최근 해상 교통량 증가 및 연안 중심의 레저활동으로 인해 다양한 해양사고가 발생하고 있다. 그 중 선박사고는 인 명 및 재산 피해를 유발할 뿐만 아니라 기름 및 위험·유해물질 유출을 동반한 해양 오염사고로 이어질 가능성이 크다. 따 라서 해양사고 대비 및 대응을 위한 지속적인 선박 모니터링이 필요하다. 본 연구에서는 해상 선박 모니터링 체계 구축을 위한 초분광 원격탐사 기반의 항공 실험 수행 및 선박탐지 결과를 제시하였다. 한반도 서해 궁평항 인근 해역을 대상으로 초분광 항공관측을 수행하였으며, 사전에 다양한 선박 갑판에 대한 분광 라이브러리를 구축하였다. 탐지 방법으로는 spectral correlation similarity (SCS) 기법을 사용하였으며 초분광 영상과 선박 스펙트럼 사이의 공간 유사도 분포를 분석하 였다. 그 결과 초분광 영상에 존재하는 총 15개의 선박을 탐지하였으며 최대 유사도에 기반한 선박 갑판의 색상도 분류하 였다. 탐지 선박들은 고해상도 digital mapping camera (DMC) 영상과의 매칭을 통해 검증하였다. 본 연구는 해상 선박탐지 를 위한 항공 초분광 센서 활용의 기초로서 향후 원격탐사 기반의 선박 모니터링 시스템에 주요 역할을 할 것으로 기대된 다.

시간영역반사계(TDR)는 케이블의 물리적 결함을 검사하는 기법이며 누수 탐지 분야로의 응용영역을 확대하고 있다. 본 연구는 시간영역반사계 기법을 활용하여 선박 기관실 해수 배관의 누설 감지용 케이블형 센서를 개발하였다. 케이블 센서의 형상은 꼬임형상과 흡습부재를 이용하여 제작하였으며 개발된 센서의 누수 감지 여부와 위치 탐지 가능성을 확인하였다. 개발된 센서는 실제 배관 시험 장치 에 부착하여 평가하였으며 해수 누설에 따른 다양한 TDR 신호를 취득하였다. 센서는 꼬임횟수, 피복 두께를 변수로 하여 제작하였으며 TDR 신호에 미치는 효과를 분석하였다. 실험 결과, 꼬임형 센서는 평행한 띠 형상의 센서에 비해 평활한 신호 취득이 가능하였으며 최적 꼬임 횟수는 단위길이 당 10회 이상인 것으로 나타났다. 절연 피복두께의 경우 적정 민감도 확보가 가능한 절연 피복부재의 두께는 도선 직경의 80%~120%로 확인되었다. 누수 위치 추정을 위해 회귀분석 실시 결과, 결정계수는 0.9998로 실제 누설 위치와 높은 상관관계를 나타 내었다. 결과적으로 제안된 TDR 기반의 누수 감지용 꼬임형 센서는 해수 배관 시스템의 누수 감시 센서로의 충분한 적용성을 확인하였다.

우리나라는 여러 건의 여객선 사고를 겪으면서, 여객선 안전관리를 위해 다양한 제도를 운영하고 있다. 2021년 기준 우리나라 연안을 운항하는 여객선 162척 중, 차량갑판이 개방된 형태의 차도선이 105척(65 %)을 차지하고 있다. 차도선은 2～4개의 섬을 경유하는 운항 패턴을 가지고 있다. 출항지(모항)에서 안전점검은 선원과 운항관리실의 운항감독관, 해사안전감독관에 의해 실시된다. 경유지에서 의 안전점검은 자체점검이 실시되는 경우가 있다. 여느 제도와 마찬가지로 제도적, 현실적 한계 등이 있다. 이를 위해 영상처리기법을 활 용하여 차량을 검출하고 이를 선박 복원성 계산과 연동하는 방안을 제안하고자 본 연구를 수행하였다. 차량 검출을 위해 차영상을 이용 하는 방법과 기계학습을 이용하는 방법을 사용하였다. 검출된 데이터를 선박 복원성 계산에 활용하였다. 기계학습을 통해 차량을 검출하 는 경우, 차영상에 의한 차량 검출 방법보다 차량 식별에 안정적임을 알 수 있었다. 다만, 카메라가 일몰과 같은 상황에서 역광을 받는 경 우와 야간과 같은 상황에서 부두와 선박 내부의 강한 조명에 의해 차량이 식별되지 않는 한계가 있었다. 안정적인 영상처리를 위해 충분 한 영상 데이터 확보와 프로그램 고도화가 필요해 보인다.

