KR102351092B1 - 양망기 시스템 - Google Patents

양망기 시스템 Download PDF

Info

Publication number
KR102351092B1
KR102351092B1 KR1020200020180A KR20200020180A KR102351092B1 KR 102351092 B1 KR102351092 B1 KR 102351092B1 KR 1020200020180 A KR1020200020180 A KR 1020200020180A KR 20200020180 A KR20200020180 A KR 20200020180A KR 102351092 B1 KR102351092 B1 KR 102351092B1
Authority
KR
South Korea
Prior art keywords
moxibustion
line
foot
fishing net
fishing
Prior art date
Application number
KR1020200020180A
Other languages
English (en)
Other versions
KR20210105560A (ko
Inventor
박주삼
Original Assignee
주식회사 수산해양과학기술
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 수산해양과학기술 filed Critical 주식회사 수산해양과학기술
Priority to KR1020200020180A priority Critical patent/KR102351092B1/ko
Publication of KR20210105560A publication Critical patent/KR20210105560A/ko
Application granted granted Critical
Publication of KR102351092B1 publication Critical patent/KR102351092B1/ko

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01KANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K73/00Drawn nets
    • A01K73/02Trawling nets
    • A01K73/06Hauling devices for the headlines
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01KANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K77/00Landing-nets for fishing; Landing-spoons for fishing
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/22Ergometry; Measuring muscular strength or the force of a muscular blow
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70Circuitry for compensating brightness variation in the scene
    • H04N5/235
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Animal Husbandry (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Alarm Systems (AREA)

Abstract

양망기 시스템이 개시된다. 일실시예에 따른 양망기 시스템은 뜸줄 가이드 봉의 압전센서를 통한 봉 측압 감지 및 양망 롤러의 유압모터 부하감지장치를 통한 압력 감지를 바탕으로 상하압착 미세조정을 수행하는 뜸줄 양망기; 악력장치를 통한 악력감지 및 장력감지장치를 통한 장력감지를 바탕으로 상하압착 조정을 수행하는 발줄 양망기; 뜸줄 양망기와 발줄 양망기를 통해 끌어올려지는 어망의 이상 여부를 감지하는 어구이상동작감지장치; 및 어망을 선상에서 자동으로 정리하는 어망 정리기를 포함하고, 뜸줄 양망기 및 발줄 양망기는 뜸줄과 발줄을 분리하여 끌어올림으로써 그물 정리를 최적화하고, 발줄 양망기는 발줄을 악력식-악력식은 어망의 발줄을 끌어올림에 있어 힘 점을 작용점 쪽으로 번갈아 이동시켜가며 끌어올리는 방식임-으로 끌어올리고, 뜸줄 양망기는 긴 어망 길이의 해소를 위해 나머지 어망 일부를 끌어올릴 수 있다.

