KR102559637B1 - 인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템 - Google Patents

인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템 Download PDF

Info

Publication number
KR102559637B1
KR102559637B1 KR1020200181472A KR20200181472A KR102559637B1 KR 102559637 B1 KR102559637 B1 KR 102559637B1 KR 1020200181472 A KR1020200181472 A KR 1020200181472A KR 20200181472 A KR20200181472 A KR 20200181472A KR 102559637 B1 KR102559637 B1 KR 102559637B1
Authority
KR
South Korea
Prior art keywords
ship
vessel
sound signal
speed
information
Prior art date
Application number
KR1020200181472A
Other languages
English (en)
Other versions
KR20220090698A (ko
Inventor
윤석영
Original Assignee
(주)한국해양기상기술
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 (주)한국해양기상기술 filed Critical (주)한국해양기상기술
Priority to KR1020200181472A priority Critical patent/KR102559637B1/ko
Priority to PCT/KR2020/018951 priority patent/WO2022139027A1/ko
Priority to US17/156,727 priority patent/US11841415B2/en
Publication of KR20220090698A publication Critical patent/KR20220090698A/ko
Application granted granted Critical
Publication of KR102559637B1 publication Critical patent/KR102559637B1/ko

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G08G3/02—Anti-collision systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S15/582—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse-modulated waves and based upon the Doppler effect resulting from movement of targets
    • G01S15/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse-modulated waves and based upon the Doppler effect resulting from movement of targets with measures taken for suppressing velocity ambiguities, i.e. anti-aliasing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • G01S5/20—Position of source determined by a plurality of spaced direction-finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L21/0232—Processing in the frequency domain
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S2205/01—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations specially adapted for specific applications
    • G01S2205/04—Nautical
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • G01S5/30—Determining absolute distances from a plurality of spaced points of known location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Ocean & Marine Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템이 개시된다. 본 발명의 일 실시예에 따르면, 상기 방법은, 미리 설정된 구간을 운항 중인 제1 선박의 음향신호를 적어도 두 개의 지점에 설치된 음향신호 수신장치에서 수신하는 단계와 상기 적어도 두 개의 지점에 설치된 음향신호 수신장치에서 수신된 각각의 음향신호로부터 상기 제1 선박의 운항 진동정보를 추출하는 단계와 상기 수신된 각각의 음향신호로부터 상기 제1 선박의 운항 속력을 측정하는 단계와 상기 제1 선박의 운항 진동정보에 매칭되는 운항 속력 범위 정보로 구성된 데이터베이스를 구축하는 단계를 포함할 수 있다.

