손익분기점을 활용한 지방 사립 전문대 재정 진단 : G대학교 사례분석

박정미 국립금오공과대학교 산업대학원 2025 국내석사

본 연구는 학령인구 감소와 수도권 대학 집중에 따른 지방 사립전문대학의 재정 위기 상황을 진단하고, 학과 단위의 수익성 평가를 통해 지속 가능성을 판단할 수 있는 정량적 분석 틀을 제시하였다. 이를 위해 경북지역 G대학교를 사례로 설정하고, 2022년부터 2024년까지 3개년간의 대학알리미 공시자료 및 회계자료를 기반으로 교육원가 분석과 손익분기점(BEP) 분석을 실시하였다. 먼저 교육원가는 고정비와 변동비로 구분하여 학과별로 원가구조를 파악하였고, 등록금 수입에서 변동비를 차감한 공헌이익과 공헌이익률을 산출하였다. 학과별 손익분기점 도출을 위해 다품종 BEP 분석을 적용하여 학과별 공헌이익률을 가중평균 방식으로 반영함으로써, 전체 대학 차원의 재정 효율성과 학과별 상대적 기여도를 함께 평가하였다. 이를 바탕으로 학과별 BEP 학생 수 및 BEP 등록금을 계산하고, 실제 재학생 수와의 비교를 통해 재정 지속 가능성을 진단하였다. 분석 결과, 일부 학과는 고정비 회수가 어려운 수준의 낮은 공헌이익 구조를 지니고 있어 향후 구조조정이 필요함이 확인되었으며, 반면 BEP를 초과 달성한 학과는 학과 증원 및 특화 전략이 가능한 것으로 분석되었다. 본 연구는 기존 교육원가 분석이 비용 중심에 머물렀던 한계를 넘어서, 수익성 중심의 대학 재정 운영을 위해 기본적인 손익분기점 파악이 필요함을 사례로 제시하였다는 점에서 정책적·학술적으로 의미가 있다. 특히 등록금 수입 의존도가 높은 전문대학의 구조개혁 필요성이 커지는 현 시점에서, 학과 단위의 공헌이익 분석은 객관적이고 타당한 정책 결정 기준으로 고등교육 정책 전반에 실질적으로 기여할 수 있는 근거 기반 연구로서 의의가 있다.

시간 감쇠 지도와 객체 검출을 사용한 확률적 신뢰성 지도 생성 및 지도 병합

김한규 국립금오공과대학교 대학원 2025 국내석사

In this work, we propose a novel map merging technique that uses temporal decay maps and probabilistic reliability maps to improve accuracy and reliability in environments where multiple dynamic objects frequently appear. Conventional map merging methods do not adequately handle spatiotemporal variability, which limits their accuracy in environments containing dynamic objects. In this paper, we propose a two-stage probabilistic map merging framework, where the proposed method generates a time decay map reflecting the object update time and evaluates the object reliability over the passage of time with a probabilistic reliability map. This effectively handles the uncertainty caused by dynamic objects, addressing the problem that dynamic objects hinder the accuracy of map merging. In particular, since the probabilistic reliability map estimates object reliability over the passage of time, it can selectively exclude unreliable data, resulting in a precise merged map centered on static structures. To validate the performance of our proposed method, we perform simulations with different environments and scenarios, and show that the error is reduced by more than 98% of the existing methods. Experiments also verify that the proposed methodology works in real-world environments. In future work, we will extend the method to three-dimensional environments, reduce the computation to enable real-time operation, and improve the modularity to enable flexible linkage with other frameworks.  본 연구에서는 시간 감쇠 지도와 확률적 신뢰성 지도를 사용하여 다수의 동적 객체가 빈번하게 나타나는 환경에서 정확도와 신뢰성을 향상시키는 새로운 지도 병합 기법을 제안한다. 기존의 지도 병합 방법은 시공간적 변동성을 적절히 처리하지 못하여 동적 객체가 포함된 환경에서 정확도에 한계를 지닌다. 본 논문에서는 2단계 확률적 지도 병합 프레임워크를 제안하며, 제안된 방법은 객체 갱신 시간을 반영하여 시간 감쇠 지도를 생성하고 확률적 신뢰성 지도로 시간에 따른 객체 신뢰성을 평가한다. 이를 통해 동적 객체로 인한 불확실성을 효과적으로 처리하여 동적 객체가 지도 병합의 정확성을 저해하는 문제를 해결한다. 특히, 확률적 신뢰성 지도는 시간에 따른 객체 신뢰성을 추정하기 때문에 신뢰성이 낮은 데이터를 선택적으로 제외할 수 있어 정적 구조물 중심의 정밀한 병합 지도를 생성할 수 있다. 제안하는 방법의 성능을 검증하기 위해 다양한 환경과 시나리오로 시뮬레이션을 수행되며 특히, 평행이동 오차가 기존 방법의 98% 이상 감소되는 결과가 나타난다. 또한 실험을 통해 제안된 방법론이 현실 환경에서 정상적으로 동작함을 검증된다. 향후 연구에서는 연산량을 감소시켜 실시간 동작이 가능하게끔 하고, 동작 환경을 3차원 환경으로 확장하며, 모듈화를 통해 다른 프레임워크와의 유연한 연계를 할 수 있도록 개선할 예정이다.

