juinfo 님의 블로그

1. 해양기상 데이터 통합 및 전처리키워드: 해양기상, 데이터통합해양 침식 예측의 첫걸음은 파고(波高), 파주기, 파향, 풍속·풍향, 해면기압, 해수면 온도, 만조·간조 시각과 수위(조석) 등 다양한 해양기상 데이터를 일원화해 품질을 확보하는 것입니다. 우선 드론·부표·해양관측소·위성으로부터 수집된 원시 데이터를 AWS S3나 Google Cloud Storage에 업로드하며, 각 파일에 촬영 일시(ISO 8601), 위치(위도·경도 소수점 6자리), 센서 유형 및 샘플링 주기(예: 파고 10초, 풍속 1분) 메타데이터를 태깅합니다. 이후 시계열 전처리 단계에서는 ① 결측치 보간: 선형(linear) 및 스플라인(spline) 보간을 적용해 최대 12시간 연속 누락 구간을 보완하고 ② 이상치 제거: IQ..

1. 시스템 아키텍처 및 에지컴퓨팅 개념 설계키워드: 에지컴퓨팅, 시스템아키텍처엣지컴퓨팅 드론 기반 침식 예측 시스템은 센서에서 생성된 데이터를 중앙 서버로 전송하기 전 드론 자체 내장 컴퓨팅 유닛에서 실시간 처리·분석함으로써, 지연시간(latency)을 최소화하고 네트워크 부담을 줄이는 구조로 설계해야 합니다. 전체 아키텍처는 크게 ① 드론 플랫폼(하드웨어), ② 에지 컴퓨팅 모듈(온보드 컴퓨팅), ③ 통신 인프라(5G·LTE·메시 네트워크), ④ 클라우드 백엔드(데이터 집계·모델 재학습), ⑤ 사용자 인터페이스(UI)·알림 시스템으로 구성됩니다. 드론은 멀티스펙트럴·LiDAR·RGB 카메라 등 다중 센서를 통합 장착하고, 센서 데이터 버퍼링·전처리·실시간 예측을 수행할 수 있는 NVIDIA Jetso..

1. 데이터 수집 및 저장 아키텍처 설계키워드: 데이터수집, 객체스토리지클라우드 기반 해안 침식 분석 파이프라인의 첫 단계는 다중 소스(drone, satellite, buoy sensors)에서 발생하는 대용량 영상을 안정적으로 데이터수집하고, 효율적으로 저장하는 것입니다. AWS S3, Google Cloud Storage(GCS)와 같은 객체스토리지를 사용해 RAW 영상과 메타데이터를 버킷 단위로 분리·관리합니다. 이때 각 버킷은 촬영일자·프로젝트ID·위치좌표 태그를 포함한 폴더 구조를 적용해 탐색성을 높이며, 버전 관리를 위해 객체 수명주기 정책(Lifecycle Policy)을 통해 일정 기간 이후 Glacier나 Coldline으로 자동 이전되도록 구성합니다. 데이터 수집 이벤트는 MQTT, ..

1. 영상수집 및 메타데이터 정리키워드: 수집관리, 메타데이터드론 촬영 영상 전처리의 첫 단계는 수집관리와 메타데이터 정리입니다. 비행 완료 후 SD카드에서 원본 영상을 SSD로 안전하게 복사하고, 파일명·타임스탬프·GPS 좌표·비행고도·카메라 설정(EXIF) 정보를 포함한 메타데이터 CSV 파일을 자동 생성합니다. 이때 영상断片(clip) 하나당 시작·종료 프레임, 위치정보(위도·경도), 방향(Yaw·Pitch·Roll), 기상·조도 정보(풍속·일사량)를 연동해, 향후 전처리·정합 단계에서 촬영 구간을 정확히 매핑할 수 있도록 준비합니다. 메타데이터는 Pandas 등으로 로드하여 누락·오차(±5m 이상) 발생 구간을 식별하고, 비행 로그(Flight Log)와 대조해 불일치 구간을 재촬영 리스트에 자동..

1. 개요 및 모델선택 기준키워드: 모델선택, 요구사항해안 침식 분석 프로젝트에서 모델선택은 정확도, 처리속도, 운영환경, 예산 등 다각도 요구사항을 충족시켜야 합니다. 첫째, 침식 검출 정밀도는 1m 이하 오차를 목표로 하며, 검출 주기는 실시간(수분 단위) 또는 배치(일·주 단위) 중 적합한 방식을 결정해야 합니다. 둘째, 운영환경은 온프레미스 서버, 퍼블릭 클라우드(AWS, Azure), 엣지 컴퓨팅 등으로 구분되고, 네트워크 대역폭·보안·데이터 주권 요구에 따라 최적 플랫폼을 선택해야 합니다. 셋째, 예산·라이선스 정책·내부 인력 역량을 고려해 초기 구축비용, 유지보수비용, 확장비용을 합산한 TCO(Total Cost of Ownership)를 산정합니다. 이와 함께 오픈소스·상용 모델의 기능·성..

