Seon Woong Jang

Seon Woong Jang


Research Focus & Metrics

Academic Career Length

5Years (2022-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
31 March 2022 in Fisheries and Aquatic Sciences
Verified
Journal Article
Open access
PDF file
JJJun-Chul Jang
Jun-Chul Jang
YKYeo-Reum Kim
Yeo-Reum Kim
SBSuHo Bak
SuHo Bak
SJSeon Woong Jang
Seon Woong Jang
JKJong-Myoung Kim
Jong-Myoung Kim
Fisheries and Aquatic Sciences

23 December 2024 in Drones
Verified
Journal Article
Open access
PDF file
MPMiso Park
Miso Park
HKHeung-Min Kim
Heung-Min Kim
YKYoungmin Kim
Youngmin Kim
SBSuho Bak
Suho Bak
TKTak-Young Kim
Tak-Young Kim
SJSeon Woong Jang
Seon Woong Jang
This study proposes a novel framework for detecting and managing non-point-source (NPS) pollution in agricultural areas using unmanned aerial vehicles (UAVs) and geospatial artificial intelligence (GeoAI). High-resolution UAV imagery, combined with the YOLOv8 instance segmentation model, was employed to accurately detect and classify various NPS sources, such as livestock barns, compost heaps, greenhouses, and mulching films. The spatial information, including the area and volume of detected objects, was analyzed to track temporal changes and evaluate management strategies. The framework integrates remote sensing, deep learning, and geographic information system (GIS) analysis to enhance decision-making processes, providing detailed insight into NPS pollution dynamics over time. This approach not only improves the efficiency of NPS monitoring but also facilitates proactive management by offering precise location and environmental impact data. The results indicate that this framework can significantly improve resource allocation and environmental management practices, particularly in agriculture-dominated regions susceptible to NPS pollution, thereby contributing to the sustainable development of these areas.

25 May 2024 in Journal of the Korean Society for Marine Environment & Energy
Verified
Journal Article
Closed access
YKYoungmin Kim
Youngmin Kim
SPSung-Eun Park
Sung-Eun Park
HKHeung-Min Kim
Heung-Min Kim
SBSuho Bak
Suho Bak
CKChungsook Kim
Chungsook Kim
SJSeon Woong Jang
Seon Woong Jang
최근 빈산소수괴의 규모와 빈도가 지속적으로 증가하고 있어 양식생물 집단폐사 등 수산업에 심각한 경제적 피해를 발생시키고 있다. 양식 현장에서 빈산소수괴로 인한 피해를 최소화하기 위해서는 빈산소수괴 발생 시기를 사전에 예측하여 조기 대응할 수 있는 예측모델 구축이 필요하다. 본 연구에서는 딥러닝 기반 시계열 예측에 특화된 순환신경망 모델 중 Long Short-Term Memory(LSTM), Gate Recurrent Unit(GRU)과 합성곱 신경망인 1-Dimension Convolution Neural Network(1D-CNN)을 활용하여 저층 용존산소의 변동을 예측한 후 모델별로 성능을 평가하였다. 딥러닝 모델의 입력자료는 당동만 해역에서 2019년부터 2022년 사이에 연속 관측된 층별 해양환경자료를 사용하였다. 2019년과 2021년 자료는 모델의 학습 및 검증자료로 사용하였고 2022년 자료를 예측하여 관측자료와 비교·검증하였다. 모델의 예측 정확도에 영향을 미치는 최적의 입력자료와 매개변수를 선정하기 위해 Pearson 상관관계와 Mutual Information(MI) 분석, 시행착오법을 수행하였다. 그 결과 GRU 모델과 1D-CNN 모델의 성능이 LSTM 모델보다 성능이 우수한 것으로 나타났다. 예측선행시간이 증가할수록 LSTM 모델의 단주기 변동 패턴의 재현성이 감소하였는데, 이는 각 모델 간 구조에 기인한 결과로 나타났다. 본 연구를 통해 시계열 예측에 딥러닝 모델을 적용할 경우 데이터 특성을 반영한 모델을 활용해야 함을 알 수 있었다. 향후 신뢰성 있는 양질의 입력자료 확보와 매개변수 조정을 통해 모델의 예측 오차를 줄일 경우 향상된 예측 정확도와 48시간 이상의 예측시간을 확보할 수 있을 것으로 판단된다.

25 May 2025 in Journal of the Korean Society for Marine Environment & Energy
Verified
Journal Article
Closed access
JJJunmo Jo
Junmo Jo
SBSuho Bak
Suho Bak
CKChungsook Kim
Chungsook Kim
SJSeon Woong Jang
Seon Woong Jang
SPSung Eun Park
Sung Eun Park
본 연구는 진동만 저층 용존산소 농도를 72시간 앞까지 시간 단위로 예측하기 위해 멀티스텝 딥러닝 모델을 적용하였다. 2017년부터 2021년까지 관측된 표저층 수온과 용존산소 그리고 이들의 차분 자료를 활용하여 SimpleLSTM, ConvLSTM, ConvFC 모델을 구축 및 비교하였다. 비교 결과, SimpleLSTM 모델은 가장 낮은 RMSE(1.232)와 MAE(0.996)를 보였으나 단주기 변동 재현이 미흡하였다. 반면, 1D-CNN 기반의 ConvFC 모델은 예측 구간의 변동성을 보다 정확히 포착하여 Multi-step 예측에 더 적합함을 확인하였다. 이는 LSTM 레이어가 장기 추세의 재현에는 유리하나 예측 구간이 길어짐에 따라 오차가 누적될 수 있기 때문으로 해석된다. 본 연구 결과는 연안 양식장에서 빈산소로 인한 피해를 사전에 대비하기 위한 실시간 경보 시스템 구축에 활용될 수 있으며, 향후 더 다양한 환경 요인과 자료 해상도를 고려하여 모델 성능을 고도화할 필요가 있다.