국내의 대표적인 생태계 교란 외래어종인 배스와 블루길은 국내 토종 어류 개체군 감소에 가장 중요한 요인으로 보고되고 있다. 그러므로 이러한 외래어종 퇴치를 위한 시스템개발 및 현장 적용기술이 필요한 실정이다. 본 연구는 이러한 시스템개발에 앞서 물고기 인식을 위한 전체적인 시스템을 설계하고자 한다. 최근 들어 물체의 인식, 분류 그리고 학습에 이르는 일련의 과정들을 딥러닝(deep learning) 중 하나인 CNN(convolutional Neural Network)이 매우 뛰어난 성능을 나타내고 있다. 그러나 물체의 인식과 분류작업에 사용된 CNN의 데이터들은 특징들이 확연한 다른 물체의 인식과 분류에 주로 적용되었다. 본 연구는 비슷한 특징들을 갖는 물고기 개체들의 분류에 CNN을 적용하는 시스템을 설계하고자 한다.
국내의 대표적인 생태계 교란 외래어종인 배스와 블루길은 국내 토종 어류 개체군 감소에 가장 중요한 요인으로 보고되고 있다. 그러므로 이러한 외래어종 퇴치를 위한 시스템개발 및 현장 적용기술이 필요한 실정이다. 본 연구는 이러한 시스템개발에 앞서 물고기 인식을 위한 전체적인 시스템을 설계하고자 한다. 최근 들어 물체의 인식, 분류 그리고 학습에 이르는 일련의 과정들을 딥러닝(deep learning) 중 하나인 CNN(convolutional Neural Network)이 매우 뛰어난 성능을 나타내고 있다. 그러나 물체의 인식과 분류작업에 사용된 CNN의 데이터들은 특징들이 확연한 다른 물체의 인식과 분류에 주로 적용되었다. 본 연구는 비슷한 특징들을 갖는 물고기 개체들의 분류에 CNN을 적용하는 시스템을 설계하고자 한다.
Bass and Bluegill, which are representative ecosystem disturbance species, are reported to be the most important factor in the reduction of domestic native fish populations in Korea. Therefore, it is necessary to develop system and field application technology for the extermination of these foreign ...
Bass and Bluegill, which are representative ecosystem disturbance species, are reported to be the most important factor in the reduction of domestic native fish populations in Korea. Therefore, it is necessary to develop system and field application technology for the extermination of these foreign species. Recently, the CNN(Convolutional Neural Network), one of the deep learning systems for the recognition, classification, and learning, has shown excellent performance. However, CNN data used for object recognition and classification were mainly applied to recognition and classification of other objects with distinct characteristics. This study proposes a system that applies CNN to the classification of fish species with similar characteristics.
Bass and Bluegill, which are representative ecosystem disturbance species, are reported to be the most important factor in the reduction of domestic native fish populations in Korea. Therefore, it is necessary to develop system and field application technology for the extermination of these foreign species. Recently, the CNN(Convolutional Neural Network), one of the deep learning systems for the recognition, classification, and learning, has shown excellent performance. However, CNN data used for object recognition and classification were mainly applied to recognition and classification of other objects with distinct characteristics. This study proposes a system that applies CNN to the classification of fish species with similar characteristics.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나 물체의 인식과 분류작업에 적용된 대부분의 CNN은 데이터들의 특징이 확연한 다른 물체의 인식과 분류에 주로 적용되었다. 본 연구는 비슷한 특징들을 갖는 물고기 개체들의 분류에 CNN을 적용하는 시스템을 설계하고자 한다.
분류작업에 적용된 대부분의 일반적인 CNN은 MNIST, CIFAR-100과 같은 데이터들의 특징이 확연히 다른 물체의 인식과 분류에 주로 적용되었다. 본 연구는 비슷한 형상을 갖는 물고기 개체들의 분류에 CNN을 적용하는 시스템을 제안하고자 한다. 신경회로망의 특징 중 하나인 일반화 기능과 미지의 비선형함수를 모델링할 수 있는 기능을 본 연구에서는 적용하고자 한다.
국내의 대표적인 생태계 교란 외래어종인 배스와 블루길을 퇴치하고자 하는 노력이 절실하다. 본 연구는 생태계 교란 어종의 퇴치를 위하여 영상 인식에 뛰어난 성능을 나타내는 CNN을 사용한 자동화 시스템을 구축하고자 한다. 이러한 시스템개발에 앞서 물고기 인식을 위한 전체적인 시스템을 설계하고, 유사한 특징을 갖는 개체에 대해서도 특징을 분류할 수 있는 개선된 CNN을 설계하고자 한다.
그러므로 이러한 외래어종 퇴치를 위한 효율적이고 확실한 시스템개발 및 현장 적용기술이 필요한 실정이다. 본 연구는 이러한 시스템개발에 앞서 물고기 인식을 위한 전체적인 시스템을 설계하고자 한다. 최근 들어 물체의 인식, 분류 그리고 학습에 이르는 일련의 과정들을 딥러닝(deep learning) 중 하나인 CNN(Convolutional Neural Network)이 매우 뛰어난 성능을 나타내고 있다[1].
본 연구는 비슷한 형상을 갖는 물고기 개체들의 분류에 CNN을 적용하는 시스템을 제안하고자 한다. 신경회로망의 특징 중 하나인 일반화 기능과 미지의 비선형함수를 모델링할 수 있는 기능을 본 연구에서는 적용하고자 한다. 그림1은 신경회로망의 한 층을 일반적인 CNN의 구조 사이에 결합하여 적용한 구조를 나타내었다.
본 연구는 생태계 교란 어종의 퇴치를 위하여 영상 인식에 뛰어난 성능을 나타내는 CNN을 사용한 자동화 시스템을 구축하고자 한다. 이러한 시스템개발에 앞서 물고기 인식을 위한 전체적인 시스템을 설계하고, 유사한 특징을 갖는 개체에 대해서도 특징을 분류할 수 있는 개선된 CNN을 설계하고자 한다.
제안 방법
전송된 어류 영상 이미지는 모니터링 시스템 내에 있는 CNN에 의해 외래어종과 토착어종을 인식 및 분류하고, 그것과 연동된 게이트 제어 신호를 발생하는 시스템으로 구성되어있다. CNN 알고리즘의 이미지 처리와 빠른 학습을 위해 고성능 GPU를 사용하여 대량의 데이터를 빠르게 학습할 수 있도록 사용하고자 한다. 그림 2는 영상처리시스템의 개략도이다.
본 연구에서의 개략적 하드웨어시스템은 카메라로부터 어류를 촬영하고, 통신시스템을 통해 모니터링 시스템으로 영상 이미지를 전송한다. 전송된 어류 영상 이미지는 모니터링 시스템 내에 있는 CNN에 의해 외래어종과 토착어종을 인식 및 분류하고, 그것과 연동된 게이트 제어 신호를 발생하는 시스템으로 구성되어있다.
본 연구에서의 개략적 하드웨어시스템은 카메라로부터 어류를 촬영하고, 통신시스템을 통해 모니터링 시스템으로 영상 이미지를 전송한다. 전송된 어류 영상 이미지는 모니터링 시스템 내에 있는 CNN에 의해 외래어종과 토착어종을 인식 및 분류하고, 그것과 연동된 게이트 제어 신호를 발생하는 시스템으로 구성되어있다. CNN 알고리즘의 이미지 처리와 빠른 학습을 위해 고성능 GPU를 사용하여 대량의 데이터를 빠르게 학습할 수 있도록 사용하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.