KR20190092060A - Uwb 기반 유막 검출 장치 및 방법 - Google Patents

Uwb 기반 유막 검출 장치 및 방법 Download PDF

Info

Publication number
KR20190092060A
KR20190092060A KR1020180011390A KR20180011390A KR20190092060A KR 20190092060 A KR20190092060 A KR 20190092060A KR 1020180011390 A KR1020180011390 A KR 1020180011390A KR 20180011390 A KR20180011390 A KR 20180011390A KR 20190092060 A KR20190092060 A KR 20190092060A
Authority
KR
South Korea
Prior art keywords
oil film
uwb
radar
detection
data
Prior art date
Application number
KR1020180011390A
Other languages
English (en)
Other versions
KR102028823B1 (ko
Inventor
서동환
김원열
이수환
태수호
강윤성
Original Assignee
한국해양대학교 산학협력단
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 한국해양대학교 산학협력단 filed Critical 한국해양대학교 산학협력단
Priority to KR1020180011390A priority Critical patent/KR102028823B1/ko
Publication of KR20190092060A publication Critical patent/KR20190092060A/ko
Application granted granted Critical
Publication of KR102028823B1 publication Critical patent/KR102028823B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/02—Analysing fluids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/22—Details, e.g. general constructional or apparatus details
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/34—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor
    • G01N29/348—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor with frequency characteristics, e.g. single frequency signals, chirp signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • 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
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
    • G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission

Abstract

UWB 기반 유막 검출 장치 및 방법이 제시된다. 일 실시예에 따른 UWB 기반 유막 검출 장치는, UWB(Ultra Wide Band)를 사용하여 신호를 검출 대상면을 향해 송출하고 송출된 신호의 반사파를 수신하여 데이터를 수집하는 레이더 송수신부; 및 상기 레이더 송수신부에서 수집된 상기 데이터를 분석하여 상기 검출 대상면에서 유막을 검출하는 유막 검출부를 포함하여 이루어질 수 있다.

Description

UWB 기반 유막 검출 장치 및 방법{APPARATUS AND METHOD FOR DETECTING UWB-BASED OIL FILM}
아래의 실시예들은 UWB(Ultra Wide Band) 기반 유막 검출 장치 및 방법에 관한 것으로, 더욱 상세하게는 UWB의 물에 의한 레이더 반사 특성을 이용하여 유막을 검출하는 UWB 기반 유막 검출 장치 및 방법에 관한 것이다.
기름 유출로 인해 발생하는 해양이나 하천 등의 수질오염은 생태계의 파괴 및 재산 손해 등 광범위한 피해뿐만 아니라 복구에도 수많은 시간과 노력이 소요된다. 따라서 초기에 기름을 검출하여 이러한 피해를 최소화 하고자 하천이나 정화 시설 등에 오일을 검출할 수 있는 유막 검출기가 많이 설치되고 있다.
하지만 고가의 유막 검출기는 용도에 따라 국소 범위에서는 적외선 센서, 레이저, 마이크로파 등이 사용되고 있으며, 해상 등 광범위용 검출기로는 SAR(Synthetic Aperture Radar), 마이크로파 산란계 등이 사용되고 있다. 이 중 선박, 하천 등 소규모 지역에 사용되는 소형 유막 검출기는 센서의 종류 및 감지 방법에 따라 수면에 직접 설치하여 유막을 측정하는 접촉식과 일정 높이에서 유막을 측정하는 비접촉식 방식이 있으며, 접촉식의 경우 주기적인 유지보수가 필요하기 때문에 비접촉식이 많이 적용된다.
레이저를 사용하는 대표적인 비접촉식 유막 검출기는 레이저를 수면에 조사하여 유막 종류 및 존재 여부에 따라 변화하는 굴절률을 측정하여 이를 판별하는 기술로, 수로의 전체를 측정하는 방식이 아닌 국소부위를 측정하기 때문에 검출률을 높이기 위해서는 설치 위치 및 수면의 높이 또한 중요하다. 상용화된 레이저 방식의 유막 검출기는 고정형으로 수면의 상태, 안개에 의한 왜란 등의 환경적 요인에 의한 검출 성능의 영향을 고려가 부족하여 오작동이 많이 발생하게 된다.
한국공개특허 10-2014-0140039호는 이러한 수면(검출 대상면)과의 거리가 떨어져 있는 경우에도 유막을 검출할 수 있는 유막 검출 장치에 관한 기술을 기재하고 있다.
한국공개특허 10-2014-0140039호
실시예들은 UWB 기반 유막 검출 장치 및 방법에 관하여 기술하며, 보다 구체적으로 IR(Impulse Radio) 기반의 UWB(Ultra Wide Band)를 이용하여 유막의 판별뿐만 아니라 수면과의 거리, 유막의 두께 정보를 획득할 수 있는 UWB 방식 유막 검출 기술을 제공한다.
실시예들은 비접촉식 방식으로 수면과 장비의 거리 유지 및 유막 검출 정확성을 확보하기 위해 거리 및 유막의 종류의 분류가 가능한 딥러닝(deep learning) 기반으로 유막을 검출하는 UWB 기반 유막 검출 장치 및 방법을 제공하는데 있다.
일 실시예에 따른 UWB 기반 유막 검출 장치는, UWB(Ultra Wide Band)를 사용하여 신호를 검출 대상면을 향해 송출하고 송출된 신호의 반사파를 수신하여 데이터를 수집하는 레이더 송수신부; 및 상기 레이더 송수신부에서 수집된 상기 데이터를 분석하여 상기 검출 대상면에서 유막을 검출하는 유막 검출부를 포함하여 이루어질 수 있다.
상기 레이더 송수신부는, 비접촉식 방식으로 상기 UWB를 사용하여 신호를 상기 검출 대상면인 수면을 향해 송출함에 따라 물에 의한 레이더 반사 특성을 이용하여 유막을 검출할 수 있다.
상기 레이더 송수신부는, IR(Impulse Radio) 기반의 상기 UWB를 이용하여 상기 유막의 유무, 상기 유막의 종류, 상기 유막의 두께 및 상기 검출 대상면인 수면과의 거리 정보를 획득할 수 있다.
상기 레이더 송수신부는, 국소 부위의 측정 정밀도 또는 높이 조절을 위하여 필요에 따라 지향성 안테나 또는 무지향성 안테나를 사용할 수 있다.
상기 레이더 송수신부는, 검출 대상면인 수면의 높이 변화 또는 방향 설정을 위하여 3축 조절이 가능한 이동식 장치에 구성되어, 상기 UWB의 최적의 송수신을 위해 상기 수면의 높이 변화에 따라 자동적인 위치 조절이 가능하다.
상기 레이더 송수신부는, 신호의 송수신이 동시에 가능한 싱글 안테나 방식을 사용할 수 있다.
상기 유막 검출부는, 비접촉식 방식으로 상기 레이더 송수신부와 상기 검출 대상면인 수면과의 거리를 유지하고 상기 유막의 검출 정확성을 확보하기 위해 거리 정보 및 유막의 종류의 분류가 가능한 딥러닝(deep learning) 기반으로 상기 유막을 검출할 수 있다.
상기 딥러닝은, 1차원 컨볼루션 뉴럴 네트워크(Convolution Neural Network, CNN)로 구성된 UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델을 통해 수집된 상기 데이터를 분석할 수 있다.
상기 유막 검출부는, 기계 학습 기반으로 수집된 상기 데이터를 가공하며, 수신된 상기 데이터를 저장 후, SVM(Support Vector Machine) 또는 클러스터링(clustering) 분류 방법을 통해 상기 유막의 종류 또는 물을 각각 분리하고, 상기 유막의 종류에 따라 데이터가 저장된 데이터베이스와 실시간으로 수집된 상기 데이터를 서로 매칭하여, 유막 발생시 유막의 성분들을 판별할 수 있다.
상기 유막 검출부에서 분석한 결과를 무선 통신을 사용하여 사용자 단말로 알람 또는 디스플레이하는 출력부를 더 포함할 수 있다.
상기 출력부는, 상기 유막 검출부에서 분석한 결과를 관제실로 전송하여 알람 또는 디스플레이하고, 분석한 결과에 따라 기설정된 제어에 따라 실시간으로 유막을 제거할 수 있는 흡착포 또는 거름망이 자동으로 설치되도록 할 수 있다.
다른 실시예에 따른 UWB 기반 유막 검출 방법은, UWB(Ultra Wide Band)를 사용하여 신호를 검출 대상면을 향해 송출하고 송출된 신호의 반사파를 수신하여 데이터를 수집하는 단계; 및 수집된 상기 데이터를 분석하여 상기 검출 대상면에서 유막을 검출하는 단계를 포함하고, 비접촉식 방식으로 상기 UWB를 사용하여 신호를 상기 검출 대상면인 수면을 향해 송출함에 따라 물에 의한 레이더 반사 특성을 이용하여 유막을 검출할 수 있다.
