KR20230141725A - 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법 - Google Patents
인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법 Download PDFInfo
- Publication number
- KR20230141725A KR20230141725A KR1020230129535A KR20230129535A KR20230141725A KR 20230141725 A KR20230141725 A KR 20230141725A KR 1020230129535 A KR1020230129535 A KR 1020230129535A KR 20230129535 A KR20230129535 A KR 20230129535A KR 20230141725 A KR20230141725 A KR 20230141725A
- Authority
- KR
- South Korea
- Prior art keywords
- sound
- intrusion
- underwater
- module
- sound source
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 title abstract description 32
- 238000009360 aquaculture Methods 0.000 title 2
- 244000144974 aquaculture Species 0.000 title 2
- 238000001514 detection method Methods 0.000 claims abstract description 52
- 241000251468 Actinopterygii Species 0.000 claims abstract description 44
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 13
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 7
- 230000007787 long-term memory Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008595 infiltration Effects 0.000 description 4
- 238000001764 infiltration Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 235000015170 shellfish Nutrition 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 208000010824 fish disease Diseases 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 229920002635 polyurethane Polymers 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/16—Actuation by interference with mechanical vibrations in air or other fluid
- G08B13/1654—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems
- G08B13/1672—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems using sonic detecting means, e.g. a microphone operating in the audio frequency range
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52001—Auxiliary means for detecting or identifying sonar signals or the like, e.g. sonar jamming signals
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Zoology (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
본 발명은 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법에 관한 것이다. 인공지능 기반의 해양 양식장 수중 감시 시스템은 수면 아래에 배치되어 수중에서 발생하는 음향을 탐지하는 소나 방식의 음향 탐지 모듈(11); 음향 탐지 모듈(11)에서 탐지된 음향을 분석하는 음향 분석 모듈(12); 음향 분석 모듈(12)에서 이상 음원의 패턴을 분석하는 알고리즘을 제공하는 이상 음원 학습 모듈(13); 및 음향 분석 모듈(12)에서 분석된 결과에 기초하여 외부 침입 상황에 해당하는지 여부를 결정하는 침입 결정 모듈(14)을 포함한다.
Description
본 발명은 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법에 관한 것이고, 구체적으로 음향 추출 데이터의 패턴 인식에 기초하여 침입 여부의 판단이 가능한 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법에 관한 것이다.
수산식량 양식은 미래의 주목받는 전망 산업으로 개발되고 있고, 양식 수산물 생산량은 10년 동안 계속적으로 증가하는 추세에 있다. 가두리 양식장은 해양 생물을 인공적으로 키우기 위한 시설물로 내륙에 가까이 운영할 경우 해수 순환 악화로 인한 노후화로 생산성이 저하되고, 어병 발병률이 상승하는 단점을 가진다. 이와 같은 단점을 개선하기 위하여 해수 순환이 좋은 개방형 앞바다에서 가두리 양식장이 활발하게 운영되고 있다. 그러나 내륙에서 멀어짐으로 인하여 양식 중인 어패류가 도난 피해에 쉽게 노출된다는 문제점이 있다. 양식 어패류 피해가 발생할 경우 재해에 대한 보상은 있으나 도난에 대하여 해당 사항이 없어 양식장의 운영에 더 치명적인 영향을 줄 수 있다. 이러한 도난에 의한 피해를 방지하기 위한 공지기술로 공개특허 제10-2012-0087212호, 등록특허 제10-13780710000호 및 등록특허 제10-17983960000호는 CCTV를 통한 모니터링 시스템에 대하여 개시한다. 그러나 이와 같은 시스템은 소형 선박을 통해 침투하거나 야간에 잠수를 통한 수중 침투를 탐지하기 어렵다는 단점을 가진다. 또한 등록특허 제10-12684020000호 및 공개특허 제10-2019-0009132호는 원뿔 형태로 송신한 음파의 되돌아온 정보를 이용하여 가두리 주변을 스캔할 수 있는 능동 소나(sonar)를 양식장에 대한 수중 침투를 방지하기 위한 기술로 제안한다. 그러나 이와 같은 장비의 경우 높은 가격과 높은 전력 소모량으로 인하여 장기간 실제로 운용하기 어렵다는 단점을 가진다. 또한, 200 watt 이상의 출력으로 장기간 발생시키는 인위적인 음파는 양식장의 어패류에게 해로운 영향을 줄 수 있다. 능동 소나와 대비되는 수동 소나 방식은 외부에서 생성된 소리를 수중청음기(Hydrophone)를 이용하여 수신한다. 신호를 별도로 지속적으로 송신하는 구조가 아니고, 이로 인하여 능동 소나에 비하여 매우 적은 전력 소모량을 가지면서 운용을 위하여 필요한 장치의 수가 감소될 수 있다는 이점을 가진다. 과거에 이러한 수동 소나 방식으로 음향의 패턴을 분석하는데 한계가 있었으나, 인공지능 기술의 지속적인 발달로 인하여 패턴 인식의 신뢰성이 증대되면서 활용이 가능하게 되었다. 환경에 맞는 데이터 집합으로 학습된 모델을 기반으로 연속적으로 획득되는 음향 데이터에 기초하여 양식장에 대한 수중 침입 여부 및 상황을 인식하여 위험 상황에 해당하는지 여부를 판단하는 것이 가능하다. 그러므로 수동 소나 방식에 의한 침입 감시 기술이 개발될 필요가 있지만 선행기술은 이에 대하여 개시하지 않는다.
