메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정대현 (광주과학기술원) 김영호 (광주과학기술원) 김창현 (광주과학기술원) 이후상 (광주과학기술원) 유홍제 (광주과학기술원) 정원호 (광주과학기술원) 오현석 (광주과학기술원) 류제하 (광주과학기술원)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제24권 제9호
발행연도
2018.9
수록면
822 - 828 (7page)
DOI
10.5302/J.ICROS.2018.18.0113

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Damage in fish farming nets can lead to serious losses and/or adverse environmental impact. Nonetheless, detecting such damage is challenging. Human experts could inspect the nets, but this process is costly and time-consuming. Alternatively, remotely operated underwater vehicles (ROV) can be used to inspect the fishnets. By using advanced deep-learning techniques for autonomous navigation and object detection, fishnets can be inspected efficiently while minimizing human intervention. In this paper, a deep convolutional neural networks (CNN) is employed to classify images of torn and normal fishnets. Training deep CNN models requires numerous image data, whereas a limited amount of fishnet images are available. To resolve the dearth of available data, data-augmentation techniques are adopted to generate images of torn and normal fishnets. The trained CNN model shows high accuracy for classifying the given augmented test dataset.
#smart fishery #deep learning #convolutional neural networks (CNN) #fish farming #data augmentation

목차

Abstract
Ⅰ. 서론
Ⅱ. 그물 이미지 데이터
Ⅲ. 심층 컨볼루션 신경망
Ⅳ. 실험 결과 및 논의
Ⅴ. 결론 및 향후 연구
REFERENCES

참고문헌 (28)

참고문헌 신청
FAO, “FAO yearbook. fishery and aquaculture statistics. 2015,” FAO Fisheries and Aquaculture Department, Rome, 2017. Y. H. Kim, B. J. Kim, and K. J. Shin, “Development of Industrialization Model for Smart Fish Farming Based on IoT,” 2018 33rd Institute of Control, Robotics and Systems Annual Conference (in Korean), Byeonsan, South Korea, pp. 283-285, May 2018. S. H. Min and J. W. Choi, “Development of an Underwater Fish Farm Surveillance Simulator,” Journal of Institute of Control, Robotics and Systems, vol. 23, no. 6, pp. 497-502, June 2017. Statistics Korea, “2015 Fishery Production Survey,” Statistics Korea, South Korea, Report, 2015. D. Jackson, A. Drumm, S. McEvoy, Ø. Jensen, D. Mendiola, G. Gabina, J. A. Borg, N. Papageorgiou, Y. Karakassis, and K. D. Black, “A pan-European valuation of the extent, causes and cost of escape events from sea cage fish farming,” Aqua￢culture, vol. 436, pp. 21-26, Jan. 2015.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

구조물 건전성 진단에서 데이터 부족 문제 극복을 위한 심층 생성 모델의 활용
정원호 ,  정대현 ,  김영호 외 5명 대한기계학회 논문집 A권 2019 .03
다중회귀분석 및 인공신경망을 이용한 과부하 굴삭기 소음의 음질 인덱스
심상덕 ,  송오섭 한국자동차공학회논문집 2018 .11
기계시스템 정상/비정상 센서 데이터 불균형 문제 해결을 위한 딥러닝 생성 모델 비교
정원호 ,  이현탁 ,  오현석 대한기계학회 춘추학술대회 2018 .04
Deep Neural Network 기반의 차량 주행 경로 예측
정동기 ,  백민진 ,  김우중 외 1명 한국자동차공학회논문집 2018 .03
공학시스템 고장예지 및 건전성 관리를 위한 딥러닝의 활용
오현석 ,  윤병동 기계저널 2017 .03

최근 본 자료

전체보기

댓글(0)

0