상기 UWB를 사용하여 신호를 검출 대상면을 향해 송출하고 송출된 신호의 반사파를 수신하여 데이터를 수집하는 단계는, IR(Impulse Radio) 기반의 상기 UWB를 이용하여 상기 유막의 유무, 상기 유막의 종류, 상기 유막의 두께 및 상기 검출 대상면인 수면과의 거리 정보를 획득할 수 있다.
상기 수집된 상기 데이터를 분석하여 상기 검출 대상면에서 유막을 검출하는 단계는, 기계 학습 기반으로 수집된 상기 데이터를 가공하며, 수신된 상기 데이터를 저장 후, SVM(Support Vector Machine) 또는 클러스터링(clustering) 분류 방법을 통해 상기 유막의 종류 또는 물을 각각 분리하는 단계; 상기 유막의 종류에 따라 데이터가 저장된 데이터베이스와 실시간으로 수집된 상기 데이터를 서로 매칭하는 단계; 및 상기 매칭을 통해 유막 발생시 상기 유막의 성분들을 판별하는 단계를 포함할 수 있다.
상기 검출 대상면에서 유막을 검출한 분석 결과를 무선 통신을 사용하여 사용자 단말로 알람 또는 디스플레이하는 단계를 더 포함할 수 있다.
실시예들에 따르면 IR 기반의 UWB를 이용하여 유막의 판별뿐만 아니라 수면과의 거리, 유막의 두께 정보를 획득할 수 있는 UWB 기반 유막 검출 장치 및 방법을 제공할 수 있다.
실시예들에 따르면 비접촉식 방식으로 수면과 장비의 거리 유지 및 유막 검출 정확성을 확보하기 위해 거리 및 유막의 종류의 분류가 가능한 딥러닝 기반으로 유막을 검출하는 UWB 기반 유막 검출 장치 및 방법을 제공할 수 있다.
도 1은 일 실시예에 따른 UWB 기반 유막 검출 장치를 개략적으로 나타내는 도면이다.
도 2는 일 실시예에 따른 UWB 기반 유막 검출 장치의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 UWB 기반 유막 검출 방법을 나타내는 흐름도이다.
도 4는 일 실시예에 따른 UWB 레이더의 수신 신호를 나타내는 그래프이다.
도 5는 일 실시예에 따른 입력되는 영상을 기반으로 단층 컨볼루션 뉴럴 네트워크(CNN)의 연결 구조를 나타내는 도면이다.
도 6은 일 실시예에 따른 UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델을 개략적으로 나타내는 도면이다.
도 7은 일 실시예에 따른 유막 검출 실험 환경을 개략적으로 나타내는 도면이다.
이하, 첨부된 도면을 참조하여 실시예들을 설명한다. 그러나, 기술되는 실시예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명되는 실시예들에 의하여 한정되는 것은 아니다. 또한, 여러 실시예들은 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다. 도면에서 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
기름의 유출로 인하여 직간접적인 영향으로 생태계뿐만 아니라 경제적, 사회적으로 회복하는데 오랜 시간이 걸리고, 연쇄적인 피해를 주게 된다. 수중에 기름 유출로 인하여 생성되는 유막을 신속하고 정확하게 검출하기 위해 유막 검출기에 대한 많은 연구가 진행되고 있다. 유막 검출 기법은 크게 접촉식과 비접촉식으로 두 가지가 존재하며, 접촉식은 전도도(Conductivity), 커패시턴스(Capacitance), 마이크로파(Microwave) 등이 있고 비접촉식으로는 적외선(Infrared), 자외선(UV), 레이저(Laser), 광학(Optic), 레이더(Radar) 등으로 구분할 수 있다. 접촉식은 장비를 수면에 부유하고 있어야 하고 위생 및 유지보수에 문제가 발생하며, 비접촉식은 수면과 장비의 측정 거리가 멀어짐에 따라 정확성이 저하되기 때문에 환경에 적합한 유막 검출기를 선택이 필요하다.
따라서 본 실시예에서는 비접촉식 방식으로 수면(검출 대상면)과 장비의 거리 유지 및 유막 검출 정확성을 확보하기 위해 거리 및 유막의 종류의 분류가 가능한 딥러닝 기반 UWB(Ultra Wide Band) 레이더를 이용한 유막 검출 기술을 제공한다. 아래의 실시예들은 IR(Impulse Radio) 기반의 UWB를 이용하여 유막의 판별뿐만 아니라 수면과의 거리, 유막의 두께 정보를 획득할 수 있는 UWB 방식 유막 검출 기술을 제공한다.
도 1은 일 실시예에 따른 UWB 기반 유막 검출 장치를 개략적으로 나타내는 도면이다.
도 1을 참조하면, 일 실시예에 따른 UWB 기반 유막 검출 장치(100)는 레이더 송수신부(110), 유막 검출부(120) 및 출력부(130)를 포함하여 이루어질 수 있다. 이러한 UWB 기반 유막 검출 장치(100)는 UWB의 물에 의한 레이더 반사 특성을 이용하여 유막의 생성시 변화되는 신호를 감지하고 이를 판별할 수 있다.
레이더 송수신부(110)는 데이터를 수집하는 UWB 레이더로, UWB를 사용하여 신호를 검출 대상면을 향해 송출하고 송출된 신호의 반사파를 수신하여 데이터를 수집할 수 있다. 예컨대, 검출 대상면은 수면이 될 수 있다.
UWB 레이더는 연속파(continuous wave) 또는 임펄스(impulse radio)를 생성하여 해당 신호를 수면을 향해 송신하고 그 반사파를 수신할 수 있다. 이 때, 안테나는 국소 부위의 측정 정밀도 또는 높이 조절을 위하여 필요에 따라 지향성 안테나 또는 무지향성 안테나를 사용할 수 있다. 레이더 신호의 송수신 기술 방식에 따라 안테나는 송수신이 동시에 가능한 싱글 안테나 방식(Frequency modulation continuous wave를 사용할 경우)과 송수신 안테나가 분리된 듀얼 안테나 방식이 사용될 수 있다.
수면의 높이 변화 또는 방향 설정을 위하여 3축 조절이 가능한 이동식 장치를 통해 UWB 신호의 최적의 수신을 위해 조절 가능하다. 이를 세부적으로 살펴보면 수면의 높이 변화에 의해 자동적인 위치 조절의 경우, 송수신을 통한 수면과 UWB의 거리 측정을 통해 최적의 위치를 추정할 수 있다. 이는 신호의 명확한 분석을 위하여 수위 변화에 대응하기 위한 기술로서 각도 조절 및 높이 조절이 가능하다.
유막 검출부(120)는 수집된 데이터를 분석하여 유막을 검출하고 유막의 종류를 판별할 수 있다.
수신된 데이터는 다음과 같은 방법으로 분류될 수 있다.
수신기로부터 획득된 모든 신호는 별도로 제작된 데이터베이스(Database, DB)와 비교될 수 있다. 우선, 데이터베이스에 저장된 신호는 각 유종(오일의 종류 또는 유막의 종류)에 따라 미리 수집된 수신 신호들을 나타낸다. 유종에 따라 수신되는 신호를 모두 저장한 후에 이를 분류하기 위하여 SVM(Support Vector Machine), 클러스터링(clustering) 등의 분류 방법들을 통해 유종, 물을 각각 분리할 수 있다. 이를 통해 제작된 데이터베이스(140)와 실시간으로 수집되는 수신 신호를 서로 매칭하여 물 또는 유막 발생시 유막의 성분들을 판별할 수 있다.
출력부(130)는 분석 결과를 알림 및/또는 디스플레이를 통해 사용자에게 알려줄 수 있다.
판별된 유막 정보는 이를 관제하는 관제실 또는 관리자들에게 전송되며 실시간으로 유막을 제거할 수 있는 흡착포, 거름망 등이 자동으로 설치될 수 있다. 이는 상습적으로 기름이 유출될 수 있는 선박, 공장 등의 배수 시설 등에 적용할 수 있다. 이는 유막의 발견 이후 신속한 대처를 위해 적용되며, 인력에 의한 대응 전에 오염을 최소화하기 위함이다.
알람은 LTE, 5G 망 등을 이용한 사물인터넷 기반으로 무선으로 전송하는 것을 기본으로 하며, 근거리이거나 통신환경의 제약 등에 따라 유선으로도 전송할 수 있다. 무선의 경우, 통신망을 이용하여 관제실, 관리자의 스마트폰 등의 휴대 기기로 알람을 전송할 수 있다.
도 2는 일 실시예에 따른 UWB 기반 유막 검출 장치의 구성을 나타내는 도면이다.
도 2를 참조하면, 일 실시예에 따른 UWB 기반 유막 검출 장치(100)는 도 1에서 설명한 바와 같이 레이더 송수신부(110), 유막 검출부(120) 및 출력부(130)를 포함하여 이루어질 수 있다.
레이더 송수신부(110)는 UWB를 사용하여 신호를 검출 대상면을 향해 송출하고 송출된 신호의 반사파를 수신하여 데이터를 수집할 수 있다. 여기서, 레이더 송수신부(110)의 송신부(111)는 UWB 연속파 또는 임펄스를 생성하여 검출 대상면을 향해 송출할 수 있고, 수신부(112)는 송출 후 반사된 반사파를 수신할 수 있으며, 이 때 수신부(112)는 시간에 따른 신호세기를 측정할 수 있다.
이러한 레이더 송수신부(110)는 신호의 송수신이 동시에 가능한 싱글 안테나 방식을 사용할 수 있다. 또한, 레이더 송수신부(110)는 송수신 안테나가 분리된 듀얼 안테나 방식이 사용될 수도 있다.
레이더 송수신부(110)는 비접촉식 방식으로 UWB를 사용하여 신호를 검출 대상면인 수면을 향해 송출함에 따라 물에 의한 레이더 반사 특성을 이용하여 유막을 검출할 수 있다. 특히, 레이더 송수신부(110)는 IR 기반의 UWB를 이용하여 유막의 유무, 유막의 종류, 유막의 두께 및 검출 대상면인 수면과의 거리 정보를 획득할 수 있다.
레이더 송수신부(110)는 국소 부위의 측정 정밀도 또는 높이 조절을 위하여 필요에 따라 지향성 안테나 또는 무지향성 안테나를 사용할 수 있다. 더욱이, 레이더 송수신부(110)는 검출 대상면인 수면의 높이 변화 또는 방향 설정을 위하여 3축 조절이 가능한 이동식 장치에 구성되어, UWB의 최적의 송수신을 위해 수면의 높이 변화에 따라 자동적인 위치 조절이 가능하도록 할 수 있다.
유막 검출부(120)는 레이더 송수신부(110)에서 수집된 데이터를 분석하여 검출 대상면에서 유막을 검출할 수 있다.
유막 검출부(120)는 비접촉식 방식으로 레이더 송수신부(110)와 검출 대상면인 수면과의 거리를 유지하고 유막의 검출 정확성을 확보하기 위해 거리 정보 및 유막의 종류의 분류가 가능한 딥러닝 기반으로 유막을 검출할 수 있다.
예를 들어, 유막 검출부(120)는 딥러닝 방법 중 1차원 컨볼루션 뉴럴 네트워크(Convolution Neural Network, CNN)로 구성된 UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델을 기반으로 수집된 UWB 레이더 유막 검출 신호를 분석함으로써, 유막의 종류 및 두께를 판별할 수 있다. 컨볼루션 뉴럴 네트워크(CNN) 및 UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델은 아래에서 보다 구체적으로 설명하기로 한다.
유막 검출부(120)는 기계 학습 기반으로 수집된 데이터를 가공(121)하며, 수신된 데이터를 저장 후, SVM또는 클러스터링 분류 방법을 통해 유막의 종류 또는 물을 각각 분리할 수 있다. 그리고, 유막 검출부(120)는 유막의 종류에 따라 데이터가 저장된 데이터베이스(140)와 실시간으로 수집된 데이터를 서로 매칭(122)하여, 유막 발생시 유막의 성분들을 판별(123)할 수 있다.
출력부(130)는 유막 검출부(120)에서 분석한 결과를 무선 통신을 사용하여 사용자 단말로 알람 또는 디스플레이할 수 있다.
출력부(130)는 유무선 및 우선 순위에 따른 차등 알람(131)을 통해 분석한 결과를 사용자 단말 등으로 전달할 수 있으며, 관제실(중앙 제어실)의 디스플레이 장치와 연동(132)되어 분석 결과를 디스플레이할 수 있다. 예를 들어, 출력부(130)는 유막 검출부(120)에서 분석한 결과를 관제실로 전송하여 알람 또는 디스플레이하고, 분석한 결과에 따라 기설정된 제어에 따라 실시간으로 유막을 제거할 수 있는 흡착포 또는 거름망이 자동으로 설치되도록 할 수 있다.
도 3은 일 실시예에 따른 UWB 기반 유막 검출 방법을 나타내는 흐름도이다.
도 3을 참조하면, 일 실시예에 따른 UWB 기반 유막 검출 방법은 UWB를 사용하여 신호를 검출 대상면을 향해 송출하고 송출된 신호의 반사파를 수신하여 데이터를 수집하는 단계(310), 및 수집된 데이터를 분석하여 검출 대상면에서 유막을 검출하는 단계(320)를 포함하여 이루어질 수 있다.
