Earticle

Background/Objectives: Recently, as the usability of IoT devices increases, the kinds of information processed by IoT devices are also diversifying. For this reason, research to ensure the high-speed processing and integrity of information generated from IoT devices continues steadily. In particular, research using various hash techniques is actively underway to minimize IoT information errors. Methods/Statistical analysis: In this paper, instead of sending IoT information directly to the server (data center), we propose an AIoT technique that allows AIoT to pre-analyze and delivers only important information. Findings: The proposed technique allows easy control of IoT information operation after analyzing patterns of information collected from IoT devices to extract and analyze large amounts of IoT information. Furthermore, the proposed technique minimizes network delay as well as minimizes server (data center) processing and analysis time by reducing network traffic that can occur when information collected from numerous IoT devices is delivered to the server (data center). Improvements/Applications: AIoT, IoT information, Extract and Analysis, Artificial, Depp Learning, hash techniques Performance evaluation compared the storage efficiency of servers and the number of transactions of IoT information sent and received per second between IoT devices and AIoT devices while varying the hash length of IoT information from 16 bits to 128 bits.

With social media growing fast, user-generated content (UGC) has become a key factor in influencing how consumers decide what to buy, especially in the travel and hospitality sector. But there are a lot of fake and extreme reviews, which are making it hard for customers to make the right choice and making competition in the market unfair. The present study focuses on YouTube, a platform with high global activity, and proposes a systematic solution that combines Natural Language Processing (NLP) and machine learning methods (e.g., VADER Sentiment Analysis, Support Vector Machine SVM, and LDA Topic Modelling) for identifying and filtering fake and extreme remarks in hotel reviews. This approach has been shown to enhance the automation and precision of review screening processes. Furthermore, it provides a theoretical foundation and practical methodologies to improve the online information ecology, thereby enhancing the quality of user decision-making.

Lamb waves are extensively used in plate-like structure inspection because of their guided nature. However, their dispersive properties often limit their use in flaw detection and other applications. Dispersion weakens and defocuses interrogating Lamb waves and makes it difficult to accurately interpret signals reflected from defects or boundaries. Time reversal (TR) processing can be applied to compensate for the effect of dispersive Lamb waves. Thus, the TR operation will enable the amplification of dispersive Lamb wave signals by signal compression in time. In this study, experiments are performed in order to examine the refocusing and recovering the initial input waveform in the long range propagation of dispersive Lamb waves in a plate. Two different time reversal processes (regular TR and reciprocal TR or inverse filtering) are tested and the experimental results are compared.

최근 IoT와 연계된 서비스들이 다양한 환경에서 활용되면서 IoT와 인공지능 기술이 융합되고 있다. 그러나, IoT 데이터를 안정적으로 처리하는 기술들이 완벽하게 지원되고 있지 않아 이를 위한 연구가 필요한 상황이다. 본 논문에서는 IoT 데이터를 머신러닝 기반으로 임베디드 벡터를 생성한 후 IoT 데이터를 최적화 할 수 있는 처리 기법을 제안한다. 제안 기법에서는 처리 효율을 위해서 IoT 데이터의 인덱스, 수집 위치(X와 Y축 좌표의 이진값), 그룹 인덱스, 타입, 종류 등을 QR 기반으로 임베디드 벡터화를 수행한다. 또한, IoT 데이터를 비대칭적으로 연계하 도록 IoT 데이터 수집 과정에서 로드밸런싱을 수행할 수 있도록 다양한 IoT 장치에서 생성한 데이터를 통합 관리한 다. 제안 기법은 비대칭적으로 IoT 데이터를 그룹화할 수 있도록 IoT 데이터를 해쉬기반으로 서로 직교화하도록 처리한다. 또한, IoT 데이터 종류 및 특성에 따라 주기적으로 생성 및 그룹화하기 때문에 IoT 데이터 간 간섭은 최소화할 수 있다. 향후 연구에서는 IoT 서비스를 제공하는 여러 환경에서 제안 기법을 비교 평가할 계획이다.

