메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Seunghyun Pyo (University of Science & Technology (UST)) Tae-Kyeong Yeu (Korea Research Institute of Ships & Ocean Engineering (KRISO)) Yeongjun Lee (Korea Research Institute of Ships & Ocean Engineering (KRISO)) Jong-Boo Han (Korea Research Institute of Ships & Ocean Engineering (KRISO)) Yujin Cho (Hyundai Heavy Industries) Daegil Park (Korea Research Institute of Ships & Ocean Engineering (KRISO))
저널정보
한국해양공학회 한국해양공학회지 한국해양공학회지 제39권 제1호(통권 제182호)
발행연도
2025.2
수록면
92 - 102 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Seabed crushing, a critical underwater operation for mineral resource extraction and infrastructure construction, necessitates acoustic monitoring due to the limited visibility caused by debris generated during the process. This study proposes an acoustic classification method to enable real-time monitoring of underwater robotic operations. Given the acoustic characteristics of crushing operations, which predominantly manifest in the low-frequency band, acoustic features were extracted and processed using a deep learning model to classify the operational states into four categories: idling, cutting, hard cutting, and base. The model was developed using a recurrent neural network (RNN), which is particularly suited for real-time time-series data processing. The classification performance of long short-term memory (LSTM) networks and standard RNN models was systematically evaluated. Training on a dataset collected from crushing operations conducted on land, the LSTM model achieved an accuracy of 89%, outperforming the RNN, which achieved 84%. Furthermore, real-time operational state prediction was performed at a speed of 10 Hz, demonstrating high accuracy. These findings indicate that the proposed method effectively enables real-time classification of seabed crushing operations, thereby enhancing the safety and efficiency of remote underwater operations.
#Audio classification #Underwater operation #Acoustic feature extraction #Recurrent neural network(RNN) #Long short term memory(LSTM)

목차

ABSTRACT
1. Introduction
2. Related Works
3. Methods
4. Experiment
5. Discussions
6. Conclusions
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092456186