본 발명은 선행기술의 문제점을 해결하기 위한 것으로 아래와 같은 목적을 가진다.
본 발명의 목적은 수동 소나 방식을 이용하여 해양 양식장에 수중으로 침투하는 것을 감지할 수 있는 인공지능 기반의 해양 양식장 수중 감시 시스템을 제공하는 것이다.
본 발명의 다른 목적은 연속적으로 획득되는 음향 데이터로부터 양식장에 대한 수중 침입 여부 및 상황을 인식하여 위험 상황에 해당하는지 여부를 판단하는 인공지능 기반의 해양 양식장 수중 감시 방법을 제공하는 것이다.
본 발명의 적절한 실시 형태에 따르면, 인공지능 기반의 해양 양식장 수중 감시 시스템은 수면 아래에 배치되어 수중에서 발생하는 음향을 탐지하는 소나 방식의 음향 탐지 모듈; 음향 탐지 모듈에서 탐지된 음향을 분석하는 음향 분석 모듈; 음향 분석 모듈에서 이상 음원의 패턴을 분석하는 알고리즘을 제공하는 이상 음원 학습 모듈; 및 음향 분석 모듈에서 분석된 결과에 기초하여 외부 침입 상황에 해당하는지 여부를 결정하는 침입 결정 모듈을 포함한다.
본 발명의 다른 적절한 실시 형태에 따르면, 침입 결정 모듈은 LSTM(Long-Term Memory Models)과 같은 알고리즘에 의하여 탐지된 음향의 패턴을 분석하여 침입 상황 여부를 판단한다.
본 발명의 또 다른 적절한 실시 형태에 따르면, 음향 탐지 모듈(11)은 하이드로폰(Hydrophone)을 포함하고, 탐지 음향은 수중 다이버(diver)의 호흡으로 인한 음향 또는 선박에서 발생되는 음향 등을 포함한다.
본 발명의 다른 적절한 실시 형태에 따르면, 침입 결정 모듈(14)의 결정에 따른 침입 상황을 알리는 알림 수단을 더 포함한다.
본 발명의 적절한 실시 형태에 따르면, 인공지능 기반의 해양 양식장 수중 감시 방법은 적어도 두 개의 수중 청음 수단이 양식장의 수중에 설치되는 단계; 수중 청음 수단에 의하여 음향 데이터가 수집되는 단계; 수집된 음향 데이터로부터 이상 음향 패턴이 식별되는 단계; 식별된 이상 음향 패턴이 침입 상황인지 여부가 판단되는 단계; 침입 상황에 해당하는 경우 음원 방향이 산출되는 단계; 및 침입 정보가 전송되는 단계를 포함한다.
본 발명의 다른 적절한 실시 형태에 따르면, 침입 정보는 LTE 또는 LTE-M과 같은 통신 수단에 의하여 관련 기관의 전자기기로 전송된다.
본 발명에 따른 인공지능 기반의 해양 양식장 수중 감시 시스템은 수중에 설치된 하이드로폰을 이용하여 수집한 음향 데이터로부터 양식장에 대한 수중 침입 여부 및 상황을 인식하고, 위험 상황 여부를 판단하여 해양 양식장에 대한 수중 침투 및 도난 방지가 가능하도록 한다. 또한 본 발명에 따른 인공지능 기반의 해양 양식장 수중 감시 방법은 침입에 따른 위험 상황이 감지되면 LTE 또는 LTE-M과 같은 상용 통신망을 통하여 관련 정보가 육지로 송신되어 양식장 직원 혹은 관련 기관이 적절한 조치를 취할 수 있도록 상황 정보를 제공하여 그에 따른 적절한 조치가 취해질 수 있도록 한다. 본 발명에 따른 감시 시스템 또는 감시 방법은 수중 감시가 요구되는 다양한 설비에 적용될 수 있다.
도 1은 본 발명에 따른 인공지능 기반의 해양 양식장 수중 감시 시스템의 실시 예를 도시한 것이다.
도 2a는 본 발명에 따른 감시 시스템의 작동 구조의 실시 예를 도시한 것이다.
