4차 산업혁명의 발달로 인공지능 딥러닝 기술을 적용한 첨단 무기체계가 지속적으로 개발될 예정이다. 본 연구는 지상 무기체계의 핵심인 전차를 대상으로 인공지능을 적용하여 실시간 영상에서 전차를 탐지하고 국적을 분류하는 모델을 만들고 평가하는 연구이다.
기존의 전차 피아식별 시스템은 감시장비를 통해 배율을 적용하여 상대 전차를 식별하지만 사람에 의해 눈으로 표적을 획득하고 공격 여부를 판단하므로 신속성과 정확성 측면에서 한계가 존재한다. 이러한 제한사항을 개선하기 위해 대표적인 객체 식별 YOLO(You Only Look Once) 알고리즘을 기반으로 전차 식별 방법을 제안한다. 연구 대상은 한국, 미국, 일본, 북한의 4개국 주력 전차이며 총 2,000장의 사진을 수집한다. 특히, 실제 기갑 전투의 상황과 유사하도록 전차의 고속기동에 따라 발생할 수 있는 흙먼지 노이즈, 날씨에 따라 발생할 수 있는 안개 노이즈, 야간 작전을 고려한 열 영상 이미지를 추가하여 전처리 작업을 통해 총 8,000장의 이미지를 생성한다.
모델의 평가는 데이터의 양에 따라 데이터셋을 7개의 그룹으로 구성하여 과소적합 된 데이터셋과 과대적합 된 데이터셋을 구분하고 가장 짧은 학습시간과 노력으로 가장 효율적인 데이터셋을 추출한다. 평가척도는 mAP(mean Average Precision)와 average IoU(Intersection over Union)의 결과를 기준으로 모델의 정확도와 평균 식별률을 평가하여 분석한다.
본 연구는 단순 사진자료에 대한 분류가 아닌, 동적인 영상 이미지에서 전차를 탐지하고 분류하는 것을 가능하게 함으로써 현행작전과 전투력 향상에 효과적인 기여가 가능하고 실전과 유사한 상황에서 활용이 가능한 모델을 제안하고 평가하였다. 향후에는 더욱 많은 국가의 전차 이미지 수집을 통해 다양한 국가의 전차를 분류 및 탐지하는 모델을 구축하고 이러한 방법론을 다양한 무기체계에 적용한다면 첨단화된 군 발전에 기여할 것으로 기대한다.