KR102667099B1 - 인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법 - Google Patents

인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법 Download PDF

Info

Publication number
KR102667099B1
KR102667099B1 KR1020230031903A KR20230031903A KR102667099B1 KR 102667099 B1 KR102667099 B1 KR 102667099B1 KR 1020230031903 A KR1020230031903 A KR 1020230031903A KR 20230031903 A KR20230031903 A KR 20230031903A KR 102667099 B1 KR102667099 B1 KR 102667099B1
Authority
KR
South Korea
Prior art keywords
target
engagement
information
weapon
evaluating
Prior art date
Application number
KR1020230031903A
Other languages
English (en)
Inventor
오근협
Original Assignee
한화시스템 주식회사
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 한화시스템 주식회사 filed Critical 한화시스템 주식회사
Priority to KR1020230031903A priority Critical patent/KR102667099B1/ko
Application granted granted Critical
Publication of KR102667099B1 publication Critical patent/KR102667099B1/ko

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41WEAPONS
    • F41HARMOUR; ARMOURED TURRETS; ARMOURED OR ARMED VEHICLES; MEANS OF ATTACK OR DEFENCE, e.g. CAMOUFLAGE, IN GENERAL
    • F41H11/00Defence installations; Defence devices
    • F41H11/02Anti-aircraft or anti-guided missile or anti-torpedo defence installations or systems
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B63SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63GOFFENSIVE OR DEFENSIVE ARRANGEMENTS ON VESSELS; MINE-LAYING; MINE-SWEEPING; SUBMARINES; AIRCRAFT CARRIERS
    • B63G13/00Other offensive or defensive arrangements on vessels; Vessels characterised thereby
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41WEAPONS
    • F41GWEAPON SIGHTS; AIMING
    • F41G3/00Aiming or laying means
    • F41G3/14Indirect aiming means
    • F41G3/16Sighting devices adapted for indirect laying of fire
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41WEAPONS
    • F41GWEAPON SIGHTS; AIMING
    • F41G5/00Elevating or traversing control systems for guns
    • F41G5/14Elevating or traversing control systems for guns for vehicle-borne guns
    • F41G5/20Elevating or traversing control systems for guns for vehicle-borne guns for guns on ships
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41WEAPONS
    • F41HARMOUR; ARMOURED TURRETS; ARMOURED OR ARMED VEHICLES; MEANS OF ATTACK OR DEFENCE, e.g. CAMOUFLAGE, IN GENERAL
    • F41H13/00Means of attack or defence not otherwise provided for
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명의 실시예는 표적과의 교전을 통제할 수 있도록 함정에 구비되는 교전 통제 장치로서, 교전 후에 표적을 촬영한 촬영 이미지를 이용하여, 표적에 대한 정보를 획득하는 정보 획득부 및 정보 획득부에서 획득된 정보를 이용하여 표적이 위협을 가할 수 있는 상태인지를 판단하여 재교전 필요 여부를 판단하는 재교전 판단부;를 포함할 수 있다.
따라서, 본 발명의 실시예들에 의하면, 딥러닝을 이용한 인공 지능 기술을 이용하여 교전 후에 표적의 상태가 위협을 가할 수 있는 상태인지 여부를 평가할 수 있고, 이를 이용하여 재교전 필요 여부를 판단할 수 있다. 따라서, 재교전 필요 여부를 판단하는 시간을 단축할 수 있다. 또한, 교전 후의 표적의 상태를 보다 정밀하게 분석하여 재교전 필요 여부를 판단함에 따라, 무장 자원이 낭비되는 것을 방지할 수 있다.

