화재 발생 후 구조물의 안전성을 신속하고 정확하게 파악하는 것은 중요하지만, 기존 방법들은 한계가 있었습니다. 구조물 재사용 및 보강 여부 판단을 위한 빠르고 정확한 위험도 추정 기법이 필요합니다. 본 기술은 컴퓨터 장치를 이용하여 화재 피해를 입은 구조물의 영상, 설계 정보, 처짐값, 화재발생시간 등 다양한 데이터를 통합 분석하여 위험도를 정밀하게 추정합니다. 특히, 카메라로 촬영된 소스 영상에서 딥러닝 기반의 CNN(Convolutional Neural Network)을 활용하여 구조물 표면의 균열의 양을 계산합니다. 이 균열의 양과 설계 정보, 처짐값, 화재발생시간, 그리고 구조물의 하중비를 종합적으로 고려하여 계수를 부여한 수식으로 최종 위험도 값을 산출합니다. 이를 통해 화재로 손상된 구조물의 위험도를 빠르고 정확하게 평가할 수 있으며, 구조물의 재사용 및 보강 여부 결정에 필요한 신뢰성 있는 정보를 제공하여 안전 관리에 크게 기여할 수 있습니다.

기존 교정력 측정 방식은 모형 제작과 위치에 따른 오차로 인해 번거롭고 부정확했습니다. 본 기술은 실제 환자 구강 내 브라켓과 교정 와이어에 인가되는 교정력을 정밀하게 측정하는 장치입니다. 탄성 부재의 변형 길이를 바탕으로 탄성력을 계산하고, 힘의 평형 및 에너지 보존 법칙을 적용하여 교정력을 연산합니다. 특히, 고리선이 교정 와이어 중앙에 항상 위치하도록 설계되어 와이어 길이에 관계없이 정확한 측정이 가능합니다. 이를 통해 의료진은 환자 맞춤형 교정 치료 계획을 정밀하게 수립하고, 즉시 활용 가능한 데이터를 얻어 치료의 정확성과 효율성을 높일 수 있습니다.