3D 렌더링 및 딥러닝을 활용한 기뢰매몰률 측정 (3D Rendering and Deep Learning-based Mine Burial Rate Measurement)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 24권 / 12호 / 244 ~ 252페이지
· 저자명 : 장민수, 하용훈

초록

본 연구에서는 3D 렌더링과 딥러닝 기술을 활용해 기뢰 매몰률을 측정하는 방법을 개발하였다. 기뢰는 해군에게큰 위협이 되며, 해저에 매몰될 경우 탐지하기 어렵다. 현장에서의 기뢰 매몰률 측정은 다양한 제약 조건과 비용이 발생하기 때문에 이를 대체할 효율적인 방법이 필요하다. 본 연구에서는 MDM-1 기뢰의 3D 렌더링 데이터 1,246개를 활용하여 딥러닝 모델인 YOLOv8s를 학습시켰으며, 이를 통해 mAP@0.5 수치는 0.995로 높은 정확도를 보였다. 추가로, 테스트 영상 20개를 활용하여 검증하였고, 이를 통해 평균 72.75%의 정확도를 달성하였다. 이 연구는 제한적인 데이터상황에서도 3D 렌더링과 딥러닝을 활용한 기뢰 매몰률 측정의 가능성을 보여주며, AUV와 결합한 기뢰 탐지에 활용될수 있는 기초 연구로서 의미가 있다.

영어초록

In this study, we developed a method to measure mine burial rates using 3D rendering and deep learning. Mines pose a significant threat to the navy and are difficult to detect when buried in the seabed. Since the in-situ measurement of mine burial rates is subject to various constraints and costs, an efficient alternative method is needed. For this purpose, we trained a YOLOv8s deep learning model using 1,246 3D rendering images of an MDM-1 mine and achieved a high accuracy with an mAP@0.5 score of 0.995. Additionally, we validated it using 20 test videos and achieved an average accuracy of 72.75%. This study shows the possibility of measuring mine burial rates using 3D rendering and deep learning, even with limited data. The study is meaningful as basic research that could be used for mine detection combined with an AUV.

참고자료

· 없음