• 제목/요약/키워드: Artificial Life Algorithm

검색결과 102건 처리시간 0.018초

해상 객체 탐지를 위한 머신러닝 기반의 초분광 영상 분석 기술 (Hyperspectral Image Analysis Technology Based on Machine Learning for Marine Object Detection)

  • 오상우;서동민
    • 해양환경안전학회지
    • /
    • 제28권7호
    • /
    • pp.1120-1128
    • /
    • 2022
  • 해양사고 발생시 실종자는 해양에 노출된 시간이 길어질수록 생존확률이 빠르게 감소하기 때문에 인명구조를 위해서는 신속한 수색이 필요하다. 또한 해양의 수색영역은 육상에 비해서 매우 넓기 때문에 효율적인 수색을 위해서는 선박을 이용한 육안수색보다는 인공위성이나 항공기에 탑재된 센서를 이용한 해상 객체 탐지 기술의 적용이 필요하다. 본 연구는 항공기에 탑재된 초분광 영상 센서를 이용하여 해양에서 객체를 신속하게 탐지하기 위한 목적으로 진행되었다. 초분광 영상 센서로 촬영된 영상은 8,241 × 1,024의 공간 해상도를 가지며, 한 화소당 0.7 m의 분해능과 127개의 스펙트럼으로 구성된 대용량의 데이터이다. 본 연구에서는 이러한 데이터를 신속하게 분석하기 위한 목적으로 DBSCAN을 사용한 해수 식별 알고리즘과 밀도 기반의 육지 제거 알고리즘을 결합한 해상 객체 탐지 모델을 개발하였다. 개발한 모델은 초분광 영상에 적용하였을 때 약 5 km2의 해상 영역을 100초 내로 분석할 수 있는 성능을 보였다. 또한 개발한 모델의 탐지 정확도를 평가하기 위해서 항공기를 이용하여 목포, 군산, 여수 지역의 초분광 영상을 촬영하였으며, 본 연구에서 개발한 탐지 모델에 적용한 결과, 실험 영상 내의 선박들을 90 %의 정확도로 탐지할 수 있는 결과를 얻었다. 본 연구에서 개발된 기술은 소형 선박의 수색·구조 활동을 지원하는 중요한 정보로 활용될 수 있을 것으로 기대한다.

수치해석 및 현장계측을 통한 차량주행조건에 따른 BWIM 신호 변화 분석 (Analysis of BWIM Signal Variation Due to Different Vehicle Travelling Conditions Using Field Measurement and Numerical Analysis)

  • 이정휘
    • 한국전산구조공학회논문집
    • /
    • 제24권1호
    • /
    • pp.79-85
    • /
    • 2011
  • Bridge Weigh-in-Motion(BWIM) 시스템은 중량의 차량이 정상적으로 교량을 주행하는 상태에서 측정된 교량의 응답을 분석하여 교량을 통과한 차량의 중량을 산출하는 시스템으로, 현재 관심지역을 통행하는 차량의 하중분포를 파악하고 이로 부터 도로교의 설계 및 해석을 위한 설계 활하중 모델의 개발이나 교량의 잔존 수명의 예측을 위한 피로하중모델 등의 개발에 활용될 수 있다. 이러한 BWIM 시스템의 개발을 위해 필수적으로 수행되어야 하는 것이 다양한 하중조건에 대한 실물차량 주행시험이다. 이 논문에서는 BWIM 시스템의 개발을 위해 필수적이지만 비용 및 시간이 많이 소요되는 실차량 주행시험을 보완할 수 있는 수치해석 기법을 사용하여 차량동특성 및 주행조건의 변화에 대한 교량응답의 변화를 관찰하고자 하였다. 수치해석의 적절성을 검증하기 위하여 실물차량 주행시험이 수행된 동일한 경우에 대하여 차량주행 시뮬레이션을 수행하였으며, 실측결과와 유사한 해석결과를 얻을 수 있었다. 수치해석에서 고려한 변수는 차량의 주행속도, 차량의 고유진동수, 진입부의 단차크기, 횡방향 주행위치 등이며, 이들 변수의 변화에 대한 교량의 응답의 변화를 분석한 결과, 정확한 BWIM 시스템의 개발을 위해 횡방향 주행위치와 차량 고유진동수의 영향이 고려되어야 함을 확인하였다. 수치시뮬레이션 기법을 사용하여 다양한 조건에 대한 주행데이터를 적은 비용으로 생성할 수 있으므로, 최소한의 실차량 주행시험과 병행하여 다양한 하중조건에 대한 BWIM 알고리즘의 검증이 가능할 것으로 생각된다. 또한 신경망기법을 사용하는 BWIM 시스템의 경우에는 학습자료의 생성에 활용하여 신경망기법을 활용할 때 어려운 점 중 하나인 충분한 양의 신뢰성있는 학습자료 확보에 기여할 수 있을 것으로 생각된다.