김경연 연구실
전자공학과
김경연
김경연 연구실은 전자공학과를 기반으로 전기 임피던스 단층촬영(EIT) 및 전기 저항 단층촬영(ERT) 기술을 중심으로 한 영상 복원, 경계 추정, 공정 모니터링 분야에서 국내외적으로 선도적인 연구를 수행하고 있습니다. 본 연구실은 수십 년간의 연구 경험과 다양한 국제 협력, 산학연 협력 프로젝트를 통해 첨단 영상 복원 알고리즘, 신경망 및 최적화 기반의 경계 추정 기법, 그리고 실시간 공정 모니터링 시스템 개발에 집중해왔습니다.
특히, EIT/ERT를 활용한 다상 유동, 신소재(그래핀 등), 인체 내부 장기(방광, 흉부 등), 반도체 공정 내 잔류물 모니터링 등 다양한 실제 응용 분야에서 뛰어난 연구 성과를 거두고 있습니다. 연구실은 반복적 수치 해법, 확장 칼만필터, 적응 메쉬 그룹핑, 임계값 기반 알고리즘 등 전통적인 역문제 해법뿐만 아니라, 최근에는 딥러닝(U-net, GAN 등), 진화적 최적화(PSO, GSA, Cuckoo search 등)와 같은 첨단 AI 및 최적화 기법을 적극적으로 도입하여 영상 복원의 정확도와 효율성을 극대화하고 있습니다.
이러한 연구는 국제 저명 학술지 및 학회에서 활발히 발표되고 있으며, 다수의 특허 출원 및 등록, 기술이전, 산학협력 프로젝트로 이어지고 있습니다. 또한, 산업체와의 협력을 통해 실용화 및 상용화 연구도 활발히 진행 중이며, 정부 및 공공기관의 다양한 연구 과제 수행을 통해 국가 산업 발전에도 기여하고 있습니다.
연구실은 미래 스마트 제조, 바이오 의료, 에너지 및 환경 분야에서 요구되는 지능형 센서 및 모니터링 시스템 개발에 중점을 두고 있습니다. 이를 위해 AI와 전통적 제어·신호처리 기술의 융합, 실시간 데이터 처리, 고해상도 영상 복원, 비파괴 검사 기술 등 다양한 연구를 수행하고 있습니다. 이러한 융합적 연구는 4차 산업혁명 시대의 핵심 기술로 자리매김하고 있습니다.
김경연 연구실은 앞으로도 첨단 영상 복원 및 공정 모니터링 기술의 혁신을 선도하며, 학문적 성과와 산업적 실용화 모두에서 세계적인 경쟁력을 갖춘 연구실로 성장해 나갈 것입니다.
전기 임피던스 단층촬영(EIT) 및 저항 단층촬영(ERT) 기반 영상 복원 및 경계 추정
본 연구실은 전기 임피던스 단층촬영(EIT)과 전기 저항 단층촬영(ERT) 기술을 활용한 영상 복원 및 경계 추정 알고리즘 개발에 중점을 두고 있습니다. EIT/ERT는 전극을 통해 측정된 전기적 신호를 바탕으로 내부 구조의 전도도 또는 저항 분포를 영상화하는 비파괴 검사 기법으로, 산업 공정, 의료 영상, 환경 모니터링 등 다양한 분야에 적용되고 있습니다. 연구실에서는 반복적 가우스-뉴턴, Landweber, TSVD, 확장 칼만필터 등 다양한 수치적 역문제 해법을 개발하여 영상의 정확도와 해상도를 높이고 있습니다.
특히, 동적 환경에서의 실시간 영상 복원과 비정상적 경계면(phase boundary) 추정에 대한 연구가 활발히 이루어지고 있습니다. 이를 위해 적응 메쉬 그룹핑, 임계값 기반 알고리즘, 하이브리드 최적화 기법(예: 입자 군집 최적화, Cuckoo search, 유전 알고리즘 등)과 신경망 기반의 경계 추정 방법이 도입되고 있습니다. 이러한 기술들은 다상 유동, 그래핀 등 신소재, 인체 내부 장기(방광, 흉부 등) 및 반도체 공정 내 잔류물 모니터링 등 다양한 실제 문제에 적용되고 있습니다.
연구실의 연구 결과는 국제 저명 학술지 및 학회에서 활발히 발표되고 있으며, 관련 특허도 다수 출원 및 등록되어 있습니다. 또한, 산업체와의 협력 및 정부 과제 수행을 통해 실용화와 상용화 연구도 병행하고 있습니다. 이를 통해 EIT/ERT 기반의 영상 복원 기술이 다양한 산업 및 의료 현장에 적용될 수 있도록 기여하고 있습니다.
인공지능 및 최적화 기법을 활용한 영상 복원과 공정 모니터링
최근 본 연구실에서는 인공지능(AI) 및 머신러닝, 특히 딥러닝 기반의 신경망(U-net, GAN 등)과 진화적 최적화 알고리즘을 영상 복원 및 공정 모니터링에 적극적으로 도입하고 있습니다. 전기 임피던스 단층촬영 데이터의 복잡성과 비선형성을 극복하기 위해, CycleGAN, pix2pixGAN, U-net 등 첨단 딥러닝 모델을 적용하여 기존의 수치적 방법보다 더 높은 정확도와 신뢰성을 확보하고 있습니다. 이러한 AI 기반 접근법은 반도체 공정, 그래핀 결함 탐지, 방광 및 태아 모니터링 등 다양한 응용 분야에서 탁월한 성능을 보이고 있습니다.
또한, 하이브리드 입자 군집 최적화(PSO), 중력 탐색 알고리즘(GSA), Cuckoo search 등 진화적 최적화 기법을 영상 복원 및 경계 추정 문제에 적용하여, 기존 방법의 한계를 극복하고 계산 효율성과 해상도를 동시에 향상시키고 있습니다. 이러한 최적화 기법들은 복잡한 역문제의 해를 빠르고 안정적으로 찾는 데 큰 역할을 하며, 실제 산업 공정의 실시간 모니터링 및 제어 시스템에도 적용되고 있습니다.
연구실은 AI 및 최적화 기법의 융합을 통해 영상 복원 기술의 혁신을 추구하고 있으며, 이를 기반으로 한 다양한 특허와 기술이전, 산학협력 프로젝트를 진행하고 있습니다. 이러한 연구는 미래 스마트 제조, 바이오 의료, 에너지 및 환경 분야의 지능형 센서 및 모니터링 시스템 개발에 중요한 밑거름이 되고 있습니다.
1
Enhancing electrical resistance tomography reconstruction from conductive fabric: a comparative study of CycleGAN and pix2pixGAN
김경연, Felipe Alberto Solano Sanchez, 아닐쿠마, 전민호
MEASUREMENT SCIENCE & TECHNOLOGY, 2024
2
Generative Adversarial Network Model for Two-Phase Flow Imaging by Electrical Impedance Tomography
김경연, 아닐, Felipe Alberto Solano Sanchez
IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, 2023
3
Hybrid Particle Swarm Optimization-Gravitational Search Algorithm Based Detection of Graphene Defects With Electrical Impedance Tomography
SUNAM KUMAR SHARMA, 김경연, ANIL KUMAR KHAMBAMPATI
IEEE ACCESS, 2022
1
3단계 산학연협력 선도대학(LINC 3.0) 육성사업_수요맞춤성장형
2
신산업 분야 지식재산 융합인재 양성사업 (전자공학과)
3
제주 에너지신산업 고도화 혁신인재 양성 교육연구단