제548회 오션 세미나
딥러닝 기반 지상 이미지를 이용한 부유쓰레기 탐지 기법
김령규 | (사)동아시아바다공동체 오션 연구원 | rgkim@osean.net
박해주 | (사)동아시아바다공동체 오션 연구원 | hjpak@osean.net
원문: A Detection Approach for Floating Debris Using Ground Images Based on Deep Learning, Guangchao Qiao, Mingxiang Yang, Hao Wang
쓰레기로 막힌 강과 하천
강과 하천은 마치 우리의 혈관과 같다. 물을 마시고, 농작물을 키우고, 배를 타고 이동할 수 있도록 해주는 중요한 통로다. 하지만 지금 이 강과 하천이 점점 막혀가고 있다. 이유는 바로 부유쓰레기. 플라스틱 병, 비닐봉지, 스티로폼 같은 쓰레기들이 강을 떠다니다가 결국 바다로 흘러가며 심각한 환경 문제를 일으키고 있다.
프랑스 센강에서는 6년 동안 평균 1,937톤의 부유쓰레기가 수거됐다. 이게 얼마나 많은 양일까? 코끼리 500여마리의 무게와 비슷하다고 하면 감이 올지도 모른다. 대한민국 낙동강에서는 연간 3,000톤의 부유쓰레기가 배출되고 있으며, 장마철이 되면 평소보다 훨씬 많은 쓰레기가 유입되어 수질 및 환경에 큰 부담을 준다.
기존 탐지 방식, 한계가 많았다.
과거에는 사람들이 직접 현장을 돌며 육안으로 쓰레기를 찾아내고 일일이 수거해야 했다. 마치 숨바꼭질을 하듯이 말이다.
사람의 눈과 손만으로는 넓은 지역을 빠르게 탐지하고 대응하는 데 한계가 있어 자동화 기술이 도입됐다. 하지만 기존 시스템은 아직 완벽하지 않다. 어두운 곳에서는 잘 못 찾고, 작은 쓰레기는 놓치고, 물살에 따라 움직이는 쓰레기를 인식하는 데 어려움이 있었다. 그래서 연구진은 새로운 해결책을 내놓았다.
YOLOv5, 쓰레기를 찾는 AI 탐정
이제 AI 탐정을 소개할 차례다. 탐정이라고 하면 돋보기를 들고 단서를 찾는 셜록 홈즈 같은 캐릭터가 떠오를지도 모른다. 그런데 이 탐정은 눈 대신 AI 기술을 사용한다. 그 주인공이 바로 YOLOv5다.
(1) AI가 배우는 법, 학습용 데이터셋 구축
연구진은 AI 탐정이 훈련할 수 있도록 강 위에 떠다니는 부유쓰레기 사진을 모았다. 우리가 사람 얼굴을 보고 "이건 철수, 이건 영희"라고 구별하듯, AI도 다양한 쓰레기를 보고 배워야 한다.
수집된 쓰레기 종류는 다음과 같다.
플라스틱 병
비닐봉지
스티로폼 조각
나뭇가지
부유성 조류
연구진은 총 16,000개의 이미지를 수집했고, 그 안에 67,344개의 부유쓰레기 객체가 포함됐다. 데이터를 많이 보여줄수록 AI는 더 정확하게 쓰레기를 찾을 수 있다.
(2) YOLOv5, 더 똑똑한 탐정으로 업그레이드
하지만 기존 YOLOv5는 한계가 많았다. 그래서 연구진은 탐정의 돋보기를 더욱 선명하게 만들었다.
✅ 좌표 어텐션(Coordinate Attention, CA) 기법 도입
마치 사람의 눈이 좌우를 훑으며 사물을 찾는 것처럼, AI가 X축과 Y축을 따로 분석해서 작은 물체도 더 잘 찾을 수 있도록 함.
우리가 멀리 있는 친구를 알아볼 때 주변 환경까지 함께 보는 것처럼, AI도 넓은 범위에서 특징을 학습함.
✅ 양방향 특징 피라미드 네트워크(BiFPN) 적용
AI 탐정, 실제 실험에서 어떤 성과를 거뒀을까?