Recently, IoT-linked services have been used in various environments, and IoT and artificial intelligence technologies are being fused. However, since technologies that process IoT data stably are not fully supported, research is needed for this. In this paper, we propose a processing technique that can optimize IoT data after generating embedded vectors based on machine learning for IoT data. In the proposed technique, for processing efficiency, embedded vectorization is performed based on QR such as index of IoT data, collection location (binary values of X and Y axis coordinates), group index, type, and type. In addition, data generated by various IoT devices are integrated and managed so that load balancing can be performed in the IoT data collection process to asymmetrically link IoT data. The proposed technique processes IoT data to be orthogonalized based on hash so that IoT data can be asymmetrically grouped. In addition, interference between IoT data may be minimized because it is periodically generated and grouped according to IoT data types and characteristics. Future research plans to compare and evaluate proposed techniques in various environments that provide IoT services.

에지 네트워크 환경에서 IoT 장치가 다양하게 활용되면서 IoT 장치에서 수집되는 정보들을 여러 응용 분야에서 활용하는 연구들이 다양하게 진행되고 있다. 그러나, 네트워크 환경(간섭, 전파방해 등)에 따라 수집되는 IoT 데이터들 이 누락 또는 오류가 발생하는 상황이 빈번해지면서 정확한 IoT 데이터들을 바로 적용하기가 쉽지 않은 상황이다. 본 논문에서는 에지 네트워크 환경에서 수집되는 IoT 데이터들의 오류를 줄이기 위해서 IoT 데이터의 서명 값을 랜덤하게 생성하여 비트 형태로 보안 정보(Security Information, SI) 값만을 IoT 데이터들에 각각 할당함으로써 IoT 데이터의 신뢰성을 보장하는 관리 기법을 제안한다. 제안 기법은 IoT 장치로부터 수집되는 데이터들을 비대칭적으로 서로 연계 처리하도록 다중 해쉬 체인을 적용하여 IoT 데이터를 블록체인으로 묶는다. 이때, 블록 체인화된 IoT 데이터들은 딥 러닝 기반으로 상관관계 지수에 따라 가중치를 적용한 확률 함수를 사용한다. 또한, IoT 데이터의 무결성과 처리 비용 을 낮추기 위해서 제안 기법은 그룹화된 IoT 데이터를 n-계층 구조로 확장 운영 가능하다.

As IoT devices are used in various ways in an edge network environment, multiple studies are being conducted that utilizes the information collected from IoT devices in various applications. However, it is not easy to apply accurate IoT data immediately as IoT data collected according to network environment (interference, interference, etc.) are frequently missed or error occurs. In order to minimize mistakes in IoT data collected in an edge network environment, this paper proposes a management technique that ensures the reliability of IoT data by randomly generating signature values of IoT data and allocating only Security Information (SI) values to IoT data in bit form. The proposed technique binds IoT data into a blockchain by applying multiple hash chains to asymmetrically link and process data collected from IoT devices. In this case, the blockchainized IoT data uses a probability function to which a weight is applied according to a correlation index based on deep learning. In addition, the proposed technique can expand and operate grouped IoT data into an n-layer structure to lower the integrity and processing cost of IoT data.

영상 감시 시스템은 다양한 실외 환경에서 실시간으로 수집되는 다채널 영상을 처리해야 하며, 저시정 환 경에서는 영상 품질이 급격히 저하되는 문제가 발생한다. 이를 해결하기 위한 인공지능(AI) 기반 영상 복원 기술 은 고품질 영상 복원을 가능하게 하지만, 높은 연산 자원 요구로 인해 모든 채널에 일괄 적용하기에는 실시간성 확보가 어렵다. 본 논문에서는 복원 기능을 채널별로 선택적으로 적용할 수 있는 선택적 제어 구조(Selective Control Architecture)를 제안하고, 온 디바이스 환경에서 구현된 시스템의 자원 효율성과 실시간 처리 성능을 실 험적으로 분석하였다. 실험 결과, 복원 기능의 적용 채널 수에 따라 GPU 사용률과 영상 출력 속도가 크게 달라지 는 것을 확인하였으며, 선택적 제어 구조가 자원 최적화와 시스템 안정성 확보에 효과적임을 입증하였다. 본 연구 는 AI 영상 복원 기술의 실시간 시스템 통합에 있어 유연하고 실용적인 구조 설계 방안을 제시하며, 향후 모델 경량화 및 병렬 처리 구조 확장을 통한 시스템 고도화를 계획하고 있다.