AI 시대, 공공기관 중고령 근로자의 브리지 고용 참여의도에 관한 연구: 경력적응모형(CCMA)을 기반으로

양원남 국립금오공과대학교 대학원 2026 국내박사

본 연구에서는 국내 공공기관에서 일하는 중고령 근로자들이 브리지 고용에 참여하려는 의도에 영향을 미치는 다양한 요인 간의 관계에 대해 살펴보고자 하였다. 연구는 대한민국의 초고령사회 진입과 4차 산업혁명에 따른 디지털 대전환이라는 거시적 변화의 맥락에서 이루어졌으며, 연구대상은 법정 정년(60세)이 10년 이내로 예정된 50–59세 공공기관 재직자들로 이들이 퇴직 후 계속 근로하고자 하는 의사결정에 영향을 미치는 잠재변인들 간의 영향 관계를 중심으로 검토하였다. 이 연구는 개인의 은퇴 후 삶의 계획뿐만 아니라 고령 고용의 지속 가능성이라는 국가적 측면에서도 큰 의미가 있다. 본 연구에서는 Savickas(2013)의 경력적응모형(CCMA)을 기반으로 ‘적응준비성→적응자원→적응결과’로 진행되는 순차적 틀에 따라 연구모형을 설정하였다. 연구모형 단계별 변인으로 미래시간관(FTP), 경력적응성(CA), 브리지 고용 참여의도(BEI)를 적응준비성, 적응자원, 최종 적응결과로 각각 설정하였으며, 디지털 전환 맥락에서, 준비성과 자원을 매개하는 변인으로 AI에 대한 태도(AIA)를 규정하는 동시에 외생적 독립변수로서 사회적 네트워크(SN)가 경력적응성에 미치는 영향을 규명하여 CCMA 이론의 확장을 시도하였다. 아울러 중고령 근로자 개인의 AI 활용 수준(AIUL)이 이러한 심리적, 사회적 영향 요인 간 관계의 강도 조절 여부도 검증하였다. 이 연구의 분석에는 50–59세 공공부문 재직자의 설문 응답 중 유효성이 검증된 384개 데이터 세트를 이용하였다. 측정도구로는 Carstensen & Lang(1996)이 개발한 미래시간관 척도, 김민정(2022)의 사회적 네트워크 척도(내부결속력·외부매개성), 김민선 & 고은영(2020)의 경력적응성 척도(K-CAAS-SF), Stein 등(2024)의 AI에 대한 태도 척도(ATTARI-12), 권혁채(2021)의 브리지 고용 참여의도 척도를 활용하였다. R(lavaan) 패키지를 활용한 통계분석으로 확인적 요인분석(CFA)과 구조방정식모형(SEM)을 수행하였으며, 매개효과는 부트스트랩(bootstrap) 방식(5,000회)을 통해 검증하였다. 조절효과는 경력적응성 합성점수와 AI 활용 수준 간의 관측 상호작용항을 구조모형에 포함하는 방식으로 분석하였다. 주요 분석 결과는 다음과 같다. 첫째, robust 추정치를 기준으로 한 구조모형의 적합도는 양호한 수준을 보였다(CFI=.916, TLI=.909, RMSEA=.045, SRMR=.064). 둘째, 심리 경로의 가설로 설정된 직접효과가 모두 지지되었다. 즉, FTP는 AIA에 정(+)의 영향을 주었고(β=.348, p<.001), AIA는 CA를 유의하게 증진시켰으며(β=.215, p<.001), FTP는 CA에도 직접적으로 정(+)의 영향을 미쳤다(β=.454, p<.001). 또한 CA는 BEI를 강하게 예측하였다(β=.726, p<.001). 셋째, 사회 경로는 부분적으로만 지지되었다. 