초록 열기/닫기 버튼
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.
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.