Video surveillance systems must process multi-channel real-time streams in various outdoor environments, where image quality often deteriorates under low-visibility conditions such as fog or haze. While AI-based video restoration techniques have shown promise in recovering high-quality images, their high computational demands make it difficult to apply them uniformly across all channels in real-time systems. This paper proposes a Selective Control Architecture that enables channel-wise activation of AI restoration functions. The system was implemented in an on-device environment using a CPU with integrated GPU, and its performance was evaluated by measuring GPU usage and frame rate under varying numbers of active restoration channels. The experimental results demonstrate that GPU load and processing speed significantly change depending on the number of channels using AI restoration, and that the proposed architecture effectively optimizes resource usage while maintaining system stability. This study provides a practical system-level solution for integrating AI-based restoration into surveillance platforms, and future work will focus on model compression and parallel processing to enhance real-time performance and scalability.

도로 교통 상황을 감시하고 교통 정보를 추출하는 현재의 기술은 고가이며 설치하기가 어려운 하드웨어에 의존하고 있다. 비디오 카메라와 컴퓨터 비죤 기술의 이용은 기존의 방법의 새로운 대안이 될 수 있다. 비디오 카메라를 이용한 교통 정보 추출은 최근의 교통 운영 시스템의 중요한 열쇠이다. 본 논문에서는 비디오 카메라를 이용한 영상처리 기술을 적용하여 교통 정보를 추출하는 방법을 제안하였다. 제안된 방법에서는 주변 환경에서 여러 가지 잡음으로 인한 오 인식을 제거하기 위하여 적응적 배경영상 갱신 방법을 사용하였다. 또한 교통정보 추출 방법에서는 거리 값을 정의하여 검색구간을 통과하는 차량의 점유율을 통해 교통변수를 구하고, 이를 이용하여 8개의 교통상태를 정의하여 교통량을 측정하였다. 제안된 방법은 도심의 교통상황 데이터를 이용하여 실험하였다.

Current techniques for road-traffic monitoring rely on sensors which have limited capabilities, are costly and disruptive to install. The use of video cameras coupled with computer vision techniques offers an attractive alternative to current sensors. Video based traffic monitoring systems are now being considered key points of advanced traffic management systems. In this paper, we propose the new method which extract the traffic information using video camera. The proposed method uses an adaptive updating scheme for background in order to reduce the false alarm rate due to various noises in images. also, the proposed extraction method of traffic information calculates the traffic volume ratio of vehicles passing through predefined detection area, which is defined by the length of profile occupied by cars over that of overall detection area. Then the ratio is used to define 8 different states of traffic and to interpret the state of vehicle flows. The proposed method is verified by an experiment using CCTV traffic data from urban area.

최근 ICT분야가 다양한 환경에서 사용되면서 지속가능한 농업 환경에서는 ICT 기술들을 활용하여 농작물 별 병충해 분석, 농작물 수확시 로봇 사용, 빅 데이터로 인한 예측 등이 가능해졌다. 그러나, 지속 가능한 농업 환경 에서는 자원의 고갈, 농업 인구 감소, 빈곤 증가, 환경 파괴 등을 해결하기 위한 노력이 꾸준히 요구되고 있다. 본 연구에서는 지속 가능한 농업 환경 기반의 농작물의 생산 비용 감소 및 효율성을 증가하기 위한 인공지능 기반 빅 데이터 처리 기법을 제안한다. 제안 기법은 AI를 결합한 농작물의 빅 데이터를 처리함으로써 데이터의 보안성과 신뢰성을 강화하고, 더 나은 의사 결정과 비즈니스 가치 추출이 가능하다. 이는 다양한 산업과 분야에서 혁신적인 변화를 이끌어내고, 데이터 중심의 비즈니스 모델의 발전을 촉진할 수 있다. 실험과정에서 제안 기법은 다량의 데 이터가 생성되나, 일일이 정답을 태깅하기 힘든 농장 현장에서, 소량의 데이터에 대해서만 정확한 정답을 부여하고, 정답이 부여되지 않은 다량의 데이터와 함께 학습하여, 다량의 정답 데이터로 학습했을 때와 유사한 성능(오차 율:0.05 이내)이 나타났다.

