본 연구는 어업 및 양식업에서 중요한 종인 유럽산 바다가재(Homarus gammarus)의 나이(성체/어린 개체) 및 성별을 분류하기 위해, 비침습적인 수동 음향 모니터링(PAM)을 활용하여 수집된 바다가재의 생체 음향 신호(buzzing/갑각 진동)를 딥러닝(1D-CNN, 1D-DCNN) 및 머신러닝(SVM, k-NN, Naive Bayes, Random Forest, XGBoost, MLP) 모델로 분석했습니다. 스코틀랜드 존스헤이븐에서 수집된 데이터를 기반으로, MFCC 특징을 사용한 결과, 대부분의 모델이 나이 분류에서 97% 이상, 성별 분류에서 Naive Bayes를 제외하고 93.23% 이상 정확도를 보였습니다. 이 연구는 바다가재 보존, 탐지, 양식 및 어업 관리에 대한 비침습적 PAM 접근법의 가능성을 보여주었습니다.
