VTS 관제 향상을 위한 딥러닝 기반의 어선 조업 판별기술

• 영문명: Deep Learning based Fishing Gear Type Classification for Improvement of VTS service
• 발행기관: 한국항해항만학회
• 저자명: 김광일 김지희 김주성
• 간행물 정보: 『한국항해항만학회 학술대회논문집』2020 춘계학술대회논문집, 158~159쪽, 전체 2쪽
• 주제분류: 공학 > 해양공학
• 파일형태: PDF
• 발행일자: 2020.07.22

국문 초록

대부분의 해양인접국은 자국의 수산자원 관리 및 불법조업 방지를 위해 선상단속, 조업모니터링 등 여러 노력을 수행하고 있다. 특히 허가받지 아니한 어구를 사용하는 불법조업은 어업자원 및 치어를 남획하여 수산자원은 갈수록 줄어들고 있다. 또한 관제구역 내 선박자동식별장치(V-PASS, AIS) 미 장착 선박에 대한 조업유무 판별은 어선의 조업특성 파악과 주변선박 안전항해에 중요하다. 이에 본 발표는 관제구역 내 어선의 항적데이터를 컨볼루션 신경망(Convolutional Neural Network)으로 학습하여 어선 조업을 판별하는 모델을 개발하고 실 해역에 적용한 결과를 시연하고자 한다. 실험을 위해 제주해역에서 수집한 AIS 데이터를 전처리하여 제안하는 모델에 학습하였으며, 학습 결과 90% 이상의 판별 성능의 결과를 얻었다.

목차

1. 서 론

2. 재료 및 방법

3. 실험결과 및 결론

참고문헌

키워드

불법조업 딥러닝 VTS AIS