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.

화재의 초기 검출은 인명과 재화의 손실을 최소화하기 위한 중요한 요소이다. 불꽃과 연기를 신속하면서 동시에 검출해야 하며 이를 위해 영상 기반의 화재 검출에 관한 연구가 다양하게 진행되고 있다. 기존의 화재 검출은 불꽃과 연기의 특징을 추출하기 위해 여러 알고리즘을 거쳐서 화재의 검출 유무를 판단하므로 연산량이 많이 소모되었으나, 딥러닝 알고리즘인 합성곱 신경망을 이용 하면 별도의 과정이 생략되므로 신속하게 검출할 수 있다. 본 논문에서는 선박 기관실에서 화재 영상을 녹화한 데이터로 실험을 수행 하였다. 불꽃과 연기의 특징을 외각 상자로 추출한 후 합성곱 신경망 중 하나인 욜로(YOLO)를 이용하여 학습하고 결과를 테스트하였 다. 실험 결과를 검출률, 오검출률, 정확도로 평가하였으며 불꽃은 0.994, 0.011, 0.998, 연기는 0.978, 0.021, 0.978을 나타내었고, 연산시간 은 0.009s를 소모됨을 확인하였다.

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.

본 논문에서는 조타기 작동 신호에 대하여 AIS 통신을 이용하여 상호 교환함으로써 상대선의 선회정보를 보다 신속히 파악할 수 있는 선회조기감지시스템을 구축하였으며, 이를 실선에 적용하여 해당 시스템의 실효성을 검증하였다. 조타 신호가 조타기를 작동함과 동시에 AIS를 통하여 송신되어 상대선의 ECDIS에 사용된 타각만큼 유색으로 표시되는 것을 확인하였다. 선회조기감지시스템을 통하여 상대선의 변침 상황을 조기에 감지할 수 있었으며, 이를 통한 선박 상호간 충돌회피가 조기에 가능할 것으로 판단된다. 또한, 의심 선박에 대한 VTS의 적극적 관제가 가능하고, 해양안전종합정보시스템을 통한 해양사고 분석에도 활용 가능할 것이다.

본 논문에서는 컬러정보와 깊이정보를 사용하여 얼굴을 검출하고 추적한 후 항해사의 졸음을 탐지하는 방법을 제안한다. 이 방법은 얼굴검출 과정과 얼굴추적 과정으로 구성된다. 얼굴검출 과정에서는 기존의 방법 중 가장 좋은 성능을 보이는 Adaboost 알고리즘을 사용하며, Adaboost로 입력되는 영상의 영역을 사람이 존재하는 영역으로만 제한하여 얼굴을 검출한다. 얼굴검출 과정에서 얼굴이 검출되면 그것을 템플릿으로 하여 얼굴추적 과정이 수행된다. 제안한 방법의 성능을 평가하기 위하여 실험영상을 이용하여 실험을 수행하였다. 실험결과 제안한 졸음탐지 방법은 기존의 방법에 비해 약 23 %의 수행시간을 보였으며, 또한 졸음탐지 방법은 추적시간과 추적 정확도에 있어서 상보적인 관계를 가지며, 특별한 경우를 제외한 모든 경우에서 약 1 %의 낮은 추적오차율을 보였다.