Recently, as the ICT field has been used in various environments, it has become possible to analyze pests by crops, use robots when harvesting crops, and predict by big data by utilizing ICT technologies in a sustainable agricultural environment. However, in a sustainable agricultural environment, efforts to solve resource depletion, agricultural population decline, poverty increase, and environmental destruction are constantly being demanded. This paper proposes an artificial intelligence-based big data processing analysis method to reduce the production cost and increase the efficiency of crops based on a sustainable agricultural environment. The proposed technique strengthens the security and reliability of data by processing big data of crops combined with AI, and enables better decision-making and business value extraction. It can lead to innovative changes in various industries and fields and promote the development of data-oriented business models. During the experiment, the proposed technique gave an accurate answer to only a small amount of data, and at a farm site where it is difficult to tag the correct answer one by one, the performance similar to that of learning with a large amount of correct answer data (with an error rate within 0.05) was found.

본 논문에서는 단일 센서와 공간집속 신호처리 기술로 시간 역전과 인버스 필터링을 이용하여 이방성 평판에 서 충격 위치를 결정할 수 있는 탐상법을 다루었다. 유한 평면에서 굽힘 파의 운동 방정식을 유도하여, 그 식을 통해 얻어진 데이터를 기반으로 해석적인 시뮬레이션을 통해 시간 역전과 인버스 필터링의 시간 집속 효과를 확 인하고 충격 위치와 그 주변에서 신호의 공간 집속 효과를 관찰하고 충격 위치 결정에 영향을 미칠 수 있는 인자 들(총 수신시간, 샘플링 주파수)에 대해 살펴보았다. 그리고 충격원의 위치에 따른 2차원 결과를 제시하고, 실제 충격 위치를 정확하게 결정할 수 있음을 확인하였다. 여기서 제안한 방법은 기존의 충격 위치 결정법에 비해 많은 장점을 갖고 있다. 첫 번째로 단일 센서를 사용하는 것과 시험체의 형상과 물성을 몰라도 된다는 점이다. 또한 판 에서와 같이 분산성에 의한 다중모드 파동이 발생하는 경우에도 특정 모드나 주파수에 의존할 필요가 없다.

본 논문에서는 단일 센서와 공간집속 신호처리 기술로 시간 역전과 인버스 필터링을 이용하여 등방성 평판에 서 충격 위치를 결정할 수 있는 탐상법을 다루었다. 유한 평면에서 굽힘 파의 운동 방정식을 유도하여, 그 식을 통해 얻어진 데이터를 기반으로 해석적인 시뮬레이션을 통해 시간 역전과 인버스 필터링의 시간 집속 효과를 확 인하고 충격 위치와 그 주변에서 신호의 공간 집속 효과를 관찰하고 충격 위치 결정에 영향을 미칠 수 있는 인자 들(총 수신시간, 샘플링 주파수)에 대해 살펴보았다. 그리고 충격원의 위치에 따른 2차원 결과를 제시하고, 실제 충격 위치를 정확하게 결정할 수 있음을 확인하였다. 여기서 제안한 방법은 기존의 충격 위치 결정법에 비해 많 은 장점을 갖고 있다. 첫 번째로 단일 센서를 사용하는 것과 시험체의 형상과 물성을 몰라도 된다는 점이다. 또한 판 에서와 같이 분산성에 의한 다중모드 파동이 발생하는 경우에도 특정 모드나 주파수에 의존할 필요가 없다.

In this paper describe configuration about QCM system for image processing device. It presents that QCM's image processing board video from the camera recognized by the PLC's battery removable exact location coordinates to the robot image processing technology to deliver. In addition, QCM video image processing technology for improved data reliability is described. In this paper define the landmarks of battery for obtaining the location coordinates and verify battery the location coordinates acquisition process from field tests of the QCM/QTPE-BUS Battery Exchange System.