연구진은 AI 탐정의 실력을 시험했다. 비교 대상은 기존 탐지 모델들이다.
🕵️♂️ Faster R-CNN – 느리지만 정확한 탐정
🕵️♂️ SSD – 적당한 성능의 탐정
🕵️♂️ YOLOv3 – 기존 YOLO 탐정
🕵️♂️ YOLOv5s – 정밀한 시야를 가진 엘리트 YOLOv5 탐정
🕵️♂️ 개선된 YOLOv5 – 이번 연구에서 업그레이드된 탐정!
실험 결과, 개선된 YOLOv5의 성능은?
개선된 YOLOv5는 가장 빠르고 정확하게 부유 쓰레기를 탐지하였다.
연구진이 수행한 실험에서, 좌표 어텐션과 BiFPN 기술을 적용한 YOLOv5는 평균 정밀도 95.8%, 재현율 96.5%를 기록하며, 기존 YOLOv5s 대비 정밀도는 3.4%, 재현율은 2.6% 향상되었다.
또한, AP50과 AP75에서도 각각 97.9%, 97.1%의 높은 수치를 보여, 작은 쓰레기까지 놓치지 않는 뛰어난 탐지 성능을 입증하였다.
실제 환경에서도 효과를 발휘할 수 있을까?
연구진은 이 기술이 실전에서도 충분히 활용될 수 있다고 보고 있다.
✅ 실시간 부유쓰레기 탐지 가능
✅ 높은 정확도를 유지하면서도 빠르게 작동
✅ 무인 선박과 결합해 자동 탐지 및 수거 시스템 구축 가능
향후 기술이 더욱 발전한다면, 강과 바다를 자동으로 정화하는 시스템이 실현될 가능성도 있다. AI를 활용한 탐지 기술이 환경 보호에 실질적인 기여를 할 수 있을지 기대해볼 만하다.
제548회 오션 세미나
딥러닝 기반 지상 이미지를 이용한 부유쓰레기 탐지 기법
김령규 | (사)동아시아바다공동체 오션 연구원 | rgkim@osean.net
박해주 | (사)동아시아바다공동체 오션 연구원 | hjpak@osean.net
원문: A Detection Approach for Floating Debris Using Ground Images Based on Deep Learning, Guangchao Qiao, Mingxiang Yang, Hao Wang
쓰레기로 막힌 강과 하천
강과 하천은 마치 우리의 혈관과 같다. 물을 마시고, 농작물을 키우고, 배를 타고 이동할 수 있도록 해주는 중요한 통로다. 하지만 지금 이 강과 하천이 점점 막혀가고 있다. 이유는 바로 부유쓰레기. 플라스틱 병, 비닐봉지, 스티로폼 같은 쓰레기들이 강을 떠다니다가 결국 바다로 흘러가며 심각한 환경 문제를 일으키고 있다.
프랑스 센강에서는 6년 동안 평균 1,937톤의 부유쓰레기가 수거됐다. 이게 얼마나 많은 양일까? 코끼리 500여마리의 무게와 비슷하다고 하면 감이 올지도 모른다. 대한민국 낙동강에서는 연간 3,000톤의 부유쓰레기가 배출되고 있으며, 장마철이 되면 평소보다 훨씬 많은 쓰레기가 유입되어 수질 및 환경에 큰 부담을 준다.
기존 탐지 방식, 한계가 많았다.
과거에는 사람들이 직접 현장을 돌며 육안으로 쓰레기를 찾아내고 일일이 수거해야 했다. 마치 숨바꼭질을 하듯이 말이다.
사람의 눈과 손만으로는 넓은 지역을 빠르게 탐지하고 대응하는 데 한계가 있어 자동화 기술이 도입됐다. 하지만 기존 시스템은 아직 완벽하지 않다. 어두운 곳에서는 잘 못 찾고, 작은 쓰레기는 놓치고, 물살에 따라 움직이는 쓰레기를 인식하는 데 어려움이 있었다. 그래서 연구진은 새로운 해결책을 내놓았다.
