1. 서비스 명칭
- 어류 개체 이미지 분류 서비스
2. 서비스 배경 및 목적
- 어류가 많을 경우 어류 개체를 사람이 일일이 눈으로 판별하는 것 대신 분류의 자동화를 통해 어류 판별을 빠르게 할 수 있음
3. 인공지능 서비스 유사 사례 분석
- FishVerify: 미국의 수조와 해안에서 발견되는 어류의 종류를 인식하는 모바일 어플리케이션. 사용자가 어류의 사진을 찍어 업로드하면 어류 종류를 인식해줌 https://www.fishverify.com/
- FishID: 호주와 뉴질랜드 주변 해역의 어류를 인식하는 모바일 어플리케이션. 약 700개 이상의 어류 종류를 인식할 수 있으며, 어류의 정보를 제공
4. 인공지능 모델의 입출력
- 입력: 물고기 사진
- 출력: 물고기 종류(넙치: 0, 조피볼락: 1, 참돔: 2, 감성돔: 3, 돌돔: 4)
5. 데이터셋 구축방안
- AIHUB에서 제공하는 어류 개체 촬영 영상 데이터를 사용 https://aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=realm&dataSetSn=154
- 다운로드 받은 데이터셋의 해상도를 crop, downsampling 등을 통해 256*256으로 통일
6. 데이터셋 구성 목표
- 학습셋: 100,000장
- 시험셋: 20,000장
- 학습셋 클래스 당 이미지 장 수는 20,000장, 시험셋 클래스 당 이미지 장 수는 4,000장
7. 인공지능 모델 평가 방법
- 정확도(accuracy) = 맞춘 샘플 개수 / 전체 샘플 개수
- 예시: 시험셋 20,000장 모두를 넙치라고 추론할 경우 20%
8. 인공지능 모델 성능 목표
- 정확도(accuracy) 95.0%
9. 서비스 구축계획 및 사용 시나리오
- 그라디오로 입력된 물고기 사진에 대한 물고기 종류 출력
10. 서비스 기대효과
- 수산물 산업에 있어 어류 개체 이미지를 분류하여 각각의 어종별로 구분하면, 해당 어종의 수요 및 공급 수요 예측, 어종 생산량 예측 등에 활용
- 어류 개체 이미지 분류를 통해 멸종 위기에 처한 어종들을 분류하고 이를 보호하는데 활용
- 어류 개체 이미지 분류를 통해 어류의 분포, 생태계 내 역할 등을 파악하여 수질 관리, 생태계 보전 등에 활용