Description

인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템 {APPARATUS, METHOD AND SYSTEM FOR DETERMINING SPEEDING VESSEL BASED ON ARTIFICIAL INTELLIGENCE}
본 발명은, 인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템에 관한 것이다. 구체적으로, 본 발명은, 선박의 운항 중에 방출되는 진동 정보에 대한 학습 데이터를 이용하여 선박의 과속을 판정하는 장치, 방법 및 시스템에 관한 것이다.
최근 국제해사기구(International Maritime Organization, IMO)는 선박 온실가스 배출량을 낮추기 위하여 기존 선박에 대하여 신조선 수준의 연비를 요구하는 선박 대기오염 방지 규칙(MARPOL Annex VI)의 개정에 합의하였다. 이에 따라, 기존 선박은 연비 별로 다양한 등급으로 분류되고, 연비가 좋지 않은 등급의 선박은 속력제한을 받게 된다. 연비가 좋지 않은 선박이 제한속력을 초과하여 운항할 경우, 연료사용량이 증가하여 오염물질 배출량도 증가하기 때문이다.
또한, 대한민국 정부는, 해사안전법과 선박의 입항 및 출항 등에 관한 법률을 통해, 선박이 무역항의 특정 영역을 항해할 때에 해상교통안전을 위하여 최고속력을 제한하고 있다.
이 같은 국내외적인 규범의 준수를 위하여, 선박에 대한 해상교통관제센터(Vessel Traffic Service, VTS)의 관제요원에 의한 관제, 선박의 항해용 해도 또는 전자해도, GPS 플로터 등과 같은 각종 항법장치에 최고제한속력을 표시하는 방법이 고려될 수 있으나, 이 같은 방법으로는 운항 중인 선박의 속력 측정이 불가하며, 특히, 제한속력 위반 선박에 대한 단속이 불가능한 문제가 있다.
이 같은 문제점을 보안하기 위해, 선박이 운항하는 경로 상의 특정 구간에 카메라를 설치하여 선박이 구간을 통과하는 시간을 측정하는 기술 또는 선박 자동식별장치(Automatic Identification System, AIS)의 전파를 수집하여 선박 속력을 측정하는 기술이 제안될 수 있다. 그러나, 카메라를 이용한 측정방법의 경우, 운무로 시계가 제한된 상황의 선박 식별이 어려운 경우가 발생할 수 있으며, 선박 자동식별장치의 전파 수집 역시, 단속 대상 선박의 제공정보에 의존할 수 밖에 없다는 한계를 노출한다.
다음으로, 시계가 제한된 상황이나, 단속 대상 선박의 제공정보와 무관하게 고려될 수 있는 기술로, 해양에서 발생한 음향을 수집하여 선박의 위치를 특정하는 기술이 개시되고 있으나, 추가적으로 선박의 속력을 측정함으로써 선박의 최고제한속력 초과여부를 단속할 수 있는 기술 개발이 요구되는 실정이다.
한국등록특허 제 1224907 호
본 발명이 해결하고자 하는 기술적 과제는, 선박 고유의 진동정보를 식별하여, 선박의 속력을 측정하고, 최고제한속력의 초과 여부를 단속하는 장치, 방법, 및 그 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는, 선박의 종류와 같은 고유정보에 및 선박 엔진 출력에 따른 음향 정보를 매칭시켜 데이터베이스화함으로써, 선박의 과속 상태의 음향정보를 감지할 수 있는 장치, 방법 및 그 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는, 적어도 하나의 선박에 대한 출력별 음향정보를 학습하여, 최고제한속력을 초과하도록 하는 엔진출력 음향을 판정할 수 있는 장치, 방법 및 그 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는, 카메라를 이용하여 선박 운항에 대한 시각 정보를 결합함으로써, 선박의 운항 속력 측정의 정밀도를 보완 및 검증할 수 있는 장치, 방법 및 그 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는, 선박의 운항 속력 감지에 따른 충돌 경보 서비스를 제공하는 장치, 방법 및 그 시스템을 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 인공지능 기반의 선박 과속 판정 장치는, 상기 선박 과속 판정 장치는, 하나 이상의 프로세서와 적어도 하나의 음향신호 수신장치로부터 음향신호를 수신하는 네트워크 인터페이스와 상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리와 상기 음향신호 및 상기 음향신호에 대응하는 선박의 속력 정보를 매칭하여 저장하는 데이터베이스와 상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하되, 상기 프로그램은, 상기 적어도 하나의 음향신호 수신장치 중, 제1 음향신호 수신장치 및 제2 음향신호 수신장치 각각으로부터 제1 시점에 수신된 음향신호를 기초로, 운항 중인 선박의 운항 진동정보를 추출하는 오퍼레이션과 상기 제1 음향신호 수신장치 및 상기 제2 음향신호 수신장치로부터, 제2 시점의 음향신호를 수신하는 오퍼레이션과 상기 제2 시점의 음향신호로부터 상기 운항 진동정보에 매칭되는 진동 성분을 추출함으로써, 상기 제2 음향신호의 음원을 상기 선박으로 식별하는 오퍼레이션과 상기 운항 진동정보를 기초로, 상기 선박의 상기 제1 시점 및 상기 제2 시점 사이의 운항 속력 및 운항 방향을 식별하는 오퍼레이션을 포함할 수 있다.
일 실시예에 따르면, 상기 운항 진동정보는, 상기 선박의 구조 및 재질에 따라 상기 선박이 고유 진동함에 따라 발생하는 고유 진동 성분과, 상기 선박이 운항됨에 따라 엔진 출력 또는 스크류 회전으로부터 발생하는 진동 성분이 결합된 것일 수 있다.
일 실시예에 따르면, 상기 운항 중인 선박의 운항 진동정보를 추출하는 오퍼레이션은, 상기 제 1 시점 이전에, 상기 제1 음향신호 수신장치 및 상기 제2 음향신호 수신장치 각각으로부터 상기 선박의 음향신호가 수신되지 않은 상태의 노이즈 신호를 수신하는 오퍼레이션과 상기 제1 시점에 수신된 음향신호에 대하여 상기 노이즈 신호의 주파수 성분이 캔슬링 시킴으로써, 상기 선박의 운항 진동정보를 추출하는 오퍼레이션을 포함할 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 음향신호 수신장치는, 제3 음향신호 수신장치를 더 포함하고, 상기 프로그램은, 상기 제3 음향신호 수신장치로부터 상기 제2 시점의 음향신호를 수신하는 오퍼레이션을 더 포함하고, 상기 제2 음향신호의 음원을 상기 선박으로 식별하는 오퍼레이션은, 상기 제3 음향신호 수신장치에서 수신된 상기 제2 시점의 음향신호로부터 상기 운항 진동정보에 매칭되는 주파수 성분을 제2 추출하는 오퍼레이션과 상기 제2 추출된 주파수 성분을 기초로, 상기 제2 음향신호 수신장치에서 수신된 상기 제2 음향 신호의 음원을 상기 선박으로 식별하는 오퍼레이션을 포함할 수 있다.
일 실시예에 따르면, 상기 운항 중인 선박의 운항 진동정보를 추출하는 오퍼레이션은, 상기 제1 음향신호 수신장치 및 상기 제2 음향신호 수신장치 각각으로부터 제1 시점에 복수의 선박으로부터 복수개의 음향신호를 수신하는 오퍼레이션과 미리 설정된 진동 학습모델에 의해 분류된 운항 진동정보를 기초로, 상기 복수개의 음향신호에 대응하는 복수개의 선박을 식별하는 오퍼레이션과 상기 추출된 운항 진동정보를 기초로, 상기 복수개의 선박 중, 상기 선박을 특정하는 오퍼레이션을 포함할 수 있다.
상기 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 인공지능 기반의 선박 과속 판정 시스템은, 제1 선박으로부터 발생한 음향신호를 수신하는 적어도 하나의 음향신호 수신장치와 상기 제1 선박이 운항하는 미리 설정된 구간 상의 적어도 두 지점에 설치되어, 상기 운항 중인 제1 선박의 영상을 획득하는 카메라와 상기 카메라로부터 획득된 영상을 기초로, 미리 설정된 선박 학습모델을 통해 상기 제1 선박의 고유정보를 추출하고, 상기 음향신호 수신장치로부터 수신된 제1 기간 동안의 음향신호를 기초로 상기 제1 선박의 운항 진동정보를 추출하고, 상기 추출된 제1 선박의 고유정보 및 상기 추출된 제1 선박의 운항 진동정보를 매칭하여 저장하고, 상기 제1 기간 동안 수신된 음향신호를 기초로 상기 제1 선박의 운항 속력을 측정하고, 상기 제1 선박의 운항 속력 및 상기 제1 선박의 운항 진동정보를 매칭하여 저장하는 선박 과속 판정 장치를 포함할 수 있다.
