• Journal of Internet Computing and Services
• /
• v.21 no.4
• /
• pp.117-126
• /
• 2020

A maritime object detection system is an intelligent assistance system to maritime autonomous surface ship(MASS). It detects automatically floating debris, which has a clash risk with objects in the surrounding water and used to be checked by a captain with a naked eye, at a similar level of accuracy to the human check method. It is used to detect objects around a ship. In the past, they were detected with information gathered from radars or sonar devices. With the development of artificial intelligence technology, intelligent CCTV installed in a ship are used to detect various types of floating debris on the course of sailing. If the speed of processing video data slows down due to the various requirements and complexity of MASS, however, there is no guarantee for safety as well as smooth service support. Trying to solve this issue, this study conducted research on the minimization of computation volumes for video data and the increased speed of data processing to detect maritime objects. Unlike previous studies that used the Hough transform algorithm to find the horizon and secure the areas of interest for the concerned objects, the present study proposed a new method of optimizing a binarization algorithm and finding areas whose locations were similar to actual objects in order to improve the speed. A maritime object detection system was materialized based on deep learning CNN to demonstrate the usefulness of the proposed method and assess the performance of the algorithm. The proposed algorithm performed at a speed that was 4 times faster than the old method while keeping the detection accuracy of the old method.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.25 no.6
• /
• pp.726-734
• /
• 2019

The current maritime industry is expected to have a significant impact on the role of maritime-related technologies and systems, especially seafarers, in the rapidly changing Fourth Industrial Revolution. The Maritime Autonomous Surface Ship (MASS) aims to reduce the number of safety accidents and improve seafarers' working environment. With regard to MASS, the International Maritime Organization has been trying to minimize unexpected impact in the maritime education and training sector by establishing international conventions such as the Standards of Training, Certification and Watchkeeping for Seafarers. However, domestic designated educational institutions have not yet established an education and training scheme to develop seafarers who will be on board for MASS. Therefore, this paper reviews the technology of MASS, analyzes the changes in education and training in order to upgrade the qualifications, and suggests the competencies of smart seafarers equipped with the integrated management ability required for Artificial Intelligence, Big Data, Cybersecurity, and the Digital System Revolution through education and training. In addition, this study provides basic information for the education and training of seafarers who are optimized for the rapidly changing technological environment.

• Journal of the Society of Naval Architects of Korea
• /
• v.56 no.1
• /
• pp.75-81
• /
• 2019

This study presents an automatic collision avoidance algorithm for autonomous navigation of unmanned surface vessels. The performance of the collision avoidance algorithm is heavily dependent on the estimation quality of the course and speed of traffic ships because collision avoidance maneuvers should be determined based on the predicted motions of the traffic ships and their trajectory uncertainties. In this study, the collision avoidance algorithm is implemented based on the Probabilistic Velocity Obstacle (PVO) approach considering the maritime collision regulations (COLREGs). In order to demonstrate the performance of the proposed algorithm, an extensive set of simulations was conducted and the results are discussed.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2020.11a
• /
• pp.42-43
• /
• 2020

현재, 전 세계적으로 자율운항선박(Maritime Autonomous Surface Ship, MASS)이 연구 개발되고 있다. 육상원격제어 시스템(Shore Remote Control System, SRCS)은, 비상 시 육상에서 원격으로 자격을 갖춘 원격제어사관(Remote Control Officer, RCO)이 MASS를 제어하기 위한 시스템이다. SRCS 개발을 위해서는 SRCS 운영 중에 발생 가능한 제어지연(control delay)에 대한 검토가 필요하다. 본 연구의 목적은 SRCS의 설계에 요구되는 제어지연 특성을 분석하고 정량화하기 위한 제어지연 모델을 구축하는데 있다. 먼저, SRCS의 제어지연 모델을 구축하고, 이를 통하여 제어지연의 특징을 분석하여 최적의 SRCS에 요구되는 다양한 제어특징을 검토하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.135-136
• /
• 2022

최근 자율운항선박(Maritime Autonomous Surface Ship, MASS)의 개발이 활발히 추진되고 있다. 자율운항선박의 완전한 자동화가 이뤄지기까지 육상센터에서 원격제어(Remote Control)로 선박을 운항하게 된다. 따라서 해기사의 역할을 육상 원격제어자가 수행하게 되며, 원격제어에 요구되는 기술, 교육, 시스템 등 여러 측면으로 이슈가 되고 있다. 아울러, 아직 구체적으로 고려되지 않는 원격제어자의 최적 원격제어 자세에 대한 고려가 필요하다. 제어자세는 업무의 집중도, 사고의 위험성 등에 많은 영향을 줄 수 있다. 그래서 이 연구에서는 현재 일반적으로 항해하는 형태인 서서하는 형태와 앉아서 하는 형태로 구분하여 항해 시 나타나는 해기사의 기술적 행동을 상황인식을 중심으로 고찰하였다. 추후 다양한 기술적 행동 분석 실험을 통해 자세결정을 위한 평가 기법을 제시할 예정이다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.137-138
• /
• 2022

자율운항선박(Maritime Autonomous Surface Ship, MASS)은 전 세계적으로 활발히 연구 개발되고 있다. 국제해사기구(IMO)에서 규정하는 자율도 레벨(Degree of autonomy)의 Degree four에 해당하는 자율운항선박 개발까지 진행되는 가운데, 우리가 연구하고 있는 원격제어는 Degree two에서부터 필요한 주요 개발되어야 하는 핵심 기술 중 하나이다. 원격지에서 운항자가 원격제어시 발생되는 지연 상황에 대해 파악하였고 그중 선박 조종 특성에 의한 지연을 확인하였다. 추후 선박 조종에 영향을 주는 바람, 파고 등의 인자를 추가하여 보다 구체적인 연구 결과를 제시할 예정이다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.165-166
• /
• 2022

최근 전세계적으로 자율운항선박(Maritime Autonomous Surface Ship, 이하 MASS)의 기술 개발 및 시험 항해가 본격적으로 추진되고 있다. 하지만 MASS의 출현과 별개로 운항 방식, 제어 방식, 관제 방식 등 명확한 지침은 부재한 상태이다. 육상에서는 머신 러닝을 통하여 자율주행차에 대한 다양한 제어 방식을 연구하고 있으며, 이에 따라서 MASS도 제어 또는 통항 방식에 대한 기초 틀을 마련할 필요성이 있다. 하지만 육상과 달리 해상은 기상, 조종성능, 수심, 장애물 등 다양한 변수들이 존재하고 있어 접근 방식이 복잡하여, 머신 러닝을 적용할 때 환경에 대한 요소를 적절하게 설정해야 한다. 따라서 본 연구는 멀티 에이전트 강화학습을 통하여 MASS의 자율적인 통항 방식을 제안하기 위하여 강화학습의 해상교통환경 설정을 위한 요소를 도출하고자 하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.198-199
• /
• 2023

자율운항선박 (Maritime Autonomous Surface Ship, MASS) 관련 기술이 전 세계적으로 활발히 개발되고 있는 가운데, 이러한 신기술을 검증하기 위해 국제표준 개발의 필요성이 증대하고 있다. 현재 ISO TC8(선박 및 해양기술) 분과에서 개발중이거나 제정된 표준 분석을 진행하였다. 3가지 카테고리로 분류하였을 때, 카테고리 3 - 세부 장비/어플리케이션에 대해 개발된 표준의 수가 카테고리 1 - 일반적인 가이드라인 및 기능적 요구사항에 대한 표준과 카테고리 1의 기능적 요구 사항을 만족하는 기술적 솔루션 레퍼런스인 기술적 솔루션 표준은 부족한 실정이다. 우선순위 도출을 통하여 카테고리 2 분야의 표준화 아이템을 도출하였고, 이를 기반으로 수립한 국제표준화 추진전략 및 계획을 소개할 예정이다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.11a
• /
• pp.107-108
• /
• 2023

자율운항선박 (Maritime Autonomous Surface Ship, MASS) 관련 기술은 전 세계적으로 활발히 개발 중이다. 이와 더불어 선박정보 통신 기술(ICT)을 활용한 선박 관리에 대한 수요가 증가하면서 선박 데이터의 신뢰성 확보가 더욱 중요해지고 있다. 선박에서 사용하는 데이터는 점차 복잡해지고 용량이 증가함에 따라 체계적인 관리 방안이 필요하다. 본 연구에서는 주요 선급에서 발간한 기술자료와 표준동향 분석 및 전문가 논의를 통해 신규 표준 아이템을 도출하였다. 이를 기반으로 ISO 선박 및 해양기술 분과에 제안한 선박 데이터 신뢰성 확보를 위한 데이터 품질 관리 표준 제안한 결과를 소개하고자 한다. 신규 제안한 표준을 통해 국내 조선소 및 기업에서 개발한 선박 성능 분석 및 모니터링 시스템에 대한 품질 검증에 활용할 수 있을 것으로 예상된다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.10
• /
• pp.1331-1340
• /
• 2020

Object detection in maritime means that the captain detects floating objects that has a risk of colliding with the ship using the computer automatically and as accurately as human eyes. In conventional ships, the presence and distance of objects are determined through radar waves. However, it cannot identify the shape and type. In contrast, with the development of AI, cameras help accurately identify obstacles on the sea route with excellent performance in detecting or recognizing objects. The computer must calculate high-volume pixels to analyze digital images. However, the CPU is specialized for sequential processing; the processing speed is very slow, and smooth service support or security is not guaranteed. Accordingly, this study developed maritime object detection software and implemented it with FPGA to accelerate the processing of large-scale computations. Additionally, the system implementation was improved through embedded boards and FPGA interface, achieving 30 times faster performance than the existing algorithm and a three-times faster entire system.