픽셀 단위 회귀 딥러닝으로 정확한 객체 검출 개발

반도체 공정 폐수에는 질소, 인, 불소 등 유해 물질이 고농도로 포함되어 기존 처리 방식들은 경제성이나 효율성 측면에서 한계가 있었습니다. 본 기술은 바덴포 공정과 그래핀 산화물 기반 세라믹 나노 멤브레인 여과를 통합하여 이러한 문제를 해결합니다. 그래핀 산화물 코팅 나노 멤브레인은 미세 기공과 강한 음전하로 암모늄, 불소 이온 등 1가 이온성 물질을 효과적으로 제거합니다. 이를 통해 별도의 약품이나 탄소원 주입 없이 경제적이면서도 효율적인 질소 및 불소 제거가 가능하며, 폐수 처리 시스템의 성능과 비용 효율성을 크게 향상시킬 수 있습니다.

기존 암리논 합성법은 복잡한 다단계 공정, 고온 반응 조건, 위험한 수소 가스 사용 등으로 인해 심각한 합병증을 유발할 수 있는 한계가 있었습니다. 본 기술은 위치선택적 스즈키 커플링 반응을 활용하여 암리논 유도체를 안전하고 효율적으로 제조하는 방법을 제안합니다. 화학식 1 화합물과 피리디닐 보론산의 스즈키 커플링 반응 후, 중간 생성물을 화학식 2 화합물과 반응시키는 방식으로, 종래 대비 축소된 합성 단계와 온화한 산처리 조건으로 탈보호기 반응을 수행합니다. 이를 통해 위험한 수소 가스 없이 고수율(60% 이상)로 암리논 유도체를 얻을 수 있으며, 급성 심부전 치료제 개발 및 생산의 안전성과 효율성을 크게 향상할 수 있습니다.

유방암은 조기 진단이 환자 생존율에 결정적인 영향을 미치지만, 기존 진단법은 초기 병변 검출에 한계가 있었습니다. 본 기술은 혈액 내 알파-1 산성 당단백질(AGP)의 N-당화 변화가 초기 유방암의 핵심 바이오마커임을 규명하였습니다. 렉틴을 활용하여 AGP의 푸코실화, 만노실화, 시알릴화 등 N-당화 수준을 정밀하게 검출하며, 특히 유방암 1기 환자의 혈청에서 이 당화 수준이 현저히 감소함을 확인했습니다. 이를 통해 양성 유방종이나 다른 병기의 유방암과 명확히 구별하여 초기 유방암을 높은 민감도와 특이도로 진단할 수 있습니다. 이 기술은 유방암 조기 진단의 정확도를 획기적으로 높여, 환자의 치료 성공률 향상과 사망률 감소에 크게 기여할 것입니다. 진단 키트 및 정보 제공 방법으로 개발되어 상용화가 기대됩니다.

주사 투여로 인한 환자 고통과 인슐린의 낮은 점막 투과 문제는 당뇨 치료의 큰 과제였습니다. 본 기술은 변이체 TCTP-PTD를 인슐린과 혼합하여 비침습적 점막 전달을 가능하게 합니다. 특정 TCTP-PTD 펩타이드 서열(서열번호 3, 8, 13)이 인슐린의 점막 투과율을 크게 높이며, 이는 비강 투여 시에도 피하주사와 유사한 혈당 강하 효과를 보였습니다. 점막 손상 없이 안전하게 인슐린 생체이용률을 향상시켜 환자의 치료 편의성과 삶의 질을 높일 수 있습니다.

기존 하나의 웨어러블 기기가 가진 운동 자세 교정의 한계를 극복하기 위해, 복수의 웨어러블 기기를 신체 여러 부위에 부착하여 움직임 정보를 통합적으로 수집하는 기술입니다. BLE 통신을 통해 실시간으로 가속도와 각도 데이터를 수신하고, 이를 사전에 저장된 올바른 자세 정보와 비교 분석하여 사용자의 운동 자세를 정밀하게 판단합니다. 이 시스템은 줄넘기, 스쿼트, 런지 등 다양한 운동에 대한 정확한 자세 교정 피드백을 제공하여, 운동 효과를 극대화하고 부상 위험을 줄이는 데 기여합니다. 또한 다중 사용자의 동시 모니터링도 가능하여 스마트 피트니스 경험을 향상시킵니다.

기존 리튬 이차전지의 흑연 음극재는 용량 한계와 실리콘 음극재의 큰 충방전 부피 변화 문제를 가지고 있습니다. 본 기술은 실리카 함유 콜로이드에 산화그래핀을 첨가하여 분말화한 뒤, 마그네시오써믹 반응으로 실리카를 실리콘으로, 산화그래핀을 그래핀으로 동시에 환원시켜 실리콘-그래핀 복합 나노물질을 제조합니다. 이 방법은 자연에 풍부한 실리카를 원료로 사용하여 경제적이며, 제조된 나노물질은 부피 변화를 최소화하고 높은 전기 전도도, 용량, 안정성을 갖는 전극을 형성할 수 있습니다. 리튬 이온 전지 및 다양한 차세대 전지의 고성능 음극재로 활용되어 배터리 성능 향상에 크게 기여할 것으로 기대됩니다.

