심층 컨볼루션 신경망을 이용한 실시간 어획 어종 인식 및 카운팅 알고리즘 개발 및 시스템 구현 (Development and system implementation of real-time catch species recognition and counting algorithm using deep convolutional neural network)

서지정보

· 발행기관 : 한국정보통신학회
· 수록지 정보 : 한국정보통신학회논문지 / 28권 / 2호 / 196 ~ 208페이지
· 저자명 : 김승규, 박세용, 송영남, 황신혁, 임태호

초록

전 세계적으로 남획 및 해양오염, 기후변화로 인해 수산자원의 고갈은 심해지고 있어 큰 문제가 되고 있다. 이와 같은 수산자원 감소의 문제를 관리하고 지속 가능한 어업을 위하여 총허용어획량(Total Allowable Catch, TAC) 제도가 많은 나라에서 활용되고 있다. 이를 위해 미국, 캐나다, EU 등 다수의 국가에서 EM(Electronic Monitoring) 시스템을 도입하여 조업 활동 영상을 수산자원 관리를 담당하는 기관에 제출하도록 하고 있다.
본 논문에서는 영상 촬영을 수행하는 CCTV 시스템(EM)과 딥러닝 기술을 접목하여 어선에서 실시간으로 촬영되는 영상에서 어획량을 측정하는 시스템을 연구하였다. CCTV 시스템에서 실시간으로 촬영되는 영상 데이터의 심층 컨볼루션 신경망(Deep convolutional neural network)을 이용하여 어획량을 측정하기 위하여 Nvidia사의 Jetson 하드웨어 시스템을 기반으로 어획 어종의 인식과 카운팅 알고리즘을 구현하고 성능을 측정하였다.

영어초록

Overfishing, marine pollution, and climate change are exacerbating the global depletion of fishery resources, which has become a significant problem. To manage this issue and promote sustainable fishing, many countries are implementing the Total Allowable Catch (TAC) system. To this end, numerous countries, including the United States, Canada, and the EU, have introduced the Electronic Monitoring (EM) system, which requires fishing vessels to record their operations and submit the footage to the institutions responsible for managing fishery resources.
In this paper, we researched a system that measures the catch volume from videos filmed in real-time on fishing vessels by integrating a CCTV system (EM) and deep learning technology. Using the deep convolutional neural network of the video data filmed in real-time by the CCTV system, we implemented and evaluated the recognition of catch species and a counting algorithm based on Nvidia's Jetson hardware system to measure the catch volume.

참고자료

· 없음