탭 버튼을 선택하면 분야별로 볼 수 있습니다.
이 연구는 OpenCV와 부력을 활용한 자율 순찰 로봇 개발을 목표로 한다. 연구 동기는 경비 업무의 피로를 덜어줄 순찰 로봇의 필요성에서 출발했으며, 로봇이 학교를 순찰하고 침입자를 감지해 알리는 시스템을 구축하는 데 중점을 둔다. 라즈베리파이, 카메라(웹캠)를 이용해 장애물과 사람을 인식하고, 헬륨 풍선을 활용해 로봇의 균형을 유지한다. 또한, 로봇이 계단을 오르내리거나 높은 장애물을 만났을 때, 몸체 양쪽의 프로펠러를 회전시켜 공중에서 이동할 수 있으며, 높은 곳에서 떨어져도 안전하게 착지할 수 있는 기능을 구현하였다. 이 연구는 경비원의 업무를 경감시키고, 자율 순찰 로봇 시스템의 발전 가능성을 확인하는 데 기여할 것이다. 주제어: 로봇, OpenCV, 부력, 2족 보행, ssh, 사람 인식
최근 도시 열섬 현상이 심화됨에 따라 이를 해결하기 위한 방안으로 플랜트 월이 주목받고 있다. 그러나 기존 플랜트 월의 관리가 어렵다는 한계를 극복하고자, 자가 수분조절이 가능한 플랜트 월 조성을 목표로 케나프의 활용 가능성을 탐구하였다. 연구 결과, 여러 요인들을 고려하여 직물의 특 성들을 비교해 보았을 때, 케나프와 PP사를 이용해 만든 직물이 형태안정성, 식물 생장 적합도 면 에서 뛰어난 특성을 보였다. 그러나 케나프와 대나무를 교직하여 제작한 직물이 앞선 PP사와의 교 직물에 비해서 능력이 크게 차이가 나지 않을 뿐만 아니라, 천연 섬유로서의 친환경적인 면을 고려 했을 때 앞으로의 연구 가치가 더 있을 것으로 판단하였다. 이상의 결과를 바탕으로 본 연구에서는 케나프-대나무 교직물을 플랜트 월의 브릭으로 발전시킬 최적을 재료로 선정하였으며, 향후 형태안 정성과 수분의 흡수성 및 함수성 등의 물성을 높이는 방향으로의 직물 혼합에 대해서 추가적인 연구가 필요할 것이다. 주제어: 플랜트 월, 교직, 케나프사, 폴리프로필렌사, 대나무사
현재 전기 생산의 대부분은 화력발전과 원자력발전으로 이루어진다. 이들은 온실가스를 배출하고 오염물질을 발산하는 등 환경오염의 주범으로 손꼽힌다. 대안책으로 친환경적인 지속 가능한 신재 생에너지에 대해 구상하였고 영구히 파도가 친다는 성질을 이용하여 파력발전기를 구상하였다. 파 도의 부서지는 파쇄를 이용하여 블레이드가 돌아가는 구조를 3D 프린터로 출력하여 터빈과 연결하 여 발전이 가능하게 한다. 접이식 구조로 만들어 휴대가 편리함과 실용성을 느낄 수 있고 해안가에 서 간단한 전력원으로 사용할 수 있을 것이다. 주제어: 포터블, 파력 에너지, 발전기, 3d 프린팅, 블레이드
멀리 있는 산들을 관찰하면 거리와 위치에 따라 산의 색이 다르게 보임을 확인할 수 있다. 이는 동 서양의 산수화에서도 확인할 수 있으며, 미술에서는 이를 스푸마토 기법이라 칭한다. 본 연구는 라 즈베리파이와 센서를 활용하여 신뢰할 수 있는 환경 데이터를 정밀하게 수집하고, 실시간 환경 모 니터링을 통해 풍경의 색상 그러데이션과 차이를 환경적 요인과 연결 지어 분석하고자 한다. 주요 변수라 판단한 온도와 습도를 측정하여 데이터베이스를 구축하고, 정해진 시간 간격으로 풍경 사진 을 촬영해 색채(RGB) 차이를 측정한 후, RGB 데이터와 온습도와의 상관관계를 분석하였다. 멀리 있는 산들의 색채 변화가 온습도 외에 미세먼지와 같은 다른 기상 요인에도 영향을 받기 때문에 이 들과의 연관성에 관한 추가 연구를 진행 중이며, 옛 화가들이 그린 그림의 색채 분석을 통해 그 당 시 환경을 유추해 보는 연구도 병행하고 있다. 주제어: 산수화, 스푸마토 기법, RGB, 온도와 습도
