인천대학교 인디고클랫폼 인천대학교 기술지원허브

.

본 발명은 실시간 스윙 영상 업로드 및 이벤트 처리 기술에 관한 것으로, 특히 골프 타석 시스템에서 촬영된 스윙 영상을 AI 기반 품질 판단 및 네트워크 상태 적응형 업로드 제어를 통해 실시간으로 전송 및 관리하는 시스템에 관한 것이다.

본 발명은 실시간 사용자 인증 및 세션 관리 기술에 관한 것으로, 특히 골프 타석 프로그램(LaunchPad)과 웹 기반 분석 플랫폼(Swing Portal) 간의 사용자 자동 로그인, 인증, 세션 유지 및 복구를 실시간으로 수행하는 시스템에 관한 것이다. 또한 QR 코드와 Ephemeral Key(일회용 키)를 결합하여 보안성과 사용성을 동시에 확보하는 이중 계층 바인딩 프로토콜에 관한 것이다.

.

본 발명은 딥러닝 기반 생성모델의 잠재공간에서 정상 데이터와 이상 데이터의 분리를 명시적으로 증대시켜 이상 감지의 정확도를 향상하는 잠재공간 기반 이상 데이터 감지 및 분리 방법에 관한 것이다. 입력 데이터는 인코더를 통해 잠재벡터로 매핑되고, 학습 과정에서 정상 분포와 이상 분포 간 분리도를 정량화하여 확장하는 분리 손실(예: KL, Wasserstein, 마할라노비스 기반)을 총 손실함수에 포함함으로써 잠재공간 상 간극을 체계적으로 확대한다. 추론 시에는 대상 샘플의 복원 오차와 잠재공간에서의 정상 분포와의 거리 지표를 가중 결합한 이상 점수를 산출하고, 자동 또는 사용자 지정 임계값을 적용하여 이상 여부를 판정한다. 선택적으로 잠재공간 클러스터링을 수행해 라벨이 없는 환경에서도 임계값과 군집 경계를 자가 보정할 수 있다. 본 방법은 고차원·비선형 데이터에서도 견고하게 동작하며, 로봇 매니퓰레이터의 힘·토크·진동 등 센서 데이터, 제조 설비 상태 모니터링, 의료·자율주행·네트워크 보안 등 다양한 응용 도메인에 적용 가능하다.

전력 변환 장치의 최적 설계는 고효율 및 비용 절감을 위해 필수적이지만, 기존 방식은 전문가의 경험에 의존하며 설계 공간 전체를 포괄하기 어렵다는 한계가 있다. 특히, 기존 딥러닝 기반 모델들은 학습 범위를 벗어난 OOD(Out-of-Distribution) 데이터에 대한 예측 신뢰성이 낮아 실제 설계에 적용하기에 어려움이 있었다. 본 논문은 이러한 문제를 해결하고자, 스펙트럴 정규화(Spectral Normalization)와 특이값 분해(Singular Value Decomposition)를 결합한 딥 커널 학습 기반 가우시안 프로세스(DKLGP) 모델을 제안한다. 제안된 모델은 DAB(Dual Active Bridge) 컨버터의 16개 스위치 손실을 예측하도록 설계되었으며, PLECS 시뮬레이션을 통해 생성된 데이터를 기반으로 성능을 평가했다. 실험 결과, 제안된 SN-DKLGP-SVD 모델은 기존 FFNN(Feedforward Neural Network) 모델과 비교했을 때, 학습 범위 내 데이터(ID)뿐만 아니라 학습 범위를 벗어난 데이터(OOD)에 대해서도 뛰어난 일반화 성능과 예측 신뢰성을 보였다. 스펙트럴 정규화는 특징 추출 과정에서 데이터 간의 거리 왜곡을 최소화하여 가우시안 프로세스의 예측 정확도를 향상시켰다. 또한, 특이값 분해는 다중 출력 간의 상관관계를 효과적으로 학습하고 모델의 계산 복잡도를 낮추어 학습 시간을 단축하는 효과를 입증했다. 결론적으로, 본 연구는 OOD 데이터에 강인하고 계산 효율성이 높은 스위치 손실 예측 알고리즘이 전력 변환 장치 설계 최적화에 중요한 역할을 할 수 있음을 증명한다.