1. 개요 및 필요성 소개키워드: 개요, 필요성AI 기반 해안선 변화 자동 검출 알고리즘은 드론·위성·무인항공기(UAV)로 촬영된 연속 영상 또는 정기 촬영 데이터를 활용해 해안선 위치 변동을 빠르고 정확하게 파악하기 위한 핵심 기술입니다. 전통적인 현장 조사 방식은 인력·비용·시간이 과다 소요되고, 위성 이미지는 해상도·촬영 주기 한계로 실시간 대응에 취약합니다. 반면 AI 알고리즘은 수백 기가바이트 급 대용량 데이터를 자동 분류·비교·분할하고, 영상 전·후 시점 변화만 추출해 해안침식·퇴적 패턴을 정량화합니다. 특히 재난 대응·방재 설계·환경 보전 정책 수립에 있어 변화 지점을 조기에 감지해 경보를 발령하거나 복원 공법을 최적화하는 의사결정 지원 도구로 활용됩니다. 초기 시스템 도입 단계에서는 과거 ..

1. 목표수립 및 조사구역 설정키워드: 목표수립, 조사구역해안 침식 모니터링 프로젝트는 구체적이고 측정 가능한 목표수립에서 출발합니다. 예컨대 “분기별 주요 절벽 구간의 침식량을 2cm 단위로 계측하여 복원 공법 효과를 검증한다”, “연평균 침식 속도가 5cm를 넘으면 즉시 경보를 발령한다”처럼 정량적·정성적 지표를 명확히 정의해야 이후 비행 빈도, 촬영 해상도, 데이터 처리 주기가 결정됩니다. 목표가 확정되면 GIS 플랫폼에서 조사구역(Area of Interest)을 폴리곤으로 설정합니다. 해안선 전체를 단일 구역으로 처리하기보다는, 사구·절벽·갯벌·암반·해조류 분포·인접 인프라·비행 금지구역 등 다양한 특성을 반영하여 여러 **Unit Sector(세부 구획)**으로 분할합니다. 각 구획은 드론 배..

1. LiDAR 센서 기술 원리 및 스펙 비교 (키워드: LiDAR, 펄스 레이저, 스펙트럼)LiDAR(Light Detection and Ranging)는 레이저 펄스를 대상 물체에 발사한 뒤 반사되어 돌아오는 시간을 측정해 거리를 계산하는 Time-of-Flight(TOF) 방식이 핵심이다. 해안 지형 측정을 위해서는 레이저 파장(532 nm vs. 1,550 nm), 발사 펄스 에너지(Pulse Energy), 펄스 반복률(PRF), 빔 분산(Beam Divergence)을 꼼꼼히 비교해야 한다. 예컨대 1,550 nm 대역은 수면 투과력(Bathymetric Penetration)이 높아 얕은 수역까지 지형 점군을 획득할 수 있지만, 물방울·염분에 의한 신호 감쇄가 커질 수 있다. 반면 532 n..

1. 멀티스펙트럴 센서 기본 스펙 비교멀티스펙트럴 센서는 서로 다른 파장 대역(band)을 이용해 지표면의 반사 스펙트럼을 분석하는 핵심 장비로, 센서별로 선택 가능한 밴드 수, 스펙트럼 해상도, 공간 해상도(Ground Sample Distance, GSD), 최대 프레임 레이트 등이 상이하다. 밴드 수가 많을수록 식생지수(NDVI), 수분지수(NDWI) 등 다양한 지표면 특성 계산이 가능하지만, 무게와 전력 소비량이 증가해 드론의 비행 시간과 호환성에 영향을 준다. 예컨대 4밴드(적색·녹색·청색·근적외선) 센서는 기본적인 식생 모니터링에 적합하나, 8밴드 이상을 지원하는 센서는 토양 수분, 해안 침식, 광물 탐사 등 다분야 응용이 가능하다. 또한 공간 해상도는 비행 고도와 렌즈 초점 거리에 따라 결정..

1. 드론 기반 해안 침식 모니터링 개념드론 기반 해안 침식 모니터링은 무인 항공기(드론)를 활용해 해안선 변화를 주기적으로 관찰하고, 수집된 고해상도 항공 영상을 통해 침식 징후를 조기에 탐지하는 개념이다. 전통적으로 해안 침식 관측은 인력 조사나 위성 이미지를 이용했으나, 높은 비용·낮은 빈도·늦은 피드백이라는 한계가 있었다. 반면 드론은 저고도 비행을 통해 미터 단위 이하 해안 지형 변화를 세밀하게 파악할 수 있으며, GPS 기반 자동 비행 경로 설정을 통해 동일 지점을 정밀하게 재촬영할 수 있다. 이로 인해 침식 발생 초기에 대응책을 마련하거나 복구 작업의 효과를 검증하는 데 유리하다. 특히 해안선이 급격하게 변하는 지역에서는 드론을 이용한 주기적 관측 주기가 짧을수록 이상 징후를 빠르게 인지할 ..