그리고, 검출 대상면에서 유막을 검출한 분석 결과를 무선 통신을 사용하여 사용자 단말로 알람 또는 디스플레이하는 단계(330)를 더 포함할 수 있다.
실시예에 따르면 비접촉식 방식으로 UWB를 사용하여 신호를 검출 대상면인 수면을 향해 송출함에 따라 물에 의한 레이더 반사 특성을 이용하여 유막을 검출할 수 있다.
아래에서 일 실시예에 따른 UWB 기반 유막 검출 방법에 대해 하나의 예를 들어 보다 구체적으로 설명한다.
일 실시예에 따른 UWB 기반 유막 검출 방법은 도 1 및 도 2에서 설명한 일 실시예에 따른 UWB 기반 유막 검출 장치를 이용하여 보다 구체적으로 설명할 수 있다. 여기서, 일 실시예에 따른 UWB 기반 유막 검출 장치는 송수신부(110), 유막 검출부(120) 및 출력부(130)를 포함하여 이루어질 수 있다.
단계(310)에서, 레이더 송수신부(110)는 UWB를 사용하여 신호를 검출 대상면을 향해 송출하고 송출된 신호의 반사파를 수신하여 데이터를 수집할 수 있다.
여기서, 레이더 송수신부(110)는 비접촉식 방식으로 IR 기반의 UWB를 이용하여 유막의 유무, 유막의 종류, 유막의 두께 및 검출 대상면인 수면과의 거리 정보를 획득할 수 있다.
단계(320)에서, 유막 검출부(120)는 수집된 데이터를 분석하여 검출 대상면에서 유막을 검출할 수 있다.
유막 검출부(120)는 비접촉식 방식으로 레이더 송수신부와 검출 대상면인 수면과의 거리를 유지하고 유막의 검출 정확성을 확보하기 위해 거리 정보 및 유막의 종류의 분류가 가능한 딥러닝 기반으로 유막을 검출할 수 있다. 여기서, 딥러닝은 1차원 컨볼루션 뉴럴 네트워크(CNN)로 구성된 UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델을 통해 수집된 데이터를 분석할 수 있다.
보다 구체적으로, 유막 검출부(120)는 기계 학습 기반으로 수집된 데이터를 가공하며, 수신된 데이터를 저장 후, SVM 또는 클러스터링 분류 방법을 통해 유막의 종류 또는 물을 각각 분리할 수 있다. 이후, 유막 검출부(120)는 유막의 종류에 따라 데이터가 저장된 데이터베이스와 실시간으로 수집된 데이터를 서로 매칭할 수 있으며, 다음으로, 유막 검출부(120)는 매칭을 통해 유막 발생시 유막의 성분들을 판별할 수 있다.
단계(330)에서, 출력부(130)는 검출 대상면에서 유막을 검출한 분석 결과를 무선 통신을 사용하여 사용자 단말로 알람 또는 디스플레이할 수 있다.
출력부는 유막 검출부에서 분석한 결과를 관제실로 전송하여 알람 또는 디스플레이하고, 분석한 결과에 따라 기설정된 제어에 따라 실시간으로 유막을 제거할 수 있는 흡착포 또는 거름망이 자동으로 설치되도록 할 수 있다.
아래에서는 일 실시예에 따른 UWB 기반 유막 검출 장치 및 방법에서 사용된 UWB 레이더 및 딥러닝 기반 유막 검출 기술에 대해 보다 상세히 설명한다.
UWB는 스펙트럼에 비해 매우 넓은 대역인 500MHz 이상의 주파수 대역을 사용하고, 낮은 전력으로 대용량의 정보를 전송하는 무선통신 기술이다. IR-UWB(Impulse Radio-Ultra Wide Band)의 경우 펄스가 매우 짧아 수 센티미터의 정밀도로 거리 측정이 가능하여 위치 측위, 인원계수, 비접촉식 호흡측정 및 심박 수 측정, 재난 시 인명구조용 등으로 활용도가 높다.
여기에서는 P410 RCM 장비를 사용하였으며, P410 모듈은 3.1 GHz ~ 5.3 GHz의 작동 주파수를 갖는 무선 트랜시버이다. 전송된 펄스에 대한 반복 속도는 10MHz 이며 수신된 데이터는 61ps의 속도로 샘플링한다. 수신기는 데이터 캡처를 위해 Host PC에 연결되어 있는 동안 송신기는 지속적으로 짧은 펄스를 생성하도록 설정한다. P410은 모노스태틱 레이더(Monostatic Radar)로 사용하였으며, 실험에서 사용된 안테나는 무지향성으로 선형 위상응답, 전압 정재파비는 1.75:1, 이득이 3dBi 이다. UWB 레이더(UWB Radar)는 TOA(Time of Arrival) 방식을 사용하여 탐지 및 거리 측정이 가능하며, 수신된 직선 경로 신호를 기반으로 범위를 계산할 수 있다.
도 4는 일 실시예에 따른 UWB 레이더의 수신 신호를 나타내는 그래프이다.
도 4를 참조하면, UWB 레이더의 펄스를 방사하여 수신된 신호를 나타내는 것으로, x축은 지연 시간, y축은 수신된 신호의 강도비율을 나타낸다. 실제 신호의 파형에서는 직선 경로 신호 뒤쪽에 다중 경로(multipath) 신호가 존재하며, 직선 경로에 비해 약한 신호이나 다양한 세기의 다중 경로 신호가 수신되어, 목표물의 거리측정 시 오차를 유발하기도 하고, 이러한 오차의 수학적 모델은 다음 식과 같이 표현될 수 있다.
[식 1]
Figure pat00001
여기에서, m(t)는 임펄스에 반사되어 수신된 신호이고,
Figure pat00002
와
Figure pat00003
는 수신 신호 내에서 i 번째 샘플의 진폭과 전달 지연을 나타내며, p(t)는 신호 파형, n(t)는 주변으로부터 수신된 잡음을 의미한다.
이러한 오차는 수면에서 매질에 따라 변하게 되기 때문에 각 기름의 종류에 따라 특징이 다르게 변화할 것이다.
최근 패턴인식 분야에서 높은 성능을 보여주는 딥러닝은 인공신경망을 적층하는 기법으로 FCN(Fully Connected Network) 레이어(layer)를 여러 층으로 구성한 모델을 이용한다. 하지만 입력 받는 신호 패턴의 특성에 따라 적합하게 레이어들을 구성하여 모델을 설계하여야 한다. 구성된 레이어는 가중치 학습을 통해 다양한 연산이 가능하나 연산량이 매우 높고 전역적인 특성을 학습하므로 국지적 특성을 인식하는데 취약하다. 이를 해결하기 위해 컨볼루션 뉴럴 네트워크(Convolution Neural Network, CNN)를 사용하며 합성곱과 서브 샘플링을 반복적으로 수행하여 국지적인 특성부터 전역적인 특성을 인식한다. UWB 신호의 특성상 국지적인 부분에 인식이 요구되기 때문에 컨볼루션 뉴럴 네트워크(CNN)가 적합하다.