본 발명은 센서 데이터의 분포 특성을 이미지로 변환하고, 해당 이미지를 딥러닝 모델로 분석하여 이상을 탐지하는 방법에 관한 것이다. 센서 데이터가 시계열·개별 수치 형태로 존재할 때는 분포 정보가 드러나지 않아 이상 패턴의 식별이 곤란하다. 이에 따라 공정 단계별로 수집된 복수 센서 데이터를 이용하여 각 센서의 분포를 추정하고, 이를 히스토그램, 커널 밀도 추정(KDE), 공분산 행렬 중 적어도 하나로 시각화하여 분포 이미지를 생성한다. 생성된 분포 이미지는 long-tail 및 다봉형(multi-modal) 특성을 포함하므로, CNN 또는 ViT와 같은 이미지 기반 딥러닝 모델에 입력하여 이상 점수 또는 판정을 산출한다. 이로써 센서의 수치 데이터를 시각적 특징 공간으로 변환함으로써 기존 통계 기반 접근으로 탐지하기 어려운 희소 이상과 분포 변화 이상을 높은 민감도와 낮은 오탐으로 검출할 수 있다.

첨부파일 참조

고분자 고유 미세공극체(Polymer of intrinsic microporosity, PIM-1)는 높은 자유 부피와 미세공극성으로 인해 뛰어난 기체 투과성을 보이는 것으로 알려져 있다. 그러나 낮은 선택성, 플라스틱화, 열화(aging) 특성 저하와 같은 여러 한계가 존재한다. 이러한 문제를 극복하기 위해, 우리는 트리아진(triazine) 가교 결합을 포함하는 복합막 PIM-nPI-Tz를 개발하였다. 이는 니트릴기를 갖는 폴리이미다졸륨(PI-CN)을 PIM-1 막 위에 스핀코팅한 후 열처리를 통해 제조하였다. 형성된 코팅층은 CO₂ 친화성으로 인해 PIM-1 막의 선택성을 향상시켰으며, 트리아진 형성은 골격 간격을 확장시켜 확산성과 투과성을 개선하였다. 특히, PIM-5PI-Tz(5% PI-CN 용액을 PIM-1 위에 코팅한 뒤 열처리하여 제작된 복합막)는 CO₂ 투과도(7539 Barrer)가 73% 증가하고, CO₂/N₂ 선택도(24.4)가 34% 증가하여 2019년 Robeson 상한선에 거의 근접하는 성능을 달성하였다. 또한, 20 bar의 공급 압력 조건에서도 플라스틱화가 효과적으로 억제되었고, CO₂/N₂ 혼합 기체 조건에서 300일 이상 분리 성능을 유지하여 뛰어난 내플라스틱화 및 내열화 특성을 입증하였다. 즉, 두 고분자를 단순히 블렌딩하는 대신, 고투과성 PIM-1 막 위에 이미다졸륨 층을 코팅한 후 열처리를 통해 가교화하는 새로운 전략을 적용하였다. 그 결과, 수용성 코팅 물질인 PI-CN은 CO₂ 분리 성능을 크게 향상시켰으며, 다양한 기체 분리막에 폭넓게 응용될 수 있는 가능성을 보여주었다.

Organic electronic devices offer several advantages over conventional inorganic materials, such as flexibility, light weight, and low cost; however, their poor stability in atmospheric environments remains a significant limi tation. The increasing environmental pollution caused by organic electronic waste has led to a growing interest in biodegradable polymers as sustainable alternatives. This study presents the development of an ecofriendly or ganic gas sensor based on blended films of poly(3-hexylthiophene) (P3HT) and poly(butylene succinate) (PBS). The organic transistor maintained a stable device performance even with up to 90 wt% reduction in P3HT con tent through vertical phase separation via slow evaporation of the high-boiling-point solvent, dichlorobenzene (DCB). Notably, the chloroform (CF)-processed films exhibited horizontal phase separation, which enhanced their gas-sensing performance owing to the presence of gas-ester groups in PBS in the active layer. Furthermore, the intrinsic flexibility of PBS improved the mechanical durability of the active layer, which was shown to be biodegradable in seawater. This study demonstrates that solvent engineering is a powerful strategy for optimiz ing the multifunctional properties of polymer blends, thereby providing an environmentally sustainable and highly sensitive gas-sensing platform.