지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 마정목
- 발행연도
- 2023
- 저작권
- 국방대학교 논문은 저작권에 의해 보호받습니다.
이용수24
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
우리나라의 지뢰지대는 128㎢이며, 지뢰 매설량은 83만여개에 달한다. 기존 금속탐지만 가능하던 지뢰탐지기로는 발견하지 못하던 플라스틱 발목지뢰나 북한의 목함지뢰도 탐지가 가능한 지표투과레이다는 이를 이미지로도 확인할 수 있어 운용자들의 탐지율이 훨씬 올라가고 오경보율은 줄어들었다. 따라서 지뢰탐지율이 기존의 탐지기보다 월등히 높아졌다. 특히 인공지능에 대한 연구가 활발해진 이후로 영상에 나타나는 레이다 신호에 딥러닝을 활용하여 탐지 성능을 강화하는 연구가 여러 곳에서 진행되고 있으나, 군사기밀 유출 방지를 위해 실제 지뢰의 GPR 영상 데이터셋은 민간에서 활용할 수가 없었다. 본 논문에서는 CNN(Convolutional Neural Network) 모델을 사용하여 2022년부터 우리 군에 보급되고 있는 지뢰탐지기-II의 GPR 영상 데이터를 기반으로 실험한 결과 99.5%의 탐지 정확도를 확인하였다. 또한 시뮬레이션을 통해 지뢰의 파형을 만들어 학습시킨 연구들과 정확도를 비교하여 본 논문의 모델의 성능이 우수함을 확인하였다. 추가적으로 사양토, 부엽토, 수풀 세가지 특성의 토양별로 실험을 진행하여 각각 100%, 99%, 98.9%의 정확도를 확인하였으며 목함지뢰와 발목지뢰를 비롯한 6가지 종류의 실제 지뢰 데이터를 구별하는 실험을 통해 83.5%의 정확도를 확인하였다. 야전에서 지뢰탐지기-II를 운용하며 추가적인 데이터를 누적해 나간다면 정확도와 탐지율은 훨씬 증가할 수 있을 것이다. 앞으로 지뢰 유사물질의 GPR 이미지에 대한 개별 학습과 전처리과정을 통한 이미지 개선을 통해 오경보율을 감소시키는 연구를 수행할 예정이다.
목차
제1장 서 론 11.1. 연구의 배경 및 목적 11.2. 선행연구 7제2장 이론적 배경 122.1. Ground Penetrating Radar(GPR) 122.2. CNN(Convolutional Neural Network) 152.3. Inception v3 17제3장 지뢰 탐지 모델 183.1. 실물지뢰 GPR영상 데이터 수집 및 전처리 183.2. 이미지 분류 모델 학습 233.3. 이미지 분류 모델 평가 25제4장 결 론 284.1. 연구의 의의 284.2. 연구의 제한사항 294.3. 후속 연구 제안 30참고문헌 31부 록 33영문요약 37
최근 본 자료
댓글(0)
0