도 2b는 본 발명에 따른 감시 시스템에서 침입 상황이 판단되는 과정의 실시 예를 도시한 것이다.
도 3a 및 도 3b는 본 발명에 따른 인공지능 기반의 해양 양식장 수중 감시 방법의 실시 예를 도시한 것이다.
도 2a는 본 발명에 따른 감시 시스템의 작동 구조의 실시 예를 도시한 것이다.
도 2b는 본 발명에 따른 감시 시스템에서 침입 상황이 판단되는 과정의 실시 예를 도시한 것이다.
도 3a 및 도 3b는 본 발명에 따른 인공지능 기반의 해양 양식장 수중 감시 방법의 실시 예를 도시한 것이다.
아래에서 본 발명은 첨부된 도면에 제시된 실시 예를 참조하여 상세하게 설명이 되지만 실시 예는 본 발명의 명확한 이해를 위한 것으로 본 발명은 이에 제한되지 않는다. 아래의 설명에서 서로 다른 도면에서 동일한 도면 부호를 가지는 구성요소는 유사한 기능을 가지므로 발명의 이해를 위하여 필요하지 않는다면 반복하여 설명이 되지 않으며 공지의 구성요소는 간략하게 설명이 되거나 생략이 되지만 본 발명의 실시 예에서 제외되는 것으로 이해되지 않아야 한다.
도 1은 본 발명에 따른 인공지능 기반의 해양 양식장 수중 감시 시스템의 실시 예를 도시한 것이다.
도 1을 참조하면, 인공지능 기반의 해양 양식장 수중 감시 시스템은 수면 아래에 배치되어 수중에서 발생하는 음향을 탐지하는 소나 방식의 음향 탐지 모듈(11); 음향 탐지 모듈(11)에서 탐지된 음향을 분석하는 음향 분석 모듈(12); 음향 분석 모듈(12)에서 이상 음원의 패턴을 분석하는 알고리즘을 제공하는 이상 음원 학습 모듈(13); 및 음향 분석 모듈(12)에서 분석된 결과에 기초하여 외부 침입 상황에 해당하는지 여부를 결정하는 침입 결정 모듈(14)을 포함한다.
음향 탐지 모듈(11)은 양식장의 경계 또는 다른 적절한 위치에 설치될 수 있고, 수중으로 전파되는 다양한 음파를 탐지할 수 있는 소나(sonar) 기기를 포함할 수 있고, 예를 들어 하이드로폰(Hydrophone)을 포함할 수 있다. 음향 탐지 모듈(11)은 수동 소나 방식으로 작동될 수 있고, 다양한 주파수 대역의 음향을 탐지할 수 있다. 예를 들어 음향 탐지 모듈(11)은 1 내지 50 kHz 주파수 대역의 음향을 탐지할 수 있고, -250 내지 -100 dB 사이의 음압 감도를 가지는 하이드로폰을 포함할 수 있다. 탐지 대상이 되는 음향은 예를 들어 수중 다이버(diver)의 호흡에 따른 공기 방울 또는 흡입 소리, 선박의 엔진 소리, 스크루 소리 또는 이와 유사한 소리 신호를 포함할 수 있지만 이에 제한되지 않는다. 음향 탐지 모듈(11)에 의하여 탐지된 음향은 음향 분석 모듈(12)로 전송될 수 있다. 음향 분석 모듈(12)은 음향 탐지 모듈(11)에서 탐지된 음향으로부터 이상 음향을 탐지하는 기능을 가질 수 있다. 다양한 음향 신호가 수중에서 발생될 수 있는 음향 분석 모듈(12)은 탐지된 다양한 음향 중 외부 침입으로 인하여 발생되는 음향에 해당되는지 여부를 분석하는 기능을 가질 수 있다. 음향 분석 모듈(12)에서 이상 음향에 해당되는지 여부를 분석하기 위하여 인공지능 알고리즘이 적용될 수 있다. 음향 분석 모듈(12)에서 이상 음향에 해당하는지 여부를 분석하기 위하여 이상 음원 학습 모듈(13)이 설치될 수 있다. 이상 음원 학습 모듈(13)은 다양한 침입 형태에서 발생 가능한 다양한 음향 패턴을 학습하고 그에 따른 데이터를 저장하는 기능을 가질 수 있다. 예를 들어 이상 음원 학습 모듈(13)은 다이버(diver)에 의하여 발생 가능한 다양한 음향 패턴 또는 선박으로부터 발생 가능한 다양한 음향 패턴을 학습할 수 있다. 