YOLOv5, 쓰레기를 찾는 AI 탐정
이제 AI 탐정을 소개할 차례다. 탐정이라고 하면 돋보기를 들고 단서를 찾는 셜록 홈즈 같은 캐릭터가 떠오를지도 모른다. 그런데 이 탐정은 눈 대신 AI 기술을 사용한다. 그 주인공이 바로 YOLOv5다.
(1) AI가 배우는 법, 학습용 데이터셋 구축
연구진은 AI 탐정이 훈련할 수 있도록 강 위에 떠다니는 부유쓰레기 사진을 모았다. 우리가 사람 얼굴을 보고 "이건 철수, 이건 영희"라고 구별하듯, AI도 다양한 쓰레기를 보고 배워야 한다.
수집된 쓰레기 종류는 다음과 같다.
플라스틱 병
비닐봉지
스티로폼 조각
나뭇가지
부유성 조류
연구진은 총 16,000개의 이미지를 수집했고, 그 안에 67,344개의 부유쓰레기 객체가 포함됐다. 데이터를 많이 보여줄수록 AI는 더 정확하게 쓰레기를 찾을 수 있다.
(2) YOLOv5, 더 똑똑한 탐정으로 업그레이드
하지만 기존 YOLOv5는 한계가 많았다. 그래서 연구진은 탐정의 돋보기를 더욱 선명하게 만들었다.
✅ 좌표 어텐션(Coordinate Attention, CA) 기법 도입
마치 사람의 눈이 좌우를 훑으며 사물을 찾는 것처럼, AI가 X축과 Y축을 따로 분석해서 작은 물체도 더 잘 찾을 수 있도록 함.
우리가 멀리 있는 친구를 알아볼 때 주변 환경까지 함께 보는 것처럼, AI도 넓은 범위에서 특징을 학습함.
✅ 양방향 특징 피라미드 네트워크(BiFPN) 적용
기존 AI 탐정이 한 방향으로만 단서를 모았다면, 이제는 위아래 양쪽으로 정보를 모아 더욱 정밀한 분석이 가능!
정보를 단순히 나열하는 게 아니라 중요한 단서를 더 강조하도록 개선
AI 탐정, 실제 실험에서 어떤 성과를 거뒀을까?
연구진은 AI 탐정의 실력을 시험했다. 비교 대상은 기존 탐지 모델들이다.
🕵️♂️ Faster R-CNN – 느리지만 정확한 탐정
🕵️♂️ SSD – 적당한 성능의 탐정
🕵️♂️ YOLOv3 – 기존 YOLO 탐정
🕵️♂️ YOLOv5s – 정밀한 시야를 가진 엘리트 YOLOv5 탐정
🕵️♂️ 개선된 YOLOv5 – 이번 연구에서 업그레이드된 탐정!
실험 결과, 개선된 YOLOv5의 성능은?
개선된 YOLOv5는 가장 빠르고 정확하게 부유 쓰레기를 탐지하였다.
연구진이 수행한 실험에서, 좌표 어텐션과 BiFPN 기술을 적용한 YOLOv5는 평균 정밀도 95.8%, 재현율 96.5%를 기록하며, 기존 YOLOv5s 대비 정밀도는 3.4%, 재현율은 2.6% 향상되었다.
또한, AP50과 AP75에서도 각각 97.9%, 97.1%의 높은 수치를 보여, 작은 쓰레기까지 놓치지 않는 뛰어난 탐지 성능을 입증하였다.
실제 환경에서도 효과를 발휘할 수 있을까?
연구진은 이 기술이 실전에서도 충분히 활용될 수 있다고 보고 있다.
✅ 실시간 부유쓰레기 탐지 가능
✅ 높은 정확도를 유지하면서도 빠르게 작동
✅ 무인 선박과 결합해 자동 탐지 및 수거 시스템 구축 가능
향후 기술이 더욱 발전한다면, 강과 바다를 자동으로 정화하는 시스템이 실현될 가능성도 있다. AI를 활용한 탐지 기술이 환경 보호에 실질적인 기여를 할 수 있을지 기대해볼 만하다.