함정의 드론 대응 능력 향상을 위한 AI 적용 연구(Convolutional Neural Network 모델 적용을 중심으로)
AI-Based Research on Enhancing Naval Vessels' Drone Response Capabilities(Focusing on the Application of Convolutional Neural Network Models)
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
21세기 전장 환경은 기술 발전과 함께 유·무인 복합체계가 빠르게 확산되고 있으며, 이에 따라 소형 드론의 위협이 점차 증가하고 있다. 특히 해상 작전 환경에서는 드론이 저고도에서 기동하며 접근할 수 있어 기존의 감시·탐지 체계로는 효과적인 대응이 어려운 실정이다. 해군 함정과 같은 제한된 작전 플랫폼에서는 드론의 조기 탐지와 정확한 식별이 필수적이며, 특히 조류와의 구분은 작전의 신뢰성과 효율성에 큰 영향을 미친다. 본 연구는 해군 함정 환경을 고려하여, 소형 드론과 조류를 정확히 식별할 수 있는 인공지능(AI) 기반 이미지 분류 시스템을 개발하는 것을 목표로 한다. 이를 위해 Convolutional Neural Network(CNN) 기반의 딥러닝 모델을 설계하였으며, TensorFlow 프레임워크를 활용하여 실시간 탐지 시스템을 구현하였다. 또한, 데이터가 제한된 환경을 고려하여 전이 학습(Transfer Learning) 기법과 다양한 데이터 증강 기법을 적용함으로써 모델의 학습 효율성과 일반화 성능을 향상시켰다. 연구 결과, 제안된 CNN 모델은 드론과 조류를 높은 정확도로 분류할 수 있음을 확인하였으며, 실시간 탐지 환경에서도 높은 정밀도와 신뢰도를 유지하였다. 본 연구는 AI 기반 영상 분석 기술이 해상 작전의 효율성을 향상시키는 데 기여할 수 있음을 입증하며, 향후 다양한 센서(레이더, EO/IR, LiDAR 등)와의 융합을 통해 실전 환경에서의 적용 가능성을 확장할 수 있다. 또한, 해당 기술은 공항, 항만, 발전소 등 국가 중요 기반시설의 보안 영역에서도 활용될 수 있어 군사적·안보적 측면에서 높은 실용성과 파급력을 가진다.
Abstract
In the 21st-century battlefield environment, rapid technological advancements have accelerated the proliferation of integrated manned and unmanned systems, leading to a growing threat from small drones. Particularly in maritime operational settings, drones can maneuver at low altitudes, making them difficult to detect and respond to using conventional surveillance and detection systems. On limited operational platforms such as naval warships, early detection and accurate identification of drones are essential, and distinguishing them from birds significantly impacts operational reliability and efficiency. This study aims to develop an AI-based image classification system capable of accurately identifying small drones and birds, specifically tailored to the naval shipboard environment. To achieve this, a deep learning model based on Convolutional Neural Networks (CNNs) was designed, and a real-time detection system was implemented using the TensorFlow framework. Considering the limited availability of data, transfer learning techniques and various data augmentation methods were applied to enhance training efficiency and improve the model’s generalization performance. Experimental results confirmed that the proposed CNN model accurately classified drones and birds with high precision, even in real-time detection scenarios. This study demonstrates that AI-based image analysis technology can significantly enhance the effectiveness of maritime operations. Furthermore, integrating this system with various sensors—such as radar, EO/IR, and LiDAR—could expand its applicability to real-world operational environments. The proposed technology also shows strong potential for use in securing critical national infrastructure such as airports, ports, and power plants, highlighting its high practicality and impact in both military and security domains.