외부매개형 네트워크(SN_E)는 CA를 유의하게 강화했으나(β=.345, p<.001), 내부결속형(SN_I)은 유의하지 않았다. 넷째, 예상과 달리 FTP는 BEI에 부(–)의 영향을 미쳤으며(β=–.218, p<.01), 이는 CA를 통한 부분매개 또는 통계적 억제효과 가능성을 시사한다. 다섯째, 매개효과 분석 결과, 미래시간관이 AI에 대한 태도를 거쳐 경력적응성에 영향을 미치는 간접경로(FTP→AIA→CA)가 유의하였으며(β=.075, p<.01), 미래시간관이 경력적응성을 통해 브리지 고용 참여의도에 영향을 미치는 단순매개 경로(FTP→CA→BEI)와 외부매개형 사회적 네트워크가 경력적응성을 매개로 브리지 고용 참여의도에 영향을 미치는 경로(SN_E→CA→BEI) 역시 유의하게 나타났다. 또한 미래시간관이 AI에 대한 태도와 경력적응성을 순차적으로 거쳐 브리지 고용 참여의도에 영향을 미치는 연속매개 경로(FTP→AIA→CA→BEI) 역시 통계적으로 유의하게 나타났다(β=.054, p=.003). 반면, 내부결속형 네트워크를 기반으로 한 매개경로는 유의하지 않았다. 여섯째, AI 활용 수준은 경력적응성이 브리지 고용 참여의도에 미치는 효과를 유의하게 조절하였으며, 미래시간관 및 외부매개형 사회적 네트워크를 통한 간접효과 역시 AI 활용 수준이 높은 집단에서 상대적으로 더 강하게 나타났다. 다만, FTP→AIA→CA→BEI 연속매개 경로의 집단 간 차이는 한계적으로 유의한 수준에 머물렀다(p=.058). 지금까지 살펴본 바와 같이, 경력적응성은 중고령 근로자의 퇴직 후 브리지 고용에 참여하고자 하는 의도에 영향을 발휘하는 주된 선행요인으로 위치하며, 미래시간관, AI에 대한 태도, 외부지향적 사회연결은 경력적응성을 강화하는 요인으로 작용한다. 또한 본 연구의 시사점으로 이론적 측면에서는 초고령화와 AI 디지털 전환이라는 환경을 배경으로 한국의 공공기관 중고령 근로자 집단에 대하여 CCMA 이론의 효과성을 실증하고, 미래시간관과 경력적응성 변인 간 관계를 매개하는 기술 수용 측면의 인지·정서적 변인으로 AI에 대한 태도를 대입함으로써 CCMA 이론 관련 실증 변인 차원 확장을 도모하였다. 또한 퇴직 후 경력적응성을 매개로 한 브리지 고용 참여 결정 경로에 내부결속력이 아닌 외부매개 관계의 영향이 통계적으로 유의하게 나타나 ‘약한 연결의 강점’ 이론이 중고령 근로자들에게도 성립됨을 실증하였다. 실무적 측면에서는 퇴직을 앞둔 중고령 근로자에 대하여 통상적인 재무∙건강∙여가 중심 퇴직준비 프로그램에 더하여 미래지향 워크숍, AI 수용·활용 교육 및 경험 기회 부여, 리버스 멘토링, 지능형 커리어 플랫폼 구축 등을 아우르는 전방위적 생애 경력관리 프로그램의 필요성을 제기하였다. 정책적 측면에서는 고령 근로자를 대상으로 하는 브리지 고용 일자리가 취업난에 처해 있는 청년 일자리를 위축시키지 않고 상호 공존하고 보완하는 역할을 할 수 있도록 중앙정부∙지방정부∙공공기관이 연계된 제반 정책 마련의 필요성을 강조하였다. 특히 공공기관은 비수도권 청년들에게 있어서 좋은 일자리 취업의 ‘디딤돌’이자 고령 근로자의 ‘재취업 플랫폼’으로 기능함으로써 공공기관의 사회적 책임 이행과 비수도권 지역에서의 세대 상생형 노동시장 구조를 촉진하고 선도하는 정책 실험실의 역할을 제안하였다.