일 실시예에서, 상기 선박 과속 판정 장치는, 상기 저장된 상기 제1 기간 동안의 운항 진동정보 및 상기 제1 선박의 운항 속력을 미리 설정된 진동 학습모델을 통해 학습시킴에 따라, 상기 제1 선박의 음향신호에 대응되는 상기 제1 선박의 속력 범위 정보를 생성할 수 있다.
일 실시예에서, 상기 선박 과속 판정 장치는, 상기 음향신호 수신장치로부터 운항 중인 제2 선박의 제2 기간 동안의 음향신호가 수신되면, 상기 제2 선박의 음향신호로부터 상기 제2 선박의 운항 진동정보를 추출하고, 상기 추출된 제2 선박의 운항 진동정보 및 상기 생성된 제1 선박의 속력 범위 정보를 기초로 상기 제2 선박의 과속여부를 판정할 수 있다.
일 실시예에서, 상기 선박 과속 판정 장치는, 상기 카메라를 통해 상기 미리 설정된 구간을 운항하는 상기 제2 선박의 속력을 측정하고, 상기 제2 선박의 과속 여부의 판정 결과를, 상기 측정된 제2 선박의 속력을 기초로 검증할 수 있다.
일 실시예에서, 상기 선박 과속 판정 장치는, 상기 추출된 제1 선박의 고유정보를 기초로, 상기 미리 설정된 선박 학습모델을 이용하여 상기 제2 선박의 고유정보를 생성하고, 상기 생성된 제2 선박의 고유정보 및 상기 추출된 제2 선박의 운항 진동정보를 매칭하여 저장하고, 상기 제2 기간 동안 수신된 음향신호를 기초로 상기 제2 선박의 운항 속력을 측정하고, 상기 제2 선박의 운항 속력 및 상기 제2 선박의 운항 진동정보를 매칭하여 저장할 수 있다.
상기 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 인공지능 기반의 선박 과속 판정 방법은, 인공지능 기반의 선박 과속 판정 시스템에 의해 수행되며, 상기 방법은, 미리 설정된 구간을 운항 중인 제1 선박의 음향신호를 적어도 두 개의 지점에 설치된 음향신호 수신장치에서 수신하는 단계와 상기 적어도 두 개의 지점에 설치된 음향신호 수신장치에서 수신된 각각의 음향신호로부터 상기 제1 선박의 운항 진동정보를 추출하는 단계와 상기 수신된 각각의 음향신호로부터 상기 제1 선박의 운항 속력을 측정하는 단계와 상기 제1 선박의 운항 진동정보에 매칭되는 운항 속력 범위 정보로 구성된 데이터베이스를 구축하는 단계를 포함할 수 있다.
일 실시예에서, 상기 속력 범위 정보는, 상기 측정된 운항 속력 및 상기 운항 진동정보를 미리 설정된 진동 학습모델을 이용하여 학습한 결과, 상기 제1 선박이 상기 운항 진동정보를 발생시키며 운항하는 경우, 생성 가능한 상기 제1 선박의 최대 속력을 포함할 수 있다.
일 실시예에서, 상기 방법은, 미리 설정된 구간을 운항 중인 제2 선박의 음향신호를 적어도 두 개의 지점에 설치된 음향신호 수신장치에서 수신하는 단계와 상기 제2 선박의 음향신호를 기초로, 상기 제2 선박의 과속 여부를 판정하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 따르면, 선박의 운항 속력을 측정하고, 제한속력 초과 여부를 단속함으로써 안전한 선박 운항 환경을 제공할 수 있는 장점이 있다.
특히, 본 발명의 일 실시예에 따르면, 시계가 가려진 환경에서 운항 중인 선박에서 출력되는 음향으로 선박의 제한속력 초과 여부를 판정할 수 있는 장점이 있다.
본 발명의 다른 실시예에 따르면, 선박에 대한 음향 및 메타데이터를 기초로, 선박의 출력 음향정보 및 이에 대응하는 선박의 속력정보의 관계를 기초로 구축된 데이터베이스가 제공되는 효과가 있다. 이 같이 구축된 데이터베이스를 이용하여, 선박의 종류 또는 측정 위치와의 거리와 무관하게 정밀한 선박 속력 측정이 가능해진다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른, 인공지능 기반의 선박 과속 판정 시스템의 예시도이다.
도 2는 본 발명의 다른 실시예에 따른, 인공지능 기반의 선박 과속 판정 장치의 블록(Block)도이다.
도 3은 본 발명의 또 다른 실시예에 따른, 인공지능 기반의 선박 과속 판정 방법의 순서도이다.
도 4 은 본 발명의 몇몇 실시예에서 참조되는, 음향신호 수신장치의 예시이다.
도 5 및 도 6은 본 발명의 몇몇 실시예에서 참조되는, 음향신호 기반의 선박 식별 및 운항 경로 추출방법을 설명하기 위한 예시이다.
도 7은 본 발명의 몇몇 실시예에서 참조되는, 음향신호와 선박 고유정보 매칭 방법을 설명하기 위한 예시도이다.
도 8은 본 발명의 몇몇 실시예에서 참조되는, 선박의 운항 구간별 운항 주파수의 차이를 설명하기 위한 예시도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
본 명세서에서 선박의 운항 진동정보는, 운항 중인 선박이 발생시키는 진동 또는 음향신호에 포함된 주파수 성분으로, 특히, 선박의 구조 및 재질로부터 발생하는 고유 진동 성분에, 엔진 및 스크류 출력에 의해 발생하는 진동 성분이 결합된 진동정보를 의미한다.
이하, 인공지능 기반의 선박 과속 판정 장치, 방법 및 시스템은, 선박 과속 판정 장치, 선박 과속 판정 방법 및 선박 과속 판정 시스템으로 각각 약칭될 수 있다.
도 1은 본 발명의 일 실시예에 따른, 인공지능 기반의 선박 과속 판정 시스템의 예시도이다.
도 1을 참조하면, 선박(30)이 운항 중인 경우, 음향신호를 발생시킬 수 있다. 선박(30)이 운항함에 따라, 엔진 소음이 출력되고, 스크류의 회전과정에서 발생하는 마찰로 인한 음향이 발생할 수 있다. 이 같은 소음 또는 음향은 수많은 파동의 결합으로 구성되며, 각각 파동은, 진폭과 파장 및 진동수의 물리 값을 갖는다. 파동은 진동으로 칭해질 수도 있으며, 진동 정보는, 파동이 갖는 진폭, 파장 및 진동수 중 적어도 하나의 정보를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 운항 중인 선박에 의해 발생하는 파장인 음향신호는, 선박(30)의 구조 및 재질에 따라 선박(30)이 고유 진동함에 따라 발생하는 고유 진동 성분과, 선박(30)이 운항됨에 따라 엔진 출력 또는 스크류 회전으로부터 발생하는 진동 성분을 가진 운항 진동정보를 가질 수 있다.
본 발명의 다른 실시예에 따르면, 상기 운항 진동정보는, 선박(30)이 운항 중인 해상 또는 주변 환경에서 발생하는 진동 성분을 더 포함할 수도 있다.
도 1을 참조하면, 예를 들어, 선박 과속 판정 시스템(10)은, 선박(30)으로부터 발생한 음향신호를 수신하는 제1 음향신호 수신장치(11), 제2 음향신호 수신장치(12) 및 제3 음향신호 수신장치(13)를 포함할 수 있다.
선박 과속 판정 시스템(10)은 음향신호 수신장치(11, 12, 13) 중 적어도 하나로부터 수신된 제1 기간 동안의 음향신호를 기초로 선박(30)의 운항 진동정보를 추출할 수 있다. 여기에서, 제1 기간은 선박(30)이 운항하는 동안, 음향신호 수신장치(11, 12, 13)에서 음향신호를 수신하는 제1 시점 및 제2 시점 사이의 기간일 수 있다.
본 발명의 일 실시예에 따르면, 선박 과속 판정 시스템(10)은 제1 시점 이전에, 음향신호 수신장치(11) 및 제2 음향신호 수신장치(12) 각각으로부터 선박(30)의 음향신호가 수신되지 않은 상태의 노이즈 신호를 수신할 수 있다.
선박 과속 판정 시스템(10)은 제1 시점에 수신된 음향신호에 대하여 노이즈 신호의 주파수 성분을 캔슬링 시킴으로써, 선박(30)의 운항 진동정보를 추출할 수도 있다.
즉, 선박(30)의 속력을 측정하는 해양 상의 공간에 해양의 파도, 바람소리 등 노이즈가 존재할 수 있다. 이러한 노이즈는 선박(30)이 운항함에 따라 발생하는 음향신호에 중첩되어 선박(30)의 운항에 따른 고유 진동을 감지할 수 없는 문제를 발생시킬 수 있다. 따라서, 운항에 따른 선박(30)의 고유 진동정보를 추출하기 위해, 음향신호 수신장치(11, 12, 13)에서 수신된 음향신호에 노이즈 캔슬링 기법을 적용하여, 선박(30)의 운항 진동정보를 추출할 수 있다. 노이즈 캔슬링 기법으로, 예를 들어, 액티브 노이즈 캔슬링(Active Noise Cancellation, ANC) 방식이 적용될 수 있으나, 본 발명의 실시예는 이에 한정되지 않는다.