도 5는 일 실시예에 따른 입력되는 영상을 기반으로 단층 컨볼루션 뉴럴 네트워크(CNN)의 연결 구조를 나타내는 도면이다.
도 5를 참조하면, 입력되는 영상을 기반으로 단층 컨볼루션 뉴럴 네트워크(CNN)의 연결 구조(500)에서 x i (510)는 입력 정보, y i (530)는 출력 정보, w 1, w 2 및 w 3(520)는 각 선의 가중치를 의미한다. 도 5의 결과를 다음 식과 같이 나타낼 수 있다.
[식 2]
Figure pat00004
영상의 경우 2차원이기 때문에 식 2에 축을 추가하여 연산할 수 있다. 도 5 및 식 2에 나타난 바와 같이, 컨볼루션 뉴럴 네트워크(CNN)는 주변의 픽셀 정보만을 기반으로 학습한다. 또한 컨볼루션 뉴럴 네트워크(CNN)는 w 1, w 2 및 w 3가 다른 영역에서도 동일한 가중치로 적용되어 연산량을 줄여주며, 동시에 한 지역의 국소적인 특징을 먼 지역에 동일하게 적용할 수 있다.
하지만 하나의 가중치 지도는 하나의 특징만을 추출할 수 있으므로 다양한 특징들의 분류를 위해서는 여러 필터 역할을 하는 가중치 집단이 필요하다. 하나의 필터에 해당되는 가중치 지도를 커널(kernel) 이라고 하며, 커널(kernel)의 개수는 필터의 수와 동일하다. 따라서 컨볼루션 뉴럴 네트워크(CNN)는 다양한 특징들을 추출하기 위해 각 추출한 특징에 맞는 다양한 커널(kernel)들을 구성하여 학습할 수 있다.
도 6은 일 실시예에 따른 UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델을 개략적으로 나타내는 도면이다.
도 6을 참조하면, 일 실시예에 따른 UWB 기반 유막 검출 장치는 1차원 컨볼루션 뉴럴 네트워크(CNN)로 구성된 UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델(600)을 기반으로 수집된 UWB 레이더 유막 검출 신호를 분석할 수 있다.
한편, 컨볼루션 뉴럴 네트워크(CNN)는 일반적으로 3 종류의 계층을 가지고 있다. 컨볼루션 레이어(Convolution layer)(620)는 컨볼루션 특징을 추출하는 레이어로 의미 있는 특징(feature)들을 추출하기 위한 층이고, 풀링 레이어(Pooling layer)는 이미지의 특성상 많은 픽셀이 존재하기 때문에 특징을 줄이기 위해 서브샘플링(subsampling)을 하는 층이며, 피드포워드 레이어(Feedforward layer)는 컨볼루션 레이어와 풀링 레이어에서 나온 특징을 이용해서 분류를 하는 층이다.
UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델(600)은 일반적인 시간 영역의 UWB 신호(611)를 첫 번째 채널로 입력할 뿐만 아니라 주파수 영역의 특징의 추출을 위해 FFT를 통해 전처리된 신호(612)를 두 번째 채널로 입력하여 시간 영역, 주파수 영역을 동시에 분석 가능하다. UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델(600)의 출력은 one-hot 방식으로 인코딩된 데이터 구조를 따른다.
UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델(600)의 구성은 5개의 컨볼루션 레이어(620)와 각 레이어 말단에 설치된 풀링 레이어로 구성될 수 있다. 그리고 UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델(600)의 출력부에서 유막의 종류와 거리를 분류하기 위해 풀 커넥트(630)로 구성된 뉴럴 네트워크를 구성할 수 있다.
이에 따라 유막의 종류 및 두께를 판별(640)할 수 있다.
도 7은 일 실시예에 따른 유막 검출 실험 환경을 개략적으로 나타내는 도면이다.
도 7을 참조하면, 거리 및 유막 종류 분류의 가능 여부를 확인하기 위해 실험 환경에서 수면과 UWB(711)를 송수신하는 UWB 모듈(710)의 거리는 0.5m에서 1.5m까지 10cm 간격으로 측정하고 수조(720)의 가로, 세로, 높이는 0.3m이고 물(721)의 높이는 0.15m로 수조(720) 밑면과의 높이에 간격을 두어 수조(720)의 반사와 분리된 신호가 들어올 수 있도록 한다. 또한, 유막(722)의 두께는 0.006m로 설정한다.
여기서, 유막(722)의 검출을 위해 검출할 기름은 등유, 경유, 식용유 및 물을 사용하여 학습하여 검출 정확도를 분석한다. 제안한 UWB 기반 유막 검출 장치의 정확성 및 유효성을 검증하기 위해 교차 타당성 검증(Cross Validation)으로 검증하며 전체 데이터에서 학습 데이터셋(Training dataset)은 80%, 테스트(Test) 및 타당성 검증(Validation)은 20%로 설정한다.
실험 결과 제안한 UWB 기반 유막 검출 장치의 거리 및 기름 유무 정확도가 높으며, 검출 기법에 대한 가능성을 입증하였다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable 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 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
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 장치에 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.
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.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 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 특허청구범위의 범위에 속한다.

