콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#양식 산업 # 스마트 양식 # 양식 어류 데이터

어류 행동 영상

어류 행동 영상
  • 분야농축수산
  • 유형 이미지
구축년도 : 2020 갱신년월 : 2021-06 조회수 : 6,128 다운로드 : 278 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.0 2021-06-18 데이터 최초 개방

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2024-10-07 최종산출물 수정 저작도구
    2022-10-13 신규 샘플데이터 개방

    소개

    양식 어류의 행동 분석, 개체 추적 등을 위한 수산 AI 개발용 영상 데이터

    구축목적

    양식 어류의 행동 분석, 개체 추적 등을 위한 수산 AI 개발용 이미지 데이터셋
  • 구축 내용 및 제공 데이터량

    • 어류 행동 영상 371시간(넙치, 조피볼락, 참돔, 감성돔, 돌돔 각 60시간 이상)과 이를 통한 어류 인스턴스 126만개(넙치, 조피볼락, 참돔, 감성돔, 돌돔 각 24만개 이상) 구축
       
    구축 내용 및 제공 데이터량 표
    구분 데이터 형태 구축량(정제시간/인스턴스)
    넙치 이미지, JSON 파일 60:38:02 / 240,295
    조피볼락 65:08:23 / 272,106
    참돔 76:50:45 / 240,691
    감성돔 83:22:56 / 256,459
    돌돔 85:53:00 / 251,298
    총계 371:53:17 / 1,260,849
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 다운로드
  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 어류 영상 검출 바운딩박스 정확도 Object Detection EfficientDet D2 mAP@IoU 0.6 45 % 96 %
    2 어류 영상 검출 바운딩박스 정확도 Object Detection EfficientDet D2 mAP@IoU 0.6 45 % 94.1 %
    3 어류 체장/체고라인 검출 정확도 Object Detection EfficientDet D2 NMAE 25 % 8.1 %
    4 어류 체장/체고라인 검출 정확도 Object Detection EfficientDet D2 NMAE 25 % 7.49 %

    ※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.

    ※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)

  • 설명서 및 활용가이드 다운로드

    데이터 설명서 다운로드 구축활용가이드 다운로드

    데이터 변경이력

    어류 행동 영상-데이터 변경이력
    버전 일자 변경내용 비고
    1.0 2021.06.18 데이터 최초 개방  

    구축 목적

    • 양식 어류의 행동 분석, 개체 추적 등을 위한 수산 AI 개발용 이미지 데이터셋

    활용 분야

    • 스마트양식시스템 구축을 위한 양식어업 관리 자동화 AI 서비스 개발

    소개

    • 국내 주요 5개 양식어종(넙치, 조피볼락, 참돔, 감성돔, 돌돔)의 수중 유영 행동을 수중 카메라로 촬영한 이미지
      개체 인식 및 유영 패턴을 인식하기 위해 수평 영상에서 추출한 키프레임 이미지와 개체의 유영각도를 감지하기 위한 바운딩박스, 체장/체고 라인을 어노테이션한 데이터셋으로, AI 허브를 통한 데이터 공개를 위해 양식시설 및 실험어 임대 계약을 통하여 데이터 수집 과정에서 발생할 수 있는 저작권 관련 문제를 완전히 해결한 원시 데이터 확보
       

    어류행동영상-소개-1

    구축 내용 및 제공 데이터량

    • 어류 행동 영상 371시간(넙치, 조피볼락, 참돔, 감성돔, 돌돔 각 60시간 이상)과 이를 통한 어류 인스턴스 126만개(넙치, 조피볼락, 참돔, 감성돔, 돌돔 각 24만개 이상) 구축
       
    구축 내용 및 제공 데이터량 표
    구분 데이터 형태 구축량(정제시간/인스턴스)
    넙치 이미지, JSON 파일 60:38:02 / 240,295
    조피볼락 65:08:23 / 272,106
    참돔 76:50:45 / 240,691
    감성돔 83:22:56 / 256,459
    돌돔 85:53:00 / 251,298
    총계 371:53:17 / 1,260,849

     

    대표도면

    어류 행동 영상-대표도면-1어류 행동 영상-대표도면-2

    필요성

    • 양식어민들은 대부분 60세 이상의 노령 인구가 대부분이며, 젊은 세대는 3D 업종 기피 현상으로 인하여 노동력 부족 현상이 심화되고 있음
    • ICT 기술 융합을 통한 자동제어기술을 도입하여 노동집약적 1차 산업에서 기술집약적 IT 산업으로의 발돋움하여 경쟁력을 확보할 필요가 있음
    • 인공지능 기술을 도입한 노르웨이 및 주요 국가는 수십년에 걸쳐 이뤄낸 성과로 영세 사업자 위주로 구성된 우리나라의 특징을 반영한 맞춤형 양식 기술이 필요
    • 고령화, 인건비, 폐사율, 자연재해 등 수 많은 변수에 대한 예측이 가능한 자동화 시스템 설계를 위한 AI 응용서비스 개발을 위하여 검증된 학습용 데이터 구축이 필요함

    데이터 구조

    데이터 구조 표
    No 항목 타입 비고
    한글명 영문명
    1 어류 정보 categories List  
    1-1 카테고리 종류 categories[].SuperCategory String  
    1-2 카테고리 식별자 categories[].id String  
    1-3 카테고리 명 categories[].name String  
    2 이미지 정보 images List  
    2-1 이미지 식별자 images[].id String  
    2-3 이미지 파일명 images[].file_name String  
    2-4 이미지 너비 images[].width Number  
    2-5 이미지 높이 images[].height Number  
    2-6 데이터셋 생성일자 images[].date_captured String 수집일자
    2-7 조명 정보 images[].light String 메타정보
    3 어노테이션 정보 annotations List  
    3-1 어노테이션 식별자 annotations[].id String  
    3-2 연관이미지 식별자 annotations[].image_id String  
    3-3 연관카테고리 식별자 annotations[].category_id Number  
    3-4 크라우드 소싱
    라벨링 정보
    annotations[].iscrowd Number 고정값 : 1
    3-5 속성 정보 annotations[].attribute Number  
    3-6 체장/체고 키포인트 annotations[].keypoints[] Number  
    3-7 바운딩박스 annotations[].bbox[] Number  
    Json
    형식
                
    {
    	"categories": [{
    		"id": int,
    		"name": str,
    		"supercategories": str
    	}],
    	"images": [{
    		"id": int, 
    		"file_name": str, 
    		"width": int, 
    		"height": int, 
    		"date_captured": datetime,
    		"light": str
    	}],
    	"annotations" : [{
    		"id": int,
    		"image_id": int,
    		"category_id": int,
    		"iscrowd": int,
    		"attribute": str,
    		"keypoints": [x1,y1,x2,y2, x3, y3, x4, y4],"bbox": [x,y,width,height]
    	}]
    }
                
                
  • 데이터셋 구축 담당자

    수행기관(주관) : 글로비트
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    고경학 1544-7628 help@gbit.kr · 사업 총괄 · 데이터 수집
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    (주)블루컴 · 데이터 정제, AI모델 개발 지원
    (주)딥네츄럴 · 데이터 가공
    (주)일루니 · AI 학습 모델 개발
    (주)트리피노 · AI 응용서비스 개발
    해양과학기술원 · 데이터 검증
    전남대학교 산학협력단 · 데이터 검증
    (사)제주양식산업발전협의회 · 사업홍보
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    고경학(글로비트) 1544-7628 help@gbit.kr
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
    * 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
    * 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
    2. 기관생명윤리위원회(IRB) 승인된 연구계획서
    3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
    4. 안심존 이용 신청서 [다운로드]
    5. 보안서약서 [다운로드]
    ※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다.

  • 신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의

데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.

API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.

리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.

※ 파일 병합 리눅스 명령어

find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"

- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.

- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.

※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.