본 연구는 인공지능(AI)과 드론 기술을 융합하여 화재 발생 시 신속하고 효과적인 대응을 통해 인 명과 재산 피해를 최소화하는 방안을 제시한다. 화재 진압 및 응급 구조 활동에서 시간의 중요성에 주목하여, 드론을 활용한 사전 경로 확보 시스템을 설계하였다. 본 시스템은 컴퓨터 비전 기술 중 하나인 YOLOv5 모델을 적용하여 도로상의 차량과 장애물을 실시간으로 탐지하고, U-Net 기반의 이미지 분할(segmentation) 기술을 통해 도로 상황을 분석한다. 이러한 분석을 통해 소방차가 보다 신속하게 현장에 도착할 수 있도록 최적의 경로를 제공하며, 골든아워를 준수할 수 있게 한다. 실험 결과, 드론 기반의 도로 분석 시스템은 차량 및 장애물을 효과적으로 식별할 수 있었으며, 이는 화 재 발생 시 소방차의 진입로 확보에 유의미한 기여를 할 수 있음을 확인하였다. 본 연구를 통해 제 안된 시스템은 화재 및 응급 상황에서 신속한 대응을 가능케 함으로써 인명과 재산 피해의 감소에 기여할 것으로 기대된다. 주제어: 인공지능, 드론 기술, 화재 대응, 컴퓨터 비전, 경로 분석
본 연구는 최근 빈번해진 지진 피해를 최소화하기 위한 새로운 접근 방식을 제안한다. 기존의 지진 대응과 달리, 본 연구는 지진파 자체를 굴절시켜 특정 위치에 도달하지 않도록 하는 방법을 탐구한 다. 이는 다른 과학자들이 시도하지 않은 방식으로, 지진파의 굴절을 통해 타겟지점에서 지진의 강 도를 줄이는 것을 목표로 한다. 궁극적으로는 지진파를 효과적으로 굴절시켜 강도를 완화하는 구조 물 제작을 목표로 하며, 이러한 구조물이 실제로 구현된다면 지진으로 인한 문화재 파손, 인명 및 재정적 피해를 크게 줄일 수 있을 것으로 기대된다. 주제어: 지진파, 상쇄 간섭, 굴절, 아두이노
이 연구는 인공지능과 기계 학습 기술을 활용하여 영어 랩 음악의 가사와 비트를 자동으로 생성하는 시스템을 개발하는 것을 목표로 한다. 연구에서는 주로 LSTM(Long Short-Term Memory) 모델을 사용하여 가사와 비트를 생성하였으며, 그 성능을 평가하였다. LSTM 모델은 순차적인 데이터 처리에 강점을 지니고 있어 랩 가사의 문맥을 유지하면서도 비교적 자연스러운 가사를 생성할 수 있었고, 창의적이고 독창적인 비트 패턴을 생성하는 데도 성공하였다. 그러나 복잡한 운율과 라임 패턴을 완벽하게 반영하지 못하는 등의 한계가 존재했다. 이러한 결과를 바탕으로 향후 연구에서는 더 방대한 데이터셋을 활용하고, 모델의 구조를 개선하여 이와 같은 한계를 극복하고자 한다. 이 연구는 랩 음악 창작 과정에서 인공지능이 유의미한 도구로 활용될 가능성을 제시하였다. 주제어: 인공지능, 딥러닝, VQ VAE, LSTM
본 연구는 자전거 주행 시 도로 바닥의 굴곡을 실시간으로 감지하여 경고하는 시스템을 YOLOv8 활용하여 개발라는 것을 목표로 한다. 자전거 주행 중 도로의 상태는 안전에 직접적인 영향을 미치며, 특히 굴곡이나 장애물은 사고의 주요 원인이 될 수 있다. 이를 해결하기 위해 도로 바닥의 굴곡을 감지하는 자전거 주행 안전 시스템을 개발하는 데 있어 YOLOv8을 기반으로 안전성을 향상시킬 수 있는 경고 시스템을 구축하고자 한다. 우리는 직접 데이터를 수집하고 배경 이론에 대해 연구하며, YOLOv8의 적합성을 검토하고 우리의 모델에 도입하였다. 이를 도입한 모댈에서, 수집된 데이터에서 도로 바닥 굴곡을 비교적 높은 성능으로 탐지하고 굴곡의 위치를 출력하여 경고하는 것을 확인할 수 있었다. 본 연구는 자전거 주행 안전성을 향상시키고, 나아가 다양한 교통수단에 적용할 수 있는 도로 상태 감지 기술의 발전에 기여할 것으로 기대된다. 주제어 : Computer Vision, 이미지 인식, 도로 바닥 굴곡