Description

인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법{APPARATUS FOR CONTROLLING ENGAGEMENT USING ARTIFICIAL INTELLIGENCE, NAVAL VESSEL HAVING THE SAME AND METHOD FOR CONTROLLING ENGAGEMENT}
본 발명은 인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법에 관한 것으로, 보다 상세하게는 표적이 위협을 가할 수 있는 상태인지 여부를 정확하게 평가할 수 있는 인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법에 관한 것이다.
자함 함정에서 표적 함정으로 무기를 발사하여 교전을 실시하고 나면, 자함에 선승하고 있는 운영자는 표적의 상태를 파악하여 재교전 필요 여부를 판단한다. 즉, 운영자가 망원경 등을 이용하여 표적이 보유하고 있는 무장 장치, 레이더 장치, 본체 등의 파손 상태를 확인하고, 이를 이용하여 표적이 자함으로 위협을 가할 수 있는 상태인지를 판단한다. 그리고 표적이 자함으로 위협을 가할 수 없는 상태라면 재교전이 필요하지 않은 것으로 판단하여 교전을 종료한다. 그러나, 표적이 자함으로 위협을 가할 수 있는 상태라면 재교전이 필요한 것으로 판단하고, 무기를 발사하여 재교전을 실시한다.
그런데, 운영자에 의해 재교전 필요 여부를 판담함에 따라, 판단을 위해 장시간이 소요되는 문제가 있다. 또한, 운영자의 경험 및 주관에 의해 재교전 필요 여부가 판단됨에 따라 표적의 상태를 정확하게 판단할 수 없다. 이에, 자함을 위협할 수 없는 상태의 표적에 대해 재교전을 실시함으로써, 자함이 보유하고 있는 무장 자원이 낭비되는 문제가 있다.
한국등록특허 KR 10-1199884
본 발명은 재교전 필요 여부를 효과적으로 판단할 수 있는 인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법을 제공한다.
본 발명은 교전 후에 표적이 위협을 가할 수 있는 상태인지를 정확하게 평가할 수 있는 인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법을 제공한다.
본 발명의 실시예는 표적과의 교전을 통제할 수 있도록 함정에 구비되는 인공 지능을 활용한 교전 통제 장치로서, 교전 후에 표적을 촬영한 촬영 이미지를 이용하여, 표적에 대한 정보를 획득하는 정보 획득부; 및 상기 정보 획득부에서 획득된 정보를 이용하여 표적이 위협을 가할 수 있는 상태인지를 판단하여 재교전 필요 여부를 판단하는 재교전 판단부;를 포함할 수 있다.
상기 정보 획득부는 딥러닝을 기반으로 한 인공 지능 기술을 이용하여 상기 촬영 이미지에 포함된 표적에 대한 정보를 획득하며, 상기 표적에 대한 정보는, 표적이 보유하고 있는 장치에 대한 종류 정보, 표적의 본체의 크기 정보 및 표적의 본체의 형상 정보 중 적어도 하나를 포함할 수 있다.
상기 정보 획득부는, 획득된 정보가 촬영 이미지 상에 나타나도록 상기 촬영 이미지를 가공 처리하여 처리 이미지를 생성할 수 있다.
상기 정보 획득부는, 딥러닝을 기반으로 한 팬옵틱 분할(Panoptic Segmentation) 방법을 이용하여 표적에 대한 정보를 획득하는 소프트웨어를 구비하는 단말기 또는 컴퓨터를 포함할 수 있다.
상기 재교전 판단부는, 딥러닝을 기반으로 한 인공 지능 기술을 이용하여 상기 처리 이미지에 포함된 표적의 장치 별 손상 상태 및 표적 본체의 손상 상태 중 적어도 하나를 파악하고, 파악된 상기 손상 상태 결과를 이용하여 표적이 위협을 가할 수 있는 상태인지를 판단하여 재교전 필요 여부를 판단할 수 있다.
상기 재교전 판단부는, 딥러닝을 기반으로 한 CNN(Conventional Convolutional Neural Network) 및 RNN(Recurrent Neural Network) 중 적어도 하나를 이용하여 교전 필요 여부를 판단하는 소프트웨어를 구비하는 단말기 또는 컴퓨터를 포함할 수 있다.
본 발명의 실싱에 따른 함정은, 본 발명의 실시예는 항해할 수 있는 본체; 무기를 발사할 수 있도록 상기 본체에 설치된 무장 장치; 이미지를 획득할 수 있도록 상기 본체에 설치된 관측 장치; 및 상기 관측 장치로부터 이미지를 전달 받을 수 있도록 상기 본체에 설치되며, 인공 지능을 활용한 교전 통제 장치;를 포함할 수 있다.
상기 무장 장치는, 상기 교전 통제 장치에서의 재교전 필요 여부에 대한 판단 결과에 따라 동작할 수 있다.
레이더를 방사할 수 있도록 상기 본체에 설치된 레이더 장치를 포함할 수 있다.
본 발명의 실시예는 자함 함정에서 표적 함정과의 교전을 통제하는 방법으로서, 교전 후에 표적을 촬영하여 촬영 이미지를 획득하는 과정; 획득된 상기 촬영 이미지를 이용하여 표적에 대한 정보를 획득하는 과정; 획득된 상기 정보 및 촬영 이미지를 이용하여, 교전 후의 표적에 대한 상태를 분석하는 과정; 분석된 표적의 상태 결과를 이용해 표적이 위협을 가할 수 있는 상태인지를 판단하여, 재교전 필요 여부를 판단하는 과정; 및 재교전이 필요한 것으로 판단된 경우, 표적을 향해 무기를 발사하여 교전을 실시하는 과정;을 포함할 수 있다.
상기 표적에 대한 정보를 획득하는 과정은, 딥러닝을 기반으로 한 팬옵틱 분할(Panoptic Segmentation) 방법을 이용하여 상기 촬영 이미지를 처리하는 과정을 포함할 수 있다.
상기 정보 획득 과정에서 획득되는 정보는, 표적이 보유하고 있는 무장 장치의 종류, 레이더 장치의 종류 및 관측 장치의 종류, 표적의 외관을 이루는 본체의 크기 정보 및 본체의 형상 정보 중 적어도 하나를 포함할 수 있다.
상기 표적에 대한 상태를 분석하는데 있어서, 딥러닝을 기반으로 한 CNN(Conventional Convolutional Neural Network) 및 RNN(Recurrent Neural Network) 방법 중 적어도 하나를 이용할 수 있다.
상기 표적에 대한 상태를 분석하는 과정은, 상기 촬영 이미지를 이용하여, 표적이 보유하고 있는 무장 장치의 파손 상태를 확인하여 무장 장치의 동작 가능 여부를 판단하는 과정; 상기 촬영 이미지를 이용하여, 표적이 보유하고 있는 레이더 장치의 파손 상태를 확인하여 레이더 장치의 동작 가능 여부를 판단하는 과정; 상기 촬영 이미지를 이용하여, 표적이 보유하고 있는 관측 장치의 파손 상태를 확인하여 관측 장치의 동작 가능 여부를 판단하는 과정; 및 표적의 본체의 파손 상태를 확인하는 과정; 중 어느 하나를 포함할 수 있다.
상기 표적에 대한 상태를 분석하는 과정은, 상기 무장 장치의 동작 가능 여부에 따라, 표적의 전투 능력을 평가하는 과정; 상기 레이더 장치의 동작 가능 여부 및 관측 장치의 동작 가능 여부에 따라, 표적의 탐지 능력을 평가하는 과정; 상기 표적 본체의 파손 상태에 따라, 표적의 항해 능력을 평가하는 과정; 중 적어도 하나를 포함할 수 있다.
상기 표적이 위협을 가할 수 있는 상태인지를 판단하는데 있어서, 표적에 대한 상기 전투 능력 평가, 탐지 능력 평가 및 항해 능력 평가 결과 중 어느 하나를 이용하여 판단할 수 있다.
본 발명의 실시예들에 의하면, 딥러닝을 이용한 인공 지능 기술을 이용하여 교전 후에 표적의 상태가 위협을 가할 수 있는 상태인지 여부를 평가할 수 있고, 이를 이용하여 재교전 필요 여부를 판단할 수 있다. 따라서, 재교전 필요 여부를 판단하는 시간을 단축할 수 있다. 또한, 교전 후의 표적의 상태를 보다 정밀하게 분석하여 재교전 필요 여부를 판단함에 따라, 무장 자원이 낭비되는 것을 방지할 수 있다.
도 1은 본 발명의 실시예에 따른 교전 통제 장치를 구비하는 함정을 도시한 도면이다.
도 2는 본 발명의 실시예에 따른 교전 통제 장치를 도시한 블록도이다.
도 3의 (a) 본 발명의 실시예에 따른 이미지 획득부로 획득된 촬영 이미지의 예시이다.
도 3의 (b) 본 발명의 실시예에 따른 교전 통제 장치의 정보 획득부에서 생성한 처리 이미지의 예시이다.