기존 레이더 기술은 다중 인원 감지 시 고스트 및 가림 현상에 취약하며, 움직임 없는 사람 구분이 어려웠습니다. 본 기술은 복수의 임펄스 무선 초광대역(IR UWB) 레이더 센서를 활용하여 사람의 호흡 움직임을 감지하고, 각 개인의 호흡 패턴에 기반하여 다중 인원을 효과적으로 식별합니다. 레이더 신호 프레임에서 호흡 신호 패턴과 일치하는 1차원 영역을 겹치지 않게 산출하며, 이를 후방 투사하여 공간 내 사람의 수와 위치를 정밀하게 영상화합니다. 이 기술은 호흡 에너지를 기준으로 반복 처리되어 약한 호흡 신호까지 감지 가능하며, 기존 기술의 한계를 극복하고 신뢰성 높은 인체 감지 및 영상화 솔루션을 제공합니다.

기존 레이더 시스템은 노이즈 개입 시 객체 위치 추정 정확도가 저하되는 한계가 있었습니다. 본 기술은 이러한 문제를 해결하기 위해 클러터가 제거된 복수의 1차원 레이더 신호들을 취합하여 2차원 영상을 생성합니다. 이 2차원 영상으로부터 객체의 존재 유무를 판단하고 2차원 위치를 추정하며, 이동 경로를 추적합니다. 특히, 센서 특성을 반영한 목적 함수와 사전 정보를 활용한 정규화항 설계를 통해 노이즈에 강인한 고정확도 영상 복원을 가능하게 합니다. 다중 레이더 정보를 종합하여 객체 검출 및 좌표 추정의 정확도를 기존 대비 대폭 향상시켜, 차량 사고 예방 및 다양한 산업 분야의 객체 추적 시스템에 기여할 수 있습니다.

기존 레이더 재실 감지 기술은 호흡과 유사한 물체 움직임을 사람으로 오인하는 문제가 있었습니다. 본 기술은 펄스 레이더 신호를 시간-거리 영상으로 변환하고 길쌈 신경망(CNN)으로 처리하여 실내 인원의 생체 움직임을 정확하게 감지합니다. CNN의 활성화 맵 분석을 통해 1차원 타겟 영역을 산출하며, 복수 센서 사용 시 후방 투사 기법으로 2차원 타겟 영상을 생성하여 인원의 위치를 정밀하게 파악합니다. 이 기술은 오탐지 없이 실내 재실 인원을 효과적으로 검출하고 영상화하여, 보다 신뢰성 높고 간편한 재실 감지 솔루션을 제공합니다.

기존 수동 검사의 한계와 머신 비전 기술의 난점을 극복하기 위해, 인공신경망 기반 영상 분할을 이용한 불량 검출 기술이 개발되었습니다. 본 기술은 컨볼루션 인코더-디코더로 구성된 학습 네트워크에 제품 객체 영상(소스 영상)을 입력하여 불량 부위를 정확히 구분한 분할 영상을 출력합니다. 특히, 다양한 크기의 불량 검출을 위해 여러 개의 컨볼루션 인코더-디코더를 병렬로 운용하며, 각 네트워크의 특징 맵 크기를 다르게 설정합니다. 또한, 각 네트워크의 출력값을 배깅 기법으로 통합하여 각 픽셀의 최종 불량 클래스를 결정합니다. 이 과정에서 크로스 엔트로피와 정규화 항을 포함하는 손실 함수를 사용하여 모델의 학습 정확도를 높였습니다. 이로써, 작업자는 불량 여부와 위치를 쉽고 정확하게 확인할 수 있으며, 제품 품질 검사 공정의 자동화 및 고정밀화를 달성하여 생산 효율성을 크게 향상시킬 수 있습니다.

기존 지폐 감별 시스템은 위폐 대응이 느리고, 여러 국가의 지폐 처리나 신권 감별에 장치 변경이 필요하며, 자외선 및 자기 센서 사용으로 비용과 시간이 많이 소요되는 한계가 있습니다. 본 기술은 이러한 문제점을 해결하고자 딥러닝 기반으로 가시광 및 적외선 영상만을 활용하여 지폐를 감별합니다. 투입된 지폐의 가시광 및 적외선 영상을 스캔한 후, 이들을 스태킹하여 신경망 처리를 수행함으로써 진폐, 위폐, 권종, 방향, 훼손 여부를 빠르고 정확하게 판별합니다. 특히, 새로운 지폐가 발행되거나 다른 국가의 지폐를 감별해야 할 경우에도 학습을 통해 장치 변경 없이 유연하게 대응할 수 있습니다. 이를 통해 지폐 감별의 속도와 정확도를 향상시키고, 기존 고비용 센서 없이도 효율적인 운영이 가능하여 유지보수 비용을 절감하며, 다양한 지폐 환경에 대한 적응력으로 경제적 효율성과 사용 편의성을 크게 증대시키는 효과를 기대할 수 있습니다.

기존 머신 비전 기술은 유사 패턴이나 잡음이 많은 배경에서 특정 객체 검출 정확도가 낮아 제품 불량 판단에 어려움이 있었습니다. 본 기술은 픽셀 단위 회귀 방식의 딥러닝 모델을 활용하여 이 문제를 해결합니다. 컨볼루셔널 인코더-디코더 구조의 모델이 소스 영상의 배경 왜곡 성분을 제거하고, 픽셀 단위 회귀 방법을 통해 타깃 객체와 배경을 정밀하게 구분합니다. 이를 통해 복잡하거나 잡음이 많은 영상에서도 특정 객체(불량 부위 등)를 정확하게 검출하여, 제품 불량 검출의 정확도를 획기적으로 높일 수 있습니다. 머신 비전 기반의 정밀 검사 시스템에 효과적으로 적용 가능합니다.