Earticle

An advanced extraction method by ultrasonic extraction with applied solid phase extraction (SPE) has been developed for the determination of simultaneous eight major ginsenosides, namely ginsenosides Rg1, Re, Rf, Rb1, Rg2, Rc, Rb2, and Rd in the root of Panax ginseng. Four extraction methods including n-BuOH reflux extraction (Method A), 70% EtOH reflux extraction (Method B), 50% MeOH reflux extraction with SPE (Method C), and 50% MeOH ultrasonication with SPE clean-up process (Method D) were investigated for the determination of eight major ginsenosides. Total contents of ginsenosides were highest by extraction of Method C as 2.408 ± 0.011%. However, Method D was evaluated as relatively simpler and more efficient method due to short extraction time, small solvent consumption and less expensive, compared to conservative reflux method. Ginsenosides were also satisfactorily separated with good resolution and the accuracy range was between 1.05 and 4.06% as relative standard deviation (RSD) by Method D. SPE condition and HPLC condition were further optimized for determination of eight major ginsenosides by the ultrasonic extraction method. Conclusively, ultrasonic extraction of 2 g sample of ginseng using ultrasonic bath and 1 loading for SPE was evaluated as proper condition for extraction of ginseng.

표 기반 질의응답(Table QA)은 자연어 질문에 대해 표 데이터를 활용해 답변을 제공하는 작업으로, 데이터 전처리 방식이 성능에 큰 영향을 미친다. 본 연구는 한국어 기반 복잡한 표 질의응답 데이터셋을 구축하고, 다양한 데이터 표현 방식(HTML, Markdown, Text, Numpy)이 성능에 미치는 영향을 체계적으로 분석하였다. 실험 결과, 표의 구조적 특성에 따라 최적의 데이터 표현 방식이 상이하게 나타났다. 기본표에서는 Numpy, 병합표에서는 Text, 조합표에서는 HTML 형식이 가장 높은 성능을 보였으며, 표의 복잡성이 증가할수록 성능이 저하되는 경향이 확인되었다. 본 연구는 표의 구조적 특성에 따른 최적의 데이터 표현 방식을 제안함으로써, 표 기반 질의응답 시스템의 성능을 개선하고 데이터 처리의 효율성을 높이는 실질적 방향성을 제시한다. 이는 공공 데이터 활용, 기업 데이터 분석, 사용자 질문에 실시간으로 답변하는 고객 지원 시스템 등 다양한 실무 환경에서 데이터 중심 의사결정의 신뢰성과 정확성을 높이는 데 기여할 것으로 기대된다. 또한, 한국어 표 기반 질의응답 성능을 개선하기 위한 새로운 데이터 전처리 접근법을 제시하였으며, 표의 구조적 특성과 데이터 표현 방식이 질의응답 성능에 미치는 영향을 체계적으로 분석했다는 점에서 의의를 가진다.

Table-based Question Answering (Table QA) is a task that provides answers to natural language questions using tabular data, where data preprocessing significantly impacts performance. This study constructs a Korean-language complex table QA dataset and systematically analyzes the effects of various data representation formats (HTML, Markdown, Text, and Numpy) on model performance. Experimental results show that the optimal data representation varies depending on the structural characteristics of the table: Numpy format performs best for simple tables, Text for merged tables, and HTML for composite tables. A general trend of performance degradation is observed as table complexity increases. By proposing optimal data representations tailored to table structures, this research offers practical directions to improve the performance and efficiency of table QA systems. The findings are expected to enhance the reliability and accuracy of data-driven decision-making in real-world applications such as public data utilization, enterprise data analysis, and real-time customer support systems. Furthermore, this study presents a novel preprocessing approach to improve Korean Table QA performance and is significant in its systematic analysis of how table structure and data representation affect QA outcomes.

심전도 데이터의 자동 분석은 다양한 심장 질환을 진단하는데 매우 중요하고 임상의사의 진단 업무 효율성을 높이는 데 도움이 된다. 최근에 적은 수의 채널로 휴대가 가능한 웨어러블 심전도 기기가 개발되고, 이를 인공지능을 이용 하여 진단하는 기법들이 발표되고 있는 추세이지만, 리드 수 및 전처리 필터 타입이 클래스별로 심전도 분류에 미치 는 영향에 대한 연구는 부족하다. 본 논문에서는 PhysioNet 2021 Challenge에서 제공하는 12-리드 심전도 데이 터로 1D ResNet합성곱신경망모델을 이용하여 다중라벨로 분류하는 성능을 평가하였다.12-리드, 6-리드, 4-리드, 3-리드, 2-리드에 대해 리드별, 그리고 전처리를 사용하지 않는 방식, Pan-Tompkins(P-T)전처리 방식, 이산 웨 이브릿 변환 방식의 예측 성능을 비교하였다. 분산 분석을 적용한 결과, 클래스별 F1-score는 리드 수 및 전처리 방식에 대해 유의미한 차이를 보이지 않았다(p＞0.05). 클래스별로 다른 문턱값(threshold)을 적용하는 경우 일 정한 문턱값을 적용할 때보다 macro F1-score 값이 2-리드, P-T 전처리 기법의 경우 0.4448에서 0.4644로 증 가하였다. 본 다중라벨 심전도 데이터를 활용한 비교 분석 연구는 재현성을 도모하기 위해 소스 코드로 제공한다 (https://github.com/shjee20/1D-ecg).

Automatic analysis of electrocardiogram(ECG) data is crucial for the diagnosis of a variety of cardiovascular diseases, and it can help improve the efficiency of medical doctors’ tasks. Recently, portable and wearable ECG devices with a few of channels have been developed, and artificial intelligence-based techniques for disease diagnosis have been proposed in the literature. However, there is lack of studies investigating the effects of choosing lead counts and preprocessing methods on class-wise prediction performance. In this study, we utilized 12-lead ECG data provided by the PhysioNet 2021 Challenge and evaluated the performance of multi-label classifiers based on 1D ResNet convolutional neural network(CNN) models. We compared the prediction performance with a variety of lead choices(i.e., 12-lead, 6-lead, 4-lead, 3-lead, 2-lead) and preprocessing methods including no preprocessing, Pan-Tompkins filtering, and discrete wavelet transform.The analysis of variance(ANOVA) indicated that differences in class-wise F1-scores for the choice of lead counts and preprocessing methods were not statistically significant(p＞0.05). Compared to a fixed threshold setting, a class-dependent threshold setting improved macro F1-score from 0.448 to 0.4644 for the choice of the 2-lead and Pan-Tompkins preprocessing method. In order to promote reproducibility for comparative studies using multi-label ECG data, we provide source code at https://github.com/shjee20/1D-ecg

스마트 팩토리의 도입은 제조업 분야에서 객관적이고 효율적인 라인 관리로의 전환을 가져왔다. 그러나 대부분의 회사가 매초 수집되는 수많은 센서 데이터를 효과적으로 사용하지 못하고 있다. 본 연구에서는 이러한 데이터를 활용해 제품 품질을 예측하고 효율적인 생산 공정의 관리를 목표로 한다. 보안 문제로 구체적인 센서 데이터 확인이 불가하여, “SAMSUNG SDS Brightics AI” 사이트의 반도체 공정 관련 학습용 데이터를 확보하여 연구를 진행한다. 머신러닝 모델 에서 데이터의 전처리 과정은 성능을 결정짓는 중요한 요소이다. 따라서, 결측값 제거, 이상치 제거, 스케일링, 특성 제거 의 전처리 과정을 통해 최적의 센서 데이터를 확보하였다. 또한, 학습 데이터셋이 불균형 데이터를 이루고 있어 오버샘플 링 기법을 통해 동일한 비율을 맞추어 모델 평가 전 데이터를 준비하였다. 머신러닝에서 제공되는 다양한 모델 평가로 구한 SVM(rbf) 모델로 높은 성능(Accuracy : 97.07%, GM : 96.61%)을 확인했다. 또한, 동일한 데이터로 학습 시 “SAMSUNG SDS Brightics AI”에서 구현하였던 MLP 모델보다 더 높은 성능을 보인다. 본 연구는 센서 데이터를 활용 한 양품/불량품 예측 외에도 부품 주기, 공정 조건 예측 등 다양한 주제에 적용 가능하다.

The introduction of Smart Factories has transformed manufacturing towards more objective and efficient line management. However, most companies are not effectively utilizing the vast amount of sensor data collected every second. This study aims to use this data to predict product quality and manage production processes efficiently. Due to security issues, specific sensor data could not be verified, so semiconductor process-related training data from the "SAMSUNG SDS Brightics AI" site was used. Data preprocessing, including removing missing values, outliers, scaling, and feature elimination, was crucial for optimal sensor data. Oversampling was used to balance the imbalanced training dataset. The SVM (rbf) model achieved high performance (Accuracy: 97.07%, GM: 96.61%), surpassing the MLP model implemented by "SAMSUNG SDS Brightics AI". This research can be applied to various topics, such as predicting component lifecycles and process conditions.

There have been various studies in Korea to develop a %IMF(Intramuscular Fat Percentage) estimation method suitable for Hanwoo. Recently, a %IMF estimation method using a convolutional neural network (CNN), a kind of deep learning method among artificial intelligence methods, has been studied. In this study, we performed a performance comparison when various preprocessing methods were applied to the %IMF estimation of ultrasound images using CNN as mentioned above. The preprocessing methods used in this study are normalization, histogram equalization, edge enhancement, and a method combining normalization and edge enhancement. When estimating the %IMF of Hanwoo by the conventional method that did not apply preprocessing in the experiment, the accuracy was 98.2%. The other hand, we found that the accuracy improved to 99.5% when using preprocessing with histogram equalization alone or combined regularization and edge enhancement.

Textural patterns can often be used to recognize familiar objects in an image or retrieve images with similar texture from a database. Texture patterns can provide significant and abundance of texture and shape information. One of the recent significant and important texture features called Texton represents the various patterns of image which is useful in texture analysis. However sometimes the textured image obtained may not be of good quality and this may lead to improper detection of significant patterns. To enhance the quality or better illumination or contrast or sharpening effect, the present paper applied various local grey to grey level preprocessing steps on textured data. Grey to grey level preprocessing is required because the patterns on textons can be evaluated only on grey level textures. The present paper evaluated the occurrence behavior of various texton patterns based on the various grey to grey level pre processing methods, for an efficient rotationally invariant texture classification. The experimental results on various stone textures indicate the efficacy of the proposed method when compared to other methods.

접착 테이프 3종을 대상으로 테이프의 비점착면과 점착면에 잠재지문이 각각 유류되어 있는 경 우, 점착면 테이프 분리 방법으로 ① 인위적인 방법, ② 현재의 박리제 사용방법 및 ③ 새로운 방법인 질 소 건 사용방법 등 3가지 전처리 방법으로 점착면을 분리하여 잠재지문 현출효율을 각각 확인하였다. 테 이프 3종의 비점착면에 3가지 방법을 이용하여 분리한 경우에는 모두 점착면 분리가 가능하였지만, ① 인위적인 방법과, ② 현재 사용되고 있는 박리제 전처리 방법에 비교하여, ③ 새로운 방법인 질소 건을 사용한 방법이 특징점 수가 약 2배 정도 뛰어난 것으로 확인되었다. 그러나, 점착면에 유류된 잠재지문 을 분리 후 현출하는 경우, ② 박리제를 사용한 방법에서는 분리와 지문형태 식별은 가능하지만, ① 인위 적인 방법과, ③ 질소 건을 사용한 방법은 테이프 점착면 분리가 불가능하였다.

This study conformed the developing efficiency of preprocessing method for separation latent fingerprint from adhesive surface for three kinds of adhesive tapes, by means of ① pressure, ② remover (Undu), ③ Liquid Nitrogen Spray as a new method. In case of separating latent finger print on the adhesive surface from the non-adhesive surface for three kinds of tapes. All three methods were possible to separate the adhesive surface from the non-adhesive surface. The minutia number of ③ Liquid Nitrogen spray as a new mothed was twice as likely as ① pressure, ② remover (Un-du). But, In case of separating latent fingerprint on the adhesive surface from the adhesive surface for three kinds of tapes, the way of using ② remover (Un -du) was possible to separate the adhesive surface and identify the shape of fingerprint, and the other ways were impossible to separate the adhesive surface of tapes.

얼굴인식 시스템은 비접촉데이터 채집의 특성과 함께, 그 정확도가 점차 향상되고 있다. 공공 감시카메라와 같이 사진을 멀리서 찍는 상황에서는 저해상도의 얼굴 이미지로 인해 얼굴인식 시스템을 효과적으로 사용할 수 없는 경우가 있다. 이론적으로는 저해상도영상을 Super Resolution (SR) 방법으로 고해상도 영상으로 바꾸어 얼굴인식에 사용할 수 있지만, 기존의 SR 방법들은 얼굴 인식에 만족할만한 결과를 내지 못할 수 있다. 이 논문은 극 저해상도 (very low resolution) 얼굴인식 문제를 살펴보고 편미분방정식 기반 SR 방법을 제안하고, CNN 기반 얼굴인식 시스템에 응용한다.

Face recognition systems are characterized by low invasiveness of acquisition, and increasingly better reliability. Such systems may not be applied effectively, when the images are in low resolution (LR) as in the case that photos are taken from long distances, typically public surveillance. In theory, the high resolution (HR) image reconstructed from an LR face image, applying a super resolution (SR) method, can be used for face recognition. However, existing face SR algorithms may not give satisfactory results in face recognition. This article investigates the very low resolution face recognition problem and introduces a partial differential equation (PDE)-based SR method for a face recognition system of convolutional neural network (CNN).

이 논문에서는 트래킹 터널 또는 트래킹 카드를 이용하여 살아있는 곤충의 발자국을 획득한 후 남겨진 발자국 패턴을 이용하여 곤충의 부류나 종류를 판단하는 인식 시스템을 위한 전처리 과정을 살펴본다. 특히 발자국 패턴을 획득하는 과정과 곤충 발자국의 특징을 추출하기에 적합한 스캔된 발자국 이미지의 이진화 과정에 대하여 고찰한다. 이진화 과정에서는 기존에 발표된 대표적인 이진화 알고리듬 3가지를 구현하여 비교 분석하였다. 비교 분석 결과 Abutaleb에 의해 제안된 고차 엔트로피 이진화 알고리듬이 가장 우수한 결과를 보였다.

The comparison of 3 conventional binarization methods for insect footprints and the result of performance evaluation using a proposed performance criterion are introduced in this paper. The 3 different binarization algorithms for comparison are based on different category each, and the proposed performance criterion is based on the characteristics of insect footprints which have very smaller foreground area than background area. In the experiments, average performance results using 71 test images are compared and analyzed. The higher-order entropy binarization algorithm proposed by Abutaleb showed the best result for pattern recognition applications of insect footprints.

이 논문에서는 트래킹 터널 또는 트래킹 카드를 이용하여 살아있는 곤충의 발자국을 획득한 후 남겨진 발자국 패턴을 이용하여 곤충의 부류나 종류를 판단하는 인식 시스템을 위한 전처리 과정을 살펴본다. 특히 발자국 패턴을 획득하는 과정과 곤충 발자국의 특징을 추출하기에 적합한 스캔된 발자국 이미지의 이진화 과정에 대하여 고찰한다. 이진화 과정에서는 기존에 발표된 대표적인 이진화 알고리듬 3가지를 구현하여 비교 분석하였다. 비교 분석 결과 Abutaleb에 의해 제안된 고차 엔트로피 이진화 알고리듬이 가장 우수한 결과를 보였다.

The comparison of 3 conventional binarization methods for insect footprints and the result of performance evaluation using a proposed performance criterion are introduced in this paper. The 3 different binarization algorithms for comparison are based on different category each, and the proposed performance criterion is based on the characteristics of insect footprints which have very smaller foreground area than background area. In the experiments, average performance results using 71 test images are compared and analyzed. The higher-order entropy binarization algorithm proposed by Abutaleb showed the best result for pattern recognition applications of insect footprints.

협력적 여과(collaborative filtering) 방법을 사용하는 추천 시스템에서 예측 정확도를 높이는 방법들 중 하나는 군집화(clustering)방법이 있다. 군집화 방법은 선호도가 유사한 사용자들을 미리 같은 군집으로 만들고, 군집 내에 속한 사용자들을 이웃으로 선정하여 예측을 수행하기 때문에 군집화의 결과가 예측의 정확도에 직접적인 영향을 주게 된다. 본 연구에서는 군집화 결과의 향상을 위해 데이터를 전 처리하는 두 가지 방법과 군집화의 특성을 이용한 새로운 예측식을 제안하고, 기존 연구 방법과의 비교 실험을 통해 실험결과를 분석한다.

토양 예측은 지속가능한 산지관리 측면에서 필요한 토양특성자료를 제공할 수 있다. 이중 가시 근적외선 분광반사 특성을 이용한 토양 예측은 저비용, 빠른 분석과 비파괴 측정, 비교적 높은 정확도로 관심을 받고 있다. 일반적으로 토양 분광반사특성 측정 과정에서 잡음이 나타날 수 있어 전처리 과정이 필요하다. 하지만 이러한 전처리 방법을 비교하고 평가하는 작업이 거의 이루어지지 못 했다. 본 연구에서는 토양 탄소와 질소 예측을 위해 5가지 전처리 방법을 비교하였다. 이는 연속체 제거, Savitzky-Golay 변환, 이산 웨이블렛(wavelet) 변환, 1차와 2차 도함수 변환이다. 토양예측 모델로 부분 최소제곱 회귀모형을 사용하였고, 총 153개 시료 중에서 검증을 위해 122개 훈련자료와 31개의 검증자료로 나누어 평가하였다. 전반적으로 토양시료의 탄소 함량이 높을수록 토양에 대한 입사 에너지의 흡수가 커지는 특성을 보였다. 파장별로는 가시광선 영역(650nm와 700nm)이 토양 탄소 그리고 질소와 가장 높은 상관관계를 보였다. 전처리 비교에서 연속체 제거가 토양 탄소(9.53mg/g)와 질소(0.79mg/g)에 대해 가장 높은 정확도(Root Mean Square Error)를 보였다. 따라서 토양 탄소와 질소 예측을 위해 연속체 제거가 가장 효과적인 분광반사특성 분석의 전처리 방법으로 판단되었다. 시각적인 평가에서 웨이블릿 변환이나 Savitzky-Golay 변환은 차이가 거의 없었고, 평가 결과도 유사했다. 따라서 다소 계산과정이 간단한 Savitzky-Golay 변환이 선호될 수 있다.

The soil prediction can provide quantitative soil information for sustainable mountainous ecosystem management. Visible near infrared spectroscopy, one of soil prediction methods, has been applied to predict several soil properties with effective costs, rapid and nondesctructive analysis, and satisfactory accuracy. Spectral preprocessing is a essential procedure to correct noisy spectra for visible near infrared spectroscopy. However, there are no attempts to evaluate various spectral preprocessing methods. We tested 5 different pretreatments, namely continuum removal, Savitzky-Golay filter, discrete wavelet transform, 1st derivative, and 2nd derivative to predict soil carbon(C) and nitrogen(N). Partial least squares regression was used for the prediction method. The total of 153 soil samples was split into 122 samples for calibration and 31 samples for validation. In the all range, absorption was increased with increasing C contents. Specifically, the visible region (650nm and 700nm) showed high values of the correlation coefficient with soil C and N contents. For spectral preprocessing methods, continuum removal had the highest prediction accuracy(Root Mean Square Error) for C(9.53mg/g) and N(0.79mg/g). Therefore, continuum removal was selected as the best preprocessing method. Additionally, there were no distinct differences between Savitzky-Golay filter and discrete wavelet transform for visual assessment and the methods showed similar validation results. According to the results, we also recommended Savitzky-Golay filter that is a simple pre-treatment with continuum removal.

최근 집중 호우 발생 빈도가 늘어남에 따라 포트홀 발생 건수가 지속적으로 증가하고 있다. 또한, 도로의 노후화로 인한 노면 파손은 불가피하며, 파손된 도로와 포트홀은 운전자의 주행을 방해하여 다양한 안전사고를 발생시킨다. 이 문제를 효율적으로 해결하기 위해 인공신경망을 활용한 다양한 도로 파손 탐지 연구가 진행되었다. 하지만 기존 연구들에서는 포트홀의 특성에 대한 이해도가 부족하다는 한계점이 존재했고, 더불어 포트홀을 급증시킬 수 있는 위해 요소들이 증가하여 관련 연구의 필요성은 더욱 높아지고 있다. 이에 선행 연구의 한계점을 극복하고자 본 연구에서는 포트홀의 특성을 효과적으로 반영할 수 있는 이미지 전처리 기법과 EfficientDet 기반으로 포트홀 검출을 위한 최적 구조를 제안한다. 제안 전처리 기법은 CLAHE 기법과 Sobel Edge detection 알고리즘 2가지를 결합하여 도로 노면 이미지 내 포트홀을 Contrast 명암 대비에만 의존하여 해결하는 문제가 아닌 전체 이미지에 대한 윤곽선 검출과 명암 대비 제한값 설정으로 포트홀의 경계를 극대화하여 확인 및 학습할 수 있도록 설정하였다. 또한 포트홀 데이터셋에 적합한 최적의 BiFPN Layer 수를 설계함으로써 모듈이 명확한 포트홀 검출이 가능토록 하였다. 본 연구에서 제안하는 방법론을 EfficientDet과 YOLO v5 모델에 적용하여 본 방법론의 타당성을 실험적으로 증명하였다.

In recent years, the number of potholes has been increasing due to the high frequency of heavy rainfall. In addition, road surface damage is inevitable due to the aging of roads, and damaged roads (potholes and cracks) interfere with drivers' driving, causing various safety accidents. To efficiently solve this problem, various road damage detection studies have been conducted using artificial neural networks. However, previous studies have been limited by a lack of understanding of potholes. Furthermore, the need for research is growing as the number of risk factors that can cause potholes is rapidly increasing. To overcome the limitations of previous studies, this study proposes an image preprocessing technique that can effectively reflect the characteristics of potholes and an optimal structure for pothole detection based on EfficientDet. The proposed preprocessing technique combines two algorithms, CLAHE and Sobel Edge detection, to identify and learn potholes in road surface images by maximizing the boundaries of potholes through contour detection and contrast thresholding for the entire image, rather than solely relying on contrast. In addition, we designed the optimal number of BiFPN layers for the pothole dataset so that the module can clearly detect potholes. The methodology proposed in this study was applied to EfficientDet and YOLO v5 models to experimentally prove the feasibility of the methodology.

본 연구에서는 부가잡음에 의한 음성신호의 왜곡에 대해 다양한 음성개선 기법을 전처리기로 도입하여 HMM(Hidden Markov Model)에 기반 한 음성인식 시스템의 인식성능을 평가하였다. 음성개선 기법으로는 MMSE(Minimun Mean Square Error) STSA(Short-Time Spectral Amplitude Estimator) 기법과 웨이브렛 영역에서의 UWD(Undecimated Wavelet Denoising), CWD(Conventional Wavelet Denoising) 기법을 적용하였다. 잡음이 없는 데이터로 훈련한 음성인식시스템에 잡음음성을 입력할 때 각 음성개선기법을 전처리기로 사용하여 신호대잡음비(Signal to Noise Ratio)에 따른 인식 성능을 비교하였다.

자연 현상을 연구 대상으로 하는 공학적인 접근법이나 과학적인 접근법에 있어서 컴퓨터를 활용한 수치모의는 이제 거의 모든 분야에서 활용되고 있으며, 복잡한 자연 현상을 해석하고 예측하기 위한 필수적인 하나의 도구로 자리매김하고 있다. 하지만, 컴퓨팅 기술의 눈부신 발전에도 불구하고, 과거에 개발되어 현재까지도 활용되고 있는 기술의 보완점은 항상 제기되고 있으며, 또한 필요성에 의한 새로운 기술들이 끊임없이 새롭게 개발되고 있다. 하천 또는 지하수 모의를 위해서 모형을 구축할 때 가장 기본적이며, 가장 중요한 준비 과정은 모의 영역에 대한 격자 형성이다. 연속성을 지닌 모의 대상을 수치적으로 접근하기 위해서는 연속성을 가정한 불연속적인 격자를 생성하는 과정이 반드시 필요하며, 연속성을 지닌 자료로부터 이산적인 자료를 얻어 내삽과정을 통해 격자점에 할당하게 된다. 모의준비 과정뿐만 아니라 모의 결과의 활용과정에서도 내삽이 필요할 수 있다. 따라서, 본 연구에서는 trend-surfaces법, 역거리 가중치법, spline법 등 기존에 알려진 공간자료 보간법들을 지형 자료 또는 지하수위 자료 등의 2차원 공간 자료에 적용하여 비교, 분석하며, 보다 효과적인 내삽기술에 대해서 알아보고자 한다.