In this paper, i propose a jellyfish distribution recognition monitoring system using an UAV (unmanned aerial vehicle). The UAV was designed to satisfy the requirements for flight in ocean environment. The target jellyfish, aurelia aurita, is recognized through convolution neural network and its distribution is calculated. The deep neural network architecture has been developed to have reliable recognition accuracy and fast operation speed. I also introduce the method for selecting candidates that are inputs of the proposed network. The recognition accuracy of the jellyfish is increased by removing the probability value of the meaningless class among the probability vectors of the evaluated input image and re-evaluating it by normalizing it. The jellyfish distribution is calculated based on the unit jellyfish image thus recognized. The distribution level is defined by using the novelty concept of the distribution map buffer.
본 논문에서는 UAV (unmanned aerial vehicle)를 활용하여 심층 신경망을 적용한 해파리 분포 인식 모니터링 시스템을 제안한다. 해양 환경에서 UAV를 운용하기 위해 필요한 하드웨어 요소와 이를 구성한 방식을 제안한다. 본 논문에서 목적으로 하는 보름달물해파리를 심층 신경망을 통해 인식하고 그에 따른 분포도를 계산한다. 심층 신경망의 구조는 신뢰할 만한 인식 정확도와 빠른 연산 속도를 가질 수 있게 개발되었다. 또한 제안하는 심층 신경망의 입력이 되는 후보군을 선택하는 기준에 대해서 소개한다. 원본 영상에서 최소한의 해파리 후보군을 추려내어 인식을 효율적으로 수행할 수 있도록 하며 평가가 완료된 입력 영상에 대한 확률 벡터 중 의미 없는 class의 확률 값을 제거한 뒤 다시 정규화 하여 재평가하는 방식으로 해파리의 인식률을 높였다. 이렇게 인식된 단위 해파리 영상을 토대로 해파리 분포도를 계산한다. 시간의 흐름을 반영한 새로운 분포도 계산 방식을 distribution map buffer의 개념을 활용하여 분포도를 정의한다.