도 4는 본 발명의 실시예에 따른 교전 통제 장치의 재교전 판단부에서 표적의 상태, 표적이 위협을 가할 수 있는 상태인지 여부 및 재교전 필요 여부를 판단하는 방법을 나타낸 블록도이다.
도 5는 본 발명의 실시예에 따른 함정의 동작을 도시한 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 더욱 상세히 설명하기로 한다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 통상의 지식을 가진자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명의 실시예를 설명하기 위하여 도면은 과장될 수 있고, 도면상의 동일한 부호는 동일한 구성요소를 지칭한다.
본 발명은 교전 후의 표적에 대해, 표적이 위협을 가할 수 있는 상태인지를 평가할 수 있고, 재교전 필요 여부를 판단할 수 있는 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법에 관한 것이다.
이하에서는 대함전이 가능하도록 무장(무기)이 갖춰진 함정에 적용되는 경우를 예시하여 본 발명의 실시예를 설명한다. 물론, 이하에서 설명되는 본 발명의 실시예에 따른 교전 통제 장치 및 교전 통제 방법은 대공, 대지, 대함 등 다양한 무장이 갖춰진 각종 전투 장치에 적용될 수 있다.
도 1은 본 발명의 실시예에 따른 교전 통제 장치를 구비하는 함정을 도시한 도면이다. 도 2는 본 발명의 실시예에 따른 교전 통제 장치를 도시한 블록도이다.
함정(1000)은 해양에서 운용되는 군함일 수 있다. 보다 구체적으로 함정(1000)은 항공모함, 전함, 상륙함, 순양함, 구축함, 호위함, 초계함, 지원함, 기뢰 전함 등 종류가 다양할 수 있다. 또함, 아군의 함정은 자함이라고 지칭할 수 있다.
도 1 및 도 2를 참조하면, 함정(1000)은 외관을 이루는 본체(1100), 함정(1000)을 항해시킬 수 있는 구동력을 제공하는 항해 구동 장치(미도시), 함포 등과 같은 무기를 발사할 수 있는 무장 장치(1500), 전자파를 방사하는 레이더(Radar) 장치(1300), 화상 이미지(image) 또는 영상을 획득하는 관측 장치(1400), 딥러닝을 기반으로 한 인공 지능 또는 인공 신경망을 이용하여 표적(10)이 위협적인지 여부를 평가하여 재교전 필요 여부를 판단하는 교전 통제 장치(1600) 및 무장 장치(1500)의 동작을 제어하는 무장 제어 장치(1700)를 포함한다.
상술한 항해 구동 장치(미도시), 무장 장치(1500), 레이더 장치(1300), 관측 장치(1400) 및 교전 통제 장치(1600)는 본체(1100)에 설치될 수 있다.
표적(10)은 자함에 할당된 작전 영역 내의 다른 함정들 중 피아 식별에 의해 아군이 아닌 것을 간주된 함정들을 지칭할 수 있다.
무장 장치(1500)는 위협을 가할 수 있는 무기를 표적(10)으로 발사할 수 있는 장치이다. 여기서 무기는 예를 들어 함포일 수 있고, 이에 무장 장치(1500)는 예를 들어 함포를 발사할 수 있는 장치일 수 있다. 이러한 무장 장치(1500)는 본체(1100)의 외부에 설치될 수 있다. 무장 장치(1500)는 복수개로 마련될 수 있고, 복수의 무장 장치(1500) 중 적어도 일부는 서로 다른 성능을 가질 수 있다. 예를 들어 무장 장치(1500)는 함포 발사 장치일 수 있고, 함포 발사 장치가 복수개로 구비될 수 있다. 이때, 함정(1000)에 구비되는 복수의 함포 발사 장치들 중 적어도 일부는 서로 다른 사거리 성능을 가질 수 있다. 보다 구체적인 예를 들어 설명하면, 함정에는 제1사거리를 가지는 제1함포 발사 장치와 제1사거리에 비해 큰 제2사거리를 가지는 제2함포 발사 장치가 구비될 수 있다. 이러한 경우 함정(1000)의 최대 사거리는 제2함포 발사 장치의 제2사거리가 될 수 있다. 무장 장치(1500)는 상술한 함포 발사 장치에 한정되지 않으며, 표적(10)을 위협할 수 있는 다양한 무기를 갖춘 장치가 적용될 수 있다.
레이더 장치(1300)는 전자기파를 방사하고, 반사되어 되돌아오는 전자기파를 수신하여 물체(이하, 탐지체)를 탐지하는 장치이다. 이러한 무장 장치(1500)는 본체(1100)의 외부에 설치될 수 있다. 복수의 레이더 장치(1300) 중 적어도 일부는 전자기파를 방사할 수 있는 거리가 다를 수 있다. 이렇게 복수의 레이더 장치(1300)에서 방사할 수 있는 전자기파의 거리가 다르면, 전자기파를 이용하여 탐지할 수 있는 거리가 달라진다. 따라서, 함정(1000)에 구비되는 레이더 장치(1300)의 성능에 따라 함정이 탐지할 수 있는 거리(즉, 탐지 거리)가 결정될 수 있다.
관측 장치(1400)는 화상 이미지 또는 영상을 획득할 수 있는 장치일 수 있다. 이러한 관측 장치(1400)는 카메라를 포함할 수 있다. 즉, 관측 장치(1400)는 카메라일 수 있다. 더 구체적인 예로 관측 장치는 전자광학(Electro-Optical) 센서를 구비하는 카메라일 수 있다. 관측 장치(1400)에서 촬영된 화상 이미지 또는 영상은 교전 통제 장치(1600)의 재교전 판단기(1630)로 전달될 수 있다.
이하 설명의 편의를 위하여 관측 장치(1400)에서 회득되는 획득물을 이미지로 통칭하여 설명한다. 물론, 관측 장치(1400)는 이미지뿐만 아니라 영상을 획득할 수 있다.
도 3의 (a) 본 발명의 실시예에 따른 이미지 획득부로 획득된 촬영 이미지의 예시이다. 도 3의 (b) 본 발명의 실시예에 따른 교전 통제 장치의 정보 획득부에서 생성한 처리 이미지의 예시이다. 도 4는 본 발명의 실시예에 따른 교전 통제 장치의 재교전 판단부에서 재교전 필요 여부를 판단하는 방법을 나타낸 블록도이다.
도 2를 참조하면 교전 통제 장치(1600)는 탐지체가 표적인지 여부를 식별하는 피아 판단기(1610), 피아 판단기(1610)에서 표적(10)으로 판단된 탐지체에 대해 그 종류를 식별하는 표적 식별기(1620), 교전이 종료된 후에 표적(10)이 위협적인지 여부를 판단하고, 재교전 필요 여부를 판단하는 재교전 판단기(1630)를 포함한다.
피아 판단기(1610)는 레이더 장치(1300)에서 탐지된 탐지체가 표적인지 여부를 판단하다. 즉, 피아 판단기(1610)는 레이더 장치(1300)에서 탐지된 탐지체에 대해 피아를 식별한다. 이러한 피아 판단기(1610)는 예를 들어 요청 신호를 송신하고, 요청 신호에 대한 응답 신호를 수신하여 피아를 판단하는 수단일 수 있다. 이러한 피아 판단기(1610)는 레이더 장치(1300)에서 탐지된 탐지체로 요청 신호를 송신하는 송신부(1611), 요청 신호에 대한 응답 신호를 수신하는 수신부(1612), 수신부(1612)로 수신된 응답 신호를 분석하여 표적 여부를 판단하는 판단부(1613)를 포함할 수 있다. 이때, 판단부(1613)는 수신된 응답 신호가 미리 설정된 기준 응답 신호와 동일한 경우, 탐지된 탐지체가 표적이 아닌 아군인 것으로 판단한다. 그러나, 수신되는 응답 신호가 없거나, 수신된 응답 신호가 기준 응답 신호와 상이한 경우, 판단부(1613)는 탐지된 탐지체가 표적인 것으로 판단한다. 즉, 판단부(1613)는 탐지된 탐지체가 적군의 함정인 것으로 판단한다.
표적 식별기(1620)는 표적(10)의 종류를 식별 또는 구별하기 위해 마련된 수단이다. 즉, 피아 판단기(1610)에서 표적(10)으로 판단된 탐지체가 어떤 종류의 표적인지 식별하는데 있어서, 표적 식별기(1620)를 사용한다. 예를 들어 설명하면 표적(10)이 함정인 경우, 표적 식별기(1620)를 이용하여 표적(10)이 어떤 종류의 함정인지 식별한다.
이러한 표적 식별기(1620)는 서로 다른 표적의 종류가 저장된 표적 종류 저장부(1621) 및 식별된 표적의 종류를 입력하는 입력부(1622)를 포함할 수 있다.
