엣지 AI 플랫폼 적용을 위한 실시간 어획 어종 인식 및 카운팅 모델 최적화 연구 (Optimization of a Real-Time Fish Species Recognition and Counting Model for Edge AI Platform Deployment)

서지정보

· 발행기관 : 한국정보통신학회
· 수록지 정보 : 한국정보통신학회논문지 / 29권 / 5호 / 721 ~ 732페이지
· 저자명 : 이상현, 김승규, 임태호

초록

수산자원 고갈 문제는 남획, 해양오염, 기후변화로 심화하였고, 이를 해결하기 위해 총허용어획량(TAC, Total Allow Catch) 제도가 도입되었다. 그러나 TAC 시행에는 어획량 측정의 정확성이 필요하다. 기존 전자 모니터링 EM (ElectronicMonitoring)시스템은 한계가 있었고, 본 연구는 심층 CNN (Convolutional Neural Network) 기반의 어획 어종 인식 및 카운팅 알고리즘을 개선하여 인식 범위를 확장하고 성능을 향상했다. NVIDIA Jetson 하드웨어에서 실시간 어획량 모니터링 시스템을 구축하고 YOLO 모델과 ByteTrack 알고리즘을 최적화하여 탐지 정확도를 높였다. 실험 결과, 90% 이상의 정확도를 기록하며 기존 연구 대비 성능 향상을 보였다. 이 연구는 TAC 제도의 실효성을 높이고 지속 가능한 수산자원 관리를 위한 발전 가능성을 제시한다.

영어초록

Fish stocks are dropping due to overfishing, pollution, and global warming. To protect marine life, the Total Allowable Catch (TAC) system was started. It sets limits on how much fish can be caught, but to work well, it needs accurate data. Old EM (Electronic Monitoring) systems often fail to track or count fish well. This study builds a better way to count fish in real time. It uses a deep CNN (Convolutional Neural Network) to tell fish types and numbers. The system runs on NVIDIA Jetson hardware, which is small but powerful. It uses YOLO to find fish and ByteTrack to follow each one. The new method sees more fish and works better than older tools. Tests showed over 90% accuracy. This means fish catches can be watched closely and rules followed. The system helps enforce TAC rules and supports smart, sustainable use of the sea.

참고자료

· 없음