해상조난사고 발생 시 해상 익수자의 안전과 생명을 보장하기 위해 구조 자산을 활용한 신속한 탐색 및 구조작전은 매우 중요하다. 구조자산 중 기동성을 가진 항공자산에 최신의 과학기술을 적용하여 익수자를 조기에 식별할 수 있다면 구조작전의 성공확률이 높아질 것이다. 본 연구에서는 해상 항공탐색·구조 능력을 향상시키기 위해 딥러닝을 활용하여 익수자의 이동경로를 예측하는 모형과 해상 항공자산의 영상장비로 해상에서 익수자를 탐지하는 모형을 구축하려고 한다.
먼저 해상 익수자 이동경로 예측 연구는 해양관측부이에서 수집되는 기상정보에 다양한 기계학습과 순환신경망의 LSTM(Long-Short-Term Memory) 모형을 적용하여 각 해역의 표층해류를 분석하고 유향·유속을 예측하였으며, 예측된 유향·유속을 통해 해상 익수자의 이동경로를 예측하는 모형들을 구축하였다. MAE와 RMSE의 성능 평가척도로 다양한 예측 모형들을 비교하였을 때 LSTM이 가장 우수한 성능을 보였다.
다음으로 해상에서 익수자를 탐지하는 연구를 위해, 해상 익수자와 관련된 총 543장의 이미지를 수집하였다. 특히 해상의 기상 상황에 따른 영상장비의 효과를 고려하기 위해 잡음 및 흐림 현상 등 이미지를 전처리하여 원천 데이터의 3배인 1,629장의 이미지를 생성하였다. 모형에 적용한 알고리즘은 YOLO v4와 YOLO v4-tiny를 사용하였으며, mAP와 IoU, precision과 recall의 성능 평가척도로 비교 시 YOLO v4가 YOLO v4-tiny에 비해 더욱 우수한 성능을 보였다. 다만 실제 항공자산 내에서의 딥러닝 모형의 운용 가능성을 고려 시, 경량화 모형인 YOLO v4-tiny도 충분히 적용 가능한 성능을 나타내었다.
본 연구에서 제안하는 항공 탐색·구조작전을 위한 두 가지 모형은 각각 또는 동시에 해상 탐색·구조작전에 활용될 수 있을 것이다. 제안하는 모형들이 해상조난사고 발생 시 탐색 및 구조작전을 수행하고 있는 해군과 해경에서 활용되어 효과적으로 익수자의 안전을 보장할 수 있기를 기대한다.