Optimization of a Real-Time Fish Species Recognition and Counting Model for Edge AI Platform Deployment
Year: 2025
Type: article
Abstract: 수산자원 고갈 문제는 남획, 해양오염, 기후변화로 심화하였고, 이를 해결하기 위해 총허용어획량(TAC, Total Allow Catch) 제도가 도입되었다. 그러나 TAC 시행에는 어획량 측정의 정확성이 필요하다. 기존 전자 모니터링 EM(ElectronicMonitoring)시스템은 한계가 있었고, 본 연구는 심층 CNN (Convolutional Neural Network) 기반의 어획어종 인식 및 카운팅 알고리즘을 개선하여 인식 범위를 확장하고 성능을 향상했다. NVIDIA Jetson 하드웨어에서 실시간 어획량 모니터링 시스템을 구축하고 YOLO 모델과 ByteTrack 알고리즘을 최적화하여 탐지 정확도를 높였다. 실험 결과, 90% 이상의 정확도를 기록하며 기존 연구 대비 성능 향상을 보였다. 이 연구는 TAC 제도의 실효성을 높이고 지속 가능한 수산자원 관리를 위한 발전 가능성을 제시한다.
Authors: Sang-Hyun Lee, Seung-Gyu Kim, Tae-Ho Im
Language: English
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
SDG: Life below water
Open Access status: diamond
OpenAlex ID: W4411160752