🎣 낚시 입문자를 위한 금어종 판별 AI 웹 서비스

메인 이미지 클릭 시, 프로젝트 발표 자료로 이동됩니다!

🔍 프로젝트 개요

Snapish는 대한민국 1,000만 낚시인들을 위한 딥러닝 기반 금어종 판별 시스템입니다. 국립수산과학원의 금어기·금지체장 정보를 기반으로 개발되었으며, 낚시 종사자들의 법규 준수와 해양 생태계 보호를 지원합니다. 현재 17개 어종에 대해 88%의 탐지 정확도를 달성했으며, 사용자 참여형 데이터 수집을 통해 95% 이상의 정확도 달성을 목표로 하고 있습니다.

📌 프로젝트 정보

• 기간: 2024.12.03 ~ 2025.01.02 (평일 26일)
• 인원: 4인
• 역할
  • 👑 팀 리더 / AI 모델 개발
  • 💻 백엔드 개발
  • 🎨 프론트엔드 개발
  • 📊 DB 설계 및 데이터 수집

✨ 주요 기능

• 🔍 17개 주요 어종/금어종 판별 기능 제공
• 📖 어종별 특징 및 금지체장 가이드라인 제공
• 📝 내가 잡은 물고기 리스팅 기록 시스템 제공
• 🌊 오늘의 낚시 스팟 및 물떼/날씨 정보 제공
• 👥 사용자 참여형 데이터 수집 시스템

⚙️ 핵심 기술 스택

🤖 AI/ML

• 객체 탐지 엔진: Ultralytics YOLOv11
  • 커스텀 데이터셋 기반 전이학습 구현
• 데이터셋 관리: Roboflow
  • 1,500+ 이미지 데이터 전처리 및 증강
• 이미지 생성 AI: OpenAI, Robobrush, ideogram
  • 프로젝트 이미지 및 UI 리소스 생성

🔧 백엔드 아키텍처

• 웹 프레임워크: Flask v3.1.0
  • RESTful API 설계
  • 비동기 이미지 처리 파이프라인 구현
• 데이터베이스: MySQL Server v8.0
  • 캐싱 레이어 구현으로 응답 속도 최적화

🎨 프론트엔드 아키텍처

• 런타임: Node.js v20.15.1
• 프레임워크: Vue.js v3.5.13
  • 실시간 이미지 처리 결과 시각화

🐟 탐지 가능 어종

해수어 (11종)

• 감성돔, 대구, 갈치
• 말쥐치, 넙치, 조피볼락
• 삼치, 문치가자미, 돌돔
• 참돔, 옥돔

갑각류 및 연체동물 (6종)

• 꽃게, 대게
• 참문어, 낙지, 주꾸미, 살오징어

각 어종별 금어기 및 금지체장 정보는 국립수산과학원 기준을 준수합니다.

🚀 시스템 구축 가이드

1️⃣ 백엔드 환경 구성

cd backend
conda env create -n snapish --file environment.yml
conda activate snapish

2️⃣ 모델 및 데이터 설정

필수 리소스

• 📦 AI 모델 가중치 파일 → /backend/models/
• 📍 지역별 낚시터 메타데이터 → /backend/data/
• 📊 학습 데이터셋 → /backend/data/
• 🔬 모델 학습 프로세스 → /backend/

3️⃣ 서비스 실행

백엔드 서버:

# Windows
$env:FLASK_APP="main.py"
flask run --host=0.0.0.0

# Mac/Linux
export FLASK_APP="main.py"
flask run --host=0.0.0.0

프론트엔드 개발 서버:

cd frontend
npm install
npm run serve

📈 성과 및 향후 계획

🏆 현재 성과

• 17개 어종 대상 식별 정확도 88% 달성
• 전국 낚시터 약 2,000개 이상의 데이터베이스 구축

🎯 개선 계획

• 크라우드소싱 기반 데이터 수집으로 정확도 95% 이상 달성
• 탐지 가능한 물고기 어종 확대 (30종 이상, 바다 고기, 민물 고기 등)
• 실시간 낚시터 정보 공유 커뮤니티 기능 구현
• 낚시터 스토어 및 선박 사전 예약 기능 구현

🌏 사회적 기여

• 불법 어획 방지를 통한 해양 생태계 보호
• 1,000만 낚시인의 준법 조업 지원

📚 참고 자료

• 국립수산과학원 금어기•금지체장 정보
• 낚시꾼 1천만명 시대…부산서 낚시산업 활성화 토론회