이와 같은 학습 과정은 예를 들어 인공지능 기술 중 딥러닝 알고리즘의 일종인 CNN(Convolutional Neural Network) 또는 RNN(Recurrent Neural Network)과 같은 학습 알고리즘을 포함할 수 있고, 바람직하게 LSTM(Long Short Term Memory) 알고리즘이 적용될 수 있다. 음향 분석 모듈(12)은 예를 들어 수중에서 발생하는 자연적인 음향이 아닌 특이 음향에 해당하는 것이 감지되면 이상 음원 학습 모듈(13)을 통하여 다양한 침입 형태로부터 발생 가능한 음향 패턴에 해당하는지 여부를 확인할 수 있다. 그리고 확인에 따른 결과가 침입 결정 모듈(14)로 전송될 수 있다. 침입 결정 모듈(14)은 음향 분석 모듈(12)에서 분석된 음향 패턴에 기초하여 침입 발생 여부를 결정하고, 필요에 따라 경보를 발생시키는 기능을 가질 수 있다. 예를 들어 선박의 엔진 소리가 탐지되었지만 양식장으로부터 멀어지는 패턴의 경우 침입이 발생되지 않았거나, 침입이 종료된 것으로 결정될 수 있다. 만약 침입 상황이 발생되고 있는 것으로 결정되면, 침입자에게 경고 신호를 보내거나, 관리 기관에 경보를 발생시킬 수 있다. 경고 신호 또는 경보는 시각적 또는 청각적 인지 수단을 포함할 수 있고, LTE 또는 LTE-M과 같은 무선 통신을 통한 전자기기로 상황 전송을 포함할 수 있다. 다양한 방법으로 경고, 경보 또는 상황 전송이 될 수 있고 제시된 실시 예에 제한되지 않는다.
아래에서 이와 같은 구조를 가진 감시 시스템의 작동 구조에 대하여 설명된다.
도 2a는 본 발명에 따른 감시 시스템의 작동 구조의 실시 예를 도시한 것이다.
도 2b를 참조하면, 하나 또는 그 이상의 하이드로폰과 같은 음향 탐지 수단(21)이 가두리 양식장에 배치될 수 있고, 각각의 하이드로폰의 배치 위치가 미리 결정될 수 있다. 예를 들어 각각의 하이드로폰은 외부 침입이 가능한 침입 경로에서 발생하는 음향의 탐지가 가능하도록 양식장 주변의 수중에 배치될 수 있다. 각각의 하이드로폰은 1 내지 50 kHz의 주파수 대역의 음파를 탐지할 수 있고, -250 내지 -100 dB의 음압 감도를 가질 수 있다. 각각의 하이드로폰에 의하여 예상 침입 경로에서 발생되는 다이버(diver)가 호흡을 위하여 내뱉는 공기 방울로부터 발생되는 음파 또는 호흡을 위하여 흡입하는 과정에서 발생되는 음파가 탐지될 수 있다. 또한 각각의 하이드로폰에 의하여 20 Hz 내지 20 kHz 주파수 대역의 높은 에너지 밀도를 가지는 선박의 엔진 소리 또는 선박의 스크루 소리가 탐지될 수 있다. 서로 다른 위치에 배치된 다수 개의 하이드로폰에 의하여 다양한 음원에 의하여 발생되는 음파가 탐지되어 전기 신호로 변환될 수 있다. 그리고 변환된 탐지 신호가 신호 증폭기(22)로 전송될 수 있다. 하이드로폰이 예를 들어 -210 V/μPa @ 1m 사양이 되는 경우 1 μPa의 음압은 31 pV, 1 mPa의 음압은 31 nV 그리고 1 Pa의 음압은 31 μV의 전기 신호로 변환될 수 있다. 그러므로 이와 같은 작은 진폭을 가진 탐지 신호는 신호 증폭기(22)에 의하여 증폭될 필요가 있다. 하이드로폰과 같은 음향 탐지 수단(21)은 수중에 설치될 수 있고, 신호 증폭기(22)를 비롯한 처리 수단은 물 밖에 설치될 수 있다. 음향 탐지 수단의 전송 케이블의 한쪽 끝에 연결되고, 전송 케이블의 다른 끝은 BNC 커넥터와 같은 연결 수단에 의하여 외부 장치와 연결될 수 있다. 전송 케이블은 방수 또는 수밀 구조를 가질 수 있고, 예를 들어 폴리우레탄 소재로 피복된 피복 케이블이 될 수 있다. 신호 증폭기(22)는 음향 탐지 수단(21)과 일체로 형성되거나, 외부에 설치될 수 있고, 신호 증폭기(22)에 의하여 음향 데이터 수집 유닛(23)으로 전송될 수 있다. 