Claims (6)

  1. UWB(Ultra Wide Band)를 사용하여 신호를 검출 대상면을 향해 송출하고 송출된 신호의 반사파를 수신하여 데이터를 수집하는 레이더 송수신부; 및
    상기 레이더 송수신부에서 수집된 상기 데이터를 분석하여 상기 검출 대상면에서 유막을 검출하는 유막 검출부
    를 포함하는, UWB 기반 유막 검출 장치.
  2. 제1항에 있어서,
    상기 레이더 송수신부는,
    비접촉식 방식으로 상기 UWB를 사용하여 신호를 상기 검출 대상면인 수면을 향해 송출함에 따라 물에 의한 레이더 반사 특성을 이용하여 유막을 검출하며, IR(Impulse Radio) 기반의 상기 UWB를 이용하여 상기 유막의 유무, 상기 유막의 종류, 상기 유막의 두께 및 상기 검출 대상면인 수면과의 거리 정보를 획득하는 것
    을 특징으로 하는, UWB 기반 유막 검출 장치.
  3. 제1항에 있어서,
    상기 레이더 송수신부는,
    국소 부위의 측정 정밀도 또는 높이 조절을 위하여 지향성 안테나 또는 무지향성 안테나를 사용하며, 신호의 송수신이 동시에 가능한 싱글 안테나 방식을 사용하고, 검출 대상면인 수면의 높이 변화 또는 방향 설정을 위하여 3축 조절이 가능한 이동식 장치에 구성되어, 상기 UWB의 최적의 송수신을 위해 상기 수면의 높이 변화에 따라 자동적인 위치 조절이 가능한 것
    을 특징으로 하는, UWB 기반 유막 검출 장치.
  4. 제1항에 있어서,
    상기 유막 검출부는,
    비접촉식 방식으로 상기 레이더 송수신부와 상기 검출 대상면인 수면과의 거리를 유지하고 상기 유막의 검출 정확성을 확보하기 위해 거리 정보 및 유막의 종류의 분류가 가능한 딥러닝(deep learning) 기반으로 상기 유막을 검출하고,
    상기 딥러닝은, 1차원 컨볼루션 뉴럴 네트워크(Convolution Neural Network, CNN)로 구성된 UWB 레이더를 이용한 딥러닝 기반 유막 검출기 모델을 통해 수집된 상기 데이터를 분석하는 것
    을 특징으로 하는, UWB 기반 유막 검출 장치.
  5. 제1항에 있어서,
    상기 유막 검출부는,
    기계 학습 기반으로 수집된 상기 데이터를 가공하며, 수신된 상기 데이터를 저장 후, SVM(Support Vector Machine) 또는 클러스터링(clustering) 분류 방법을 통해 상기 유막의 종류 또는 물을 각각 분리하고, 상기 유막의 종류에 따라 데이터가 저장된 데이터베이스와 실시간으로 수집된 상기 데이터를 서로 매칭하여, 유막 발생시 유막의 성분들을 판별하는 것
    을 특징으로 하는, UWB 기반 유막 검출 장치.
  6. 제1항에 있어서,
    상기 유막 검출부에서 분석한 결과를 무선 통신을 사용하여 사용자 단말로 알람 또는 디스플레이하는 출력부
    를 더 포함하고,
    상기 출력부는,
    상기 유막 검출부에서 분석한 결과를 관제실로 전송하여 알람 또는 디스플레이하고, 분석한 결과에 따라 기설정된 제어에 따라 실시간으로 유막을 제거할 수 있는 흡착포 또는 거름망이 자동으로 설치되도록 하는 것
    을 특징으로 하는, UWB 기반 유막 검출 장치.
KR1020180011390A 2018-01-30 2018-01-30 Uwb 기반 유막 검출 장치 및 방법 KR102028823B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180011390A KR102028823B1 (ko) 2018-01-30 2018-01-30 Uwb 기반 유막 검출 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180011390A KR102028823B1 (ko) 2018-01-30 2018-01-30 Uwb 기반 유막 검출 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190092060A true KR20190092060A (ko) 2019-08-07
KR102028823B1 KR102028823B1 (ko) 2019-10-04

