산업기술
화재가 건물과 기타 구조물에 미치는 영향을 연구하려면 뜨거운 화염에 영향받는 파이프, 기둥, 빔 같은 변형 물체를 분석해야 합니다. 보통 서브밀리미터 정밀도 측정이 필요한데, 강렬한 화재 조건에서 수행하기 극도로 어렵습니다.
광학 거리 측정 기술을 사용해 기존 건물에 설치된 전자기계 센서로 분석할 수 없는 구조 화재로 인한 실용적 문제를 다룰 수 있습니다.
이제 미국 국립표준기술연구소(NIST) 과학자 팀이 라이더(LIDAR, LIght Detection And Ranging) 시스템을 사용해 불타는 3D 물체를 이미징했습니다. 화염 속에서 변형되는 물체를 작고 신뢰성 있게 안전하게 측정하는 방법을 제공합니다.
팀은 상용 라이더 시스템을 사용해 연구를 시연했습니다. 대량 그을음 생성 화재 뒤 녹아내리는 물체까지 거리 매핑했습니다. 2미터 거리에서 30마이크로미터 정확도로 3D 물체 측정 성공.
너무 느리게 녹지도, 너무 빨리 녹지도 않고 뜨거운 주변 환경에 의해 내부 구조가 영향받는 게 보이는 물체를 원했습니다. 따라서 플라스틱 장난감과 초콜릿 조각 두 가지에 초점을 맞췄습니다.
실험 거리 측정 설정 | 연구진 제공
왜 라이더인가?
라이더는 펄스 레이저 빛으로 물체를 비추고 센서를 통해 반사된 펄스를 모니터링해 물체까지 거리를 측정합니다. 이 기술은 화염 속 이미징에 수많은 이점을 제공합니다: 민감하고 화염이 그을음 입자를 운반해도 작은 물체 탐지 가능.
또한 기기를 화재 열기로부터 안전하게 지킬 만큼 충분히 먼 거리에서 작동합니다. 장비가 소형, 휴대 가능하며 기존 광검출기와 광섬유에 의존합니다.
레이저 빔이 3D 매핑 시스템에서 광학 주파수 대역을 계속 쓸고 지나갑니다. 초기 빛 빔이 타겟 물체에 반사된 빔과 합쳐집니다.
최종 펄스 전압을 디지털 신호 처리로 조사해 시변 데이터를 생성하며, 이는 기기와 물체 간 거리를 나타냅니다. 초기 빛 빔과 반사된 빔 간 주파수 차이는 거리에 따라 증폭됩니다.
헤테로다인(heterodyne, 신호 처리 기법)은 낮은 반사 신호에서 측정을 가능하게 하고 화염의 배경 복사를 마스킹합니다. 빠른 업데이트 속도는 왜곡된 신호 존재 하에서도 시스템이 효율적으로 작동하게 합니다.
참조: OSAPublishing | doi:10.1364/optica.5.000988 | NIST
라이더는 극한 화재 조건(높은 펄스 산란과 왜곡)에서 3D 포인트 클라우드(그림을 형성하는 복셀) 측정과 매핑에 사용되었습니다. 예를 들어 녹는 초콜릿에서 모든 라이더 프레임은 7,500개 포인트로 구성되어 초콜릿 변형 과정을 정확히 이미징하기 충분했습니다.
플라스틱 골격 3D 형상 | 연구진 제공
플라스틱 골격의 경우 라이더 프레임이 화염 뒤 복잡한 형태(엉덩이와 갈비뼈 디테일 포함)를 드러냈는데, 이는 일반 비디오에선 거의 보이지 않았습니다. 전반적으로 시스템은 화염으로 인한 높은 신호 편향과 왜곡 존재 하에서도 정밀 디테일 생성이 충분히 효과적입니다.
참고: 진공을 깨뜨려 반물질 생성하는 가장 강력한 레이저
초기 실험은 실험실 버너로 생성된 50밀리미터 너비 화염으로만 수행되었습니다. 그러나 라이더 방법은 더 큰 구조물과 화재에 배치 가능합니다. 연구진은 시연을 확대할 계획: 1미터 너비 화염에서 더 큰 물체의 3D 사진을 생성해 정량적 관찰 수행 예정입니다.
산업기술
배경 콤바인(combine)은 베기·탈곡·선별을 단일 고속 수확 사이클로 통합한 대형 자주식 기계. 현대 농업 필수 장비로 밀, 옥수수, 대두, 수수, 유채, 쌀 처리. 일부 모델 짚 베일링 또는 목화 수확 겸용. 운전자 파노라믹 윈도 높은 캡에서 작업, 시야 확보. 긴 사각형 차체 대형 전륜(접지력)·소형 후륜(조향) 위 탑재. 터보차저 디젤 엔진 헤더, 탈곡 실린더, 선별 시스템, 헤더→그레인 탱크→트럭 이송 오거 구동. 전면부 릴(reel): 대형 육각 금속 프레임 회전→줄기 기계 내부로 유입. 작물별 릴 설계 상이: 밀 릴
오늘 아침 이메일을 열자 예전에 보낸 메시지에 대한 알림이 떴습니다. 10일 전 발송됨; 후속 조치하시겠습니까? 과연 동료에게 답장을 독촉해야 했습니다. 이 경험은 인공지능(AI)이 비즈니스에서 얼마나 멀리 왔는지, 앞으로 무엇이 기다리고 있는지 되돌아보게 했습니다. 저는 버클리에서 앨리스 아고기노(Alice Agogino) 교수 밑에서 학부생이던 거의 40년 전 이 분야에 매료되었습니다. 아고기노 교수는 칠판에 이 간단한 다이어그램을 그렸습니다. 당시 AI 시스템은 전문가 시스템이라 불렸습니다. 더 많은 사람이 대부분의 작업을