[표지] 1
요약문 2
목차 5
1. 연구개발과제의 개요 12
1-1. 연구개발 대상의 국내·외 현황 12
가) 음향 녹음 및 데이터 원격 송신장치(Hardware)의 국내 개발 현황 12
나) 음향 녹음 및 데이터 원격 송신장치(Hardware)의 국외 개발 현황 13
다) 인공지능 음향종판별 시스템의 국외 개발 현황 13
1-2. 연구개발의 필요성 및 중요성 15
1-3. 연구개발대상 기술의 차별성과 혁신성 16
2. 연구개발과제의 수행 과정 및 수행 내용 20
2-1. 연구개발 수행전략·방법 20
가) 1차년도 20
나) 2차년도 20
다) 3차년도 21
2-2. 연구개발 수행체계 22
2-3. 수행 일정 23
3. 연구개발과제의 수행 결과 및 목표 달성 정도 24
3-1. 연구개발과제의 최종목표 및 연차별 개발목표 24
가) 연구개발 과제의 최종 음향 확보 목표 24
나) 연구개발 과제의 최종 음향녹음장치 성능 26
다) 연구개발 과제의 최종 음향 분석 시스템 27
3-2. 1차년도 연구개발과제의 수행 결과 28
가) 음원의 확보 및 전처리 28
나) 음향녹음장치의 개발 33
다) 기계학습 기반 종동정 모델 개발 45
라) 종동정 시스템의 구축 61
3-3. 1차년도 연구개발과제의 목표 달성 정도 65
가) 음원의 확보 및 분석 65
나) 음향녹음장치의 개발 67
다) 종동정 시스템의 구축 71
라) 공공활용 71
3-4. 1차년도 연구개발의 시사점 72
가) 국내 미발견 종의 음향자료 확보의 어려움 72
나) 데이터 전처리 소요 인력 및 시간 소요 과다 72
2) 정량적 연구개발성과 74
3) 세부 정량적 연구개발성과 75
4) 계획하지 않은 성과 및 관련 분야 기여사항 80
5) 연구개발비 사용실적 81
6) 중요 연구변경 사항 82
4. 2차년도 연구 개발 계획 83
4-1. 연구개발과제의 2차년도 개발 목표 83
가) 음향자료의 확보 83
나) 음향 녹음 장치의 개발 83
다) 종 동정 시스템의 운영 개발 목표 83
라) 공공활용 83
마) 지적재산권 확보 84
바) 2차년도 목표 달성도 84
4-2. 연구개발 수행전략·방법 84
가) 다양한 서식환경과 지역에 현지 조사 84
나) 국외 전문가를 활용한 자료의 전처리 84
다) 음향 녹음 장치 개발 84
라) 종 동정 시스템 개발 85
4-3. 연구개발 예상 문제점과 해결방안 90
가) COVID 재확산 90
4-4. 수행 일정 90
4-5. 2차년도 연구비 책정 총괄표 90
가) 고려대학교의 공동 참여기관 자격 부여 90
나) 현장 설치 장비의 점검 및 데이터의 수집 증가 90
다) 데이터 전처리 전문 인력의 필요성 증가 91
라) 해외 현지답사를 통한 유입주의 생물 데이터의 확보 91
5) 연구개발비 사용 계획 92
6) 사업화 추진 계획 94
7) 연구개발 성과의 활용방안 및 기대효과 97
표 1. 녹음장비 비교 14
표 2. 용도 및 적용 분야 15
표 3. 기술개발의 차별성 및 혁신성 요약표 19
표 4. 음향 확보 최종 목표 24
표 5. 최종 개발 녹음장치의 최종 목표 사양 26
표 6. 구축 시스템 최종 목표 사양 27
표 7. 종구별 정확도 최종 목표 27
표 8. 클래스별 기계학습에 활용된 오디오 샘플의 수 29
표 9. 기계학습에 동물 울음소리 및 잡음 명칭 46
표 10. 평가 데이터 요약 47
표 11. Binary Confusion Matrix 48
표 12. ResNet 실험 결과 50
표 13. DenseNet 실험 결과 52
표 14. TCNet 실험 결과 53
표 15. TENet 실험 결과 54
표 16. Metric learning을 활용한 종 황소개구리 판별 실험 결과 비교 56
표 17. 종별 소리 확보 현황 66
표 18. 학습 및 종판별에 적용된 종별 음성 데이터 분석 현황 67
표 19. 양서류 울음소리 종 판별 실험 결과 비교 71