본 연구는 3D Gaussian splatting 기술을 활용하여 메타버스 환경에서의 실감 나는 콘텐츠를 구현하는 것을 목표로 한다. 연구의 첫 단계로, Camera Calibration 및 Multi-view Geometry 이론을 심도 있게 학습하여, 다중 시점에서 촬영된 사진들을 바탕으로 카메라의 위치와 방향을 정확하게 추정하는 과정을 수행하였다. 이를 위해 COLMAP 소프트웨어를 사용하여 사진 간의 연관성을 분석하고, 카메라의 3D 위치 정보를 추출하였다. 이렇게 얻어진 데이터를 바탕으로, 3D Gaussian Splatting 모델을 적용하여 학교의 다양한 공간을 고해상도로 재구성하였다. 본 연구의 결과물은 메타버스 내에서 현실감 있는 학교 공간을 구현하는 데 기여하며, 향후 다양한 교육 및 가상현실 콘텐츠 개발에 활용될 수 있을 것으로 기대된다. 주제어: 3D Gaussian Splatting, 메타버스 콘텐츠 제작, Camera Calibration, Multi-view Geometry, COLMAP
본 연구는 Computer Vision을 활용해 학교 급식의 영양정보를 자동으로 추출하는 시스템을 개발하는 것을 목표로 한다. 급식실의 인력 부족으로 인해 학생이 섭취하는 영양소를 개별로 확인하는 것은 어렵고 영양 기준을 준수하는지 평가하는 것도 현실적으로 불가능하다. 이를 해결하기 위해 다양한 멀티모달 모델을 사용하여 급식 사진에서 음식을 인식하고, 해당 음식의 크기를 레퍼런스 물체와 비교해 추론한 뒤 영양 정보를 예측하는 시스템을 구축하고자 한다. 본 연구에서는 AIHub의 데이터셋과 Google의 Nutrition5K 데이터셋을 사용해 모델을 학습시키고, 모델 구조는 YOLOv10, Meta의 SAM2, 그리고 커스텀 멀티모달 모델을 사용하였다. 주제어: Computer Vision, Deep Learning, Object Detection, Image Segmentation, Regression
본 연구는 제한된 볼츠만 머신(RBM)의 학습 효율성을 향상시키기 위해 데이터 세트의 차원 변환 기법을 적용하였다. MNIST 데이터 세트를 다양한 차원 변경 방법 등을 이용해 차원을 축소한 후, 다시 차원을 확대하는 과정을 통해 데이터 세트의 특성을 유지하면서 정보를 압축, 확대하는 경우 를 찾아보았다. 변환된 데이터 세트를 활용하여 새로운 RBM 모델을 학습한 결과, 학습 속도와 오 차율 측면에서 긍정적인 성과를 얻을 수 있었다. 특히, 차원 축소가 과도하지 않은 경우, 원본 데이 터와 비교했을 때 성능 저하 없이 학습 시간의 효율성을 크게 개선할 수 있음을 확인하였다. 본 연 구는 RBM과 같은 비지도 학습 모델의 효율성을 높이기 위한 새로운 접근법을 제시하며, 향후 다양 한 데이터 세트와 조건에서의 실험을 통해 일반화된 최적화 방법론을 개발할 필요성을 제기한다. 주제어: RBM, 데이터 세트, 차원축소
본 연구에서는 오염 물질 유출 사고에서의 오염 물질 유출 과정을 시뮬레이션하고, 이를 통하여 오염 물질의 효율적인 방제를 위한 기초 자료를 제공하는 것을 목표로 한다. 이를 위해 대표적인 수중 오염 물질인 기름의 유출 경로에 대해 알아보았다. 기름 유출 사고 중 하나인 태안 지역의 기름유출 사고에 대해 시뮬레이션 해보기 위하여, 태안 지역의 지도를 3D 모델링 한 후 이 지역에서 기름이 순간적으로 유출되었을 경우의 수중 확산 경로에 관해 전산유체역학(CFD)을 이용하여 연구를 수행하였다. 바다에 방출되는 다양한 오염 물질들은 바다가 오염되는 것과 관련하여 큰 관심을 받고 있으며, 특히 최근 일본의 오염수 방류를 통하여 오염 물질의 확산 경로를 예측하여 이를 방제하는 시스템의 중요성이 더 커지고 있다. 본 연구를 진행함으로써 다양한 오염 물질의 배출경로를 예측하고, 오염 물질의 확산 양상을 나타내는 자료를 얻을 수 있을 것으로 기대한다. 주제어: 수중 오염. 전산 유체 역학 (CFD), 태안 기름 유출 사고, 3D 모델링. 확산