Recurrence Plot과 딥러닝을 이용한 음향 기반 드론 고장 감지
keywrord : #드론 #드론딥러닝 #드론YOLOv5 #Recurrenceplot #오늘뉴스 #전자정보연구정보센터
저자 : 김은섭, 신수용
원문수록처 : VOL 48 NO. 01 PP. 0114 ~ 0122 (2023. 01)
주요내용
본 논문은 드론의 고장을 감지하여 사고로 인한 피해를 미리 방지하는 것을 목표로 Recurrence plot(RP)과 딥러닝을 이용한 음향신호 기반 드론의 고장 감지 기법을 제안한다. 드론 로터에서 발생하는 반복적인 패턴의 음향 신호를 RP를 이용하여 이미지화하고 이를 이미지 인식 딥러닝 모델인 YOLOv5를 사용하여 드론의 고장을 감지한다. 4층 건물의 옥상에서 Bebop 2 드론으로 구성한 정상적인 드론과 비정상적인 드론에서 발생하는 음향신호를 이용하여 RP 데이터셋을 구성해 윈도우 PC에서 아나콘다 가상환경을 통해 YOLOv5 모델을 학습시켜 추론한다. 음성인식에 많이 사용되는 Mel-spectrogram과의 비교 평가를 통해 분류 정확도와 동작 소요시간을 측정하여 제안하는 방식의 성능 우수성을 입증한다. 제안하는 기법의 정확도는 97.5%로 매우 정확함을 확인하였으며 향후 연구 방향에 대하여 논의한다
1. 이 기술 개발에 대한 저자들의 영감은 무엇인가요?
이 논문의 저자들은 드론이 일상 생활에서 더욱 보편화되면서 드론의 긍정적인 측면과 함께 드론이 일으키는 부정적인 현상에 대해 관심을 가지게 되었습니다. 특히, 드론의 고장으로 인한 사고와 손상을 예방하기 위해 이러한 기술을 개발하게 되었습니다.
2. 제안된 방법이 전통적인 방법에 비해 얼마나 정확한가요?
제안된 방법의 정확도는 97.5%로 매우 높은 수준입니다. 이 방법은 Mel-spectrogram과 비교 평가를 통해 분류 정확도와 동작 소요시간을 측정하여 제안하는 방식의 성능 우수성을 입증하였습니다.
3. 이 기술은 다른 종류의 드론에도 적용될 수 있나요, 아니면 Bebop 2 드론에만 특화되어 있나요?
이 기술은 다른 종류의 드론에도 적용될 수 있습니다. 이 논문에서는 Parrot Bebop 2 드론을 사용하여 실험을 진행하였지만, 이 방법은 다른 종류의 드론에서도 적용 가능합니다. 다만, 다른 종류의 드론에서는 일부 파라미터를 조정해야 할 수 있습니다.
출처 : 전자정보연구정보센터
keywrord : #드론 #드론딥러닝 #드론YOLOv5 #Recurrenceplot #오늘뉴스 #전자정보연구정보센터