저궤도 위성 인터넷의 보급이 확대됨에 따라 기상 악화가 위성 인터넷의 성능과 안정성에 미치는 영향이 커지고 있습니다. 특히 눈이나 비와 같은 악천후는 지상 터미널 구성 요소에 문제를 일으켜 위성과 지상국 간의 통신에 지장을 줄 수 있습니다. 본 논문에서는 지상 구성 요소가 대표적인 기상 관련 조건을 지역적으로 감지할 수 있도록 하는 효율적인 전이 학습(Transfer Learning, TL) 방법을 제시합니다. 제안된 방법은 눈, 습기 등 악천후로 인한 조건을 감지하며, YOLOv7, YOLOv9, Faster R-CNN, R-YOLO와 같은 기존 딥러닝 방법보다 우수한 성능을 보입니다. 또한 다양한 시나리오에 일반화될 수 있는 장점을 가지고 있습니다.