Description

양망기 시스템{NETHAULER SYSTEM}
아래 실시예들은 양망기 시스템에 관한 것이다.
양망기는 그물을 끌어올리는 장치로서 그 업종에 따라 자망용 양망기, 건착망용 양망기 등으로 다양하다. 본 양망기 시스템이 다루는 양망기는 자망 어업에 쓰이는 양망기로서 뜸줄 양망기와 발줄 양망기가 별개로 사용된다.
종래의 기술은 주로 뜸줄 양망기와 발줄 양망기를 함께 올리는 경우가 대부분이었고, 따로 올리는 경우도 도중에 발생하는 오류나 두 양망기의 속도차에 의해 뜸줄과 발줄의 길이가 달라지는 오류 등 이상 동작의 발생할 수 있다. 따라서 두 양망기를 따로 끌어올리면서도 두 양망기의 동작 속도를 조정하고 자동으로 양망하면서 해저 또는 장애물에 어구가 걸려 파손되거나 어선이 어구쪽으로 경사지는 위험 등을 방지하여 안정적으로 어망을 끌어올릴 수 있는 기술의 연구가 요구된다.
KR100298513 KR100614863 KR200445012 KR1020160026946
실시예들은 양망기 시스템에 뜸줄 양망기와 발줄 양망기를 분리하여 끌어올림으로써, 어망을 가지런히 정리하여 안전성을 부여하고자 한다.
실시예들은 발줄 양망기에 악력장치를 활용해 보다 정확한 로프 견인력을 확보하고자 한다.
실시예들은 양망기 시스템에 딥러닝 기술을 적용해 양망기의 안전성과 정확성을 높이고자 한다.
실시예들은 블록체인 네트워크를 통해 정보를 빅데이터화 하고, 강화된 보안을 사용하고자 한다.
일실시예에 따른 양망기 시스템은 뜸줄 가이드 봉의 압전센서를 통한 봉 측압 감지 및 양망 롤러의 유압모터 부하감지장치를 통한 압력 감지를 바탕으로 상하압착 미세조정을 수행하는 뜸줄 양망기; 악력장치를 통한 악력감지 및 장력감지장치를 통한 장력감지를 바탕으로 상하압착 조정을 수행하는 발줄 양망기; 상기 뜸줄 양망기와 상기 발줄 양망기를 통해 끌어올려지는 어망의 이상 여부를 감지하는 어구이상동작감지장치; 어망을 선상에서 자동으로 정리하는 어망 정리기; 및 어구이상동작감지장치로부터 어망의 이상 여부를 전달받을 수 있는 휴대용 단말기를 포함하고, 상기 뜸줄 양망기 및 상기 발줄 양망기는 뜸줄과 발줄을 분리하여 끌어올림으로써 그물 정리를 최적화하고, 상기 발줄 양망기는 발줄을 악력식-상기 악력식은 기존의 마찰식과 달리 어망의 발줄을 끌어올림에 있어 힘 점을 작용점 쪽으로 번갈아 이동시켜가며 끌어올리는 방식임-으로 끌어올리고, 상기 뜸줄 양망기는 긴 어망 길이의 해소를 위해 나머지 어망 일부를 끌어올릴 수 있다.
일실시예에 따르면, 상기 발줄 양망기는 악력식 양망기구와 압착식 양망기구를 일체화한 장치로서,상기 압착식 양망기구의 슬립 방지 기술과 상기 악력식 양망기구의 로프 견인력에 기초하여, 장력 조정 및 안전율을 극대화 할 수 있고, 상기 악력식 양망기구는 원통형의 양망 롤러 외측에 위치한 두 개의 악력장치가 회전에 따라 어망을 번갈아가며 끌어 올리고, 상기 악력장치의 내측에 악력감지 센서를 가질 수 있다.
일실시예에 따르면, 상기 어구이상동작감지장치는 상기 뜸줄 양망기 및 상기 발줄 양망기의 센서 및 카메라로부터 구동 정보-상기 구동 정보는 뜸줄 양망기 및 발줄 양망기의 구동 속도, 구동 압력, 부하를 포함함- 및 어망 모니터링 영상을 수집하고, 상기 수집된 구동 정보 및 영상으로부터 제1 입력 신호를 생성하며, 상기 생성된 제1 입력 신호를 상기 어구이상동작감지장치의 뉴럴 네트워크 내 인공 신경망에 입력하고, 상기 입력에 기초하여, 제1 출력 신호를 획득하고, 상기 획득한 제1 출력 신호에 기초하여, 상기 뜸줄 양망기 및 상기 발줄 양망기의 구동 속도, 방향 및 상하 압착 강도를 조정하고, 상기 구동 정보, 어망 모니터링 영상, 어망의 이상 위치 정보, 상기 조정의 결과를 휴대용 단말기의 모니터를 통해 출력하고, 상기 제1 입력 신호 및 상기 제1 출력 신호를 초고속 인터넷 망을 통한 블록체인 네트워크에 저장할 수 있다.
일실시예에 따르면, 상기 인공 신경망은 컨볼루션 신경망 및 뉴럴 네트워크를 포함하고, 제1 입력 신호를 입력으로 하고, 상기 컨볼루션 신경망의 출력인 상기 어망의 이상 위치 정보 및 상기 뉴럴 네트워크의 출력인 조정 방법을 포함하는 제1 출력 신호를 출력으로 하고, 상기 컨볼루션 신경망은 상기 뜸줄 양망기 및 상기 발줄 양망기의 카메라를 통해 촬영된 제1 입력 신호의 인코딩된 어망 모니터링 영상 정보를 입력으로 하고, 상기 모니터링 영상 정보로부터 촬영된 어망의 이상 위치를 상기 컨볼루션 신경망의 특징 추출 신경망과 분류 신경망을 통해 분류하고, 상기 분류에 기초하여, 상기 어망의 이상 위치 정보를 출력으로 하고, 상기 뉴럴 네트워크는 상기 뜸줄 양망기 및 상기 발줄 양망기의 센서를 통해 측정된 제1 입력 신호의 인코딩된 구동 정보를 입력으로 하고, 상기 구동 정보로부터 상기 뜸줄 양망기 및 상기 발줄 양망기의 구동 속도, 방향 및 상하 압착 강도의 상기 조정 방법을 출력으로 할 수 있다.
일실시예에 따르면, 상기 블록체인 네트워크는 상기 제1 입력 신호 및 상기 제1 출력 신호를 포함하는 블록들; 각 블록을 시간 순으로 연결하는 체인들; 및 상기 각 블록 및 체인을 저장하는 상기 네트워크 저장장치들을 포함하는 프라이빗 블록체인 네트워크이고, 상기 네트워크 저장장치들은 상기 양망기 시스템을 생산하는 제공자를 포함하는 제1 네트워크 저장장치; 상기 양망기 시스템을 사용하는 사용자를 포함하는 제2 네트워크 저장장치; 상기 양망기 시스템 사용자의 연안 선박, 해안 경비 초소, 해양수산부를 포함하는 제3 네트워크 저장장치; 및 각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망을 포함할 수 있다.
실시예들은 양망기 시스템에 뜸줄 양망기와 발줄 양망기를 분리하여 끌어올림으로써, 어망을 가지런히 정리하여 안전성을 부여할 수 있다.
실시예들은 발줄 양망기에 악력장치를 활용해 보다 정확한 로프 견인력을 확보할 수 있다.
실시예들은 양망기 시스템에 딥러닝 기술을 적용해 양망기의 안전성과 정확성을 높일 수 있다.
실시예들은 블록체인 네트워크를 통해 정보를 빅데이터화 하고, 강화된 보안을 사용할 수 있다.
도 1은 일실시예에 따른 양망기 시스템을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 발줄 양망기를 설명하기 위한 도면이다.
도 3은 일실시예에 따른 어구이상동작감지장치를 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 인공 신경망을 설명하기 위한 도면이다.
도 5은 일실시예에 따른 블록체인 네트워크를 설명하기 위한 도면이다.
도 6는 일실시예에 따른 일실시예에 따른 장치의 구성의 예시도이다.
[과제고유번호] 20190451
[연구관리 전문기관] 해양수산과학기술진흥원
[연구사업명] 어업현장의 현안해결 지원사업
[연구과제명] 연안자망어업의 안전 및 자동화 기술개발
[기여율] 1/1
[주관기관] 사단법인 해양수산과학기술연구조합
[총 연구기간] 2019.07.15-2021.12.31
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1 및 도 2는 일실시예에 따른 양망기 시스템 및 발줄 양망기를 설명하기 위한 도면이다.