표적 종류 저장부(1621)에는 탐지된 표적(10)을 식별하는데 사용하기 위한 복수의 표적들에 대한 이름(또는 모델명)이 저장된다. 이하에서는 설명의 편의를 위하여 표적 종류 저장부(1621)에 저장되는 복수의 표적들에 대한 이름(또는 모델명)을 '식별명'으로 명명한다. 예를 들어 표적 종류 저장부(1621)에는 서로 다른 종류의 함정에 대한 이름 즉, 복수의 식별명이 저장될 수 있다. 보다 구체적인 예로 표적 종류 저장부(1621)에는 함정의 종류별 식별명인 '항공모함, 전함, 상륙함, 순양함, 구축함, 호위함, 초계함, 지원함, 기뢰 전함' 등이 저장될 수 있다. 여기서 '항공모함, 전함, 상륙함, 순양함, 구축함, 호위함, 초계함, 지원함, 기뢰 전함' 각각이 표적 종류 저장부(1621)에 저장되는 식별명이다. 더 구체적으로 표적 종류 저장부(1621)에 저장되는 식별명은 항공모함, 전함, 상륙함, 순양함, 구축함, 호위함, 초계함, 지원함, 기뢰 전함 각각의 종류별 모델명일 수 있다. 이에, 표적 종류 저장부(1621)에는 항공모함의 종류 별 식별명, 전함의 종류별 식별명, 상륙함의 종류별 식별명, 순양함의 종류별 식별명, 구축함의 종류별 식별명, 호위함의 종류별 식별명, 초계함의 종류별 식별명, 지원함의 종류별 식별명, 기뢰 전함의 종류별 식별명이 저장될 수 있다.
그리고, 표적(10)은 그 종류에 따라 무장 장치(15), 레이더 장치(13) 및 관측 장치(미도시) 각각의 보유 여부와, 무장 장치(15), 레이더 장치(13) 및 관측 장치의 종류, 무장 장치(15), 레이더 장치(13) 및 관측 장치의 개수가 다를 수 있다. 그리고, 표적(10)은 그 종류에 따라 크기, 최대 항해 속도 등이 다를 수 있다. 이에, 표적 종류 저장부(1621)에는 표적의 종류에 따른 정보가 저장될 수 있다. 여기서 정보는 무장 장치(15), 레이더 장치(13) 및 관측 장치 각각의 보유 여부와, 보유 장치의 종류, 보유 장치 별 개수와, 표적의 크기, 최대 항해 속도 중 적어도 하나를 포함할 수 있다. 그리고, 표적 종류 저장부(1621)에는 각 식별명 및 식별명에 해당하는 표적에 대한 정보가 연계 또는 매칭되어 저장될 수 있다.
피아 판단기(1610)에서 탐지체를 표적으로 판단하면, 관측 장치(1400)는 표적(10)으로 판단된 탐지체를 촬영하여 이미지를 획득한다. 즉, 탐지된 표적(10)에 대한 이미지를 획득한다. 그리고, 획득된 이미지를 함정을 운용하는 운영 콘솔로 송신한다. 그러면 운영자는 전달받은 이미지에 포함된 표적을 확인하여 상기 표적의 종류를 식별한다. 즉, 운영자의 경험 및 운영자가 숙지하고 있는 지식을 이용하여 탐지된 표적을 표적 종류 저장부(1621)에 저장된 복수의 식별명 중 어느 하나로 선별 또는 구별한다. 즉, 운영자는 탐지된 표적을 표적 종류 저장부(1621)에 저장된 복수의 식별명 중 하나로 식별한다. 다음으로 운영자는 식별된 식별명을 입력부(1622)에 입력한다.
상기에서는 운영자가 직접 표적을 식별하는 것을 설명하였다. 하지만 이에 한정되지 않고, 표적 식별기(1620)에는 딥러닝을 기반으로 한 인공 지능 또는 인공 신경망을 이용하여 표적(10)의 종류를 식별하는 식별부가 구비될 수 있다. 이때 식별부는 관측 장치(1400)에서 전달된 촬영 이미지와 딥러닝을 활용하는 인공 지능 또는 인공 신경망을 이용하여, 탐지된 표적의 종류를 식별한다. 즉, 탐지된 표적을 표적 종류 저장부(1621)에 저장되어 있는 복수의 식별명 중 어느 하나로 식별하고, 입력부(1622)에 입력한다.
무장 제어 장치(1700)는 무장 장치(1500)의 동작을 제어하여 무장 장치 예를 들어 함포 발사 장치의 동작을 제어한다. 즉, 피아 판단기(1610)에서 탐지체가 표적인 것으로 판단되고, 표적의 종류가 식별되면, 무장 제어 장치(1700)는 복수의 무장 장치(1500) 중 어느 하나를 교전(전투)에 사용할 무기로 선택한다. 다른 말로 설명하면 무장을 할당한다. 이때, 식별된 표적의 종류에 따라 복수의 무장 장치(1500) 중 어느 하나를 선택한다. 그리고 선택된 무장 장치(1500)를 동작시켜 무기를 발사하여 교전을 실시한다. 무장 제어 장치(1700)는 식별된 표적의 종류에 따라 복수의 무장 장치(1500) 중 어느 하나를 선택하여 동작시키도록 구성된 것일 수 있다.
물론, 무장 제어 장치(1700)를 이용하여 무장 장치(1500)를 선택하지 않고, 표적의 종류가 식별되면 운용자가 운용 콘솔을 이용하여 직접 복수의 무장 장치(1500) 중 어느 하나를 선택하여 동작시킬 수도 있다.
재교전 판단기(1630)는 교전이 종료된 후에 표적의 상태를 평가하고, 평가된 표적의 상태에 따라 재교전 필요 여부를 판단한다. 이러한 재교전 판단기(1630)는 교전이 종료된 후의 표적에 대한 이미지을 획득하는 이미지 획득부(1631), 이미지 획득부(1631)에서 획득된 촬영 이미지(Is)를 이용하여 표적에 대한 정보를 획득하는 정보 획득부(1632), 정보 획득부(1632)에서 획득된 정보를 이용하여 표적이 위협을 가할 수 있는 상태인지를 판단하고, 판단된 표적의 상태에 따라 재교전 필요 여부를 판단하는 재교전 판단부(1633)를 포함한다.
교전이 종료되면, 관측 장치(1400) 및 지구 밖으로 발사된 정찰 위성 중 적어도 하나를 이용하여 표적(10)을 촬영한다. 즉, 자함의 무장 장치(1500)를 이용하여 요격한 적의 함정인 표적(10)을 촬영한다. 이에, 관측 장치(1400) 및 정찰 위성 중 적어도 하나에서 교전 후의 표적(10)에 대한 이미지(촬영 이미지(Is))가 획득된다. 획득된 촬영 이미지(Is)는 재교전 판단기(1630)의 이미지 획득부(1631)로 전송된다. 즉, 관측 장치(1400) 및 정찰 위성 중 적어도 하나에서 촬영된 교전 후의 촬영 이미지(Is)가 이미지 획득부(1631)로 전송된다. 이에, 교전 후의 상태를 촬영한 이미지(Is)가 이미지 획득부(1631)에 저장되며, 예를 들어 도 3의 (a)와 같은 이미지가 획득되어 이미지 획득부(1631)에 저장될 수 있다.
정보 획득부(1632)는 이미지 획득부(1631)에서 획득된 이미지를 이용하여 표적의 정보를 획득한다. 여기서 표적이 적군의 함정이라고 할 때, 정보 획득부(1632)에서 획득하는 표적(10)의 정보는, 무장 장치(15), 레이더 장치(13), 관측 장치의 보유 여부와, 외관을 이루는 본체(11)의 특징을 포함할 수 있다. 또한, 정보 획득부(1632)에서 획득하는 정보는 표적(10)이 보유하고 있는 무장 장치(15), 레이더 장치(13), 관측 장치의 종류를 포함할 수 있다.
정보 획득부(1632)는 이미지 획득부(1631)에서 획득된 촬영 이미지(Is)를 이용하여 상술한 바와 같은 표적(10)에 대한 정보를 획득한다. 이를 위해, 정보 획득부(1632)는 인공 지능 또는 인공 신경망을 이용하여 이미지에 포함된 객체를 탐지(object detection)하고, 객체를 분할(object segmentation)한다. 즉, 촬영 이미지(Is)에 포함된 복수의 픽셀 별로 레이블을 할당한다. 여기서, 레이블은 예를 들어 표적(함정)의 본체(11), 무장 장치(15), 레이더 장치(13), 관측 장치, 배경(B) 등일 수 있다. 그리고, 각 픽셀 별로 레이블을 부여하는데 있어서, 무장 장치(15), 레이더 장치(13), 관측 장치의 경우 그 종류를 식별하여 레이블을 부여한다. 즉, 무장 장치(15)의 종류, 레이더 장치(13)의 종류, 관측 장치의 종류별로 레이블을 부여하며, 그 결과는 예를 들어 도 3의 (b)와 같을 수 있다. 여기서, 무장 장치(15), 레이더 장치(13), 관측 장치의 종류별로 부여되는 레이블은 각 장치의 종류별 모델명일 수 있다. 표적에는 무장 장치(15), 레이더 장치(13), 관측 장치 각각이 복수개로 구비될 수 있으며, 정보 획득부(1632)는 복수의 무장 장치(15), 복수의 레이더 장치(13), 복수의 관측 장치 각각에 대해 레이블을 부여한다. 또한, 정보 획득부(1632)는 표적의 본체(11)가 가지는 외형적 특징에 대한 레이블을 부여할 수 있다. 즉, 본체(11)의 형상을 나타내는 레이블을 부여할 수 있다. 이에 따라, 표적(10)이 보유하고 있는 복수의 무장 장치(15)의 종류, 복수의 레이더 장치(13)의 종류, 복수의 관측 장치의 종류와, 본체(11)의 외형적 특징을 포함하는 표적 정보가 정보 획득부(1632)에서 획득된다.
이하에서는 정보 획득부(1632)에서 촬영 이미지(Is)를 처리하여 픽셀 별로 레이블을 부여하여 객체를 분할하고 레이블을 부여한 이미지를 '처리 이미지(Ip)'로 명명한다.
정보 획득부(1632)는 딥러닝을 이용한 인공 지능 또는 인공 신경망을 이용하여 표적 정보를 획득할 수 있다. 즉, 정보 획득부(1632)는 딥러닝을 이용한 인공 지능 또는 인공 신경망을 이용하여 촬영 이미지(Is)에 포함된 복수의 픽셀에 레이블을 부여하여 객체를 분할하여 표적 정보를 획득할 수 있다. 보다 구체적인 예로, 정보 획득부(1632)는 팬옵틱 분할(Panoptic Segmentation) 방법을 이용하여 객체를 분할하여 정보를 획득한다. 이러한 정보 획득부(1632)는 팬옵틱 분할(Panoptic Segmentation) 방법을 이용하여 촬영 이미지를 처리 또는 분석함으로써, 표적에 대한 정보를 획득할 수 있는 소프트웨어를 구비하는 단말기 또는 컴퓨터를 포함할 수 있다.
정보 획득부(1632)에서 표적(10)에 대한 정보 획득이 종료되면, 재교전 판단부(1633)는 객체 별로 상태를 분석 또는 판단한다. 즉, 정보 획득부(1632)에서 획득된 표적(10)이 보유하고 있는 장치, 표적(10)의 외관을 이루는 본체(11)에 대한 상태를 분석한다. 또한, 정보 획득부(1632)는 표적이 보유하고 있는 장치의 상태를 이용하여 장치의 사용 가능 여부를 판단한다. 여기서, 표적(10)이 보유하고 있는 장치에 대한 상태란, 장치들의 손상 여부 및 손상 정도 중 적어도 하나일 수 있다. 그리고 표적(10)이 보유하고 있는 장치란, 무장 장치(15), 레이더 장치(13), 관측 장치 중 적어도 하나일 수 있다. 여기서 무장 장치(15)는 예를 들어 함포를 발사할 수 있는 함포 발사 장치일 수 있다. 물론, 표적(10)이 보유하고 있는 장치는, 상술한 예에 한정되지 않고 다양할 수 있다. 또한 표적(10)의 본체(11)에 대한 상태란, 본체의 손상 여부 및 손상 정도 중 적어도 하나일 수 있다.
이하에서는 표적이 무장 장치(15), 레이더 장치(13), 관측 장치를 보유하고 있는 경우를 예를 들어 재교전 판단부(1633)에 대해 설명한다. 재교전 판단부(1633)는 처리 이미지(Ip)에 포함된 객체인 무장 장치(15), 레이더 장치(13), 관측 장치 별로 사용 가능 여부를 판단한다. 또한, 재교전 판단부(1633)는 복수의 무장 장치(15), 복수의 레이더 장치(13), 복수의 관측 장치 각각에 대해 사용 가능 여부를 판단한다. 이때, 재교전 판단부(1633)는 복수의 무장 장치(15), 복수의 레이더 장치(13), 복수의 관측 장치 각각에 대한 파손 여부, 파손 정도를 분석한다. 그리고 재교전 판단부(1633)는 파손 여부 및 파손 정도에 따라 복수의 무장 장치(15), 복수의 레이더 장치(13), 복수의 관측 장치 각각에 대해, 사용 가능 여부를 판단한다. 또한, 재교전 판단부(1633)는 표적(10) 본체(11)의 파손 여부 및 파손 정도를 판단한다.
도 3의 (b)에 나타낸 처리 이미지(Ip)의 예시에는, 표적(10)이 2개의 무장 장치, 2 개의 레이더 장치가 구비되고, 카메라를 포함하는 관측 장치는 보유하지 않은 것으로 나타내었다. 그러나 도 3의 (b)는 정보 획득부(1632)에서 표적(10)이 보유하고 있는 장치들, 본체, 배경(B) 등을 식별하는 방법을 설명하는 예시일 뿐이다. 즉, 표적은 다양한 장치를 보유할 수 있고, 다양한 개수로 보유할 수 있다.
이하에서는 정보 획득부(1632)에서 표적이 5 개의 무장 장치(제1 내지 제5무장 장치(15)), 5 개의 레이더 장치(제1 내지 제5레이더 장치(13)) 및 5 개의 관측 장치(제1 내지 제5관측 장치)를 보유하고 있는 것을 예를 들어서 설명한다.
정보 획득부(1632)에서 표적이 5 개의 무장 장치(제1 내지 제5무장 장치(15)), 5 개의 레이더 장치(제1 내지 제5레이더 장치(13)) 및 5 개의 관측 장치(제1 내지 제5관측 장치)를 보유하고 있는 분석된 경우, 재교전 판단부(1633)는 제1 내지 제5무장 장치(15), 제1 내지 제5레이더 장치(13) 및 제1 내지 제5관측 장치 각각에 대해 파손 여부 및 파손 정도를 분석한다. 그리고 재교전 판단부(1633)는 파손 여부 및 파손 정도에 따라 제1 내지 제5무장 장치(15), 제1 내지 제5레이더 장치(13) 및 제1 내지 제5관측 장치 각각에 대해 동작 가능 여부를 판단하며, 그 판단 결과는 예를 들어 도 4와 같을 수 있다. 또한, 재교전 판단부(1633)는 표적의 본체(1100)의 파손 여부, 파손 위치 및 파손 정도를 분석한다. 여기서, 각 장치 및 본체(11)의 파손 정도란, 파손된 크기를 포함할 수 있고, 파손된 크기는 파손된 면적 및 파손된 깊이 중 적어도 하나를 포함할 수 있다.
다음으로, 재교전 판단부(1633)는 표적(10)이 보유하고 있는 장치들의 동작 가능 여부, 본체(11)에 대한 파손 여부 및 파손 정도에 따라, 표적의 위협 정도를 평가한다. 보다 구체적으로 설명하면, 표적(10)이 보유한 제1 내지 제5무장 장치(15) 각각에 대한 동작 가능 여부를 이용하여 표적의 전투 능력을 평가한다. 이때, 표적(10)이 보유한 제1 내지 제5무장 장치(15) 각각의 사거리가 다를 수 있기 때문에, 제1 내지 제5무장(15) 장치들의 동작 가능 여부에 따라 표적의 최대 사거리가 달라진다. 따라서 제1 내지 제5무장 장치(15) 각각에 대한 동작 가능 여부를 이용하여 표적(10)의 전투 능력 즉, 최대 사거리를 평가할 수 있다.
또한, 표적(10)이 보유한 제1 내지 제5레이더 장치(13) 각각에 대한 동작 가능 여부 및 제1 내지 제5관측 장치의 동작 가능 여부 중 적어도 하나를 이용하여 표적(10)의 탐지 능력을 평가한다. 이때, 표적이 보유한 제1 내지 제5레이더 장치(13) 각각의 최대 탐지 거리가 다를 수 있고, 제1 내지 제5관측 장치 각각의 성능이 다를 수 있다. 이에 제1 내지 제5레이더 장치(13), 제1 내지 제5관측 장치의 동작 가능 여부에 따라 표적(10)의 최대 탐지 거리가 달라진다. 따라서, 제1 내지 제5레이더 장치(13), 제1 내지 제5관측 장치에 대한 동작 가능 여부를 이용하여 표적(10)의 탐지 능력 예를 들어 최대 탐지 거리를 평가할 수 있다.
또한, 표적(10)의 본체(11)가 파손되는 경우, 그 파손 여부, 파손 위치 및 파손 정도에 따라 항해 능력이 달라질 수 있다. 예를 들어 항해 가능한 최대 속도가 달라질 수 있다. 이에, 표적(10)의 본체(11)의 파손 여부, 파손 위치 및 파손 정도를 분석하여 표적(10)의 항해 능력 예를 들어 표적의 최대 항해 속도에 대해 평가할 수 있다.
다음으로, 재교전 판단부(1633)는 표적(10)의 전투 능력, 표적(10)의 탐지 능력 및 표적(10)의 항해 능력 중 적어도 하나를 이용하여 표적이 위협을 가할 수 있는 상태인지를 평가한다. 그리고, 재교전 판단부(1633)는 표적(10)이 위협을 가할 수 있는 상태인지 여부에 따라 재교전 필요 여부를 판단한다. 즉, 표적이 위협을 가할 수 없는 상태로 판단된 경우, 재교전 판단부(1633)는 재교전이 필요하지 않은 것으로 판단한다. 그러나, 표적이 위협을 가할 수 있는 상태로 판단된 경우, 재교전 판단부(1633)는 재교전이 필요한 것으로 판단한다.
이러한 재교전 판단부(1633)는 딥러닝을 이용한 인공 지능 또는 인공 신경망을 이용하여 교전 필요 여부를 판단할 수 있다. 이때 재교전 판단부(1633)는 CNN(Conventional Convolutional Neural Network) 및 RNN(Recurrent Neural Network) 중 적어도 하나를 이용하여 교전 필요 여부를 판단할 수 있다. 즉, 재교전 판단부(1633)에서는 CNN 및 RNN 중 적어도 하나를 이용하여 표적(10)이 보유한 무장 장치(15), 레이더 장치(13) 및 관측 장치 각각에 대한 파손 여부 및 파손 정도를 파악하고 이를 이용하여 각 장치의 동작 가능 여부를 판단하고, 본체(11)의 파손 상태를 파악할 수 있다. 또한, 재교전 판단부(1633)는 CNN 및 RNN 중 적어도 하나를 이용하여 각 장치의 동작 가능 여부, 본체(11)의 파손 상태를 이용하여 표적의 전투 능력, 표적(10)의 탐지 능력 및 표적(10)의 항해 능력을 평가하고, 이를 이용하여 표적(10)이 위협을 가할 수 있는 상태인지 여부를 판단한다. 이러한 재교전 판단부(1633)는 CNN(Conventional Convolutional Neural Network) 및 RNN(Recurrent Neural Network) 중 적어도 하나의 소프트웨어가 구비되는 단말기 또는 컴퓨터를 포함할 수 있다.