한편, 선박 과속 판정 시스템(10)은, 제1 음향신호 수신장치(11)와 제2 음향신호 수신장치(12) 각각의 위치에서, 선박(30)의 운항 진동정보를 기초로 도플러 효과 및 삼각 측량 기법을 이용하여 선박(30)의 이동 속력 및 방향을 추출할 수 있다.
다시 도 1을 참조하면, 선박 과속 판정 시스템(10)은 선박(30)이 운항하는 미리 설정된 구간 상의 적어도 두 지점에 설치되어, 운항 중인 선박(30)의 영상을 획득하는 카메라를 포함할 수도 있다. 도 1에서, A 지점에 설치된 제1 카메라(21)와 B 지점에 설치된 제2 카메라(22)가 예로써 도시되었다.
카메라(11, 21)로부터 획득된 영상을 기초로, 선박 과속 판정 시스템(10)은 미리 설정된 선박 학습모델을 통해 선박(30)의 고유정보를 추출할 수 있다. 선박(30)의 고유정보는, 예를 들어, 화물선, 여객선, 컨테이너선, 유조선, 벌크선 등과 같은 선박의 종류, 선박의 크기 및/또는 부피, 선박의 엔진종류 및/또는 엔진크기, 스크류의 크기, 선박의 재질 및 선박의 구조와 같은 정보를 포함할 수 있다.
상기 미리 설정된 선박 학습모델을 생성하기 위해, 선박 과속 판정 시스템(10)은 신경망 모델(Neural Network)을 이용하여, 입력되는 선박의 이미지에 대한 특징점을 추출하고, 상기 특징점 사이의 관계, 상기 특징점의 군집에 의해 형성되는 선, 면, 구조를 기초로, 상기 선박을 종류별 또는 부피 별로 분류할 수 있다.
상기 입력되는 선박의 이미지는, 카메라(11, 21)로부터 획득된 영상의 프레임 이미지일 수 있다. 상기 신경망 모델은, 컨볼루션 신경망(convolution neural network: CNN), 오토 인코더(auto encoder), 피드포워드 신경망(feedforward neural network), 방사 신경망(radial basis function network), 코헨 자기조직 신경망(kohonen self-organizing network), 순환 신경망(RNN:recurrent neural network) 중 적어도 하나를 포함하여 구성될 수 있다.
선박 과속 판정 시스템(10)은, 상기 분류 결과에, 선박의 부피 및/또는 종류별로 적용 가능한 엔진 및/또는 스크류 데이터를 매칭시킴으로써 상기 선박 학습모델을 생성할 수 있다.
선박 과속 판정 시스템(10)은, 상기 선박 학습모델을 통해, 카메라(11, 21)로부터 획득된 영상을 분석함으로써 영상 속의 선박(30)의 종류 및 부피를 분류해내고, 이에 매칭되는 엔진 종류 및 크기를 식별할 수 있다. 즉, 선박 과속 판정 시스템(10)은, 상기 운항 중인 선박(30)의 고유정보를 추출할 수 있다.
선박 과속 판정 시스템(10)은, 선박(30)에 대해 추출된 고유정보에 선박(30)에 대한 식별자 정보를 매칭하여 저장할 수도 있다.
선박 과속 판정 시스템(10)은, 추출된 선박(30)의 고유정보 및 추출된 선박(30)의 운항 진동정보를 매칭하여 저장할 수 있다.
결과적으로, 선박 과속 판정 시스템(10)은, 선박(30)의 고유정보와, 선박(30)의 운항 진동정보와 선박(30)의 이동 속력을 매칭하여 저장할 수 있다.
이를 바탕으로, 선박 과속 판정 시스템(10)은, 선박의 운항 진동정보에 매칭되는 선박 속력 정보로 구성된 데이터베이가 구축될 수 있다.
선박 과속 판정 시스템(10)에 선박의 음향신호가 입력되면, 해당 선박의 운항 진동정보를 추출함으로써, 상기 데이터베이스 상에서 선박의 속력 정보가 추출되고, 선박 과속 판정 시스템(10)은 이를 출력할 수 있게 된다. 이를 위해, 선박 과속 판정 시스템(10)은, 디스플레이부(미도시)를 구비할 수도 있다.
일 실시예에 따르면, 선박 과속 판정 시스템(10)은, 상술한 제1 기간과 다른 제2 기간 중인 선박(30)에 의해 음향신호가 발생하면, 음향신호 수신장치(11, 12)를 통해 수신할 수 있다. 이때 선박 과속 판정 시스템(10)은, 선박(30)의 운항 진동정보를 추출할 수 있으며, 상기 구축된 데이터베이스 상에서 운항 진동정보에 대응하는 선박의 속력 정보를 획득함으로써, 선박(30)의 과속 여부를 판정할 수 있다. 상술한 제1 기간의 운항으로 인해 추출된 운항 진동정보(이하, 제1 운항 진동정보)와 상기 제2 기간의 운항에 의해 추출된 운항 진동정보(제2 운항 진동정보)는 서로 다를 수 있으며, 제1 기간에 선박(30)이 제한속력 이하의 운항을 하였으나, 제2 기간에 선박(30)이 과속한 경우, 제1 기간 대비 제2 기간의 운항 진동정보의 진폭 및 주파수 중 적어도 하나가 높은 값을 가질 수 있다.
다른 실시예에 따르면, 선박 과속 판정 시스템(10)은, 선박(30)과 다른 선박(이하, 제2 선박)에 의해 제2 기간 동안의 음향신호가 발생하면, 음향신호 수신장치(11, 12)를 통해 수신할 수 있다. 선박 과속 판정 시스템(10)은, 제2 선박의 음향신호로부터 상기 제2 선박의 운항 진동정보(이하, 제3 운항 진동정보)를 추출할 수 있다. 선박 과속 판정 시스템(10)은 제3 운항 진동정보를 기초로 구축된 데이터베이스 상에서 대응하는 선박의 속력 정보를 획득함으로써, 제2 선박의 과속 여부를 판정할 수 있다.
또 다른 실시예에 따르면, 선박 과속 판정 시스템(10)는 데이터베이스 상의 선박(30)의 속력 범위 정보를 기초로 상기 제2 선박의 과속 여부를 판정할 수도 있다.
예를 들어, 제3 운항 진동정보에 매칭되는 속력 정보가 상기 데이터베이스 상에 없는 경우, 선박 과속 판정 시스템(10)은, 제1 운항 진동정보를 기초로, 제2 선박의 과속 여부를 판정할 수도 있다. 이를 위해, 선박 과속 판정 시스템(10)은 선박(30)의 고유정보 및 상기 제2 선박의 고유정보를 비교함으로써, 제1 운항 진동정보에 대응되는 속력 정보를 제3 운항 진동정보에 대응되는 속력 정보로 변환할 수 있는 환산 함수를 생성할 수 있다.
상기 환산 함수를 이용하여, 선박 과속 판정 시스템(10)은 데이터베이스 상에 매칭 값이 없는 운항 진동정보를 갖는 음향신호가 수신되더라도, 상기 음향신호의 음원이 되는 제2 선박의 속력 정보를 추정할 수 있다. 또한, 선박 과속 판정 시스템(10)은 추정된 속력 정보를 기초로, 상기 제2 선박의 과속 여부를 판정할 수도 있다.
한편, 선박 과속 판정 시스템(10)는 생성된 제2 선박의 고유정보, 상기 제3 운항 진동정보, 제2 기간 동안 수신된 음향신호를 기초로 측정한 상기 제2 선박의 운항 속력을 매칭하여 상기 데이터베이스에 저장할 수 있다.
일 실시예에서, 선박 과속 판정 시스템(10)은 카메라(21, 22)를 통해 상기 미리 설정된 구간을 운항하는 상기 제2 선박의 속력을 측정하고, 상기 제2 선박의 과속 여부의 판정 결과를, 상기 측정된 제2 선박의 속력을 기초로 검증할 수도 있다.
선박 과속 판정 시스템(10)은 선박 과속 판정 장치를 포함할 수 있다. 선박 과속 판정 장치는, 상기 선박 과속 판정 시스템(10)의 각 구성요소의 기능과 동작을 제어할 수 있다. 본 발명의 실시예에 따르면, 상술한 선박 과속 판정 시스템(10)의 음향신호로부터 운항 진동정보 추출, 선박(30) 영상으로부터 선박의 고유정보 추출은, 상기 선박 과속 판정 장치에 의해 수행될 수 있다.
이하, 도 2를 참조하여, 선박 과속 판정 장치를 자세히 설명한다.
도 2는 본 발명의 다른 실시예에 따른, 인공지능 기반의 선박 과속 판정 장치의 블록(Block)도이다. 선박 과속 판정 장치(100)는 서버 장치, 데스크톱 PC와 같은 고정식 컴퓨팅 장치일 수 있으나, 본 발명의 실시예는 이에 한정되지 않는다.
선박 과속 판정 장치(100)는 하나 이상의 프로세서(101), 외부 디바이스가 연결되거나, 외부 디바이스와 통신하는 네트워크 인터페이스(102), 프로세서(101)에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리(103)와, 컴퓨터 프로그램을 저장하는 스토리지(104) 및 상기 스토리지(104)에 저장된 하나 이상의 소프트웨어(105) 및 음향신호 매칭 데이터베이스(DB)를 포함할 수 있다.
