딥러닝을 이용한 연안 소형 어선 주요 치수 추정 연구 (A study on estimating the main dimensions of a small fishing boat using deep learning)

서지정보

· 발행기관 : 한국수산해양기술학회
· 수록지 정보 : 수산해양기술연구 / 58권 / 3호 / 272 ~ 280페이지
· 저자명 : 장민성, 김동준, 자오양

초록

최근 컴퓨터 기술의 발전에 따라 다양한 공학 분야에서 AI(Artificial intelligence) 기술이 적용되고 있으며, 국내 선박 설계분야에 있어서도 빠른 속도로 적용이 이루어지고 있다. 본 연구에서는 딥러닝의 주요 적용 분야인 회귀 분석(Regression analysis)을 선박의 주요 치수(길이, 폭, 깊이 등)를 결정하는 과정에 적용하고자 하였다. 연안 소형 어선을 대상으로 총 11,000여척의 데이터가 수집되었으며, 각 지역별 선박의 특성 등에 차이를 고려하여 부산 지역의 연안 소형 어선 1,600여 척을 대상으로 연구를 수행하였다. 선박의 길이와 톤수를 입력변수로 사용하고 폭과 깊이를 출력변수로 설정하여 DNN 모델을 생성하였다. 딥러닝을 실현할 수 방법은 많이 제공되고 있는데 본 논문에서는 구글(Google)에서 제작한 오픈소스 라이브러리 텐서플로우(Tensorflow)를 이용하여 직접 코딩을 하는 방식을 택하였다. 은닉층(Hidden layer)과 은닉층의 Neuron 수(노드, Node)를 변화시켜가며 결과에 미치는 영향을 파악하고자 하였다. 또한, 비교를 위해 Matlab에서 제공하는 방법을 선택하여 같은 데이터를 사용하여 두 방법의 결과를 비교 분석하였다. 이러한 연구를 통해 머지않아 시행될 어선등록제도 변경에 따른 새로운 선형에 대한 초기설계에 소요 시간을 단축할 수 있도록 함을 목표로 하였다.

영어초록

The first step is to determine the principal dimensions of the design ship, such as length between perpendiculars, beam, draft and depth when accomplishing the design of a new vessel. To make this process easier, a database with a large amount of existing ship data and a regression analysis technique are needed. Recently, deep learning, a branch of artificial intelligence (AI) has been used in regression analysis. In this paper, deep learning neural networks are used for regression analysis to find the regression function between the input and output data. To find the neural network structure with the highest accuracy, the errors of neural network structures with varying the number of the layers and the nodes are compared. In this paper, Python TensorFlow Keras API and MATLAB Deep Learning Toolbox are used to build deep learning neural networks. Constructed DNN (deep neural networks) makes helpful in determining the principal dimension of the ship and saves much time in the ship design process.

참고자료

· 없음