Gaofen-1 WFV 영상을 이용한 딥러닝 기반 대형 부유조류 분류 KCI

Title
Gaofen-1 WFV 영상을 이용한 딥러닝 기반 대형 부유조류 분류
Alternative Title
Deep Learning Based Floating Macroalgae Classification Using Gaofen-1 WFV Images
Author(s)
김의현; 김근용; 김수미; Tingwei Cui; 유주형
KIOST Author(s)
Kim, Euihyun(김의현)Kim, Keunyong(김근용)Kim, Soo Mee(김수미)Ryu, Joo Hyung(유주형)
Publication Year
2020-04
Abstract
매년 황해와 동중국해에서는 대형 부유조류인 녹조와 갈조가 대량으로 발생하고 있다. 이러한 대형 부유조류는 연안의 양식 시설물이나 해변으로 유입되며, 제거하는데 막대한 경제적 손실을 발생시킨다. 현재는연안으로 유입되는 대형 부유조류를 탐지하기 위해 원격탐사 방법이 활발하게 사용되고 있다. 그러나 대형 부유조류는 해양의 다양한 대상들과 중첩되는 파장이 존재하기에 이를 정확하게 탐지하는데 한계가 있다. 더욱이 녹조와 갈조는 유사한 스펙트럼 특성을 보이기 때문에 원격탐사 자료를 이용한 구분을 더욱 어렵게 만든다.
따라서 본 연구에서는 위성 영상에 딥러닝 기법을 적용하여 녹조와 갈조를 효과적으로 구분하고자 하였다. 이를 위한 네트워크를 결정하기 위해 최적의 학습 조건을 찾아 AlexNet 신경망을 전이 학습하였으며, 학습과 검증을 위해 Gaofen-1 WFV 영상을 이용하여 데이터셋을 구성하였다. 최적의 학습 조건으로 학습된 네트워크를이용하여 실험 데이터에 대한 결과를 확인하였다. 그 결과 실험 데이터에 대한 정확도는 88.89%를 보였으며, 녹조와 갈조에 대해 각각 66.67%와 100%의 정밀도로 구분이 가능하였다. 이는 전이 학습된 AlexNet 신경망이녹조와 갈조의 미세한 차이를 구분할 수 있는 것으로 해석된다. 본 연구를 통해 해양의 다양한 대상으로부터녹조와 갈조를 효과적으로 분류하고 각각 구분할 수 있을 것으로 기대된다.
ISSN
1225-6161
URI
https://sciwatch.kiost.ac.kr/handle/2020.kiost/38698
DOI
10.7780/kjrs.2020.36.2.2.6
Bibliographic Citation
대한원격탐사학회지, v.36, no.2, pp.293 - 307, 2020
Publisher
대한원격탐사학회
Keywords
Deep learning; Transfer learning; AlexNet; Green and Golden tide; Gaofen-1 WFV
Type
Article
Language
Korean
Publisher
대한원격탐사학회
Related Researcher
Research Interests

Coastal Remote Sensing,RS based Marine Surveillance System,GOCI Series Operation,연안 원격탐사,원격탐사기반 해양감시,천리안해양관측위성 운영

Files in This Item:
There are no files associated with this item.

qrcode

Items in ScienceWatch@KIOST are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse