본 연구는 선박용 공기압축기의 상태기반보전 시스템에 필요한 이상치 탐지 알고리즘 적용에 대한 실험적 연구로서 고장모사 실험을 통해 시계열 전류 센서 데이터를 이용한 이상탐지 적용 가능성을 확인하였다. 고장 유형 10개에 대해 실험실 규모의 고장 모사 실험을 수행하여 정상 운전데이터와 고장 데이터를 구축하였다. 실험 결과 구축된 이상탐지 모델은 시계열 데이터의 주기에 변화를 유발하는 이상은 잘 탐지하는 반면 미세한 부하 변동에 대한 탐지 성능은 떨어졌다. 또한 오토인코더를 이용한 시계열 이상탐지 모델은 입력 시 퀀스의 길이와 초모수 조정에 따라 이상 탐지 성능이 상이한 것으로 나타났다.

This paper proposes an outlier detection model based on machine learning that can diagnose the presence or absence of major engine parts through unsupervised learning analysis of main engine big data of a ship. Engine big data of the ship was collected for more than seven months, and expert knowledge and correlation analysis were performed to select features that are closely related to the operation of the main engine. For unsupervised learning analysis, ensemble model wherein many predictive models are strategically combined to increase the model performance, is used for anomaly detection. As a result, the proposed model successfully detected the anomalous engine status from the normal status. To validate our approach, clustering analysis was conducted to find out the different patterns of anomalies the anomalous point. By examining distribution of each cluster, we could successfully find the patterns of anomalies.

국제 해상교통량 및 물동량이 증가함에 따라 한반도 주변해역의 선박유동량도 늘어나고 있으며 이에 따라 크고 작은 항구가 위치하고 있는 남해에서의 해양 사고도 꾸준히 발생하고 있다. 특히 선박간의 충돌 및 침몰 사고는 인적 및 물적 피해뿐만 아니라 해양환경오염을 유발하기 때문에 광역의 범위를 고해상도로 볼 수 있는 인공위성을 통한 신속한 선박탐지가 필요하다. 본 연구에서는 광학 인공위성 아리랑 2호 관측자료를 활용하여 광양만 인근해역의 각 채널 별 반사도 값을 비교 분석하여 새로운 선박탐지지수를 제시하였다. 선박 분류를 위해 그 선박탐지지수의 역치를 0.1로 설정하였고, RGB 합성영상과 비교하였을 때 대다수의 선박을 탐지하였음을 보여주었다. 연구해역에 포함되어 있는 큰 규모의 선박을 선정 후, 선박 주변의 공간적 반사도 분포를 분석하였다. 그 결과 선박 북서방향에 위치한 균일한 형태의 선박그림자를 확인할 수 있었다. 이는 태양의 위치가 남동방향에 위치하고 있음을 나타내고 있으며, 실제 위성영상이 촬영된 시기의 방위각은 144.80o로 영상내의 그림자의 위치를 통해 태양의 방위각을 유추할 수 있다. 그림자의 반사도는 주변 바다 및 선박에 비해 낮은 0.005 값을 나타냈고, 선수 및 선미에 따라 높이차가 달라짐을 보였다. 이는 선박의 갑판 및 구조물의 높이를 반영한 것으로 판단된다. 본 연구 결과는 연안 해상사고 발생 시 실종선박 수색기술에 고해상도 광학 인공위성 영상이 활용될 수 있음에 의의가 있다.

한반도 주변 해상사고가 증가함에 따라 원격탐사 자료를 활용한 선박탐지 연구의 중요성이 점점 더 강조되고 있다. 이 연구는 고해상도 광학영상에 의존하는 기존 선박탐지 분야에 수백 개 채널의 분광정보를 포함하는 초분광영상을 활용하여 새로운 선박탐지 알고리즘 제시하였다. 두 차례의 현장관측을 통해 측정한 선박 선체의 반사 스펙트럼과 AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) 초분광센서 영상의 선박 및 해수 반사 스펙트럼 간의 분광정합 기법을 적용하였다. 총 다섯 개의 탐지 알고리즘 spectral distance similarity (SDS), spectral correlation similarity (SCS), spectral similarity value (SSV), spectral angle mapper (SAM), spectral information divergence (SID)를 사용하였다. SDS는 선박 일부가 해수로 탐지되는 오차를 나타내었고, SAM은 선박과 해수 사이에 약 1.8배의 차이를 나타내어 명확한 분류 결과를 보여주었다. 이와 더불어 본 연구에서는 각 기법의 최적 임계값을 제시하여 초분광 영상에 포함되어 있는 선박을 분류하였으며 그 결과 SAM, SID가 다른 탐지 알고리즘에 비해 우수한 선박탐지 능력을 보여주었다.

RADARSAT 위성은 레이더센서를 가지고 있어 전천후 및 주야불문이라는 두 가지 주요 이점을 가지고 있기 때문에, 선박탐지를 포함하는 해상감시 분야에 있어서 중요한 역할을 할 수 있다 그러나, 합성개구레이더의 이미징 시에 대기의 영향은 무시될 수 없으며, 또한 다양한 형태로 기하 변형이 발생하게 된다. 본 연구에서는, 레벨 1의 georeferenced SGX 데이터를 사용해서 RADARSAT의 합성개구레이더에 대한 대기/기하 보정을 실시하였다. 동일 이미지 내에서도, near range와 far range 세션의 비교를 위해서도 이와 같은 보정이 필요하다. 대기 보정은 후방산란에 대한 국소 조사부분과 입사각의 효과를 보정하여 수행되었으며, DN값은 beta nought와 sigma nought로 변환시켰다. 마지막으로 위성자세정보에서 추정되는 4점의 위치정보를 이용하여 자동 기하보정을 실시하였으며, 그 결과를 실제 좌표 값과 비교하였다. 오차는 위도방향으로 300m, 경도방향으로 260m범위 내에 있는 것으로 확인되었다. 이것은 추가로 지상기준점을 통해 보정될 수 있으며, 외해의 경우에는 적용 가능한 것으로 판단된다.

해면에 난반사되어 돌아오는 신호는 잡음이 되는데, 이를 클러터(Clutter)라 한다. 클러터는 레이더 화면에 백색 가우시안 잡음과 같은 형태로 나타나게 되며, 이들은 선박용 레이더의 탐지 효율을 저하 시킨다 따라서 클러터 제거를 위한 연후는 안테나의 개선 또는 여러 종류의 필터 등을 통해 환발하게 진행되고 있다. 본논문에서는 선박 레이더와 탐지 효율을 향상을 위하여, 웨이브렛(Wavelet)과 수리형태학(Morphology)의 3×3SQ(Square) 형태소를 적용한 메디언 필터를 사용하여 조난 또는 구조 선박의 수색을 용이하게 할수 있는 알고리듬을 제안한다.