딥러닝 기술을 이용한 넙치의 질병 예측 연구
A Study on Disease Prediction of Paralichthys Olivaceus using Deep Learning Technique
2
조회
0
다운로드
11
인용
0
참고문헌
키워드
초록
수산 양식장 질병 감염의 확산을 사전에 차단을 위해서는 양식장의 수질 환경 및 생육 어류의 상태를 실시간모니터링하면서 어류의 질병을 예측하는 시스템이 필요하다. 어류 질병 예측의 기존 연구는 이미지 처리 기법이 대부분이었으나 최근에는 딥러닝 기법을 통한 질병 예측방법의 연구가 활발히 진행되고 있다. 본 논문에서는 수산 양식장에서 발생할 수 있는 넙치의 질병을 딥러닝 기술로 예측하는 방법에 대한 연구결과를 소개하고자 한다. 이 방법은 양식장에서 수집된 카메라 영상에 데이터 증강과 전처리 포함하여 질병 인식률의 성능을 높인다. 이것을 통해 질병 어류를 조기 발견으로 양식 어업에서 어류 집단 폐사 등 어업 재해를 예방하고 지역 수산 양식장으로 어류의 질병 확산 피해를 줄여 매출액 감소 차단될 것으로 기대한다.
Abstract
To prevent the spread of disease in aquaculture, it is a need for a system to predict fish diseases while monitoring the water quality environment and the status of growing fish in real time. The existing research in predicting fish disease were image processing techniques. Recently, there have been more studies on disease prediction methods through deep learning techniques. This paper introduces the research results on how to predict diseases of Paralichthys Olivaceus with deep learning technology in aquaculture. The method enhances the performance of disease detection rates by including data augmentation and pre-processing in camera images collected from aquaculture. In this method, it is expected that early detection of disease fish will prevent fishery disasters such as mass closure of fish in aquaculture and reduce the damage of the spread of diseases to local aquaculture to prevent the decline in sales.
참고문헌 (15)
- "2020년 어류양식동향조사 결과 통계청 보도자료"[URL]
- 제2차 수산생물질병 관리대책(2016~2020), , 해양수산부 어촌양식정책관, ~ (2016)
- "어류질병발생통계"[URL]
- "어류 질병 정보"[URL]
- S. Malik, "Image processing techniques for identification of fish disease", 2017 IEEE 2nd International Conference on Signal and Image Processing (ICSIP), pp.55~59 (2017)
- V. Lyubchenko, "Digital image processing techniques for detection and diagnosis of fish diseases", International Journal of Advanced Research in Computer Science and Software Engineering, 6(7), pp.79~83 (2016)
- H. Chakravorty, "Image processing technique to detect fish disease", International Journal of Computer Science and Security(IJCSS), 9(2), pp.121~131 (2015)
- 박선, "오픈소스 기반 해양환경 모니터링 시스템", 스마트미디어저널, 6(3), pp.75~82 (2017), (사)한국스마트미디어학회
- 김남호, "사물인터넷 기반의 해양 적·녹조 실시간 모니터링 시스템 설계", 스마트미디어저널, 5(1), pp.130~136 (2016), (사)한국스마트미디어학회
- H. S. Son, "Intelligent Monitoring System for Prediction of Fish Diseases", International Conference on Convergence Content(ICCC), 19(2), pp.179~180 (2021)
- 손현승, "SinGAN 딥러닝 모델을 이용한 넙치 질병 이미지 증강", 한국콘텐츠학회 논문지, 21(12), pp.322~330 (2021), 한국콘텐츠학회[DOI]
- 강자영, "딥러닝 기반 넙치 질병 식별 향상을 위한 전처리 기법 비교", 한국콘텐츠학회 논문지, 22(3), pp.71~80 (2022), 한국콘텐츠학회[DOI]
- Bochkovskiy, Alexey, "YOLOv4 : Optimal speed and accuracy of object detection", arXiv preprint arXiv:2004.10934, ~ (2020)
- "Color conversions documentation"[URL]
- 신영학, "스마트 양식을 위한 딥러닝 기반 어류 검출 및 이동경로 추적", 한국콘텐츠학회 논문지, 21(1), pp.552~560 (2021), 한국콘텐츠학회[DOI]