일실시예에 따른 양망기 시스템은 뜸줄 가이드 봉의 압전센서를 통한 봉 측압 감지 및 양망 롤러의 유압모터 부하감지장치를 통한 압력 감지를 바탕으로 상하압착 미세조정을 수행하는 뜸줄 양망기(101); 악력장치(203)를 통한 악력감지 및 장력감지장치를 통한 장력감지를 바탕으로 상하압착 조정을 수행하는 발줄 양망기(102); 어망을 선상에서 자동으로 정리하는 어망 정리기(103); 뜸줄 양망기(101)와 발줄 양망기(102)를 통해 끌어올려지는 어망의 해저 또는 장애물 걸림 이상 여부를 감지하는 어구이상동작감지장치(104); 및 제1 출력 신호로 기초하여, 구동 정보, 어망 모니터링 영상, 어망의 이상 위치 정보, 뜸줄 양망기(101) 및 발줄 양망기(102)의 구동 속도, 방향 및 상하 압착 강도를 조정한 결과를 출력하는 휴대용 단말기(105)를 포함할 수 있다.
일실시예에 따르면, 양망기 시스템은 뜸줄 양망기(101)와 발줄 양망기(102)를 통해 뜸줄과 발줄을 따로 분리하여 끌어올림으로써 그물 정리를 최적화할 수 있다. 발줄 양망기(102)가 악력식으로 어망을 끌어올리는 동안, 뜸줄 양망기(101)가 긴 어망의 길이를 해소하기 위해 어망 일부를 끌어올림으로써, 그물 정리가 최적화될 수 있다. 뜸줄 양망기(101)와 발줄 양망기(102)를 분리시키는 이유는 효율적으로 양망을 하여 뜸줄과 발줄이 중간에 엉키는 현상을 최소화하고 양망과 동시에 바로 투망을 결정할 수 있어 조업 편의성을 개선할 수 있다. 더불어 어망의 정리를 최적화하여 선상에서 발생 가능한 사고를 미연에 방지하는 기능을 수행할 수 있다. 양망과정은 전자동으로 진행되며, 양망을 전자동으로 할 경우에는 어구가 해저 또는 장애물에 걸려 큰 장력이 걸린 경우에도 어구이상동작감지장치(104)를 통해 어망의 이상을 확인하고, 이를 정정하기 위한 제어를 할 수 있다. 양망기 시스템은 뜸줄 양망기와 발줄 양망기를 분리하여 끌어올림으로써, 어망을 가지런히 정리하여 안전성을 부여할 수 있다. 따라서 이 과정에서 계속해서 양망을 진행하기 때문에 더 큰 사고로 이어질 수 있어 본 발명은 안정성을 높일 수 있다.
일실시예에 따른 발줄 양망기(102)는 어망의 발줄을 끌어올리기 위한 장비로서, 악력식 양망기구(201), 악력장치(203), 장력감지장치, 압착식 양망기구(202), 로프 및 어망 가이드 등을 포함할 수 있으나 이에 국한하지 않는다. 발줄 양망기는 악력 방식과 압착 방식을 적용한 악력식 양망기구(201) 및 압착식 양망기구(202), 이 두 방식의 양망기구를 일체화하여 압착식 양망기구(202)의 슬립 방지 기술과 악력식 양망기구(201)의 발줄 견인력에 기초하여, 장력 조정 및 자동화율을 극대화할 수 있다. 이 중 발줄양망기의 악력식 양망기구(201)는 원통형 양망 롤러 외측에 위치한 두 개의 악력장치(203)가 회전하면서 어망을 번갈아가며 끌어올리는 힘에 의해, 통상의 마찰식이 아닌 악력식으로 어망을 끌어올릴 수 있다. 이러한 악력식 방식의 장점은 어망이 미끄러지는 것을 방지할 수 있으며, 보다 강한 견인력을 전달할 수 있다는 데에 있다. 악력식 양망기구(201)의 악력장치(203)는 내측에 악력감지 센서(204)를 가지고 있어, 악력을 감지할 수 있다. 여기에 압착식 양망기구(202)의 장력감지장치는 장력을 감지할 수 있어, 발줄 양망기는 이중 감지 기능을 이용한 자동화율 극대화에 최적화될 수 있다. 감지된 값들은 어구이상동작감지장치(104)를 거쳐 인공 신경망의 입력 신호를 생성할 수 있고, 출력을 통해 상하 압착 조정이 가능할 수 있다.
일실시예에 따른 뜸줄 양망기(101)는 어망의 뜸줄을 끌어올리기 위한 장비로서, 뜸줄 가이드 봉, 양망롤러, 상하 압착 장치 등을 포함할 수 있으나 이에 국한하지 않는다.뜸줄 양망기(101)는 끌어올리는 어망의 길이가 길어 어망이 엉키는 문제 및 어망의 선적 문제를 해소하기 위한 장치로서, 뜸줄 양망기(101)를 발줄 양망기(102)와 분리해 사용함으로써, 더욱 효율적이고 안전한 어망 선적을 이뤄낼 수 있다. 뜸줄 가이드 봉은 압전센서를 통해 봉 측압 감지를 할 수 있으며, 양망롤러는 유압모터 부하감지를 통해 압력을 감지할 수 있다. 감지된 봉 측압 및 압력은 어구이상동작감지장치(104)를 통해 인공 신경망의 입력 신호를 생성할 수 있고, 출력을 통해 상하 압착의 미세 조정이 가능할 수 있다.
일실시예에 따른 양망기 시스템은 발줄 양망기에 악력장치(203)를 활용해 보다 정확한 로프 견인력을 확보할 수 있다.
일실시예에 따른 어망 정리기(103)은 갑판의 어망을 정리하여 안전을 확보하기 위한 장치로서, 어망의 안전한 정리를 통해 안전하고 효율적인 어획을 이루는 데 도움이 될 수 있다. 어망 정리기(103)의 어망 정리 과정은 선상에서 자동으로 이뤄질 수 있다.
일실시예에 따른 어구이상동작감지장치(104)는 제어 장치로서의 역할을 하는 전자 장치일 수 있다.
일실시예에 따른 어구이상동작감지장치(104)는 양망기를 제어하는 장치로서, 예를 들어 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현될 수 있다. 어구이상동작감지장치(104)는 독립 인터페이스 구조로 되어 있으며, 뜸줄 양망기(101)와 발줄 양망기(102)의 슬립 및 장력 감지 신호분석 모듈이 설계되어 있을 수 있다. 어구이상동작감지장치(104)는 어망의 이상을 파악하고 이로부터 이상 구동의 해소를 위한 신호를 생성하여 어망 양망 시 발생 가능한 사고를 예방하고, 더욱 효율적으로 어망을 양망하기 위한 딥러닝 방식을 이용한 시스템 장치일 수 있다. 어구이상동작감지장치(104)는 각 양망 장치의 구동 압력, 구동 속도, 부하 등의 구동 변수를 바탕으로 제1 입력 신호를 생성할 수 있고, 생성된 제1 입력 신호는 미리 학습된 인공 신경망의 입력값으로 사용될 수 있다. 어구이상동작감지장치(104)는 인공 신경망으로부터 제1 출력 신호를 획득할 수 있고, 획득한 제1 출력 신호를 바탕으로 양망기의 구동 속도, 방향 및 상하 압착 강도의 조정 등을 수행할 수 있다. 어구이상동작감지장치(104)는 구동 압력, 구동 속도, 부하를 비롯한 구동 정보, 어망 모니터링 영상, 어망의 이상 위치 정보 및 구동 속도, 방향, 상하 압착 강도 등의 조정 정보를 휴대용 단말기(105)로 전송할 수 있다. 또한 어구이상동작감지장치(104)는 휴대용 단말기(105)로부터의 입력을 통해 수동 조정을 수행할 수 있다.일실시예에 따르면, 전자 장치는 통신 기능을 갖춘 스마트 가전 제품(smart home appliance)일 수 있다. 스마트 가전 제품은, 예를 들자면, 전자 장치는 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스(set-top box), TV 박스(예를 들면, 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(game consoles), 전자 사전, 전자 키, 캠코더(camcorder), 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