음향 데이터 수집 유닛(23)은 증폭된 탐지 신호를 샘플링을 하여 디지털 신호로 변환하는 기능을 가질 수 있다. 예를 들어 음향 데이터 수집 유닛(23)은 12 비트 이상의 해상도(resolution)와 100 KS/s 이상의 샘플링이 가능한 ADC(Analog to Digital Converter)를 포함할 수 있다. 이와 같은 방식으로 디지털 신호로 변환된 탐지 신호는 신호 처리 유닛(24)으로 전송되어 전처리가 될 수 있다. 신호 처리 유닛(24)은 독립적으로 작동 가능한 운영 체제, 중앙 처리 유닛, 메모리 또는 이와 유사한 연산 기능을 위한 하드웨어 또는 소프트웨어를 포함할 수 있다. 예를 들어 신호 처리 유닛(24)은 감시 시스템 전체의 작동을 제어하는 퍼스널 컴퓨터와 같은 컴퓨터의 일부를 형성할 수 있다. 신호 처리 유닛(24)는 전처리 과정을 통하여 탐지 신호로부터 노이즈를 제거하거나, 미리 결정된 주파수 대역의 신호를 제거하거나, 신호 대 잡음비(SNR)를 향상시킬 수 있다. 미리 결정된 주파수 대역의 신호는 예를 들어 수중에서 발생되는 자연의 소리 또는 양식장의 운영을 위하여 설치된 장비로부터 발생되는 소리와 같은 것이 될 수 있다. 신호 처리 유닛(24)이 변환된 신호가 분석될 수 있고, 위에서 설명된 것처럼 분석 과정에서 딥러닝 기법에 해당하는 RNN(Recurrent Neural Network) LSTM 학습 알고리즘이 적용되어 침입 패턴이 되는 음향 신호가 탐지될 수 있다. 신호 처리 유닛(24)에 의한 분석 과정에서 침입 패턴에 해당하는 음향 탐지 패턴이 발견되면 관련 정보와 함께 침입 판단 유닛(25)으로 전송될 수 있다. 침입 판단 유닛(25)은 침입 형태, 침입 시각, 침입 상황 또는 침입 위치와 같은 침입 관련 정보를 저장하고, 침입 상황에 따른 조치를 취할 수 있다. 예를 들어 침입 판단 유닛(25)은 경보 모듈(26)을 작동시킬 수 있고, 경보 모듈(26)은 시각적 또는 청각적 경보를 발생시키는 경보 발생 유닛(261) 및 침입 상황을 무선 통신을 통하여 외부로 전송하는 외부 통신 유닛(262)을 포함할 수 있다. 경보 발생 유닛(261)은 예를 들어 경보음 또는 경보 광을 침입자에게 송신할 수 있다. 또는 경보음을 발생시켜 양식장 주변에 경보 상황을 알릴 수 있다. 또는 침입 상황을 예를 들어 LTE 또는 LTE-M 무선 통신을 통하여 관련 기관에 전송하거나, 관리 권한이 있는 사람의 스마트폰과 같은 전자기기로 전송할 수 있다. 경보 모듈(26)은 다양한 알림 수단을 포함할 수 있고 제시된 실시 예에 제한되지 않는다.
침입 상황이 발생된 경우 침입 관련 정보가 생성될 필요가 있고, 침입 정보는 다양한 방법으로 생성될 수 있다.
도 2b는 본 발명에 따른 감시 시스템에서 침입 상황이 판단되는 과정의 실시 예를 도시한 것이다.
도 2b를 참조하면, 침입 패턴의 탐색 및 그와 관련된 침입 정보의 생성은 예를 들어 데이터를 압축하여 저장하는 단계(P21); 저장 데이터로부터 음원이 검출되는 단계(P22); 및 음원 방향과 음원 위치가 추정되는 단계(P23)를 포함할 수 있다. 위에서 설명된 것처럼, 디지털 신호로 변환이 된 음향 신호가 신호 처리 유닛에 의하여 전처리가 될 수 있다. 신호 처리 유닛은 전처리가 된 신호를 탐지 시각에 따라 분류하여 압축하여 저장될 수 있다(P21). 그리고 이와 같이 압축 및 저장된 신호에 대하여 인공지능 알고리즘이 적용되어 음원이 추출될 수 있다(P22). 음원 검출을 위하여 신호 처리 유닛은 인공지능 연산 활용 모델을 생성하기 위하여 일반적으로 발생되는 비, 바람, 천둥 또는 이와 유사한 자연 발생 음향을 학습시킬 수 있다. 또한 양식장의 환경에 따라 자연적으로 또는 인위적으로 발생되는 다양한 소리 신호의 형태를 음원 검출 수단에게 학습시킬 수 있다. 