프로세서(101)는 선박 과속 판정 장치(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(101)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다. 또한, 프로세서(101)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 선박 과속 판정 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.
네트워크 인터페이스(102)는 선박 과속 판정 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 네트워크 인터페이스(102)는 공중 통신망인 인터넷 외에 다양한 통신 방식을 지원할 수도 있다. 또한, 네트워크 인터페이스(102)는 외부 디바이스와의 연결을 제공할 수도 있다. 이를 위해, 네트워크 인터페이스(102)는 본 발명의 기술 분야에 잘 알려진 통신 모듈 및 접속 단자 중 적어도 하나를 포함하여 구성될 수 있다. 여기에서 외부 디바이스는, 미리 설정된 구간을 형성하는 영역 내에 설치된 음향신호 수신장치(11, 12, 13) 또는 음향신호 매칭 데이터베이스(107)에 접근하여 운항 중인 선박의 속력정보를 요청하는 외부 단말일 수도 있다.
메모리(103)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(103)는 본 발명의 실시예들을 실행하기 위하여 스토리지(104)로부터 하나 이상의 프로그램(105)을 로드(load)할 수 있다. 도 3에서 메모리(103)는 예를 들어 RAM일 수 있다.
스토리지(104)는 상기 하나 이상의 프로그램(105) 및 음향신호 매칭 데이터베이스(107)를 비임시적으로 저장할 수 있다. 도 3에서 상기 하나 이상의 프로그램(105)의 예시로 속력 예측 소프트웨어(105)가 도시되었다. 속력 예측 소프트웨어(105)는, 속력 예측 프로그램으로 칭해질 수도 있다.
스토리지(104)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
속력 예측 소프트웨어(105)는 본 발명의 실시예에 따라, 선박 과속 판정 장치(100)가 수신된 음향신호를 기초로, 선박의 속력 정보를 추출하도록 지원할 수 있다.
일 실시예에 따르면, 속력 예측 소프트웨어(105)는, 음향신호가 입력되면 실제 선박(30)의 운항에 의해 발생한 음향신호만을 검출하여야 한다. 음향신호 검출이 선박(30) 인식 및/또는 선박(30)의 속력 정보 추출 정확도에 매우 큰 영향을 미친다. 아무리 개선된 운항 진동정보 검출 알고리즘을 사용한다 하더라도, 음향신호 검출이 제대로 이루어지지 않으면 좋은 인식률을 기대하기 어렵기 때문이다.
특히, 운항 환경상에서 잡음이 포함되는 경우가 많으므로, 상술한 바와 같이 선박(30) 인식 및/또는 선박(30)의 속력 정보 추출 정확도를 높이기 위해서는 노이즈 캔슬링 기법의 적용이 필요하다. 따라서, 속력 예측 소프트웨어(105)는 노이즈 캔슬링 알고리즘 등 음향신호 검출의 정밀도를 높일 수 있는 프로그램을 포함할 수 있다.
일 실시예에서, 속력 예측 소프트웨어(105)는, 선박(30)의 운항에 따른 음향신호에서 특징을 추출한다. 음향신호는 선박의 경우, 연식, 종류, 무게, 부피, 엔진의 종류, 스크류의 회전 속도, 운항 속력 등에 따라 매우 복잡하게 변하기 때문에, 운항 중인 선박(30)의 음향신호의 특징을 잘 표현할 수 있는 특징 추출이 매우 중요한 문제이다. 즉, 특징 추출을 통해, 선박(30)과 다른 선박을 구별하고, 선박(30)의 구간별 속력을 구별할 수 있다. 특히, 특징 추출 과정에서는 불필요하게 동일 선박 또는 동일한 속력으로 운항 중인 선박의 음향신호들 간의 일관성을 높임과 동시에 다른 선박 또는 다른 속력으로 운항 중인 선박의 음향신호와는 변별력을 높일 수 있는 정보를 추출해야 한다. 이와 같이 일관성 및 변별력을 부여할 수 있는 정보를 특징벡터라고 한다. 이 같은 특징벡터는 본 발명의 실시예에서 선박의 운항 진동정보에 대응될 수 있다.
일 실시예에서, 속력 예측 소프트웨어(105)는, 상기 운항 진동정보를 기초로, 운항 중인 선박의 속력 정보를 추출하기 위해서는 수신되는 음향신호의 신호적인 특성을 모델링하여 비교하는 음향모델(Acoustic Model)를 포함할 수 있다.
음향모델은 다시 인식대상을 속력정보로 설정하고 이를 입력신호의 운항 진동정보와 비교하는 직접비교 방법과 인식대상인 속력정보를 통계적으로 처리하여 이용하는 통계방법으로 나누어진다. 본 발명의 실시예에 따르면, 음향모델은 HMM과 같이 확률 값, 평균, 그리고 분산을 비교대상으로 하는 통계적 알고리즘, 그리고 인공 신경망을 이용하는 알고리즘 중 적어도 하나를 포함할 수 있다.
특히, 본 발명의 실시예에 따르면, 속력 예측 소프트웨어(105)는 후술할 음향신호 매칭 데이터베이스(107)를 기반으로 생성된 기계 학습 모델을 포함할 수 있다. 여기에서, 기계 학습 모델은, 상술한 인공 신경망을 포함할 수 있으며, 특히, 컨볼루션 신경망(convolution neural network: CNN)을 포함하여 구성될 수 있다. 기계 학습 모델은, 진동 학습모델로 호칭될 수 있다.
예를 들어, 진동 학습모델이 컨볼루션 신경망에 의한 것일 경우, 프로세서(101)에 의해 진동 학습모델이 구동됨에 따라, 음향신호의 특징값이 필터링되고, 컨볼루션 계산을 통해 여러 음향신호 중 운항 진동정보만 새롭게 취해진다. 이를 반복 학습함으로써, 선박의 속력별 운항 진동정보가 분류될 수 있다. 또는, 선박의 운항 진동정보 별로 매칭되는 속력정보가 식별될 수 있다.
구체적으로, 선박 과속 판정 장치(100)는, 음향신호 매칭 데이터베이스(107)에 저장된 제1 기간 동안의 운항 진동정보 및 선박(30)의 운항 속력을 미리 설정된 진동 학습모델을 통해 학습시킴에 따라, 선박(30)의 음향신호에 대응되는 선박(30)의 속력 범위 정보를 생성할 수 있다.
도 3은 본 발명의 또 다른 실시예에 따른, 인공지능 기반의 선박 과속 판정 방법의 순서도이다. 도 4 은 본 발명의 몇몇 실시예에서 참조되는, 음향신호 수신장치의 예시이다.
이하, 선박 과속 판정 방법의 각 단계는, 인공지능 기반의 선박 과속 판정 시스템(10)에 의해 수행된다.
도 1, 도 3 및 도 4를 참조하면, 선박 과속 판정 시스템(10)은, 미리 설정된 구간, 예를 들어, A에서 B 지점을 운항 중인 선박(30)(이하, 제1 선박)의 음향신호를 적어도 두 개의 지점에 설치된 음향신호 수신장치(11, 12, 13)에서 수신할 수 있다(S10).
특히, 도 4에서, 제1 음향신호 수신장치(11)는 부표(41) 상에 설치되고, 제2 음향신호 수신장치(12)는 해양 구조물 또는 바위(42)에, 제3 음향신호 수신장치(13)는 육지(43)에 설치된 경우가 예로써 도시되었다. 도 4를 참조하면, 제1 음향신호 수신장치(11), 제2 음향신호 수신장치(12) 및 제3 음향신호 수신장치(13)가 영역(400)을 형성하며, 선박이 미리 설정된 구간을 운항 중에 적어도 두 개의 음향신호 수신장치가 도플러 효과 및 삼각측량 기법을 이용하여 선박의 위치 및 속력이 측정될 수 있다.
선박 과속 판정 시스템(10)은 적어도 두 개의 지점에 설치된 음향신호 수신장치(11, 12)에서 수신된 각각의 음향신호로부터 상기 제1 선박(30)의 운항 진동정보를 추출할 수 있다(S20). 또한, 선박 과속 판정 시스템(10)은 수신된 각각의 음향신호로부터 제1 선박(30)의 운항 속력을 측정할 수 있다(S30).
제1 선박(30)의 운항 진동정보와 이에 매칭되는 측정된 운항 속력을 포함하는 속력 범위 정보로 구성된 데이터베이스를 구축할 수 있다(S40). 이때, 미리 설정된 진동 학습모델을 이용하여 운항 진동정보를 기초로, 제1 선박(30)의 운항 속력 정보가 학습 될 수 있다(S50). 상기 진동 학습모델은, 음향신호와 운항 진동정보 및 속력정보의 3가지 정보 사이의 관계를 정의하고 상기 정보 중 하나의 정보를 기준으로 나머지 두개의 정보를 분류할 수 있다.
속력 범위 정보는, 측정된 운항 속력 및 운항 진동정보를 학습한 결과, 제1 선박(30)이 운항 진동정보를 발생시키며 운항하는 경우, 생성 가능한 제1 선박(30)의 최대 속력 및 최소 속력 중 적어도 하나를 포함할 수 있다.
다음으로, 선박 과속 판정 시스템(10)은 상기 미리 설정된 구간을 운항하는 제2 선박의 음향신호를 적어도 두 개의 지점에 설치된 음향신호 수신장치(11, 12)에서 수신할 수 있다(S60). 선박 과속 판정 시스템(10)은 제2 선박의 음향신호를 기초로, 제2 선박의 과속여부를 판정할 수 있다(S70).
도 5 및 도 6은 본 발명의 몇몇 실시예에서 참조되는, 음향신호 기반의 선박 식별 및 운항 경로 추출방법을 설명하기 위한 예시이다.
도 5에서, 제1 음향신호 수신장치(10), 제2 음향신호 수신장치(20) 및 제3 음향신호 수신장치(30)는 설치 지점을 표현하기 위해 간소화되었으며, 선박(500) 역시, 운항 중의 위치X로 표시되었다.
도 5를 참조하면, 제1 음향신호 수신장치(11)에서 위치 X에서 선박(30)의 음향신호를 기초로, 거리(511)을 감지할 수 있다. 제2 음향신호 수신장치(12)에서 위치 X에서 선박(500)의 음향신호를 기초로, 거리(512)를, 제3 음향신호 수신장치(13)에서 위치 X에서 선박(500)의 음향신호를 기초로, 거리(513)을 감지할 수 있다.
선박 과속 판정 시스템(10)은, 상기 음향신호 수신장치(11, 12, 13)으로부터 운항 중 멀어지는 선박(500)의 거리를 도플러 효과를 통해 감지할 수 있으며, 도 3의 단계(S30)에서, 상기 음향신호 수신장치(11, 12, 13) 중 적어도 두 개의 지점에서 삼각측량 기법을 활용하여 선박(500)의 위치 및 속력을 측정할 수 있다.
도 6에서 선박(500)이, 제1 경로(601), 제2 경로(602), 제3 경로(603), 제4 경로(604), 제5 경로(605)를 진행하며, 영역(400)을 운항하는 경우가 예로써 도시되었다.
선박 과속 판정 시스템(10)은, 제1 경로(601)의 운항 이전에, 영역(400)에서 노이즈를 수신하여, 디폴트 진동으로 결정하고, 제1 경로(601)에서 제5 경로(605)의 운항 과정에 수신되는 음향신호에 의한 운항 진동정보에서 상기 노이즈를 캔슬링할 수 있다.
선박 과속 판정 시스템(10)은, 제1 음향신호 수신장치(11) 및 제2 음향신호 수신장치(12) 각각으로부터 제1 시점에 제1 경로(601)를 운항 중인 선박(500)의 음향신호를 기초로, 운항 진동정보를 추출할 수 있다.
선박 과속 판정 시스템(10)은, 제1 음향신호 수신장치(11) 및 제2 음향신호 수신장치(12)로부터, 제2 시점에 제2 경로(602) 상에서 음향신호를 수신할 수 있으며, 특정 선박의 음향신호로부터 상기 선박(500) 운항 진동정보에 매칭되는 진동 성분이 추출되는지 판단할 수 있다.
선박(500)의 운동 진동정보가 추출된 경우, 함으로써, 제2 경로(602) 상의 음향신호의 음원을 선박(500)으로 식별할 수 있다.
선박 과속 판정 시스템(10)은, 추출된 운항 진동정보를 기초로, 선박(500)의 제1 시점 및 제2 시점 사이의 운항 속력 및 운항 방향을 식별할 수 있다.
나아가, 선박 과속 판정 시스템(10)은, 제1 경로(601), 제2 경로(602), 제3 경로(603), 제4 경로(604) 및 제5 경로(605)의 거리를 측정하여, 미리 설정된 구간 상의 총 운항 거리를 결정할 수 있다.
또한, 선박 과속 판정 시스템(10)은, 각 경로 별 운항 속력을 측정할 수 있으며, 상기 총 운항 거리상의 각 경로 별 선박(500)의 과속 여부를 판정할 수 있다.
일 실시예에 따르면, 영역(400) 상에 복수개의 선박이 운항 중일 수 있다. 선박 과속 판정 시스템(10)은, 제1 음향신호 수신장치(11) 및 제2 음향신호 수신장치(12) 각각으로부터 제1 시점에 복수의 선박으로부터 복수개의 음향신호를 수신할 수 있다.
선박 과속 판정 시스템(10)은, 미리 설정된 진동 학습모델에 의해 분류된 운항 진동정보 정보를 기초로, 복수개의 음향신호에 대응하는 복수개의 선박을 식별할 수 있다.
또한, 선박 과속 판정 시스템(10)은, 추출된 운항 진동정보를 기초로, 복수개의 선박 중, 선박(500)을 특정할 수 있다.
본 발명의 다른 실시예에 따르면, 선박 과속 판정 시스템(10)은, 제1 음향신호 수신장치(11) 및 제2 음향신호 수신장치(12)로부터 제1 시점의 음향신호로부터 추출된 선박(500)의 운항 진동수의 진동 성분과, 제2 시점에 제3 음향신호 수신장치(13)에서 수신된 음향신호의 진동 성분을 비교함으로써, 선박(500)을 검증할 수 있다.
도 7은 본 발명의 몇몇 실시예에서 참조되는, 음향신호와 선박 고유정보 매칭 방법을 설명하기 위한 것으로, 도 2의 음향신호 매칭 데이터베이스(107)의 예시이다.
도 7에서, 도 1의 제1 카메라(21)에서 획득된 제1 이미지에서 추출된 선박(30)의 고유정보(701), 제2 카메라(22)에서 획득된 제2 이미지에서 추출된 선박(30)의 고유정보(702)가 예로써 도시되었다.
도 7을 참조하면, 고유정보(701, 702)는, 제1 이미지 및 제2 이미지가 획득됨에 따라 선박 학습모델에 의해 학습 및/또는 추출(731, 732)될 수 있다.
일 실시예에 따르면, 제1 음향신호 수신부(11)는 제1 시점에 음향신호(711), 제2 시점에 음향신호(712), 제3 시점에 음향신호(713)를 수신할 수 있다. 또한, 제2 음향신호 수신부(12)는 제1 시점에 음향신호(721), 제2 시점에 음향신호(722)를 수신할 수 있다. 도시되지 않았으나, 제1 음향 수신부(11), 제2 음향 수신부(12) 및 제3 음향 수신부(13)의 복수 시점에서 수신된 음향신호에 대한 정보가 데이터베이스(107)에 추가로 포함될 수 있다.
도 7의 음향신호(711, 712, 713, 721, 722)는, 수신 시점에 대한 정보, 수신한 음향신호 수신장치에 대한 정보, 수신 신호의 진폭, 주파수, 위상 정보를 포함할 수 있다. 상기 음향신호 정보 중 일부는, 누적 수신되는 음향신호에 대한 분석결과 반영되는 위상 정보를 포함할 수도 있다.
또한, 선박 과속 판정 시스템(10)은 상기 누적된 다수의 음향신호(711, 712, 713, 721, 722) 각각으로부터 운항 진동정보를 추출하고, 상기 누적된 다수의 음향신호(711, 712, 713, 721, 722) 상호 간의 정보를 이용하여 선박의 위치 및 운항 속력을 측정할 수 있다.
선박 과속 판정 시스템(10)은 미리 설정된 진동 학습모델을 이용하여, 음향신호, 운항 진동정보 및 운항 속력의 상호 간의 관계를 설정하고, 각 정보별 분류체계를 구축할 수 있다.
도 8은 본 발명의 몇몇 실시예에서 참조되는, 선박의 운항 구간별 운항 주파수의 차이를 설명하기 위한 예시도이다.
도 8을 참조하면, 선박 과속 판정 시스템(10)은 미리 설정된 구간을 운항 중인 선박(500)의 음향신호에 매칭된 도 6의 경로 정보(601, 602, 603, 604, 605)의 누적 데이터(801)로부터 각 경로 별 운항 진동정보(802)를 추출할 수 있다.
선박 과속 판정 시스템(10)은 운항 진동정보(802)를 기초로, 도 6의 각 경로 별 선박(500)의 속력을 측정할 수 있으며, 각 경로에서의 과속 여부를 판정할 수도 있다.
지금까지 첨부된 도면을 참조하여 설명된 본 발명의 실시예에 따른 제어부(70)의 결정 및/또는 연산 방법들은 컴퓨터가 읽을 수 있는 코드로 구현된 컴퓨터프로그램의 실행에 의하여 수행될 수 있다. 상기 컴퓨터프로그램은 인터넷 등의 네트워크를 통하여 제1 컴퓨팅 장치로부터 제2 컴퓨팅 장치에 송신되어 상기 제2 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 제2 컴퓨팅 장치에서 사용될 수 있다. 상기 제1 컴퓨팅 장치 및 상기 제2 컴퓨팅 장치는, 서버 장치, 데스크탑 PC와 같은 고정식 컴퓨팅 장치, 노트북, 스마트폰, 태블릿 피씨와 같은 모바일 컴퓨팅 장치를 모두 포함한다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다.
10 인공지능 기반의 선박 과속 판정 시스템
11 제1 음향신호 수신장치
12 제2 음향신호 수신장치
21 제1 카메라
22 제2 카메라
30 선박
100 선박 과속 판정 장치

Claims (11)

  1. 인공지능 기반의 선박 과속 판정 장치로서,
    하나 이상의 프로세서;
    적어도 하나의 음향신호 수신장치로부터 음향신호를 수신하는 네트워크 인터페이스;
    상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리; 및
    상기 음향신호 및 상기 음향신호에 대응하는 선박의 속력 정보를 매칭하여 저장하는 데이터베이스와 상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하되,
    상기 프로그램은,
    상기 적어도 하나의 음향신호 수신장치 중, 제1 음향신호 수신장치 및 제2 음향신호 수신장치 각각으로부터 제1 시점에 수신된 음향신호를 기초로, 운항 중인 선박의 운항 진동정보를 추출하는 오퍼레이션;
    상기 제1 음향신호 수신장치 및 상기 제2 음향신호 수신장치로부터, 제2 시점의 음향신호를 수신하는 오퍼레이션;
    상기 제2 시점의 음향신호로부터 상기 운항 진동정보에 매칭되는 진동 성분을 제1 추출함으로써, 상기 제2 음향신호의 음원을 상기 선박으로 식별하는 오퍼레이션; 및
    상기 운항 진동정보를 기초로, 상기 선박의 상기 제1 시점 및 상기 제2 시점 사이의 운항 속력 및 운항 방향을 식별하는 오퍼레이션을 포함하는,
    인공지능 기반의 선박 과속 판정 장치.
  2. 제 1 항에 있어서, 상기 운항 진동정보는,
    상기 선박의 구조 및 재질에 따라 상기 선박이 고유 진동함에 따라 발생하는 고유 진동 성분과, 상기 선박이 운항됨에 따라 엔진 출력으로 발생하는 진동 성분이 결합된 것인,
    인공지능 기반의 선박 과속 판정 장치.
  3. 제 1 항에 있어서, 상기 운항 중인 선박의 운항 진동정보를 추출하는 오퍼레이션은,
    상기 제 1 시점 이전에, 상기 제1 음향신호 수신장치 및 상기 제2 음향신호 수신장치 각각으로부터 상기 선박의 음향신호가 수신되지 않은 상태의 노이즈 신호를 수신하는 오퍼레이션; 및
    상기 제1 시점에 수신된 음향신호에 대하여 상기 노이즈 신호의 주파수 성분이 캔슬링 시킴으로써, 상기 선박의 운항 진동정보를 추출하는 오퍼레이션을 포함하는,
    인공지능 기반의 선박 과속 판정 장치.
  4. 제 1 항에 있어서, 상기 적어도 하나의 음향신호 수신장치는, 제3 음향신호 수신장치를 더 포함하고,
    상기 프로그램은, 상기 제3 음향신호 수신장치로부터 상기 제2 시점의 음향신호를 수신하는 오퍼레이션을 더 포함하고,
    상기 제2 음향신호의 음원을 상기 선박으로 식별하는 오퍼레이션은, 상기 제3 음향신호 수신장치에서 수신된 상기 제2 시점의 음향신호로부터 상기 운항 진동정보에 매칭되는 진동 성분을 제2 추출하는 오퍼레이션; 및
    상기 제2 추출된 주파수 성분을 기초로, 상기 제2 음향신호 수신장치에서 수신된 상기 제2 음향 신호의 음원을 상기 선박으로 식별하는 오퍼레이션을 포함하는,
    인공지능 기반의 선박 과속 판정 장치.
  5. 제 1 항에 있어서, 상기 운항 중인 선박의 운항 진동정보를 추출하는 오퍼레이션은,
    상기 제1 음향신호 수신장치 및 상기 제2 음향신호 수신장치 각각으로부터 제1 시점에 복수의 선박으로부터 복수개의 음향신호를 수신하는 오퍼레이션;
    미리 설정된 진동 학습모델에 의해 분류된 운항 진동정보를 기초로, 상기 복수개의 음향신호에 대응하는 복수개의 선박을 식별하는 오퍼레이션; 및
    상기 추출된 운항 진동정보를 기초로, 상기 복수개의 선박 중, 상기 선박을 특정하는 오퍼레이션을 포함하는,
    인공지능 기반의 선박 과속 판정 장치.
  6. 제1 선박으로부터 발생한 음향신호를 수신하는 적어도 하나의 음향신호 수신장치;
    상기 제1 선박이 운항하는 미리 설정된 구간 상의 적어도 두 지점에 설치되어, 상기 운항 중인 제1 선박의 영상을 획득하는 카메라; 및
    상기 카메라로부터 획득된 영상을 기초로, 미리 설정된 선박 학습모델을 통해 상기 제1 선박의 고유정보를 추출하고, 상기 음향신호 수신장치로부터 수신된 제1 기간 동안의 음향신호를 기초로 상기 제1 선박의 운항 진동정보를 추출하고, 상기 추출된 제1 선박의 고유정보 및 상기 추출된 제1 선박의 운항 진동정보를 매칭하여 저장하고, 상기 제1 기간 동안 수신된 음향신호를 기초로 상기 제1 선박의 운항 속력을 측정하고, 상기 제1 선박의 운항 속력 및 상기 제1 선박의 운항 진동정보를 매칭하여 저장하는 선박 과속 판정 장치를 포함하는,
    인공지능 기반의 선박 과속 판정 시스템.
  7. 제 6 항에 있어서, 상기 선박 과속 판정 장치는,
    상기 저장된 상기 제1 기간 동안의 운항 진동정보 및 상기 제1 선박의 운항 속력을 미리 설정된 진동 학습모델을 통해 학습시킴에 따라, 상기 제1 선박의 음향신호에 대응되는 상기 제1 선박의 속력 범위 정보를 생성하는,
    인공지능 기반의 선박 과속 판정 시스템.
  8. 제 7 항에 있어서, 상기 선박 과속 판정 장치는,
    상기 음향신호 수신장치로부터 운항 중인 제2 선박의 제2 기간 동안의 음향신호가 수신되면, 상기 제2 선박의 음향신호로부터 상기 제2 선박의 운항 진동정보를 추출하고, 상기 추출된 제2 선박의 운항 진동정보 및 상기 생성된 제1 선박의 속력 범위 정보를 기초로 상기 제2 선박의 과속여부를 판정하는,
    인공지능 기반의 선박 과속 판정 시스템.
  9. 제 8 항에 있어서, 상기 선박 과속 판정 장치는,
    상기 카메라를 통해 상기 미리 설정된 구간을 운항하는 상기 제2 선박의 속력을 측정하고, 상기 제2 선박의 과속 여부의 판정 결과를, 상기 측정된 제2 선박의 속력을 기초로 검증하는,
    인공지능 기반의 선박 과속 판정 시스템.
  10. 제 8 항에 있어서, 상기 선박 과속 판정 장치는,
    상기 추출된 제1 선박의 고유정보를 기초로, 상기 미리 설정된 선박 학습모델을 이용하여 상기 제2 선박의 고유정보를 생성하고, 상기 생성된 제2 선박의 고유정보 및 상기 추출된 제2 선박의 운항 진동정보를 매칭하여 저장하고, 상기 제2 기간 동안 수신된 음향신호를 기초로 상기 제2 선박의 운항 속력을 측정하고, 상기 제2 선박의 운항 속력 및 상기 제2 선박의 운항 진동정보를 매칭하여 저장하는,
    인공지능 기반의 선박 과속 판정 시스템.
  11. 인공지능 기반의 선박 과속 판정 시스템에 의해 수행되는, 인공지능 기반의 선박 과속 판정 방법으로,
    미리 설정된 구간을 운항 중인 제1 선박의 음향신호를 적어도 두 개의 지점에 설치된 음향신호 수신장치에서 수신하는 단계;
    상기 적어도 두 개의 지점에 설치된 음향신호 수신장치에서 수신된 각각의 음향신호로부터 상기 제1 선박의 운항 진동정보를 추출하는 단계;
    상기 수신된 각각의 음향신호로부터 상기 제1 선박의 운항 속력을 측정하는 단계; 및
    상기 제1 선박의 운항 진동정보에 매칭되는 운항 속력 범위 정보로 구성된 데이터베이스를 구축하는 단계를 포함하되,
    상기 속력 범위 정보는, 상기 측정된 운항 속력 및 상기 운항 진동정보를 미리 설정된 진동 학습모델을 이용하여 학습한 결과, 상기 제1 선박이 상기 운항 진동정보를 발생시키며 운항하는 경우, 생성 가능한 상기 제1 선박의 최대 속력을 포함하되,
    상기 방법은,
    미리 설정된 구간을 운항 중인 제2 선박의 음향신호를 적어도 두 개의 지점에 설치된 음향신호 수신장치에서 수신하는 단계; 및
    상기 제2 선박의 음향신호를 기초로, 상기 제2 선박의 과속 여부를 판정하는 단계를 더 포함하는,
    인공지능 기반의 선박 과속 판정 방법.
KR1020200181472A 2020-12-23 2020-12-23 인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템 KR102559637B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200181472A KR102559637B1 (ko) 2020-12-23 2020-12-23 인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템
PCT/KR2020/018951 WO2022139027A1 (ko) 2020-12-23 2020-12-23 인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템
US17/156,727 US11841415B2 (en) 2020-12-23 2021-01-25 Apparatus, method and system for determining speeding of vessel based on artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200181472A KR102559637B1 (ko) 2020-12-23 2020-12-23 인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템