표 20. LTE Cat.M1 특성 85
표 21. 수행 일정 90
그림 1. 한국산지보전협회에서 개발된 음향 녹음 장치 12
그림 2. 음성신호가 기존 통계적 방법으로 종동정이 불가능한 사유 16
그림 3. 전남대학교 양서·파충류 소리 관련 논문 18
그림 4. 인적 추진체계 22
그림 5. 연구개발 추진체계 22
그림 6. 추진 일정 23
그림 7. 음향과 딥러닝을 이용한 외래종 모니터링 시스템 24
그림 8. 종 동정 시스템 최종 목표 ERD 27
그림 9. 확보된 음원의 현황 및 데이터베이스제작자 권리 등록증(제D-2021-000074호) 28
그림 10. 음향의 스펙토그램 분석 데이터 테이블 30
그림 11. 양서류 음원 분석 예시 30
그림 12. 잡음 데이터 웹 크롤링 프로그램 예시 31
그림 13. 환경 래스터 레이어 예시 32
그림 14. 음원 전처리 33
그림 15. 기계학습을 위한 데이터 전처리 과정 33
그림 16. 1차 개발 결과물의 2d 설계 34
그림 17. 1차 설계 뒷판 스트랩 부분 변경 35
그림 18. 1차 개발 결과물의 3d 모습 35
그림 19. 1차 개발제품의 3D 출력물 36
그림 20. 2차 개발 결과물의 2d 설계 37
그림 21. 2차 개발 결과물의 3D 설계 모습 37
그림 22. 2차 개발결과물의 목업 제작 모습 38
그림 23. 1차 회로도의 저작권 등록증 38
그림 24. 1차 개발 회로도 1 39
그림 25. 1차 개발 회로도 2 40
그림 26. 1차 개발 회로도 3 41
그림 27. 2차 회로도의 저작권 등록증 42
그림 28. 2차 개발 회로도 1 43
그림 29. 2차 개발 회로도 2 43
그림 30. 2차 개발 회로도 3 44
그림 31. 2차 개발 음향 녹음 장치 PCB SET 44
그림 32. Identity block 50
그림 33. Conv block 50
그림 34. 기존 방식 50
그림 35. ResNet -18 architecture 50
그림 36. Bottleneck for ResNet 51
그림 37. Botteleneck for DenseNet 51
그림 38. DenseNet architecture 51
그림 39. 2D Convolution과 Temporal Convolution 비교 53
그림 40. Multi-branch temporal convolution 예시 54
그림 41. 다변수 환경 도식화 55
그림 42. Metric learning을 통한 차별적 특징 학습 55
그림 43. 데모 시스템의 입력 예시 57
그림 44. 데모 시스템의 결과 예시 57
그림 45. 강한 레이블과 약한 레이블의 차이 58
그림 46. 약한 레이블 기반 알고리즘 도식 58
그림 47. 약한 레이블 기반 음향 신호 분류 실험 결과 59
그림 48. 제안하는 모델 학습 방법 및 모델 구조 60
그림 49. 모델 세부 구조 60
그림 50. 피드백 모듈 기반 음향 신호 분류 실험 결과: (좌) SECL-UMONS (우) Unbasound8K 61
그림 51. 종 동정 시스템 개념도 62
그림 52. 종 동정 시스템 Architecture 63
그림 53. 종 동정 시스템 ERD 64
그림 54. 종 동정 시스템 테이블 설계도 일부 64
그림 55. 종 동정 시스템 사용자 화면 65
그림 56. 기술인증 성적서 표지 68
그림 57. 기술인증 성적서 내용 요약 69
그림 58. 전파인증 등록증 70
그림 59. 음향장비 설치 허가 취득 71
그림 60. AI 프로젝트 데이터 구축 과정 및 단계별 소요 시간 73
그림 61. 원격 송신 기능 개념도 85
그림 62. Self-Attention 기반 학습 구조 86
그림 63. Multi-Head Attention 구조 87
그림 64. Multi-tasking learning 모델 88
그림 65. 목표 종 검출 예시 89