일실시예에 따르면, 전자 장치는 각종 의료기기(예: MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 초음파기 등), 네비게이션(navigation) 장치, GPS 수신기(global positioning system receiver), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트(infotainment) 장치, 선박용 전자 장비(예: 선박용 항법 장치 및 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛, 산업용 또는 가정용 로봇, 금융 기관의 ATM(automatic teller's machine) 또는 상점의 POS(point of sales) 중 적어도 하나를 포함할 수 있다.
일실시예에 따르면, 전자 장치는 통신 기능을 포함한 가구(furniture) 또는 건물/구조물의 일부, 전자 보드(electronic board), 전자 사인 입력장치(electronic signature receiving device), 프로젝터(projector), 또는 각종 계측기기(예: 수도, 전기, 가스, 또는 전파 계측 기기 등) 중 적어도 하나를 포함할 수 있다. 일실시예에에 따른 전자 장치는 전술한 다양한 장치들 중 하나 또는 그 이상의 조합일 수 있다. 또한, 일실시예에 따른 전자 장치는 플렉서블 장치일 수 있다. 또한, 일실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않음은 당업자에게 자명하다. 다양한 실시예에서 이용되는 유저라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
일실시예에 따른 전자 장치는 프로세서, 메모리, 유저 인터페이스 및 통신 인터페이스를 포함하고, 다른 전자 장치와 네트워크를 통해 연결될 수 있다. 통신 인터페이스는 유, 무선 네트워크 또는 유선 직렬 통신 등을 통하여 소정 거리 이내의 다른 전자 장치와 데이터를 송수신할 수 있다. 네트워크는 일실시예에 따른 전자 장치와 다양한 개체들(entities) 간의 유, 무선 통신을 가능하게 한다. 전자 장치는 네트워크를 통해 다양한 개체들과 통신할 수 있고, 네트워크는 표준 통신 기술 및/또는 프로토콜들을 사용할 수 있다. 이때, 네트워크(network)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network) 등을 포함하나 이에 한정되지 않으며, 정보를 송, 수신할 수 있는 다른 종류의 네트워크가 될 수도 있음을 통신 기술 분야의 통상의 지식을 가진 자라면 알 수 있다.
일실시예에 따른 휴대용 단말기(105)는 뜸줄 양망기(101) 및 발줄 양망기(102)로 부터의 구동 정보와 어구이상동작감지장치(104)로부터의 조정 정보를 획득할 수 있는 장비로서, 각 정보를 휴대용 단말기(105) 화면을 통해 출력할 수 있다. 더불어 휴대용 단말기(105)는 사용자의 입력에 따른 수동 조정 신호를 생성해 어구이상동작감지장치로 전송할 수 있다.
일실시예에 따르면, 휴대용 단말기(105)는 통신 기능이 포함된 전자 장치일 수 있다. 예를 들면, 전자 장치는 스마트 폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 화상전화기, 전자북 리더기(e-book reader), 데스크톱 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device)(예: 전자 안경과 같은 head-mounted-device(HMD), 전자 의복, 전자 팔찌, 전자 목걸이, 전자 앱세서리(appcessory), 전자 문신, 스마트카(smart car) 또는 스마트 와치(smartwatch)중 적어도 하나를 포함할 수 있다.
도 3은 일실시예에 따른 어구이상동작감지장치를 설명하기 위한 순서도이다.
일실시예에 따른 어구이상동작감지장치는 뜸줄 양망기 및 발줄 양망기의 센서 및 카메라들로부터 구동 정보 및 어망 모니터링 영상을 수집할 수 있다(301).
일실시예에 따르면, 어구이상동작감지장치는 발줄 양망기의 악력장치 및 장력감지장치를 통해 감지된 악력 및 장력, 뜸줄 양망기의 뜸줄 가이드 봉 압전센서 및 양망 롤러의 유압모터 부하감지를 통한 봉 측압 및 압력 감지 등의 정보를 수집할 수 있으나 이에 국한하지 않는다. 이와 더불어 구동 정보로서 각 양망기의 구동 압력, 구동 속도, 부하 등의 정보를 수치화된 값으로 수집할 수 있다. 수집된 값들은 데이터 시트 형태로 저장될 수 있으며, 수집의 간격은 일반적으로 5초로 할 수 있으나 이에 국한하지 않는다.
일실시예에 따르면, 어구이상동작감지장치는 뜸줄 양망기 및 발줄 양망기의 카메라들로부터 어망 모니터링 영상을 수집할 수 있는데, 이 때 사용되는 카메라들은 영상 촬영을 위한 Full HD(High Definition) 화질의 카메라 장비로서, 노출, 셔터스피드, 감도를 자동으로 조절할 수 있으며, 사용자의 편의에 따라 수동 조절이 가능할 수 있다. 카메라들은 어망의 이상을 실시간으로 감시하고 인공 신경망을 통해 이상 위치를 감별하며, 이로부터 사용자에게 이상 위치의 기록을 전달해 조치할 수 있도록 할 수 있다.
일실시예에 따르면, 어구이상동작감지장치는 수집된 구동 정보 및 영상으로부터 제1 입력 신호를 생성할 수 있다(302).
일실시예에 따르면, 어구이상동작감지장치(104)는 두 양망기로부터 전달 받은 구동 정보 및 영상을 활용해 제1 입력 신호를 생성할 수 있는데, 데이터 시트 형태로 저장되는 제1 입력 신호는 컨볼루션 신경망에 입력되기에 적절한 규격화된 크기로 인코딩 될 수 있다.
일실시예에 따르면, 어구이상동작감지장치는 생성된 제1 입력 신호를 어구이상동작감지장치 내 인공 신경망에 입력할 수 있다(303).
일실시예에 따른 인공 신경망은 컨볼루션 신경망과 뉴럴 네트워크로 구성될 수 있다. 컨볼루션 신경망 및 뉴럴 네트워크에 관한 자세한 설명은 도 4를 참조하여 후술한다.
일실시예에 따르면, 어구이상동작감지장치는 입력에 기초하여 제1 출력 신호를 획득할 수 있다(304). 어구이상동작감지장치는 획득한 제1 출력 신호에 기초하여, 뜸줄 양망기 및 발줄 양망기의 구동 속도, 방향 및 상하 압착 강도를 조정할 수 있다(305).
일실시예에 따르면,. 어구이상동작감지장치는 인공 신경망의 제1 출력 신호가 포함한 구동에 대한 조정 정보들에 기초하여, 뜸줄 양망기 및 발줄 양망기의 동작을 제어할 수 있다. 뜸줄 양망기 및 발줄 양망기의 동작 제어는 주로 구동 속도, 방향 및 상하 압착 강도의 조정일 수 있다. 어구이상동작감지장치는 제1 출력 신호가 포함하는 조정 정보로부터 두 양망기 각각을 따로 조정하도록 결정될 수 있다. 구동 속도의 경우는 두 양망기의 속도를 개별적으로 조절하되 지속적으로 두 양망기의 속도차를 모니터링 하는 방식으로 지속 조절될 수 있다. 구동 속도의 차이가 늘어날 경우, 속도 그 자체의 값에 양망기에 가해지는 압력 및 부하를 바탕으로 한 입력 신호의 생성으로 지속적인 모니터링이 가능할 수 있다. 구동 방향의 조절은 과도한 압력이 가해지는 경우, 일차적으로 두 양망기가 모두 풀어지는 방향으로 반대로 회전하게 되고, 이차적으로 각각의 속도를 조절해 다시 끌어올리는 동작을 수행할 수 있다. 만약 두 압력이 과도한 경우, 모든 동작이 일시 정지된 상태에서 한쪽의 양망기만을 1/100 속도로 구동시켜, 압력의 변화 유무를 모니터링할 수 있다. 모니터링의 결과 압력이 줄어들 경우에는 해당 양망기를 그대로 운동 시키면서 다른 양망기는 반대로 동작시키고, 반대로 압력이 증가할 경우에는 해당 양망기를 반대로 운동시키면서 다른 양망기를 그대로 동작시키는 구동이 일어날 수 있다.