Family

ID=67621683

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180011390A KR102028823B1 (ko) 2018-01-30 2018-01-30 Uwb 기반 유막 검출 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102028823B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210059659A (ko) * 2019-11-15 2021-05-25 한밭대학교 산학협력단 합성곱 신경망을 이용한 초광대역 시스템의 거리 추정 장치 및 방법
WO2021172720A1 (ko) * 2020-02-27 2021-09-02 (주)카네비컴 자율 무인항공 이동체 및 이의 제어 방법
KR20220141082A (ko) * 2021-04-12 2022-10-19 경상국립대학교산학협력단 해양오염 기름 두께 측정 방법 및 장치
KR102588100B1 (ko) * 2023-04-27 2023-10-16 동문이엔티(주) 실시간 유류 감시 시스템

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11223598A (ja) * 1997-11-06 1999-08-17 Hitachi Ltd 油膜検出装置
KR20140134123A (ko) * 2013-05-13 2014-11-21 주식회사 씨이피 하천 단면형상측정장치
KR20140140039A (ko) 2012-03-30 2014-12-08 디케이케이 토아 코포레이션 유막 검출 장치
KR20150116652A (ko) * 2014-04-08 2015-10-16 한국해양대학교 산학협력단 방제작업용 무인선
KR20160132527A (ko) * 2015-05-11 2016-11-21 제이에이치네트웍스(주) 임펄스 레이더를 활용한 퇴적층 준설 스케줄링 방법
KR20170068948A (ko) * 2015-12-10 2017-06-20 김영욱 레이더 및 이를 이용한 표적 식별 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11223598A (ja) * 1997-11-06 1999-08-17 Hitachi Ltd 油膜検出装置
KR20140140039A (ko) 2012-03-30 2014-12-08 디케이케이 토아 코포레이션 유막 검출 장치
KR20140134123A (ko) * 2013-05-13 2014-11-21 주식회사 씨이피 하천 단면형상측정장치
KR20150116652A (ko) * 2014-04-08 2015-10-16 한국해양대학교 산학협력단 방제작업용 무인선
KR20160132527A (ko) * 2015-05-11 2016-11-21 제이에이치네트웍스(주) 임펄스 레이더를 활용한 퇴적층 준설 스케줄링 방법
KR20170068948A (ko) * 2015-12-10 2017-06-20 김영욱 레이더 및 이를 이용한 표적 식별 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210059659A (ko) * 2019-11-15 2021-05-25 한밭대학교 산학협력단 합성곱 신경망을 이용한 초광대역 시스템의 거리 추정 장치 및 방법
WO2021172720A1 (ko) * 2020-02-27 2021-09-02 (주)카네비컴 자율 무인항공 이동체 및 이의 제어 방법
KR20220141082A (ko) * 2021-04-12 2022-10-19 경상국립대학교산학협력단 해양오염 기름 두께 측정 방법 및 장치
KR102588100B1 (ko) * 2023-04-27 2023-10-16 동문이엔티(주) 실시간 유류 감시 시스템

Also Published As

Publication number Publication date
KR102028823B1 (ko) 2019-10-04

Similar Documents

Publication Publication Date Title
KR102028823B1 (ko) Uwb 기반 유막 검출 장치 및 방법
US10761187B2 (en) Liquid detection using millimeter-wave radar sensor
EP2281231B1 (en) Object and movement detection
US20200174096A1 (en) Method and apparatus for processing radar data
US11719811B2 (en) Method and device to improve radar data using reference data
US20200400810A1 (en) Method and device with improved radar resolution
Ishitsuka et al. Object detection in ground-penetrating radar images using a deep convolutional neural network and image set preparation by migration
JP6673030B2 (ja) 情報処理装置、情報処理方法、及びプログラム
US11835622B2 (en) Method and device to process radar signal
Torrione et al. Application of the LMC algorithm to anomaly detection using the Wichmann/NIITEK ground-penetrating radar
US20230258790A1 (en) Method and apparatus with measuring of three-dimensional position using radar sensor
US20210018609A1 (en) Method and system for object detection
US20220179062A1 (en) Detection apparatus and method
WO2015177172A1 (fr) Contraintes conjointes de transitivite de differences temporelles et effet dopler multibandes pour la separation, caracterisation, et localisation de sources sonores par acoustique passive
Sezgin Simultaneous buried object detection and imaging technique utilizing fuzzy weighted background calculation and target energy moments on ground penetrating radar data
US7315485B1 (en) System and method for target classification and clutter rejection in low-resolution imagery
KR101469364B1 (ko) 차량 레이더 장치 및 이를 이용한 목표물 검출방법
Tian et al. Ship detection method for single-polarization synthetic aperture radar imagery based on target enhancement and nonparametric clutter estimation
CN115131756A (zh) 一种目标检测方法及装置
Chuang et al. Applying an Adaptive Signal Identification Method to Improve Vessel Echo Detection and Tracking for SeaSonde HF Radar
US20230109995A1 (en) Unmanned aerial vehicle detector
da Costa et al. A CFAR‐like detector based on neural network for simulated high‐frequency surface wave radar data
Iqbal et al. Intelligent tracking and positioning of targets using passive sensing systems
Camilo et al. Three-dimensional features, based on beamforming at multiple depths, improves landmine detection with a forward-looking ground-penetrating radar
Takeuchi et al. Measurement of survivor location by using GPR with two dimensional array antenna

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right