Battery-Aware Dynamic Leader?Follower Switching for Cooperative UAV Systems

김정현 국립금오공과대학교 대학원 2026 국내석사

This thesis presents the design and implementation of a battery-aware leader–follower UAV cooperation system built on the ROS 2 distributed framework. Conventional multi-UAV cooperation techniques rely on a static leader, which makes the entire formation vulnerable to early mission termination when the leader experiences battery depletion, sensor degradation, or communication instability. To address these limitations, this study proposes a dynamic role-switching architecture that continuously evaluates each UAV’s energy status and communication quality to adaptively reassign leadership. The proposed system integrates four modular components—role_manager, battery_role_switcher, leader_traj_broadcaster, and guide_adapter—and supports seamless switching using a soft-handover mechanism that preserves trajectory continuity during leader transitions. In addition, the architecture supports multi-leader extension and partial leaderless operation under intermittent communication, enabling robustness in complex or constrained mission environments. The system is implemented in the ego_swarm_coop package and integrated with the ego-planner (ros2_version) trajectory planning framework. Two representative scenarios—static leader operation and dynamic energy-based switching—were evaluated. Experimental results show that the proposed dynamic strategy reduces total SoC consumption by approximately 17%, decreases energy imbalance by 78%, and improves distance-normalized energy efficiency. These results demonstrate that energy-aware cooperative behavior significantly enhances endurance, fairness, and mission continuity in multi-UAV operations.

Adsorption Behavior of Amphiphilic Gold Nanoparticles from a Nonpolar Solvent at the Liquid?Liquid Interface

이창민 국립금오공과대학교 대학원 2026 국내석사

Blockchain-Augmented Federated Learning Intrusion Detection System for Non-IID Edge-IoT Data Using Adaptive Trimmed Mean Aggregation

KALIBBALA JONATHAN MUKISA 국립금오공과대학교 대학원 2026 국내석사

사물인터넷(IoT)이 자원이 제한된 장치들이 분포된 엣지 네트워크로 빠르게 확장됨에 따라, 심각한 보안 문제가 제기되고 있다. 본 논문에서는 블록체인 기술과 연합 학습(Federated Learning, FL), 그리고 적응형 절사평균 집계(Adaptive Trimmed Mean Aggregation, ATMA)라 불리는 맞춤형 집계 전략을 결합한 강력한 엣지-IoT 침입 탐지 시스템(IDS)을 제안한다. 제안된 설계는 개인 블록체인을 활용하여 클라이언트를 인증하고 최종 글로벌 모델을 변경 불가능한 형태로 기록함으로써, 검증된 참여자만이 학습 과정에 기여하도록 보장한다. 한편, ATMA 전략은 기존 연구의 고정 임계값 기반 절단 방식과 달리, 클라이언트 모델 업데이트의 분산(variance)을 관찰하여 절단 파라미터를 동적으로 조정한다. 이러한 분산 인식 적응형 절단 방식은 모델 정확도를 희생하지 않으면서도 강력한 비잔틴(Byzantine) 내성을 제공하며, 정렬 기반 구현을 통해 O(n log n)의 시간 복잡도로 동작한다. 제안된 프레임워크는 독립적이고 동일 분포(IID) 및 비독립·비동일 분포(Non-IID) 데이터 환경에서, 악성 클라이언트 비율이 0%에서 60%에 이르는 상황에서 라벨 플리핑(label-flipping)과 가우시안 노이즈(Gaussian noise) 공격이 결합된 적대적 시나리오로 평가되었다. 평가 결과, 블록체인 기반 ATMA 접근법은 심각한 공격 상황에서도 높은 탐지 성능을 유지했으며, 최대 60%의 클라이언트가 손상된 상황에서도 거의 완벽한 정확도를 달성하였다. 또한 계산 및 네트워크 오버헤드는 최소 수준으로 유지되었다. 이러한 결과는 제안된 접근법이 고도화된 사이버 위협으로부터 엣지-IoT 배포 환경을 보호하기 위한 확장 가능하고 안전한 솔루션임을 시사한다.

