity is severe, there is a problem of causing severe motion sickness. Therefore, the improvement of rendering performance solves the problem of delay due to the low rendering speed, and furthermore, the problem of distortion can be solved by rendering the terrain sampled with a higher resolution at the same speed. In this paper, we propose an acceleration method that can reduce redundant operations so that rendering using a large heightfield can be performed faster and more realistically in the existing virtual reality-based rendering system. When this method is used, the same data can be rendered 48% to 91% faster than the conventional method, so more realistic images can be rendered on the same equipment.