일실시예에 따르면, 어구이상동작감지장치는 구동 정보, 어망 모니터링 영상, 어망의 이상 위치 정보 및 조정 결과를 휴대용 단말기의 모니터를 통해 출력할 수 있다(306).
일실시예에 따르면, 어구이상동작감지장치는 구동 정보 및 조정 결과를 휴대용 단말기에 전송할 수 있다. 전송된 정보는 사용자의 편의를 위한 디자인 및 구성에 맞춰 모니터에 출력될 수 있다. 구동 정보에 변화가 없는 경우는, 일반적으로 3회 이상의 구동 속도 및 방향의 반복적인 조정이 있은 후 구동 정보를 재획득 시에 구동 정보가 변화가 없을 경우에 해당할 수 있다. 이와 같은 경우는 수동으로 조정이 이뤄질 때까지 모든 구동을 멈출 수 있다. 수동으로 조정이 이뤄진 후의 재시작은 휴대용 단말기를 통한 사용자의 입력을 통해 이뤄질 수 있다. 어구이상동작감지장치는 이와 함께 어망 모니터링 영상과 어망의 이상 위치 정보를 함께 휴대용 단말기에 전송할 수 있는데, 이로부터 어망의 이상 위치 정보가 어망 모니터링 영상 내부에 표시될 수 있다. 사용자는 이 표시에 기초하여, 어망을 수리 혹은 재조정할 수 있다.
일실시예에 따르면, 어구이상동작감지장치는 제1 입력 신호 및 제1 출력 신호를 초고속 인터넷 망을 통한 블록체인 네트워크에 저장할 수 있다(307).
어구이상동작감지장치는 제1 입력 신호 및 제1 출력 신호를 블록체인 네트워크에 저장함으로서 해당 기록을 누적해 관리할 수 있으며, 해당 기록으로부터 어구들의 이상 동작에 대한 수정을 해당 어구 제작 업체에 요청할 수 있고, 해당 기록을 안전하게 보관할 수 있다.
도 4는 일실시예에 따른 인공 신경망을 설명하기 위한 도면이다.
도 5를 참조하면, 인공 신경망은 컨볼루션 신경망(510) 및 뉴럴 네트워크(520)를 포함할 수 있으며, 제1 입력 신호(501)를 입력으로 하고, 컨볼루션 신경망의 출력인 어망의 이상 위치 정보 및 뉴럴 네트워크의 출력인 조정 방법을 포함하는 제1 출력 신호(502)를 출력으로 할 수 있다. 인공 신경망에서 컨볼루션 신경망(510)과 뉴럴 네트워크(520)를 분리하여 진행하는 방식은 영상 데이터와 수치화된 정량 데이터를 구분함으로써, 두 데이터 값에 의한 이상 동작의 크로스 체크를 가능하게 하고, 각각의 데이터에 대한 최적화된 방식의 신경망을 통해 최적화된 정보를 획득하기 위함일 수 있다.
일실시예에 따르면, 컨볼루션 신경망(510)의 입력은 카메라를 통해 촬영된 제1 입력 신호의 인코딩된 어망 모니터링 영상 정보를 포함할 수 있다. 제1 입력 신호(501)가 포함하는 뜸줄 양망기 및 발줄 양망기의 영상 정보는 촬영된 영상의 프레임 별 사진을 픽셀 별로 색 정보에 기초하여 인코딩한 값일 수 있다. 색 정보는 RGB 색상 정보, 명도 정보, 채도 정보를 포함할 수 있으나, 이에 국한하지 않는다. 어구이상동작감지장치는 색 정보를 수치화된 값으로 환산할 수 있으며, 이 값을 포함한 데이터 시트 형태로 프레임 별 사진을 인코딩할 수 있다. 제1 입력 신호는 컨볼루션 신경망(510)의 입력을 색 정보에 따라 데이터화함으로써, 각 사물의 윤곽선을 구분하고, 이로부터 사물을 분류할 수 있다.
일실시예에 따르면, 컨볼루션 신경망(510)은 한 해 동안 수집된 영상들을 일별로 정리한 테스트 데이터에 기초하여 학습을 수행할 수 있다. 테스트 데이터에 대응하는 정답은 수집된 영상들의 일별 어망 이상 위치 데이터로부터 획득될 수 있다. 컨볼루션 신경망(510)의 학습은 정답과 출력값의 오차를 바탕으로 이뤄지며, 경우에 따라 델타를 이용하는 SGD나 배치 방식 혹은 역전파 알고리즘을 따르는 방식을 사용할 수 있다. 컨볼루션 신경망(510)은 기존의 가중치를 수정해 학습을 수행하며, 경우에 따라 모멘텀을 사용할 수 있다. 오차의 계산에는 비용함수가 사용될 수 있는데, 비용함수로 Cross entropy 함수를 사용할 수 있다.
일실시예에 따르면, 컨볼루션 신경망(510)은 제1 입력 신호 내의 인코딩된 어망 모니터링 영상 정보를 바탕으로 특징 추출 신경망과 분류 신경망을 통해 어망의 이상 위치를 분류할 수 있다. 특징 추출 신경망은 입력 신호를 컨볼루션 계층과 풀링 계층을 차례로 쌓아 진행한다. 컨볼루션 계층은 컨볼루션 연산, 컨볼루션 필터 및 활성함수를 포함하고 있다. 컨볼루션 필터의 계산은 대상 입력의 행렬 크기에 따라 조정되나 일반적으로 9X9 행렬을 사용한다. 활성 함수는 일반적으로 ReLU 함수, 시그모이드 함수, 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 풀링 계층은 입력의 행렬 크기를 줄이는 역할을 하는 계층으로, 특정 영역의 픽셀을 묶어 대표값을 추출하는 방식을 사용한다. 풀링 계층의 연산에는 일반적으로 평균값이나 최대값을 많이 사용하나 이에 한정하지 않는다. 해당 연산은 정방 행렬을 사용하여 진행되는데, 일반적으로 9X9 행렬을 사용한다. 컨볼루션 계층과 풀링 계층은 해당 입력이 차이를 유지한 상태에서 충분히 작아질 때까지 번갈아 반복 진행될 수 있다. 분류 신경망은 은닉층과 출력층을 가지고 있다. 양망기 시스템을 위한 컨볼루션 신경망(510)에서는 일반적으로 은닉층이 3개 이상 존재하며, 각 은닉층의 노드는 100개로 지정하나 경우에 따라 그 이상 또는 이하로 정할 수 있다. 은닉층의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 컨볼루션 신경망(510)의 출력층 노드는 총 10개로 할 수 있다 10개의 출력은 이상 위치에 대한 분류를 보여주며, 총 10개의 출력으로 한 이유는 이상 위치를 x축과 y축 상의 위치로 구분하며 최대 5개의 이상 위치를 동시에 검출할 수 있도록 하기 위함일 수 있다. 일반적인 어망의 이상 위치는 동시에 5개 이상 발생하는 일이 거의 드물며, 5개까지의 발생확률은 유의한 값이기 때문에 이와 같이 정할 수 있으나, 이에 국한하지 않는다.
일실시예에 따른 뉴럴 네트워크(520)의 입력은 뜸줄 양망기 및 발줄 양망기의 센서를 통해 측정된 제1 입력 신호의 인코딩된 구동 정보를 바탕으로 뜸줄 양망기 및 발줄 양망기의 구동 속도, 방향 및 상하 압착 강도의 조정 방법을 출력할 수 있다. 각각의 구동 정보는 발줄 양망기의 악력장치 및 장력감지장치를 통해 감지된 악력 및 장력, 뜸줄 양망기의 뜸줄 가이드 봉 압전센서 및 양망 롤러의 유압모터 부하감지를 통한 봉 측압 및 압력 감지 등의 정보로부터 획득될 수 있다.
일실시예에 따르면, 뉴럴 네트워크(520)는 한 해 동안 수집된 구동 정보들을 일별로 정리한 테스트 데이터에 기초하여 학습을 수행할 수 있다. 테스트 데이터에 대응하는 정답은 수집된 구동 정보들에 대해 수동으로 입력된 조정 방법 데이터로부터 획득될 수 있다. 뉴럴 네트워크(520)의 학습은 정답과 출력값의 오차를 바탕으로 이뤄지며, 경우에 따라 델타를 이용하는 SGD나 배치 방식 혹은 역전파 알고리즘을 따르는 방식을 사용할 수 있다. 뉴럴 네트워크(520)는 기존의 가중치를 수정해 학습을 수행하며, 경우에 따라 모멘텀을 사용할 수 있다. 오차의 계산에는 비용함수가 사용될 수 있는데, 비용함수로 Cross entropy 함수를 사용할 수 있다.
일실시예에 따르면, 양망기 시스템을 위한 뉴럴 네트워크(520)에서는 일반적으로 은닉층이 5개 이상 존재하며, 각 은닉층의 노드는 80개로 지정하나 경우에 따라 그 이상 또는 이하로 정할 수 있다. 은닉층의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 뉴럴 네트워크(520)의 출력층 노드는 총 8개로 할 수 있다. 8개의 출력은 조정 방법에 대한 분류를 보여주며, 총 8개의 출력으로 한 이유는 조정 방법이 포함해야하는 최소한의 정보인 구동 속도, 방향 및 상하 압착 강도를 뜸줄 양망기와 발줄 양망기 각각에 대한 값으로서 포함하기 위함일 수 있다.
일실시예에 따른 양망기 시스템은 딥러닝 기술을 적용해 양망기의 안전성과 정확성을 높일 수 있다.
도 5는 일실시예에 따른 블록체인 네트워크를 설명하기 위한 도면이다.
도 5를 참조하면, 제1 입력 신호 및 제1 출력 신호를 포함하는 블록(401)들; 각 블록(401)을 시간 순으로 연결하는 체인(402)들; 및 각 블록체인을 저장하는 제1(410), 제2(420), 제3 네트워크 저장장치(430)를 포함하는 프라이빗 블록체인 네트워크일 수 있다.
일실시예에 따르면, 블록체인 네트워크의 블록(401)은 제1 입력 신호 및 제1 출력 신호를 포함하는 데이터 베이스와 이를 다루는 미리 학습된 컨볼루션 신경망을 포함할 수 있다. 각 블록(401)들은 일반적으로 시간 순으로 연결이 되며, 이에 따라 10분 간격으로 새로운 블록(401)들이 생산될 수 있다. 이미 생성된 블록(401)의 내용들은 모든 네트워크 저장장치들에 저장되며, 시간 내에 과반수의 내용이 변경되지 않는 한 변경될 수 없는 구조로 되어있다. 예를 들어, 총 3개의 네트워크 저장장치를 가진 블록체인 네트워크에서 각 네트워크 저장장치 당 1개씩의 블록(401)을 가지고 있다고 했을 때, 제한된 시간 내에 2개 이상의 블록(401)의 내용을 바꾸지 못하면, 각 블록(401)은 검증을 통해 과반수와 다른 내용의 블록(401)을 과반수와 같도록 값을 재변경 시킬 수 있다. 이에 따라 높은 보안을 유지할 수 있는데, 실제로 블록체인 네트워크에 참여하는 네트워크 저장장치의 수는 수십에서 수십만에 달할 수 있기 때문에 더욱 높은 보안성을 나타낼 수 있다.
일실시예에 따른 체인(402)들은 해시값으로 구성될 수 있다. 체인(402)들은 블록(401)을 시간 순으로 연속되도록 하는데, 이 때 해시값을 이용해 각 블록(401)들이 연결되게 할 수 있다. 블록(401)에는 제1 입력 신호, 제1 출력 신호 및 제1 입력 신호, 제1 출력 신호의 해시값, 이전 헤더 및 현 블록의 헤더를 보관할 수 있다. 여기서 현 블록의 헤더는 다음 블록에서 이전 헤더의 기능을 하게 되어 각 블록(401)들은 유기적으로 연결될 수 있다. 더불어 해시값은 블록의 내용이 조금이라도 바뀌면 완전히 다른 형태로 변형이 되는데, 이 때문에 블록(401)의 내용을 변경하려는 시도를 효과적으로 막을 수 있다. 현 블록의 헤더는 제1 입력 신호, 제1 출력 신호, 제1 입력 신호와 제1 출력 신호의 해시값 및 이전 헤더를 포함한 총 합의 해시값이 되기 때문에, 블록(401)의 내용과 해시값을 효과적으로 수정해 보안을 해치려는 시도도 성공하기 어렵게 된다. 왜냐하면 블록(401)의 내용와 해시값을 수정하는 순간, 헤더의 내용도 바뀌게 되고 이에 따라 다음 블록에 들어가는 이전 헤더도 바뀌게 되며, 이에 따라 그 블록의 헤더도 바뀌어 다음 블록의 이전 헤더를 다시 바꾸게 될 수 있다. 즉, 이후의 모든 블록(401)을 해킹해야만 하게 된다. 따라서, 해시값을 통한 체인(402)으로 블록체인의 보안을 높일 수 있다.
일실시예에 따르면, 네트워크 저장장치들은 양망기 시스템을 생산하는 제공자를 포함하는 제1 네트워크 저장장치(410); 양망기 시스템을 사용하는 사용자를 포함하는 제2 네트워크 저장장치(420); 시스템 사용자의 연안 선박, 해안 경비 초소, 해양수산부를 포함하는 제3 네트워크 저장장치(430); 및 각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망(403)을 포함할 수 있다. 제1, 제2 및 제3으로 분류된 네트워크 저장장치들은 포함된 실무자의 수, 사용자의 수 및 그 저장 장치의 수에 따라 그 수가 결정될 수 있다.
일실시예에 따르면, 제1 네트워크 저장장치(410)는 양망기 시스템을 생산하는 제공자를 포함할 수 있으며, 양망기 시스템의 제공자들은 1개 업체 혹은 그 이상일 수 있다. 제1 네트워크 저장장치(410)의 수는 각 업체가 사용하는 저장 장치의 수에 따라 그 수가 결정 될 수 있다. 제1 네트워크 저장장치(410)는 제공한 양망기 시스템의 관리 필요 유무 및 수동 학습을 제공할 수 있다.
일실시예에 따르면, 제2 네트워크 저장장치(420)는 양망기 시스템을 사용하는 사용자를 포함할 수 있다. 제2 네트워크 저장장치(420)는 양망기 시스템을 사용하는 업체 및 그 사용자의 수에 따라 그 수가 결정될 수 있다. 제2 네트워크 저장장치(420)는 양망기 시스템을 사용하는 실 사용자로서, 실 사용 중에 발생하는 오류들에 대한 정보를 사용자가 수동으로 입력함으로써 인공 신경망의 학습을 용이하게 할 수 있다.
일실시예에 따르면, 제3 네트워크 저장장치(430)는 시스템 사용자의 연안 선박, 해안 경비 초소, 해양수산부를 포함할 수 있다. 제3 네트워크 저장장치(430)는 양망기 시스템을 사용하는 사용자로부터 이상 신호들을 수신할 수 있으며, 이상 신호의 수신으로부터 제한 시간 내에 조치가 이뤄지지 않을 경우 해당 사용자의 선박으로 출동 명령을 받을 수 있다.
일실시예에 따른 초고속 인터넷 연결망(403)은 통상적으로 10Mb/s 이상의 속도를 보이는 인터넷 연결망을 의미하는데, 유선, 무선, 광케이블 기술 등을 포함하는 연결망으로 LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network) 등을 포함하나 이에 한정되지 않는다.
일실시예에 따른 양망기 시스템은 블록체인 네트워크를 통해 정보를 빅데이터화 하고, 강화된 보안을 사용할 수 있다
도 6은 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(1201)는 프로세서(1202) 및 메모리(1203)를 포함한다. 일실시예에 따른 장치(1201)는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 5를 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 5를 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(1203)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(1203)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
일실시예에 따르면, 프로세서(1202)는 프로그램을 실행하고, 장치(1201)를 제어할 수 있다. 프로세서(1202)에 의하여 실행되는 프로그램의 코드는 메모리(1203)에 저장될 수 있다. 장치(1201)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (4)

  1. 양망기 시스템은 뜸줄 가이드 봉의 압전센서를 통한 봉 측압 감지 및 양망 롤러의 유압모터 부하감지장치를 통한 압력 감지를 바탕으로 상하압착 미세조정을 수행하는 뜸줄 양망기;
    악력장치를 통한 악력감지 및 장력감지장치를 통한 장력감지를 바탕으로 상하압착 조정을 수행하는 발줄 양망기;
    상기 뜸줄 양망기와 상기 발줄 양망기를 통해 끌어올려지는 어망의 이상 여부를 감지하는 어구이상동작감지장치; 및
    어망을 선상에서 자동으로 정리하는 어망 정리기
    를 포함하고,
    상기 뜸줄 양망기 및 상기 발줄 양망기는 뜸줄과 발줄을 분리하여 끌어올림으로써 그물 정리를 최적화하고,
    상기 발줄 양망기는 발줄을 악력식-상기 악력식은 어망의 발줄을 끌어올림에 있어 힘 점을 작용점 쪽으로 번갈아 이동시켜가며 끌어올리는 방식임-으로 끌어올리고,
    상기 뜸줄 양망기는 긴 어망 길이의 해소를 위해 나머지 어망 일부를 끌어올리는
    상기 발줄 양망기는
    악력식 양망기구와 압착식 양망기구를 일체화한 장치로서, 상기 압착식 양망기구의 슬립 방지 기술과
    상기 악력식 양망기구의 로프 견인력에 기초하여,
    장력 조정 및 자동화율을 조절하고,
    상기 악력식 양망기구는
    원통형의 양망 롤러 외측에 위치한 두 개의 악력장치가 회전에 따라 어망을 번갈아가며 끌어 올리고,
    상기 악력장치의 내측에 악력감지 센서를 가진
    양망기 시스템.
  2. 삭제
  3. 제1 항에 있어서,
    상기 어구이상동작감지장치는
    상기 뜸줄 양망기 및 상기 발줄 양망기의 센서 및 카메라로부터 구동 정보-상기 구동 정보는 뜸줄 양망기 및 발줄 양망기의 구동 속도, 구동 압력, 부하를 포함함- 및 어망 모니터링 영상을 수집하고,
    상기 수집된 구동 정보 및 영상으로부터 제1 입력 신호를 생성하며,
    상기 생성된 제1 입력 신호를 상기 어구이상동작감지장치의 뉴럴 네트워크 내 인공 신경망에 입력하고,
    상기 입력에 기초하여, 제1 출력 신호를 획득하고,
    상기 획득한 제1 출력 신호에 기초하여, 상기 뜸줄 양망기 및 상기 발줄 양망기의 구동 속도, 방향 및 상하 압착 강도를 조정하고,
    상기 구동 정보, 어망 모니터링 영상, 어망의 이상 위치 정보, 상기 조정의 결과를 휴대용 단말기의 모니터를 통해 출력하고,
    상기 제1 입력 신호 및 상기 제1 출력 신호를 저장하는
    양망기 시스템.
  4. 제3 항에 있어서,
    상기 인공 신경망은
    컨볼루션 신경망 및 뉴럴 네트워크를 포함하고,
    제1 입력 신호를 입력으로 하고,
    상기 컨볼루션 신경망의 출력인 상기 어망의 이상 위치 정보 및 상기 뉴럴 네트워크의 출력인 조정 방법을 포함하는 제1 출력 신호를 출력으로 하고,
    상기 컨볼루션 신경망은
    상기 뜸줄 양망기 및 상기 발줄 양망기의 카메라를 통해 촬영된 제1 입력 신호의 인코딩된 어망 모니터링 영상 정보를 입력으로 하고,
    상기 모니터링 영상 정보로부터 촬영된 어망의 이상 위치를 상기 컨볼루션 신경망의 특징 추출 신경망과 분류 신경망을 통해 분류하고,
    상기 분류에 기초하여, 상기 어망의 이상 위치 정보를 출력으로 하고,
    상기 뉴럴 네트워크는
    상기 뜸줄 양망기 및 상기 발줄 양망기의 센서를 통해 측정된 제1 입력 신호의 인코딩된 구동 정보를 입력으로 하고,
    상기 구동 정보로부터 상기 뜸줄 양망기 및 상기 발줄 양망기의 구동 속도, 방향 및 상하 압착 강도의 상기 조정 방법을 출력으로 하는
    양망기 시스템.