Blockchain-Enabled Hybrid Trust Management for Real-Time IoV: A Soulbound Token Incentive Framework

NAKAYIZA HOPE LETICIA 국립금오공과대학교 대학원 2026 국내석사

차량 사물 인터넷(Internet of Vehicles, IoV)은 차량, 인프라, 네트워크 간의 광범위한 연결성을 가능하게 함으로써 보다 안전하고 효율적인 지능형 교통 시스템을 향한 패러다임 전환을 의미한다. 그러나 이질적이고 이동성이 높은 개체들 간에 견고한 신뢰를 구축하는 것은, 특히 간헐적인 연결 상황이나 차량이 오프라인으로 운영될 때 중요한 과제로 남아있다. 이러한 문제에 대응하여, 본 논문은 IoV 환경의 고유한 요구사항에 맞춘 비전송 가능 인센티브 메커니즘을 도입한 새로운 지연 허용 신뢰 관리 프레임워크를 제시한다. 제안된 시스템의 핵심은 CMVA(협력성, 악의성, 변동성, 시간 감쇠) 기법으로, 이는 주요 행동 차원들을 통합하여 각 차량의 행동 패턴에 기반한 평판을 동적으로 정량화하는 포괄적이고 하이브리드적이며 적응적인 신뢰 평가 모델이다. 불안정한 연결성의 본질적 제약을 해결하기 위해, 해시된 상호작용 로그로 인증된 직접적인 피어 관찰에 의존하는 해시 신뢰 잠금 프로토콜(hashed trust lock protocol, HTLP)을 제안하며, 이를 통해 기지국이나 노변 장치와 같은 에지 인프라에 대한 지속적인 연결이 없는 상황에서도 분산형 신뢰 평가를 가능하게 한다. 나아가, 본 프레임워크는 권한 및 연합 증명(proof-of-authority and association, PoA2) 합의 메커니즘을 활용하는 맞춤형 프라이빗 블록체인인 PureChain을 채택하여 신뢰 이벤트의 변조 방지 및 감사 가능한 기록을 보장한다. PureChain은 또한 소울바운드 토큰(soulbound tokens, SBTs)의 발행을 지원하며, 이는 각 차량의 신원에 평판을 결속시키고 신뢰할 수 있는 통신을 강화하는 불변적이고 비전송 가능한 인센티브로 작용한다. 포괄적인 시뮬레이션 기반 평가를 통해 CMVA가 복원력 있는 신뢰 정확도 달성, 악의적 행위자의 강건한 탐지, 그리고 희소한 네트워크 조건 하에서도 신뢰 유지에 있어 효과적임을 입증한다. 또한, 경량 PoA2 합의 프로토콜은 효율적이고 확장 가능하며 변조 방지가 가능한 신뢰 관리 및 인센티브 발행을 촉진한다. 종합적으로, 본 연구는 지연 허용 IoV 생태계에서 보안성, 프라이버시, 신뢰성을 현저히 향상시키는 포괄적인 신뢰 관리 솔루션을 제공함으로써 관련 분야의 최신 기술 수준을 진전시킨다. The Internet of Vehicles (IoV) represents a paradigm shift toward safer and more efficient intelligent transportation by enabling pervasive connectivity among vehicles, infrastructure, and networks. Nevertheless, establishing robust trust among heterogeneous, mobile entities remains a critical challenge, particularly under intermittent connectivity or when vehicles operate offline. In response to this challenge, this thesis presents a novel, delay-tolerant trust management framework that is tailored to the distinctive requirements of IoV environments. Central to the proposed system is the CMVA (cooperation, maliciousness, volatility, and age decay) scheme, a comprehensive, hybrid and adaptive trust evaluation model that analyzes critical behavior patterns to dynamically quantify each vehicle’s trustworthiness over time. To address the inherent constraints of unreliable connectivity, a hashed trust lock protocol (HTLP) is proposed that relies on direct peer observations authenticated by hashed interaction logs, thereby facilitating decentralized trust assessment even in the absence of continuous connectivity to edge infrastructure such as base stations or roadside units. Furthermore, the framework employs PureChain, a custom private blockchain that leverages the proof-of-authority and association (𝑃𝑜𝐴2) consensus mechanism to ensure tamper-evident, auditable records of trust events. PureChain further supports the issuance of soulbound tokens (SBTs), serving as immutable, non-transferable incentives that bind reputation to each vehicle's identity and mitigate reputation manipulation risks. Comprehensive simulation-based evaluations benchmark CMVA's effectiveness in achieving resilient trust accuracy, robust detection of malicious actors, and maintaining trust even under sparse network conditions. Additionally, the lightweight PoA2 consensus facilitates efficient, scalable, and tamper-proof trust management and incentive issuance. Collectively, this work advances the state of the art by delivering a comprehensive trust management solution that significantly enhances security, privacy, and reliability in delay-tolerant IoV ecosystems.

CNC 자동선반 구조안정성 분석 및 최적설계에 관한 연구

김창언 국립금오공과대학교 대학원 2026 국내석사

본 연구에서는 소형 CNC 자동선반의 구조안정성을 향상시키기 위해 베드의 정적·동적 특성을 분석하고, 위상최적화를 통한 경량 설계를 수행하였다. 베드에 대한 유한요소해석을 통해 정적 하중에 따른 응력 분포, 변형 특성을 분석하였으며, 변형 제약 조건을 만족하는 최적의 리브 형상을 도출하여 베드 모델을 재설계하였다. 또한, 모달해석과 고유진동수 측정 실험을 수행하여 설계의 동적 안정성을 검증하였다. 이를 통해 제안된 최적화 설계는 경량화와 강성 확보를 동시에 만족시키며, 향후 고속·고정밀 가공장비의 베드 설계 및 구조 최적화 연구에 활용 가능할 것으로 판단된다. In this study, in order to improve the structural stability of a compact CNC automatic lathe, the static and dynamic characteristics of the bed were analyzed, and a lightweight design was performed through topology optimization. Through finite element analysis of the bed, the stress distribution and deformation characteristics under static loading were analyzed, and the bed model was redesigned by deriving the optimal rib configuration that satisfies the deformation constraints. In addition, by performing modal analysis and natural frequency measurement experiments, the dynamic stability of the design was verified. The proposed optimized design satisfies both lightweight and stiffness requirements, and it is expected to be applicable to future bed design and structural optimization research for high-speed and high-precision machine tools.

Context-Aware Vision–Language Safety Reasoning for UxVs

ABIDI SYED MURTAZA HUSSAIN 국립금오공과대학교 대학원 2026 국내석사

This thesis addresses real-time safety reasoning for unmanned ground and aerial vehicles (UxVs) operating on resource-constrained edge platforms. Practical field operation requires not only robust perception in challenging scenes (low light, clutter, occlusion) but also human-understandable explanations that support operator trust and rapid decision making. To meet these needs, this thesis presents SafeVision, a parameter-efficient vision language system that delivers scene-level understanding, region-grounded safety checks, and visual question answering. SafeVision couples a froze CLIP-ViT visual encoder with two complementary reasoning paths: a Scene-Aware Reasoner (SAR) that captures global context and a Region Focused Neural Reasoner (ReFiNER) that localizes PPE/hazard evidence. A lightweight cross-modal adapter and task tokens ([scene], [region], [vqa]) condition a LoRA-tuned language model to produce grounded, interpretable outputs while keeping trainable parameters small for edge deployment. The approach is evaluated on a custom industrial-safety dataset with scene, region, and VQA annotations. Empirically, SAR achieves 87.4% scene accuracy, and the VQA head attains BLEU-4 83.2, F1 84.6, EM 80.3, and METEOR 82.5, with qualitative examples demonstrating clear alignment between visual evidence and textual reasoning. Prototype deployments on UAV/UGV platforms show that SafeVision meets typical on-board latency and memory budgets.

전역 상 분율 정보를 활용한 금속 미세조직 분할

강민혜 국립금오공과대학교 대학원 2026 국내석사

Automated segmentation of metallographic images is essential for quantifying material phases that determine mechanical properties. These images, however, pose challenges due to overlapping boundaries, similar textures, and complex microstructural characteristics requiring precise phase discrimination. This study proposes a Phase Learning Module (PLM) that improves segmentation accuracy by incorporating global phase-ratio information, a form of expert domain knowledge. The PLM consists of three components: a Phase Ratio Encoder that converts ratio data into neural-compatible representations, Feature Adaptation that aligns this information with spatial context, and Feature Fusion that integrates original image features with ratio-enhanced features. Experiments with U-Net, U-Net++, nnU-Net, and UNet3+ show consistent performance gains, with UNet3+ achieving a Dice score of 90.21% on the MetalDAM dataset.