또한 음원 검출 수단은 수중 다이버의 호흡을 내뱉을 때 발생되는 공기 방울 소리와 숨을 들어 마실 때 발생되는 공기가 ‘쉬’하는 소리, 선박의 엔진 소리, 선박의 스크루 소리에 대한 데이터를 확보하여 학습할 수 있다. 예를 들어 다이버의 호흡 소리 수집을 위해 음향 탐지 수단과 가까워지거나, 멀어지는 침입 상황을 가정하여 -60˚, -30˚, 정면, 30˚, 60˚ 또는 이와 유사한 다양한 각도에서 음향 신호의 변화를 학습할 수 있다. 학습을 위한 데이터 그룹에 대하여 데이터에 내재된 이상 음원 발생 위치 또는 방향과 같은 음원 관련 정보를 표시하여 인공지능이 학습시킬 수 있도록 레이블링(Labeling) 과정이 실행될 수 있다. 이와 같은 학습 과정을 통하여 음원 검출 수단은 침입 상황에서 발생할 수 있는 음원을 추출할 수 있고, 일상적인 음원 패턴과 이상 상황에서 발생되는 음원 패턴을 식별하여 검출할 수 있다. 이와 같은 방법을 통하여 음원이 검출되면(P22), 식별된 음원의 시간 프레임에 따른 에너지의 크기가 산출될 수 있다. 또한 서로 다른 위치에 배치된 다수 개의 음원 탐지 수단에서 탐지된 동일 음원에 대한 분석이 이루어지고. 이에 기초하여 음원 방향 또는 음원 위치가 산출될 수 있다(P23). 그리고 음원 방향 또는 음원 위치의 시각에 따른 변화에 기초하여 침입 상황에 해당하는지 여부가 판단될 수 있다. 음원 추출 또는 그에 따른 음원 방향의 탐지는 다양한 방법으로 이루어질 수 있고 제시된 실시 예에 제한되지 않는다.
도 3a 및 도 3b는 본 발명에 따른 인공지능 기반의 해양 양식장 수중 감시 방법의 실시 예를 도시한 것이다.
도 3a를 참조하면, 인공지능 기반의 해양 양식장 수중 감시 방법은 적어도 두 개의 수중 청음 수단이 양식장의 수중에 설치되는 단계(P31); 수중 청음 수단에 의하여 음향 데이터가 수집되는 단계(P32); 수집된 음향 데이터로부터 이상 음향 패턴이 식별되는 단계(P33); 식별된 이상 음향 패턴이 침입 상황인지 여부가 판단되는 단계(P34); 침입 상황에 해당하는 경우 음원 방향이 산출되는 단계(P35); 및 침입 정보가 전송되는 단계(P36)를 포함한다. 또한 침입 정보는 LTE 또는 LTE-M과 같은 통신 수단에 의하여 관련 기관의 전자기기로 전송될 수 있다.
수중 청음 수단은 예를 들어 하이드로폰이 될 수 있고, 예상 침입 경로에 기초하여 다수 개의 하이드로폰이 서로 다른 위치에 배치될 수 있다(P31). 각각의 청음 수단에 의하여 수중에서 발생되는 다양한 형태의 음파 데이터가 수집되어(P32), 디지털 전기 신호로 변환되어 신호 처리 유닛으로 전송될 수 있다. 신호 처리 유닛은 인공지능 알고리즘에 따라 침입 음파를 탐지하는 음원 검출 수단을 포함할 수 있고, 음원 검출 수단에 의하여 침입 음원 패턴 또는 이상 음원 패턴이 검출될 수 있다(P33). 검출된 침입 음원 패턴 또는 이상 음원 패턴이 침입 상황에 의한 것인지 여부가 판단될 수 있고(P34). 만약 침입 상황에 의한 것이 아니라면(NO), 계속적으로 음원 데이터가 수집될 수 있다. 이에 비하여 침입 상황이 발생되고 있는 것이라고 판단되면(YES), 음원의 종류, 음원의 위치 또는 음원 방향이 산출될 수 있다(P35). 그리고 산출된 정보에 기초하여 침입 상황 정보가 생성될 수 있고, 이와 함께 침입 경보가 발생될 수 있다(P36). 침입 경보는 시각적 또는 청각적 경보를 포함하고, 필요에 따라 LTE 또는 LTE-M과 원격 무선 통신을 통하여 관리 기관 또는 관리 기관의 전자기기로 전송될 수 있다. 다수 개의 하이드로폰에 의하여 탐지된 음원 데이터에 기초하여 음원 위치, 음원의 방향 또는 음원의 이동 상황이 산출될 수 있다.