Publications (2)

Publication Number Publication Date
KR20220090698A KR20220090698A (ko) 2022-06-30
KR102559637B1 true KR102559637B1 (ko) 2023-07-26

Family

ID=82023469

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200181472A KR102559637B1 (ko) 2020-12-23 2020-12-23 인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템

Country Status (3)

Country Link
US (1) US11841415B2 (ko)
KR (1) KR102559637B1 (ko)
WO (1) WO2022139027A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022139027A1 (ko) * 2020-12-23 2022-06-30 (주)한국해양기상기술 인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템
CN114932560B (zh) * 2022-07-25 2022-11-22 山东贞元汽车车轮有限公司 一种机械臂抓取轮毂的自动控制方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101152967B1 (ko) 2010-11-30 2012-06-08 (주)대도기계 선박 기적음을 이용한 타 선박의 실시간 위치추정 시스템 및 이를 이용한 위치추정 방법
US20150025834A1 (en) 2012-02-16 2015-01-22 Nippon Yusen Kabushiki Kaisha Ship speed meter and ship speed measurement method
KR102031212B1 (ko) 2019-02-25 2019-10-11 주식회사 이엘 사물인터넷 무선통신장치를 탑재한 임베디드 방식의 선박 자율 운영시스템

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090048726A1 (en) * 2007-08-14 2009-02-19 Lofall Marine Systems, Llc Vessel performance monitoring system and method
KR101224907B1 (ko) 2010-10-28 2013-01-22 삼성중공업 주식회사 다 음원 위치 추정을 이용한 선박의 위치 기준 시스템 및 그 위치 기준 방법
JP7057153B2 (ja) * 2018-02-02 2022-04-19 日本無線株式会社 超音波センサ装置及び超音波センサプログラム
KR102177460B1 (ko) * 2018-02-22 2020-11-11 한양대학교 산학협력단 사물인터넷을 기반으로 선박 접안 시 항만 시설의 손상을 예방하는 방법 및 시스템
WO2022139027A1 (ko) * 2020-12-23 2022-06-30 (주)한국해양기상기술 인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101152967B1 (ko) 2010-11-30 2012-06-08 (주)대도기계 선박 기적음을 이용한 타 선박의 실시간 위치추정 시스템 및 이를 이용한 위치추정 방법
US20150025834A1 (en) 2012-02-16 2015-01-22 Nippon Yusen Kabushiki Kaisha Ship speed meter and ship speed measurement method
KR102031212B1 (ko) 2019-02-25 2019-10-11 주식회사 이엘 사물인터넷 무선통신장치를 탑재한 임베디드 방식의 선박 자율 운영시스템

Also Published As

Publication number Publication date
US20220196816A1 (en) 2022-06-23
WO2022139027A1 (ko) 2022-06-30
US11841415B2 (en) 2023-12-12
KR20220090698A (ko) 2022-06-30

Similar Documents

Publication Publication Date Title
KR102559637B1 (ko) 인공지능 기반의 선박 과속 판정 장치, 방법 및 그 시스템
CN110411366B (zh) 一种道路积水深度的检测方法及电子设备
US11772758B2 (en) Apparatus, method, and recording medium for autonomous ship navigation
KR101594044B1 (ko) 수영 객체 검출 및 분류를 위한 방법 및 장치
CN111899568B (zh) 桥梁防撞预警系统、方法、装置和存储介质
US8830793B2 (en) System and method for collision avoidance in underwater vehicles
KR101531906B1 (ko) 레이다를 이용한 해양정보 측정 방법
CN110663060A (zh) 一种用于表示环境元素的方法、装置、系统、以及车辆/机器人
KR102170597B1 (ko) 해안 해수면 관측 시스템
Clunie et al. Development of a perception system for an autonomous surface vehicle using monocular camera, lidar, and marine radar
EP3957122A1 (en) Marine data collection for marine artificial intelligence systems
KR102060286B1 (ko) 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치
KR20190135319A (ko) 선박 고속 추적 장치 및 방법
US20170291718A1 (en) Sea state estimation
KR101417408B1 (ko) 레이더를 이용한 객체 인식방법 및 시스템
US9581695B2 (en) Generating a map using radar data
JP6154219B2 (ja) エコー信号処理装置、波浪レーダ装置、エコー信号処理方法、及びエコー信号処理プログラム
KR20210116798A (ko) 디지털 트윈을 이용하여 선박의 경제운항을 위한 파랑 정보 수집 장치
KR102269383B1 (ko) 선박 운항 지원 시스템 및 이를 포함하는 선박
KR102321585B1 (ko) 소나 시스템을 이용하여 어군을 탐지하기 위한 장치 및 방법
KR102501450B1 (ko) 거리 측정 방법 및 이를 이용하는 거리 측정 장치
KR20230115605A (ko) 영상 처리 방법 및 이를 수행하기 위한 컴퓨팅 장치
JP5991599B2 (ja) 目標探知装置
JP5561424B1 (ja) 表示制御装置、表示制御方法およびプログラム
WO2018087429A1 (en) Angle detection of elongated object of vessel by lidar

Legal Events

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