CNN 기법을 활용한 이미지 기반의 어류 생물음 분류 기법 연구
Research on the classification and detection of biological fish sounds using a convolution neural network method
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
수동 음향 모니터링(Passive Acoustic Monitoring, PAM)은 해양 음향 환경을 분석하고 해양 생물을 모니터링하는 데 있어 효과적인 도구로 주목받고 있다. 본 연구에서는 우리나라 연근해역에서 주로 서식하는 민어(Brown croaker, Miichthys miiuy), 대구(Pacific cod, Gadus macrocephalus), 참조기(Small yellow croaker, Larimichthys polyactis)의 생물음을 수중 가두리 환경에서 PAM 기법을 이용하여 수집하였다. 수집된 음향 데이터를 기반으로 딥러닝 기반의 합성곱 신경망(Convolutional Neural Network, CNN) 모델을 구축하고, 어류 생물음의 자동 분류 가능성을 평가하였다. 세 어종의 생물음은 스펙트로그램 이미지로 변환되어 CNN 모델의 학습 및 평가에 활용되었으며, 신호 대 잡음비(Signal-to-Noise Ratio, SNR)가 낮은 환경을 모의하기 위해 테스트 데이터에 가우시안 잡음을 추가하였다. 분석 결과, 원음 데이터를 이용한 분류에서는 약 96%의 F1 점수를 달성하였고, 잡음이 포함된 환경에서는 약 77%의 정확도로 확인되었다. 해당 결과를 통해 CNN 모델이 복잡한 수중음향 환경에서도 어류 생물음의 효과적인 분류 및 탐지가 가능함을 확인하였다. 본 연구는 향후 PAM 기법을 이용한 수중 내 다양한 생물음 분석의 자동화 및 효율성 향상에 기여할 수 있으며, 어류 개체군 모니터링, 수산자원 평가, 생태계 관리 등 다양한 분야에 활용할 수 있을 것으로 판단된다.
Abstract
Passive acoustic monitoring (PAM) has emerged as an effective tool for studying underwater soundscapes and monitoring marine organisms. In this study, the biological sounds of three fish species that mainly inhabit or occur in the Korean coastal oceans, brown croaker (Miichthys miiuy), Pacific cod (Gadus macrocephalus), and small yellow croaker (Larimichthys polyactis) were recorded using the PAM method. The possibility of automatic classification was evaluated using a deep learning-based convolutional neural network (CNN) model based on the measured data. The biological fish sounds were recorded using hydrophones in the sea cage environments. The three fish species data were converted into spectrogram images and used as input for training and evaluating the CNN model. Gaussian noise was added to the test data to simulate low signal-to-noise ratio (SNR) environments. The model achieved high classification performance, with F1-score of about 96% on raw data and about 77% accuracy under signal-to-noise ratio conditions. These results suggest that CNN-based models be adequate for fish sound classification, even in acoustically complex underwater environments. Applying CNN models to classify and detect fish sounds can improve the automation and efficiency of PAM-based acoustic analysis, thereby improving the monitoring of fish populations, resource assessment, and ecological management in the future.