재교전 판단부(1633)에서 재교전 필요 여부가 판단되면, 이는 운용자가 육안으로 확인할 수 있도록 윤용 콘솔의 모니터에 표시될 수 있다.
재교전이 필요한 것으로 판단되면 재교전 판단부(1633)는 무장 제어 장치(1700)로 재교전 명령을 송신한다. 이에 무장 제어 장치(1700)는 복수의 무장 장치(1500) 중 어느 하나를 교전(전투)에 사용할 무기로 선택한다. 다른 말로 설명하면 무장 장치(1500)를 할당한다. 그리고 무장 제어 장치(1700)는 선택된 무장 장치(1500)를 동작시켜 무장을 발사하여 재교전을 실시한다.
또한, 무장 제어 장치(1700)는 상술한 바와 같이 피아 판단기(1610)에서의 판단 결과 및 표적 식별기(1620)를 이용한 표적 식별 결과에 따라 복수의 무장 장치(1500) 중 어느 하나를 동작시켜 교전을 실시할 수 있다. 즉, 무장 제어 장치(1700)는 재교전 판단부(1633)에서의 판단 결과 뿐만 아니라, 피아 판단기(1610)에서의 판단 결과 및 표적 식별기(1620)를 이용한 표적 식별 결과에 따라 복수의 무장 장치(1500) 중 어느 하나를 동작시킬 수 있다.
상기에서는 재교전 판단부(1633)의 결과에 따라 무장 제어 장치(1700)가 복수의 무장 장치(1500) 중 적어도 하나를 자동으로 선택하여 동자시키는 것을 설명하였다. 하지만, 이에 한정되지 않고, 재교전 판단부(1633)의 판단 결과에 따라 운용자가 직접 재교전을 명령을 입력할 수 있다. 즉, 재교전 판단부(1633)에서 재교전이 필요한 것으로 판단되고 이 결과가 운용 콘솔의 모니터에 표시되면, 운용자가 운용 콘솔을 이용하여 복수의 무장 장치(1500) 중 어느 하나를 동작시켜서 재교전을 실시할 수 있다.
이하, 도 1 내지 도 5를 참조하여 본 발명의 실시예에 따른 교전 통제 장치의 동작을 설명한다.
자함에서 레이더 장치(1300)를 이용하여 탐지체가 탐지되면(S10), 피아 판단기(1610)는 탐지된 탐지체가 표적인지 여부를 판단한다(S20). 이때, 피아 판단기(1610)에서 탐지체가 표적인 것으로 판단된 경우(예), 표적 식별기(1620)는 탐지된 표적의 종류를 식별한다(S20).
표적 식별기(1620)에서 표적의 종류가 식별되면, 복수의 무장 장치(1500) 중 어느 하나를 선택한다(S30). 무장 장치(1500)가 선택되면, 선택된 무장 장치(1500)가 동작하여 무기를 발사한다(S40). 즉, 교전이 실시된다.
무기를 표적으로 발사하여 요격되고 나면, 표적의 상태를 분석하여 재교전 필요 여부를 판단한다. 이를 위해, 재교전 판단기(1630)의 이미지 획득부(1631)로 표적을 촬영한 이미지(Is)를 송신한다. 즉, 교전이 종료되면 함정에 구비된 관측 장치(1400) 및 지구 밖으로 발사된 정찰 위성 중 적어도 하나를 이용하여 표적을 촬영하고(S61), 촬영된 이미지(Is)를 재교전 판단기(1630)의 이미지 획득부(1631)로 전달한다.
다음으로 정보 획득부(1632)는 딥러닝을 활용한 인공 지능 또는 인공 신경망을 이용하여 표적의 상태를 분석한다. 보다 구체적으로 설명하면, 정보 획득부(1632)는 팬옵틱 분할((Panoptic Segmentation) 방법을 이용하여 촬영 이미지(Is)에 포함된 복수의 픽셀에 레이블을 부여하여 객체를 분할 및 인식함으로써, 처리 이미지(Ip)를 생성한다. 이에, 표적에 대한 정보가 획득된다(S62). 이때, 정보 획득부(1632)를 이용하여 표적(10)이 보유하고 있는 복수의 무장 장치(15)의 종류, 복수의 레이더 장치(13)의 종류, 복수의 관측 장치의 종류와, 본체(11)의 외형적 특징을 포함하는 표적 정보를 획득한다(S62). 여기서 본체의 외형적 특징이란, 본체의 크기 및 형상 중 적어도 하나를 포함할 수 있다.
다음으로 재교전 판단부(1633)는 촬영 이미지(Is), 정보 획득부(1632)에서 생성된 처리 이미지(Ip) 및 획득된 표적 정보를 이용하여 객체 별로 상태를 분석 또는 판단한다. 즉, 재교전 판단부(1633)는 표적(10)이 보유하고 있는 무장 장치(15), 레이더 장치(13), 관측 장치와 본체(11)에 대해 파손 여부, 파손 위치 및 파손 정도 중 적어도 하나를 분석하고, 사용 가능 여부를 판단한다(S63).
그리고, 재교전 판단부(1633)는 표적(10)이 보유한 복수의 무장 장치(15) 각각의 사용 가능 여부에 따라 표적의 전투 능력을 평가하고, 복수의 레이더 장치(13) 및 복수의 관측 장치 각각의 사용 가능 여부에 따라 표적(10)의 탐지 능력을 평가한다. 또한, 재교전 판단부(1633)는 표적(10)의 본체(11)의 파손 여부, 파손 위치 및 파손 정도 중 적어도 하나를 분석하여 표적(10)의 항해 능력을 평가한다.
다음으로, 재교전 판단부(1633)는 표적(10)의 전투 능력, 표적(10)의 탐지 능력 및 표적(10)의 항해 능력 중 적어도 하나를 이용하여 표적이 위협을 가할 수 있는 상태인지를 평가한다(S64). 그리고, 재교전 판단부(1633)는 표적(10)이 위협을 가할 수 있는 상태인지 여부에 따라 재교전 필요 여부를 판단한다. 즉, 표적(10)이 위협을 가할 수 없는 상태로 판단된 경우(아니오), 재교전 판단부(1633)는 재교전이 필요하지 않은 것으로 판단한다(재교전 불필요)(S65). 그러나, 표적이 위협을 가할 수 있는 상태로 판단된 경우(예), 재교전 판단부(1633)는 재교전이 필요한 것으로 판단한다(재교전 필요)(S66).
이때 재교전 판단부(1633)는 CNN 및 RNN 중 적어도 하나를 이용하여 표적(10)이 보유한 무장 장치(15), 레이더 장치(13) 및 관측 장치 각각에 대한 파손 여부, 파손 위치 및 파손 정도 중 적어도 하나를 파악하고 이를 이용하여 각 장치의 동작 가능 여부를 판단 한다. 또한, 재교전 판단부(1633)는 CNN 및 RNN 중 적어도 하나를 이용하여 본체(11)의 파손 상태 즉, 파손 여부, 파손 위치 및 파손 정도 중 적어도 하나를 파악한다.
그리고, 재교전 판단부(1633)는 CNN 및 RNN 중 적어도 하나를 이용하여 각 장치의 동작 가능 여부, 본체(11)의 파손 상태를 이용하여 표적의 전투 능력, 표적(10)의 탐지 능력 및 표적(10)의 항해 능력을 평가하고, 이를 이용하여 표적(10)이 위협을 가할 수 있는 상태인지 여부를 판단한다.
재교전이 필요한 것으로 판단되면 재교전 판단부(1633)는 무장 제어 장치(1700)로 교전 명령을 송신한다. 이에 무장 제어 장치(1700)는 복수의 무장 장치(1500) 중 어느 하나를 교전(전투)에 사용할 무장 장치로 선택한다(S40). 다음으로 선택된 무장 장치(1500)를 동작시켜 무장을 발사하여 재교전을 실시한다.
이처럼, 본 발명의 실시예에서는 교전이 후에 표적(10)의 상태를 평가하고, 평가 결과를 이용하여 재교전 필요 여부를 판단한다. 즉, 표적(10)이 자함으로 공격을 할 수 상태인지 여부, 다른 말로 설명하면 표적(10)이 위협적인지 여부를 평가한다. 그리고, 표적(10)의 위협 여부에 대한 평가 결과에 따라 재교전 필요 여부를 판단한다. 이때 교전 통제 장치(1600)의 재교전 판단기(1630)는 딥러닝을 이용한 인공 인공 지능 또는 신경망을 이용하여 표적(10)이 위협을 가할 수 있는 상태인지를 판단하고, 재교전 필요 여부를 판단한다. 즉, 운영자가 수동으로 표적이 위협을 가할 수 있는 상태인지 여부와, 재교전 필요 여부를 판단하지 않고, 인공 지능 또는 인공 신경망을 이용하여 판단한다. 따라서, 재교전 필요 여부를 판단하는 시간을 단축할 수 있다. 또한, 교전 후의 표적의 상태를 보다 정밀하게 분석하여 재교전 필요 여부를 판단함에 따라, 무장 자원이 낭비되는 것을 방지할 수 있다.
1000: 함정 10: 표적