도 3b를 참조하면, 침입에 해당하는 음원 또는 이상 음원과 같은 검출 음원(SG)에 의하여 음파가 발생되면, 양식장에 배치된 서로 다른 하이드로폰과 같은 음향 탐지 모듈(11a, 11b)에 의하여 탐지될 수 있다. 검출 음원(SG)이 각각의 음향 탐지 모듈(11a, 11b)의 상대적인 거리(S1, S2)의 차이에 의하여 검출되는 지연 시간(τ)이 산출될 수 있고, 탐지 신호에 GCC(Generalized Cross Correlation) 기법을 적용하여 음원 방향이 산출될 수 있다. GCC 기법은 수집한 각 신호에 대해 상호 상관성을 획득하고, 획득된 값에 최대가 되는 지수(index)를 취한 뒤, 그 값이 최대가 되는 지수를 산출하는 방법으로 진행될 수 있다. 필요에 따라 연산의 복잡성을 줄일 수 있고, 예를 들어 주파수 변환 후 곱 연산을 하는 방법이 적용될 수 있다. 지연시간(τ)은 두 개의 음향 탐지 모듈(11a, 11b)의 검출 음원(SG)에 대한 상대적인 거리 차이(d)를 수중 음속(c:1500m/s)으로 나눈 값이 된다. 거리 차이(d)는 두 개의 음향 탐지 모듈(11a, 11b) 사이의 거리(SD)에 검출 음원(SG)에 대한 각(θ)으로부터 산출될 수 있다. 수중 음속(c)은 SVP(Sound Velocity Profile) 또는 인근 해역의 음속 정보에 기초하여 적절하게 조절될 수 있다. 이와 같은 산출 과정을 참조하면, , 가 되므로 치환을 통해 와 같은 과정을 통해 검출 음원(SG)의 방향이 추정될 수 있다. 방향 추정 과정에서 오차 범위가 적용되어 산출된 지점을 기준으로 일정 범위의 영역이 예상 방향으로 결정될 수 있다. 음향 탐지 모듈(11a, 11b)의 개수가 증가되면 방향 추정의 정확도가 높아질 수 있고, 검출 음원(SG)의 위치 추정 또는 이동 상황이 정확하게 추정될 수 있다. 검출 음원(SG)의 방향, 위치 또는 이동 상황은 다양한 방법으로 추정될 수 있고 제시된 실시 예에 제한되지 않는다.
위에서 본 발명은 제시된 실시 예를 참조하여 상세하게 설명이 되었지만 이 분야에서 통상의 지식을 가진 자는 제시된 실시 예를 참조하여 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다양한 변형 및 수정 발명을 만들 수 있을 것이다. 본 발명은 이와 같은 변형 및 수정 발명에 의하여 제한되지 않으며 다만 아래에 첨부된 청구범위에 의하여 제한된다.
11: 음향 탐지 모듈
12: 음향 분석 모듈
13: 이상 음원 학습 모듈 14: 침입 결정 모듈
21: 음향 탐지 수단 22: 신호 증폭기
23: 데이터 수집 유닛 24: 신호 처리 유닛
25: 알림 수단
13: 이상 음원 학습 모듈 14: 침입 결정 모듈
21: 음향 탐지 수단 22: 신호 증폭기
23: 데이터 수집 유닛 24: 신호 처리 유닛
25: 알림 수단
Claims (2)
- 수면 아래에 배치되어 수중에서 발생하는 음향을 탐지하는 소나 방식의 음향 탐지 모듈(11);
음향 탐지 모듈(11)에서 탐지된 음향을 분석하는 음향 분석 모듈(12);
음향 분석 모듈(12)에서 이상 음원의 패턴을 분석하는 알고리즘을 제공하는 이상 음원 학습 모듈(13); 및
음향 분석 모듈(12)에서 분석된 결과에 기초하여 외부 침입 상황에 해당하는지 여부를 결정하는 침입 결정 모듈(14)을 포함하고,
음향 탐지 모듈(11)은 해양 양식장의 예상 침입 경로에 기초하여 서로 다른 위치에 배치된 복수 개의 하이드로폰(Hydrophone)을 포함하고, 탐지 음향은 복수 개의 하이드로폰에 의하여 탐지된 음원 데이터에 기초하여 수중 다이버(diver)의 호흡에 따른 공기 방울로부터 발생되는 음파 또는 호흡을 위하여 흡입하는 과정에서 발생되는 음파를 포함하고, 침입 결정 모듈(14)의 결정에 따른 침입 상황을 알리는 알림 수단(25)을 더 포함하는 인공지능 기반의 해양 양식장 수중 감시 시스템. - 청구항 1에 있어서, 침입 결정 모듈(14)은 LSTM(Long-Term Memory Models)를 포함하는 인공지능 알고리즘에 의하여 탐지된 음향의 패턴을 분석하여 침입 상황 여부를 판단하는 것을 특징으로 하는 인공지능 기반의 해양 양식장 수중 감시 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230129535A KR20230141725A (ko) | 2020-11-17 | 2023-09-26 | 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200153651A KR20220067200A (ko) | 2020-11-17 | 2020-11-17 | 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법 |
| KR1020230129535A KR20230141725A (ko) | 2020-11-17 | 2023-09-26 | 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200153651A Division KR20220067200A (ko) | 2020-11-17 | 2020-11-17 | 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230141725A true KR20230141725A (ko) | 2023-10-10 |
Family
ID=81806354
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200153651A KR20220067200A (ko) | 2020-11-17 | 2020-11-17 | 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법 |
| KR1020230129535A KR20230141725A (ko) | 2020-11-17 | 2023-09-26 | 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200153651A KR20220067200A (ko) | 2020-11-17 | 2020-11-17 | 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR20220067200A (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120087212A (ko) | 2010-11-23 | 2012-08-07 | (주)코리아컴퓨터 | 가두리 양식장 원격 감시 장치 |
| KR20130042121A (ko) | 2011-10-18 | 2013-04-26 | 한국생산기술연구원 | 수중 감시 시스템 |
