UAV 항공사진측량 기술과 Faster R-CNN알고리즘을 활용한 연안양식장 탐색에 관한 연구
A Study on Detection of Ocean Farms in Coastal Area by Using UAV Photogrammetry and Faster-RCNN Algorithm
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
최근 해양측량 분야에서 활발하게 무인항공기(unmanned aerial vehicles, UAV)를 활용한 연구결과들이 제시되고 있지만, 여전히 다양한 기체 및 카메라, 다양한 지역에 대한 연구결과가 요구되며 특히 해양 관리를 위해 가치 있는 지형정보를 추출하고 활용하기 위한 연구가 필요한 시점이다. 국내에서 수산물 생산은 양식 생산이 2017년 기준으로 61.8%를 차지하며 매년 증가하고 있다. 따라서 수산물 양식을 체계적으로 관리, 지원, 감시할 필요성이 증가하고 있다. 특히 전라남도의 경우 생계형 무면허, 무허가 불법어업이 도내에서 증가하고 있으며 ‘12년 대비 ’16년에는 180%로 매우 증가하였다. 이에 따라 전라남도 수산자원과는 불법 양식장에 대한 특별단속을 매년 시행하고 있으나 해양환경의 특성상 현지조사만으로는 단속과 관리에 한계가 존재한다. 본 연구에서는 현지조사에 의지하여 수행되던 양식장 현황 조사 및 감시 업무의 효율성을 증대시키기 위해 무인항공기와 자동영상인식 기술을 활용한 방법론을 제안하였다. 이를 위해 무인항공기를 활용하여 전라남도 완도 연안에 분포하고 있는 전복 양식장과 김 양식장에 대해 UAV 항공사진측량을 시행하였다. 제작된 정사영상에 Faster R-CNN 기법을 적용하여 해양환경에서 양식장 시설물을 자동으로 탐지하기 위한 방법론을 개발하였다. 연구결과 연안 해양지역의 양식장 시설관리에 소형 무인항공기가 효과적으로 활용될 수 있음을 확인하였으며, Faster R-CNN 기법을 이용한 자동 양식장 객체 인식 방법론의 구축이 가능하였다.
Abstract
Recently, many researches using unmanned aerial vehicles(UAV) has been proposed for applications in coastal areas. However, there is still a need for consecutive researches on various types of UAVs, sensors and regions. Especially, it is necessary to study the practical use of the UAV photogrammetry in marine surveying. In Korea, aquaculture production accounts for 61.8% of total aquatic-product production in 2017 and is increasing year by year. Therefore, there is a growing need to systematically manage, support and monitor aquatic products. In particular, unlicensed and illegal fisheries are increasing in Jeollanam-do. In 2016, the number of unlicensed and illegal fisheries has increased to 180% comparing in 2012. The Jeollanam-do fisheries resources division is implementing special crackdown on illegal aquaculture farmers every year. However, due to the nature of the marine environment, surveillance and enforcement are limited by field surveys alone. In this study, we propose a methodology by using UAV photogrammetry and automatic image recognition technology to increase efficiency of monitoring aquaculture farms. For this purpose, UAV photogrammetry was performed on abalone and seaweed ocean farms in Wando, Jeollanam-do. Then, we developed a methodology for automatically detecting the farm facilities in the marine environment by applying the Faster-RCNN (Regional Convolution Neural Network) to the generated orthophotos. Through the study, it is identified that small UAVs can be effectively used for the surveillance and management of the ocean farms in coastal areas. Also, the automatic method for recognizing aquaculture object using Faster R-CNN technique can be developed.
참고문헌 (18)
- 김범준, "조간대 갯벌에서 무인항공기 활용 가능성에 관한 연구 - 수치표고모델을 중심으로 -", 대한원격탐사학회지, 31(5), pp.461~471 (2015), 대한원격탐사학회[DOI]
- 이강산, "무인항공기를 이용한 해안선 변화 추출에 관한 연구", 대한지리학회지, 50(5), pp.473~483 (2015), 대한지리학회
- 오승열, "연근해 양식장 주변 적조 모니터링을 위한 무인항공영상 적용 연구", 대한원격탐사학회지, 32(2), pp.87~96 (2016), 대한원격탐사학회[DOI]
- 이재빈, "드론 항공사진측량 기법을 활용한 갯벌지역 모델링 및 갯골정보 추출에 관한 연구", 대한공간정보학회지, 25(3), pp.43~52 (2017), 대한공간정보학회[DOI]
- A. Papakonstantinou, "Coastline zones identification and 3D coastal mapping using UAV spatial Data", ISPRS International Journal Geo-Information, 5(6), pp.75~88 (2016)
- I. L. Turner, "UAVs for coastal surveying", Coastal Engineering, 114, pp.19~24 (2016)
- "Marine fisheries basic statistics of Jeollanam-do" (2018)[URL]
- "Illegal fishing Prevention strategy of Jeollanam-do" (2017)[URL]
- 박성은, "GIS를 이용한 양식어장 정보관리 시스템 구축", 한국지리정보학회지, 7(3), pp.90~98 (2004), 한국지리정보학회
- 조명희, "고해상 항공영상을 활용한 김, 전복, 어류 양식장 시설량의 산출 - 전라남도 완도지역을 대상으로 -", 한국지리정보학회지, 14(2), pp.147~161 (2011), 한국지리정보학회
- N. Dalal, "Histograms of oriented gradients for human detection", Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1, pp.886~893 (2005)
- A. Krizhevsky, "ImageNet classification with deep convolutional neural networks", Proceedings of the 25th International Conference on Neural Information Processing Systems, 1, pp.1097~1105 (2012)
- R. Girshick, "Rich feature hierarchies for accurate object detection and semantic segmentation", Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, pp.580~587 (2014)
- R. Girshick, "Fast R-CNN", Proceedings of IEEE International Conference on Computer Vision, pp.1440~1448 (2015)
- S. Ren, "Faster R-CNN: towards real-time object detection with region proposal networks", IEEE Transactions on Pattern Analysis and Machine Intelligence, 39(6), pp.1137~1149 (2015)
- "Marine fisheries basic statistics of Jindo" (2018)[URL]
- J-W. Lee, "Real-time, cloud-based object detection for unmanned aerial vehicles", Proceedings of IEEE International Conference on Robotic Computing, pp.36~43 (2017)
- F. Maire, "Automating marine mammal detection in aerial images captured during wildlife surveys: a deep learning approach", Australasian Joint Conference on Artificial Intelligence, pp.379~385 (2015)