Claims (16)

  1. 표적과의 교전을 통제할 수 있도록 함정에 구비되는 교전 통제 장치로서,
    교전 후에 표적을 촬영한 촬영 이미지를 이용하여, 표적에 대한 정보를 획득하는 정보 획득부; 및
    상기 정보 획득부에서 획득된 정보를 이용하여 표적이 위협을 가할 수 있는 상태인지를 판단하여 재교전 필요 여부를 판단하는 재교전 판단부;를 포함하고,
    상기 정보 획득부는, 획득된 정보가 촬영 이미지 상에 나타나도록 상기 촬영 이미지를 가공 처리하여 처리 이미지를 생성하고,
    상기 재교전 판단부는, 딥러닝을 기반으로 한 인공 지능 기술을 이용하여 상기 처리 이미지에 포함된 표적의 장치 별 손상 상태 및 표적 본체의 손상 상태 를 파악하고, 파악된 상기 손상 상태 결과를 이용하여 표적이 위협을 가할 수 있는 상태인지를 판단하여 재교전 필요 여부를 판단하며,
    상기 재교전 판단부는,
    상기 처리 이미지를 이용하여, 표적이 보유하고 있으며 무기를 발사할 수 있는 무장 장치의 파손 상태를 확인하여 무장 장치의 동작 가능 여부를 판단함으로써, 상기 무장 장치의 동작 가능 여부에 따라, 표적의 전투 능력을 평가하고,
    상기 처리 이미지를 이용하여, 표적이 보유하고 있는 레이더 장치 및 관측 장치 중 적어도 하나의 파손 상태를 확인하여 레이더 장치 및 관측 장치 중 적어도 하나의 동작 가능 여부를 판단함으로써, 상기 레이더 장치 및 관측 장치 중 적어도 하나의 동작 가능 여부에 따라 표적의 탐지 능력을 평가하며,
    상기 처리 이미지를 이용하여, 표적의 본체의 파손 상태를 확인함으로써, 상기 표적 본체의 파손 상태에 따라, 표적의 항해 능력을 평가하고,
    상기 재교전 판단부에서 상기 표적의 전투 능력을 평가하는 과정은, 표적이 보유하고 있는 무장 장치의 동작 가능 여부에 따라 표적이 무기를 발사할 수 있는 최대 사거리를 평가하는 과정을 포함하며,
    상기 재교전 판단부에서 상기 표적의 탐지 능력을 평가하는 과정은, 표적이 보유하고 있는 레이더 장치 및 관측 장치 중 적어도 하나의 동작 가능 여부에 따라, 표적의 최대 탐지 거리를 평가하는 과정을 포함하고,
    상기 재교전 판단부에서 상기 표적의 항해 능력을 평가하는 과정은, 표적의 본체의 파손 상태에 따라 표적의 최대 항해 속도를 평가하는 과정을 포함하는 인공 지능을 활용한 교전 통제 장치.
  2. 청구항 1에 있어서,
    상기 정보 획득부는 딥러닝을 기반으로 한 인공 지능 기술을 이용하여 상기 촬영 이미지에 포함된 표적에 대한 정보를 획득하며,
    상기 표적에 대한 정보는, 표적이 보유하고 있는 장치에 대한 종류 정보, 표적의 본체의 크기 정보 및 표적의 본체의 형상 정보를 포함하는 인공 지능을 활용한 교전 통제 장치.
  3. 삭제
  4. 청구항 2에 있어서,
    상기 정보 획득부는, 딥러닝을 기반으로 한 팬옵틱 분할(Panoptic Segmentation) 방법을 이용하여 표적에 대한 정보를 획득하는 소프트웨어를 구비하는 단말기 또는 컴퓨터를 포함하는 인공 지능을 활용한 교전 통제 장치.
  5. 삭제
  6. 청구항 2에 있어서,
    상기 재교전 판단부는, 딥러닝을 기반으로 한 CNN(Conventional Convolutional Neural Network) 및 RNN(Recurrent Neural Network) 중 적어도 하나를 이용하여 교전 필요 여부를 판단하는 소프트웨어를 구비하는 단말기 또는 컴퓨터를 포함하는 인공 지능을 활용한 교전 통제 장치.
  7. 항해할 수 있는 본체;
    무기를 발사할 수 있도록 상기 본체에 설치된 무장 장치;
    이미지를 획득할 수 있도록 상기 본체에 설치된 관측 장치; 및
    상기 관측 장치로부터 이미지를 전달 받을 수 있도록 상기 본체에 설치되며, 청구항 1, 청구항 2, 청구항 4 및 청구항 6 중 어느 한 항에 기재된 교전 통제 장치;를 포함하는 함정.
  8. 청구항 7에 있어서,
    상기 무장 장치는, 상기 교전 통제 장치에서의 재교전 필요 여부에 대한 판단 결과에 따라 동작할 수 있는 함정.
  9. 청구항 7에 있어서,
    레이더를 방사할 수 있도록 상기 본체에 설치된 레이더 장치를 포함하는 함정.
  10. 자함 함정에서 표적 함정과의 교전을 통제하는 방법으로서,
    교전 후에 표적을 촬영하여 촬영 이미지를 획득하는 과정;
    획득된 상기 촬영 이미지를 이용하여 표적에 대한 정보를 획득하는 과정;
    획득된 상기 정보 및 촬영 이미지를 이용하여, 교전 후의 표적에 대한 상태를 분석하는 과정;
    분석된 표적의 상태 결과를 이용해 표적이 위협을 가할 수 있는 상태인지를 판단하여, 재교전 필요 여부를 판단하는 과정; 및
    재교전이 필요한 것으로 판단된 경우, 표적을 향해 무기를 발사하여 교전을 실시하는 과정;을 포함하고,
    상기 표적에 대한 상태를 분석하는 과정은,
    상기 촬영 이미지를 이용하여, 표적이 보유하고 있으며 무기를 발사할 수 있는 무장 장치의 파손 상태를 확인하여 무장 장치의 동작 가능 여부를 판단함으로써, 상기 무장 장치의 동작 가능 여부에 따라, 표적의 전투 능력을 평가하는 과정;
    상기 촬영 이미지를 이용하여, 표적이 보유하고 있는 레이더 장치 및 관측 장치 중 적어도 하나의 파손 상태를 확인하여 레이더 장치 및 관측 장치 중 적어도 하나의 동작 가능 여부를 판단함으로써, 상기 레이더 장치 및 관측 장치 중 적어도 하나의 동작 가능 여부에 따라 표적의 탐지 능력을 평가하는 과정;
    상기 촬영 이미지를 이용하여, 표적의 본체의 파손 상태를 확인함으로써, 상기 표적 본체의 파손 상태에 따라, 표적의 항해 능력을 평가하는 과정;을 포함하고,
    상기 표적의 전투 능력을 평가하는 과정은, 표적이 보유하고 있는 무장 장치의 동작 가능 여부에 따라 표적이 무기를 발사할 수 있는 최대 사거리를 평가하는 과정을 포함하며,
    상기 표적의 탐지 능력을 평가하는 과정은, 표적이 보유하고 있는 레이더 장치 및 관측 장치 중 적어도 하나의 동작 가능 여부에 따라, 표적의 최대 탐지 거리를 평가하는 과정을 포함하고,
    상기 표적의 항해 능력을 평가하는 과정은, 표적의 본체의 파손 상태에 따라 표적의 최대 항해 속도를 평가하는 과정을 포함하는 교전 통제 방법.
  11. 청구항 10에 있어서,
    상기 표적에 대한 정보를 획득하는 과정은, 딥러닝을 기반으로 한 팬옵틱 분할(Panoptic Segmentation) 방법을 이용하여 상기 촬영 이미지를 처리하는 과정을 포함하는 교전 통제 방법.
  12. 청구항 11에 있어서,
    상기 정보 획득 과정에서 획득되는 정보는, 표적이 보유하고 있는 무장 장치의 종류, 레이더 장치의 종류 및 관측 장치의 종류, 표적의 외관을 이루는 본체의 크기 정보 및 본체의 형상 정보 중 적어도 하나를 포함하는 교전 통제 방법.
  13. 청구항 12에 있어서,
    상기 표적에 대한 상태를 분석하는데 있어서, 딥러닝을 기반으로 한 CNN(Conventional Convolutional Neural Network) 및 RNN(Recurrent Neural Network) 방법 중 적어도 하나를 이용하는 교전 통제 방법.
  14. 삭제
  15. 삭제
  16. 청구항 13에 있어서,
    상기 표적이 위협을 가할 수 있는 상태인지를 판단하는데 있어서, 표적에 대한 상기 전투 능력 평가, 탐지 능력 평가 및 항해 능력 평가 결과를 이용하여 판단하는 교전 통제 방법.
KR1020230031903A 2023-03-10 2023-03-10 인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법 KR102667099B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230031903A KR102667099B1 (ko) 2023-03-10 2023-03-10 인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230031903A KR102667099B1 (ko) 2023-03-10 2023-03-10 인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법

