2000년 이후부터 발생 시기를 불문하고 연중으로 어류 질병이 발생하여 총사육량의 25~30% 정도가 질병으로 인한 어류 집단 폐사로 이어지고 있으며, 양식장은 수질 환경, 생육 어류의 활동 상태, 질병 감염을 양식어업인 또는 관리인의 경험에 의한 육안 판독 또는 인터넷에서 제공되는 질병정보검색을 통한 정보획득으로 정확한 판독이 불가하다. 그로 인해 수산 생물의 질병 발생 후 집단 폐사를 차단하기 위한 관리가 매우 절실하고 양식 어가의 경영악화를 근본적으로 차단하기 위한 양식 어류의 질병을 사전에 진단하고 예측하는 연구가 필요하다.
본 논문에서는 이러한 문제점들을 개선하기 위해 심층 메트릭 학습 방법론에 거리 함수를 사용하여 어류 외형 질병 분류를 위한 Deep FDC 모델에 성능 좋은 거리 함수를 학습하는 방법을 제안하였다. Deep FDC 모델에 성능 좋은 거리함수를 활용하여 질병 발생 및 질병 집단 폐사로 인한 생산성 저하의 위협 요인과 어류 질병 예측에 대한 의사 결정의 질을 향상시키고자 한다.
본 연구에서 제안한 Deep FDC 모델에 4가지 거리 함수를 사용한 실험 결과에서는 이미지 정규화 과정 실시 후 학습을 진행했을시 학습 소요 시간에 대한 효율성이 증가되었으며, 손실은 현저히 낮아졌다. 그리고 하드 마이닝 손실은 통계적으로 의미가 있다는 대립가설로 채택되었다. 성능 평가에서는 Recall@K에서 사용된 거리 함수는 모두 Recall@4에서는 약 82%이상, Recall@8에서는 약96%이상 예측되는 성과를 달성하여 Deep FDC 모델의 우수성을 보여주었다. 그리고 고전적인 거리 함수로 가장 간단하고 직관적인 훈련을 하는 대조 손실이 Deep FDC 모델에서 어류 외형 질병을 분류하는 학습에서 가장 성능이 좋은 것으로 평가 되었다.
향후 실제 질병이미지 자료와 다양한 하이퍼 파라미터를 조정하고 기능이 향상된 거리 함수를 사용하는 심화된 연구를 진행된다면 양식장에서는 질병을 조기에 발견하고 진단함으로써 사전에 질병 감염 예방과 질병 감염의 확산으로 인한 집단 폐사율을 최소화 할 수 있을 것이다. 그리고 이는 질병 감염 예방으로 어류 질병 확산에 따른 손실을 최소화하고 양식 어가의 생산성 증대를 통해 경제적 이익 증대를 기대해 본다.