| KR101378071B1 (ko) | 2013-08-20 | 2014-03-28 | (주)금성보안 | 양식장 및 인공어초 도난 방지 감시 시스템 및 방법 |
| KR20160039587A (ko) | 2016-03-22 | 2016-04-11 | (주)럭스콤 | 조수간만 차이를 반영한 해양 양식장 방범용 감시 시스템 및 제어 방법 |
| KR20190009132A (ko) | 2017-07-18 | 2019-01-28 | 주식회사 글로비트 | 초음파를 이용한 가두리 침투 감지 시스템 |
-
2020
- 2020-11-17 KR KR1020200153651A patent/KR20220067200A/ko active Application Filing
-
2023
- 2023-09-26 KR KR1020230129535A patent/KR20230141725A/ko not_active Application Discontinuation
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120087212A (ko) | 2010-11-23 | 2012-08-07 | (주)코리아컴퓨터 | 가두리 양식장 원격 감시 장치 |
| KR20130042121A (ko) | 2011-10-18 | 2013-04-26 | 한국생산기술연구원 | 수중 감시 시스템 |
| KR101378071B1 (ko) | 2013-08-20 | 2014-03-28 | (주)금성보안 | 양식장 및 인공어초 도난 방지 감시 시스템 및 방법 |
| KR20160039587A (ko) | 2016-03-22 | 2016-04-11 | (주)럭스콤 | 조수간만 차이를 반영한 해양 양식장 방범용 감시 시스템 및 제어 방법 |
| KR20190009132A (ko) | 2017-07-18 | 2019-01-28 | 주식회사 글로비트 | 초음파를 이용한 가두리 침투 감지 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220067200A (ko) | 2022-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | A microphone array system for automatic fall detection | |
| Williamson et al. | Multisensor acoustic tracking of fish and seabird behavior around tidal turbine structures in Scotland | |
| EP2464991B1 (en) | A method for human only activity detection based on radar signals | |
| US8195409B2 (en) | Passive acoustic underwater intruder detection system | |
| Arjun et al. | Border surveillance and intruder detection using wireless sensor networks: A brief survey | |
| KR101594044B1 (ko) | 수영 객체 검출 및 분류를 위한 방법 및 장치 | |
| EP3879507A1 (en) | Visual-acoustic monitoring system for event detection, localization and classification | |
| Miksis-Olds et al. | Exploring the ocean through soundscapes | |
| CN111223261B (zh) | 一种复合智能生产安防系统及其安防方法 | |
| US11043229B2 (en) | System and method for drowning detection | |
| CN111598039A (zh) | 用于石油管道监控的异常声音监测方法及监测装置 | |
| Tegowski et al. | Detecting and analyzing underwater ambient noise of glaciers on Svalbard as indicator of dynamic processes in the Arctic | |
| Anagnostou et al. | Passive aquatic listener (PAL): An adoptive underwater acoustic recording system for the marine environment | |
| Khan et al. | Flash floods prediction using real time data: An implementation of ANN-PSO with less false alarm | |
| KR20230141725A (ko) | 인공지능 기반의 해양 양식장 수중 감시 시스템 및 그에 의한 감시 방법 | |
| US20210327246A1 (en) | System and method for detection of an alarm state in a body of water | |
| KR102609249B1 (ko) | Cctv를 이용한 수위 자동 산출방법 | |
| KR101652450B1 (ko) | 소나 및 영상 분석을 이용한 해상 풍력발전 단지 감시 장치 | |
| JPH08501445A (ja) | 養魚場おりの警備装置 | |
| Arjun et al. | Development of a Framework for Effective Surveillance and Human Intrusion Detection in Border regions covered with Dry leaves | |
| Zuba et al. | UPAL: Underwater passive aquatic listener | |
| CN215003925U (zh) | 一种水下声音提取装置 | |
| Kolar et al. | The design and deployment of a real-time wide spectrum acoustic monitoring system for the ocean energy industry | |
| GRARI et al. | FOREST FIRE DETECTION AND MONITORING THROUGH ENVIRONMENT SOUND SPECTRUM USING DEEP LEARNING | |
| Stork et al. | Underwater acoustic networks for security risk assessment in public drinking water reservoirs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal |