文献

J-GLOBAL ID：202102260821815912   整理番号：21A0575861

自動識別システム軌跡データからの畳込みニューラルネットワークベースの歯車型同定【JST・京大機械翻訳】

Convolutional Neural Network-Based Gear Type Identification from Automatic Identification System Trajectory Data

著者 (2件)： Kim Kwang-il (Department of Marine Industry and Maritime Police, Jeju National University, Jeju 64343, Korea) ,  Lee Keon Myung (Department of Computer Science, Chungbuk National University, Cheongju 28644, Korea)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 11  ページ： 4010  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 海洋資源は,不法,未報告,および規制されていない(IUU)漁業と漁業から保護される貴重な資産である。IUUとオーバーフィッシング検出は,運転中の漁船のための漁具の同定を必要とする。本論文は,漁船のAIS(自動識別システム)ベースの軌道データからの漁歯車の自動同定に関するものである。それは,6つの漁具タイプグループがAISベースの船舶移動データと環境データから同定される深い学習ベースの漁具タイプ同定法を提案する。提案方法は,軌道データのためにメッセージング間隔,欠落メッセージ,および汚染メッセージの異なる長さを処理するために前処理を行う。漁歯車型の軌道における複雑な動的パターンを捕捉するために,スライディングウィンドウベースのデータスライシング法を用いて,訓練データセットを生成した。提案方法は,特徴抽出モジュールと予測モジュールから成るCNN(畳込みニューラルネットワーク)ベースの深層ニューラルネットワークモデルを使用する。特徴抽出モジュールは2つのCNNサブモジュールを含み,次に完全に接続されたネットワークを含んでいる。予測モジュールは完全接続ネットワークであり,入力軌跡データから特徴抽出モジュールによって抽出された特徴に対する推定漁具タイプを示唆した。提案したCNNベースモデルを訓練し,1年にわたって収集した1380漁船の実軌道データセットを用いて試験した。歯車型同定技術の性能を比較するために,新しい性能指数,DPI(日毎性能指標の全性能)を提案した。提案モデルの性能を比較するために,SVM(サポートベクトルマシン)ベースのモデルも開発した。実験において,訓練されたCNNベースのモデルは,0.963DPIを示し,一方,SVMモデルは,24時間ウィンドウの平均で0.814DPIを示した。DPI指数の高い値は,訓練されたモデルが漁具の型を同定するのに良いことを示す。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *ネットワーク ,  船舶 ,  漁船 ,  前処理 ,  特徴抽出 ,  性能指数 ,  漁業 ,  漁具 ,  サポートベクトルマシン
準シソーラス用語： 訓練データ ,  *自動認識 ,  スライディングウィンドウ ,  ディープニューラルネットワーク ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 漁具型分類 ,  分類 ,  自動識別システム ,  深層学習 ,  違法漁業

分類 (1件)： 航海と実務  (TD01020F)

引用文献 (29件)：

• Fagan, B. Fish on Friday: Feasting, Fasting, and the Discovery of the New World; Basic Books: New York, NY, USA, 2007.
• Cochrane, K.; De Young, C.; Soto, D.; Bahri, T. Climate Change Implications for Fisheries and Aquaculture; FAO Fisheries and aquaculture technical paper 530; FAO: Rome, Italy, 2009; 212p.
• Polacheck, T. Assessment of IUU fishing for southern bluefin tuna. Mar. Policy 2002, 36, 1150-1165.
• Botsford, L.W.; Castilla, J.C.; Peterson, C.H. The management of fisheries and marine ecosystems. Science 1997, 277, 509-515.
• Pramod, G.; Nakamura, K.; Pitcher, T.J.; Delagran, L. Estimates of illegal and unreported fish in seafood imports to the USA. Mar. Policy 2014, 48, 102-113.

タイトルに関連する用語 (5件)： 自動識別 ,  軌跡 ,  畳込みニューラルネットワーク ,  歯車 ,  同定