가까운 거리에서 상대선과의 마주치는 상황 또는 교차된 상황에서 상호 피항동작을 취하게 되는데, 상대선박의 변침의도를 정확히 파악하지 못해 서로 같은 방향으로 피항동작을 취함으로써 충돌위험에 처하게 되기도 한다. 항해사는 피항동작을 취함에 있어 시각에 의한 판단, 레이더 또는 AIS 벡터를 이용한 판단, 또는 VHF 통신을 활용하여 피항동작을 취하고 있으나, 레이더 및 AIS를 이용한 기존의 방식은 선박이 선회 후 선수방위가 표시되기 때문에 선회를 탐지하기까지는 상당한 시간이 요구된다. 따라서 조타기 작동 신호를 상대선박에 신속하게 전달하여 상대선의 선회의도를 보다 신속히 판단할 수 있는 선회조기감지 방안을 제안하였다. 이러한 방법은 상대선의 변침의도를 보다 신속하게 파악함으로써 선박 상호간 충돌예방에 효과적이며, VTS 시스템 및 해양사고 분석에서 활용이 가능하다.

해양 유류유출 사고는 조류, 바람과 같은 자연적인 요소에 의해서 단시간에 막대한 인명·재산 손실을 유발된다. 이러한 손실을 예방하 고 신속하게 대처하기 위해서, 인공위성과 같은 광범위한 영역에 있어서의 촬영 및 예측 뿐만 아니라, 특정 일부 지역에서의 유출유 탐지또한 매우 중요하다. 본 논문에서는 레이더를 이용하여 해상에 모사된 유출유 영역을 레이더로 탐색하고, 색출해 내는 과정에 대하여 연구하였다. 또 한 탐색 영역에 적용된 알고리즘을 제시하고, 알고리즘 도입에 따른 문제점을 지적하고 그 해결방안을 모색한다.

인공위성 원격탐사를 이용한 선박탐지는 주요 적용 분야 중 하나로, 광역의 환경 감시와 해상보안에 적용되고 있다. 이를 통하여 어장을 포함한 해상교통을 모니터링할 수 있으며, 기름유출 선박을 찾기도 한다. 본 연구에서는, RADARSAT의 합성개구레이더(SAR) 영상을 기반으로 개발한 자동선박탐지기법을 제시하고, 2004년 8월 6일에 얻어진 영상에 적용을 하여 현장 자료와의 비교를 실시하였다. 선박탐지알고리듬은 보정, 랜드마스킹, 필터링, 위치 등록 그리고 식별의 5단계로 구성된다. 울산항을 중심으로 이루어진 위성 촬영시점의 풍속은 최대 0.4m/s이었다. 전장이 68m 이상인 묘박지의 선박을 중심으로 한 선박 탐지 결과는 울산 항만교통정보시스템의 레이더정보와 잘 일치하였다. 바지선과 같은 소형선박의 경우, SAR에 의한 선박 탐지 능력이 육상에 설치된 레이더보다 더 높은 경우도 있었다. 또한, SAR 레이더 산란 단면적(RCS)을 이용하여 선박의 길이와 폭을 계산하였으나, 레이오버와 그림자 효과 때문에 실제 값보다 비교적 높게 추정되었다.

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.

최근 해상교통량이 증가하고 선박교통 관제구역이 확대됨에 따라 관제사의 업무 부하가 증가하고 있으며, 이로 인해 교통량이 급증하는 경우 관제사가 위험을 인지하지 못하는 상황도 발생하게 된다. 이러한 배경에서 본 논문에서는 관제 업무의 지원을 위해 이상 거동 선박을 자동으로 식별하는 방법을 제안한다. 본 방법은 누적된 AIS 데이터를 이용하여 관제구역 내의 통항 패턴을 학습하고, 학습된 모델과 의 비교를 통해 이상치를 계산하여 이상 거동 선박을 식별한다. 특히, 선박의 거동 상태에 대한 분류 정보가 없더라도 비지도 학습법을 기반으로 항적 데이터를 자동으로 분류하여 통항 패턴을 학습할 수 있으며, 항적의 군집화와 분류 과정을 통해 이상 거동 선박을 실시간으로 식별 할 수 있는 특징을 가진다. 또한, 본 논문에서는 선박운항 시뮬레이터 및 실제 AIS 항적 데이터를 이용한 식별 실험을 수행하였으며, 이를 통해 선박교통관제 시스템에의 활용 가능성을 고찰하였다.