대학수학능력시험 국어 과목에서 중요한 비중을 차지하는 독서 영역의 주된 교육 목표는 주어진 지문을 온전히 이해할 수 있는가를 평가하는 데에 있다. 따라서 해당 지문에 포함된 질의를 주어진 지문만으로 풀이할 수 있는지는 해당 영역의 교육 목표와 관련이 깊다. 본 연구에서는 처음으로, 교육학 분야와 딥러닝을 접목하여 이러한 교육 목표가 실제로도 타당하게 실현 가능한지를 입증하고자 한다. 대학수학능력시험의 독서 영역의 개별 지문과 그에 수반된 다수의 문장 쌍(sentence pair)을 정제하여 추출하고, 해당 문장 쌍을 주어진 지문에 비추어 적절하거나(T), 적절하지 않은지(F)를 판단하는 이진 분류 태스크(binary classification task)에 적용하여 평가 하고자 한다. 그 결과, F1 스코어 기준 59.2%의 human performance를 뛰어넘는 성능을 62.49%의 KoELECTRA를 비롯한 대부분의 언어 모델에서 확인할 수 있었으며, 또한 데이터 전처리 과정에 변화를 줌으로써 언어 모델의 구조적 한계를 극복할 수 있었다.

The major educational goal of reading part, which occupies important portion in Korean language in Korean SAT, is to evaluated whether a given text can be fully understood. Therefore given questions in the exam must be able to solely solvable by given text. In this paper we developed a datatset based on Korean SAT’s reading part in order to evaluate whether a deep learning language model can classify if the given question is true or false, which is a binary classification task in NLP. In result, by applying language model solely according to the passages in the dataset, we were able to acquire better performance than 59.2% in F1 score for human performance in most of language models, that KoELECTRA scored 62.49% in our experiment. Also we proved that structural limit of language models can be eased by adjusting data preprocess.

The Processing-in-Memory (PIM) paradigm is a non-von Neumann computer architecture where processing and memory functions are combined in a single location to overcome the effects of the memory wall. Prefetching is a technique used to anticipate data access patterns and proactively bring data into the processor cache to reduce memory latency. In this paper, we aim to provide insights into applicable prefetch techniques for PIM by analyzing the performance of commonly applicable prefetch techniques in a simulated PIM system. We simulate PIM systems with (i) no prefetching, (ii) next-line prefetching, (iii) stream prefetching and (iv) the Variable Length Data Prefetcher (VLDP) using a custom-built PIM simulator and the STREAM benchmark as the workload and compare their performance.

본 논문은 국내에서 주로 재배되는 신선 꽃송이버섯 (Sparassis latifolia)의 저장 및 유통 과정에서 품질 저하를 최소화하고, 이를 가공에 효율적으로 활용하기 위한 기술들 을 종합적으로 고찰하였다. 꽃송이버섯은 고함량의 β -글루 칸과 다양한 기능성분을 함유한 고부가가치 식자재로, 조직 이 연약하고 수분 함량이 높아 저장 및 유통 중 품질 열화 가 빠르게 진행된다. 이에 따라 본 연구에서는 저장 중 주 요 품질 변화 양상과 이를 지연시키기 위한 미세천공 필름, 기능성 및 지능형 포장, MA 및 CA 포장 기술 등 기존 보고된 신선도 유지 기술을 정리하고, 적용 가능성이 높은 비열 살균, 광역동 처리, 나노복합필름 등의 신기술도 함께 논의하였다. 아울러, 꽃송이버섯의 일반 성분, 표준규격, 국 내 품질기준을 요약하고, 열수 추출 및 에탄올 추출, 열풍· 동결 건조 등의 가공 기술별 활용성 및 추출 효율에 대해 서도 비교·정리하였다. 본 고찰은 향후 신선 꽃송이버섯의 저장성 개선과 고부가가치 식품 소재화 연구에 실용적인 기 초자료를 제공할 수 있을 것으로 기대된다.

This review comprehensively examines current and emerging technologies for maintaining quality and enhancing the processing utilization of Sparassis latifolia, a high-value edible mushroom primarily cultivated in Korea. S. latifolia is rich in β-glucan and various functional compounds, but its high moisture content and delicate texture make it highly susceptible to rapid quality deterioration during storage and distribution. This paper summarizes established freshness preservation techniques, including micro-perforated films, functional and intelligent packaging, and modified or controlled atmosphere (MA/CA) packaging. In addition, emerging technologies for non-thermal sterilization, photodynamic inactivation (PDI), and nanocomposite packaging are discussed. The review also outlines the general composition, standard specifications, and domestic quality standards for S. latifolia. Furthermore, various processing methods including hot water and ethanol extraction, hot-air drying, and freeze-drying are compared in terms of their applicability and extraction efficiency. These findings are expected to provide a practical foundation for future research aimed at improving the storability and value-added utilization of fresh S. latifolia.

분산 환경에서 다양하게 사용되고 있는 IoT 장치는 의료·환경·교통·바이오·공공장소 등 사용 분야가 다양해지면 서 IoT 장치에서 송·수신되는 데이터의 중요도가 점점 증가하고 있다. 본 논문에서는 IoT 데이터의 신뢰성을 보장하기 위한 방법으로 수 많은 데이터들을 다양한 중요 속성별로 분류·처리하도록 오토인코더 기반의 IoT 연계 처리 기법을 제안한다. 제안 기법은 오토인코더 기반의 IoT 연계 처리를 위해서 IoT 데이터를 특성별로 블록체인으로 묶어 처리하 도록 IoT 데이터별로 상관관계 지수를 사용한다. 제안 기법은 IoT 데이터의 신뢰성을 보장하기 위해서 상관관계 지수 에 적용된 블록체인 기반의 n-계층 구조로 확장 운영한다. 또한, 제안 기법은 IoT 데이터의 상관관계 지수에 따라 IoT 수집 데이터에 가중치를 적용하여 IoT 데이터를 선택할 수 있을 뿐만 아니라 실시간으로 IoT 데이터의 무결성을 검증 하는 비용을 낮출 수 있다. 제안 기법은 n-계층 구조로 IoT 데이터를 확장할 수 있도록 IoT 데이터의 처리 비용을 유지한다.

IoT devices, which are used in various ways in distributed environments, are becoming more important in data transmitted and received from IoT devices as fields of use such as medical, environment, transportation, bio, and public places are diversified. In this paper, as a method to ensure the reliability of IoT data, an autoencoder-based IoT-linked processing technique is proposed to classify and process numerous data by various important attributes. The proposed technique uses correlation indices for each IoT data so that IoT data is grouped and processed by blockchain by characteristics for IoT linkage processing based on autoencoder. The proposed technique expands and operates into a blockchain-based n-layer structure applied to the correlation index to ensure the reliability of IoT data. In addition, the proposed technique can not only select IoT data by applying weights to IoT collection data according to the correlation index of IoT data, but also reduce the cost of verifying the integrity of IoT data in real time. The proposed technique maintains the processing cost of IoT data so that IoT data can be expanded to an n-layer structure.

The returns from Shea nut processing help rural communities to meet the cash requirements of the rural households. The processing of Shea kernels into butter is mostly done traditionally; these methods are inefficient in terms of the amount and quality of butter extracted. This research works however tend to evaluates the profit potential of Shea nut processing in some communities of Bosso and Borgu LGAs of Niger state, Nigeria. Specifically, the study looked at the processing techniques, its profit potential and the constraints associated with the processing. Four communities were purposively selected from two LGAs of zone II and III of Niger state. A total sample size of one hundred and fifty three (153) processors were randomly selected to whom the structured questionnaires were administered, this represent 61.7% of the sample frame used for this study. Data collected were analyzed using descriptive statistics, multiple regression and budgetary technique. The study revealed that more than 90% of the respondents were women and more than 80% used traditional method of processing. The total revenue and net revenue accrued to the processing business of Shea nut were found to be N9, 879, 480.00 and N2, 754, 197.22 respectively for all the respondents per month. The net return was calculated to be N18, 001.29 per respondents per month. The regression estimates revealed R2 value of (0.99) and F-value of (544.1848827). The coefficients of years of experience and total revenue were found to be positive and statistically significant at 5% and1% respectively while educational level and total costs of processing were negative and statistically significant at 5% and1% respectively. Some major problems faced by Shea nut processors were lack of mechanized processing equipments, drudgery associated with processing, poor access to credit and storage facilities. Effort to mitigate these problems entails the provision of simple, affordable, mechanized and adoptable processing equipments to reduce labour intensity and to ensure quality standard, provision of credit will boost processing efficiency, productivity and the income of the rural households involved in the processing of the Shea nut.