KR1020200020180A 2020-02-19 2020-02-19 양망기 시스템 KR102351092B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200020180A KR102351092B1 (ko) 2020-02-19 2020-02-19 양망기 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200020180A KR102351092B1 (ko) 2020-02-19 2020-02-19 양망기 시스템

Publications (2)

Publication Number Publication Date
KR20210105560A KR20210105560A (ko) 2021-08-27
KR102351092B1 true KR102351092B1 (ko) 2022-01-14

Family

ID=77504501

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200020180A KR102351092B1 (ko) 2020-02-19 2020-02-19 양망기 시스템

Country Status (1)

Country Link
KR (1) KR102351092B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100298513B1 (ko) 1999-06-02 2001-09-22 양주원 자망 양망기
KR200321132Y1 (ko) * 2003-04-24 2003-07-23 윤양석 낙지포획용 낚시 줄 연승기
JP2006075052A (ja) * 2004-09-08 2006-03-23 Kanehachijin Gyomo Kk 釣り糸巻取装置における巻上げ・巻下げ速度制御装置
KR102066114B1 (ko) * 2018-10-11 2020-02-11 대한민국 자망 분리 세척기

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5922856A (ja) * 1982-07-26 1984-02-06 Hiroshi Kimura 糸、ロ−プ等の回転巻取装置
TWI275347B (en) 2004-06-17 2007-03-11 Marine Hydrotec Co Ltd Roller device to assist in net hauling and net hauling method using the same
KR200445012Y1 (ko) 2008-09-17 2009-06-23 김치형 양망기
EP2385011B1 (en) * 2010-05-07 2012-09-19 ABB Oy A mooring winch and a method for controlling a cable of a mooring winch
KR20160026946A (ko) 2016-02-19 2016-03-09 (주) 남영 에프. 알. 피 부둣가용 어구보관함

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100298513B1 (ko) 1999-06-02 2001-09-22 양주원 자망 양망기
KR200321132Y1 (ko) * 2003-04-24 2003-07-23 윤양석 낙지포획용 낚시 줄 연승기
JP2006075052A (ja) * 2004-09-08 2006-03-23 Kanehachijin Gyomo Kk 釣り糸巻取装置における巻上げ・巻下げ速度制御装置
KR102066114B1 (ko) * 2018-10-11 2020-02-11 대한민국 자망 분리 세척기

Also Published As

Publication number Publication date
KR20210105560A (ko) 2021-08-27

Similar Documents

Publication Publication Date Title
US11640710B2 (en) Weakly-supervised action localization by sparse temporal pooling network
US10911775B1 (en) System and method for vision-based joint action and pose motion forecasting
US20190286990A1 (en) Deep Learning Apparatus and Method for Predictive Analysis, Classification, and Feature Detection
JP2019525786A5 (ko)
CN107911653A (zh) 驻所智能视频监控模组、系统、方法以及存储介质
CN107155360A (zh) 用于对象检测的多层聚合
CN113158909B (zh) 基于多目标跟踪的行为识别轻量化方法、系统、设备
US20210182562A1 (en) Systems and methods for improved operations of ski lifts
KR102116137B1 (ko) 이물질 선별기의 제어 방법 및 장치
US20120106856A1 (en) Method for Video Object Detection
KR101454644B1 (ko) 보행자 추적기를 이용한 서성거림을 탐지하는 방법
CN116188790A (zh) 摄像头遮挡检测方法、装置、存储介质及电子设备
KR102351092B1 (ko) 양망기 시스템
CN116313103A (zh) 疼痛识别模型的训练方法、疼痛识别方法、装置和介质
WO2018076508A1 (zh) 一种种植大棚安全监控方法及装置
AU2021393601A1 (en) Systems and methods for object recognition
US20160180149A1 (en) Video surveillance system and method for fraud detection
KR102540175B1 (ko) 인공지능기반 돼지 질병 관리 시스템
CN116958769A (zh) 基于融合特征的翻越行为检测方法及相关装置
CN113255400A (zh) 活体人脸识别模型的训练、识别方法、系统、设备及介质
KR20210041328A (ko) 인공지능 기반 얼굴 인식 장치 및 방법
US20230095027A1 (en) System and method for reducing surveillance detection errors
US11501451B2 (en) Detecting subject motion in medical imaging
CN108230182B (zh) 一种电力作业现场物体安全特征识别系统
CN108241852A (zh) 人体检测设备和方法、信息处理设备和方法以及存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant