Youngmin Kim

Youngmin Kim


Research Focus & Metrics

Academic Career Length

10Years (2017-Present)

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

Representative Publications

View All Publications
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 November 2019 in Journal of the Korean Society for Marine Environment & Energy
Verified
Journal Article
Closed access
YKYoungmin Kim
Youngmin Kim
SJSeonwoong Jang
Seonwoong Jang
DKDaehyun Kim
Daehyun Kim
HYHongjoo Yoon
Hongjoo Yoon

25 May 2017 in Journal of the Korean Society for Marine Environment & Energy
Verified
Journal Article
Closed access
HLHwang Ki Lee
Hwang Ki Lee
YKYoungmin Kim
Youngmin Kim
JKJong Kyu Kim
Jong Kyu Kim
인공용승구조물은 저층에 인공적으로 해중산(Sea Mount)을 설치하여, 저층수가 상층의 유광층(Euphotic Zone)으로 용승되도록 하는 구조물로 저층수에 포함된 풍부한 영양염의 공급은 일차생산을 증가시키고 이에 따른 먹이 연쇄작용 및 어류 군집 유도효과를 기대할 수 있다. 본 연구에서는 인공용승구조물의 재료 및 형태에 따라 달라질 수 있는 공극률의 변화에 따른 흐름특성을 파악하고자 하였다. 그 결과, 공극률이 커질수록 상승유량은 작아졌고, 상승유량이 작아짐에 따라 하강유량도 작아지는 특성을 파악할 수 있었다. 인공용승구조물의 단위면적당 용승유량은 공극률이 10%일 때 가장 좋은 효율을 나타냈으며, 공극률이 20%일 경우에도 불투과성 인공용승구조물에 비해 좋은 효율을 보였다. 따라서 인공용승구조물의 최적단면을 설계할 경우 공극률을 20% 이하로 설계할 때 좋은 효율을 보일 것으로 판단된다.

25 November 2019 in Journal of the Korean Society for Marine Environment & Energy
Verified
Journal Article
Closed access
TLTaehwan Lee
Taehwan Lee
HCHong-Lae Cho
Hong-Lae Cho
SPSung-Eun Park
Sung-Eun Park
YKYoungmin Kim
Youngmin Kim
CKChung-Sook Kim
Chung-Sook Kim
JKJin Ho Kim
Jin Ho Kim

25 May 2024 in Journal of the Korean Society for Marine Environment & Energy
Verified
Journal Article
Closed access
YKYoungmin Kim
Youngmin Kim
SJSeon-Woong Jang
Seon-Woong Jang
HKHeung Min Kim
Heung Min Kim
SBSuho Bak
Suho Bak
SLSeunghyeon Lee
Seunghyeon Lee
Taehwan JoungTaehwan Joung
Taehwan Joung
기후 변화로 인한 극단적인 이상 기후 현상이 빈번해지면서 수재해의 발생 빈도가 증가하고 있다. 특히, 집중강우 기간 동안 육상에서 다량으로 유입되는 재해성 하천기인 부유쓰레기는 수질 오염, 수생태계 교란, 경관 훼손과 같은 심각한 문제를 일으키고 있다. 그러나 하천과 하구를 통해 해양으로 유출되는 부유쓰레기의 양과 분포에 대한 연구와 이해는 여전히 부족한 상황이다. 따라서 본 연구에서는 CCTV 영상자료와 의미론적 분할 모델에서 우수한 성능을 보이는 U-Net 모델을 이용하여 부유쓰레기 탐지 모델을 개발하였다. 정량적인 모델의 정확도를 평가한 결과, mIoU 0.69, Precision 0.87, Recall 0.77, F1-score 0.80의 정확도를 보였으며, 부유쓰레기의 크기와 관계없이 정성적인 결과에서도 부유쓰레기를 잘 탐지하는 것으로 나타났다. 본 연구를 통해 CCTV 영상과 딥러닝 모델을 활용하여 부유쓰레기를 지속적으로 탐지할 수 있음을 확인하였다. 향후 이미지 증강 기법과 추가적인 자료 축적을 통해 학습 자료의 다양성이 확보될 경우, 그 활용도와 정확도가 더욱 향상될 것으로 기대된다.

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.