Publications (1)

Publication Number Publication Date
KR102667099B1 true KR102667099B1 (ko) 2024-05-20

Family

ID=91282691

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230031903A KR102667099B1 (ko) 2023-03-10 2023-03-10 인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법

Country Status (1)

Country Link
KR (1) KR102667099B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101199884B1 (ko) 2010-05-04 2012-11-09 국방과학연구소 표적을 자동 탐색하는 함정 전투 체계의 사격 통제용 전자 광학 추적 시스템 및 방법
KR102266184B1 (ko) * 2021-04-08 2021-06-18 국방과학연구소 항공기의 조종을 위한 제어 장치 및 그의 동작 방법
KR102375677B1 (ko) * 2021-10-19 2022-03-17 한화시스템(주) 함정 전투체계 지능화 영상처리 시스템 및 방법
KR20220055556A (ko) * 2020-10-26 2022-05-04 씨드로닉스(주) 선박 및 항만 모니터링 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101199884B1 (ko) 2010-05-04 2012-11-09 국방과학연구소 표적을 자동 탐색하는 함정 전투 체계의 사격 통제용 전자 광학 추적 시스템 및 방법
KR20220055556A (ko) * 2020-10-26 2022-05-04 씨드로닉스(주) 선박 및 항만 모니터링 장치 및 방법
KR102266184B1 (ko) * 2021-04-08 2021-06-18 국방과학연구소 항공기의 조종을 위한 제어 장치 및 그의 동작 방법
KR102375677B1 (ko) * 2021-10-19 2022-03-17 한화시스템(주) 함정 전투체계 지능화 영상처리 시스템 및 방법

Similar Documents

Publication Publication Date Title
US9244459B2 (en) Reflexive response system for popup threat survival
EP3372946B1 (en) Coordinating multiple ordnance targeting via optical inter-ordnance communications
Horowitz Why Words Matter: The Real World Consequences of Defining Autonomous Weapons Systmes
US20090158954A1 (en) Self-Protection System for Combat Vehicles or Other Objects To Be Protected
KR102567261B1 (ko) 표적 탐지 및 격추 시스템 및 방법
US6802236B1 (en) System for in-stride identification of minelike contacts for surface countermeasures
US6494159B2 (en) Submarine launched unmanned combat vehicle replenishment
KR102296962B1 (ko) 대 드론 방어 방법 및 시스템
KR102303941B1 (ko) 근접방어무기체계의 표적 식별 방법 및 표적 식별 장치
KR102667099B1 (ko) 인공 지능을 활용한 교전 통제 장치, 이를 구비하는 함정 및 교전 통제 방법
IL258066A (en) Missile defense method
KR102711829B1 (ko) 전투 체계, 이를 포함하는 함정 및 표적 위치 도출 방법
KR102701027B1 (ko) 표적의 모니터링 방법, 사격 장치의 위치 조절 방법, 표적 모니터링 장치 및 이를 포함하는 전투 체계
RU2135391C1 (ru) Корабельный комплекс высокоточного оружия ближнего рубежа
KR102558243B1 (ko) 함정 전투체계 지능형 교전 통제 장치 및 방법
Hood Counter unmanned aerial defense for high value units afloat pierside
George et al. System of systems architecture for generic torpedo defence system for surface ships
Harper Artificial intelligence could help neutralize enemy bombs
Müller et al. Vessel protection in expeditionary operations: At anchor and in foreign harbours
Caton Swarming
RU166336U1 (ru) Ракета - целеуказатель для радиолокационной разведки
Slocombe Uninhabited systems: Autonomous unmanned vehicles could mean fewer large submarines
CN116912764A (zh) 一种目标威胁等级的成像判断方法
Sternlicht Sensing and Automation in the Future Maritime Environment
Yeo SEA 1000 combat system complexity

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant