제 564회 오션 세미나
하늘과 바다에서 찾는 해양쓰레기…
최신 원격탐사·AI 기술 리뷰
앨리시아 로 | (사)동아시아바다공동체 오션 | lohalicia@osean.net
(사)오션 제564회 세미나에서 앨리시아 연구원이 2024년까지 발표된 연구를 기반으로, 원격탐사(Remote Sensing)와 AI 기반 영상분석(Image Analysis)이 해양 대형 플라스틱(macro-plastic) 탐지에 어떻게 활용되고 있는지에 대한 최신 리뷰 논문을 소개했다. 이번 논문은 해안 및 하천 등 다양한 관측 플랫폼을 비교·분석하며, 기술의 흐름과 앞으로의 방향성을 짚어본 종합 리뷰 논문이다.
[사진1] (Left) 분석된 109편의 연구에 기반한 원격탐사 플랫폼의 분포; (Right) 2010년 이전부터 2024년까지 발표된 연구를 기반으로 한 플라스틱 쓰레기 탐지를 위한 원격탐사 플랫폼 및 영상 분석 기법의 시계열; (a) 관측 플랫폼(웹캠, 드론, 풍선, 항공기, 위성)별 연도별 논문 수; (b) 영상 분석 기법의 연도별 변화 추이로, 머신러닝(ML), 딥러닝(DL), 규칙 기반 또는 수동 방식(Others)으로 구분함
드론부터 위성까지… 위에서 바라본 해양쓰레기
선정된 109편의 논문 중 드론 및 위성 연구 비율이 절반 이상을 차지하며 가장 널리 활용되는 플랫폼으로 나타났다. 특히 2017년 전후로 드론의 가격 하락 및 코로나 기간 중 현장 접근 제한이 맞물리며 드론 연구가 급증한 것으로 파악된다. 각 플랫폼은 관측 범위, 해상도, 비용, 기술적 제약 등이 크게 달라 활용 목적에 따라 장단점이 뚜렷하게 나뉜다. 아래 표는 현재 가장 많이 사용되는 원격탐사 플랫폼들의 특징을 요약한 내용이다.
📊 원격탐사 플랫폼별 강점과 과제
[표1] 각 플랫폼이 가진 장점과 한계 요소를 한눈에 볼 수 있도록 정리한 표
AI 기반 영상분석의 빠른 진화
2018년 이후 머신러닝(ML)과 딥러닝(DL)의 급성장이 특징적으로 나타났다. 기존의 육안 분석과 규칙 기반 분석을 보완하며, 색·형태·질감 등 다양한 특징을 스스로 학습하는 방식으로 정확도를 크게 끌어올리는 흐름이 이어졌다.
- 머신러닝은 픽셀 기반 분류, 면적 추정 등에서 활용
- 딥러닝은 YOLO, Faster R-CNN, U-Net과 같은 CNN 기반 모델을 활용해 개별 쓰레기 식별·계수에 강점
드론처럼 고해상도 영상이 확보되는 경우 딥러닝의 활용 폭이 특히 넓어지며, 다양한 환경 조건에서도 안정적인 탐지가 가능해지는 흐름을 보였다.
향후 방향: 표준화와 데이터 조화(harmonization)
기술 발전에도 불구하고 여전히 가장 큰 과제는 연구 간 방법론과 지표의 불일치이다. 각 연구가 사용하는 분석 기준, 해상도, 분류 체계가 달라 국가·지역 간 결과 비교나 통합 분석이 어렵다는 지적이 지속되고 있다. 그러나 최근에는 IMDOS(International Marine Debris Observation System), GPML(Global Partnership on Marine Litter) 등 글로벌 데이터 포털과 조화 플랫폼이 구축되면서, 전 세계 연구 데이터를 한데 모으고 방법론을 정렬하는 기반이 마련되고 있다. 이러한 플랫폼들이 활성화될 경우, 국가 간 모니터링 체계가 연결되고 전 지구적 데이터·방법론 표준화가 현실화될 가능성이 열릴 것이다. 해양쓰레기 문제 해결을 위한 기술·데이터의 연결성이 더욱 중요한 이 시점에서, 글로벌 협력 기반의 조화 플랫폼은 앞으로의 연구 방향을 결정짓는 핵심 요소가 될 전망이다.
제 564회 오션 세미나
하늘과 바다에서 찾는 해양쓰레기…
최신 원격탐사·AI 기술 리뷰
앨리시아 로 | (사)동아시아바다공동체 오션 | lohalicia@osean.net
(사)오션 제564회 세미나에서 앨리시아 연구원이 2024년까지 발표된 연구를 기반으로, 원격탐사(Remote Sensing)와 AI 기반 영상분석(Image Analysis)이 해양 대형 플라스틱(macro-plastic) 탐지에 어떻게 활용되고 있는지에 대한 최신 리뷰 논문을 소개했다. 이번 논문은 해안 및 하천 등 다양한 관측 플랫폼을 비교·분석하며, 기술의 흐름과 앞으로의 방향성을 짚어본 종합 리뷰 논문이다.
[사진1] (Left) 분석된 109편의 연구에 기반한 원격탐사 플랫폼의 분포; (Right) 2010년 이전부터 2024년까지 발표된 연구를 기반으로 한 플라스틱 쓰레기 탐지를 위한 원격탐사 플랫폼 및 영상 분석 기법의 시계열; (a) 관측 플랫폼(웹캠, 드론, 풍선, 항공기, 위성)별 연도별 논문 수; (b) 영상 분석 기법의 연도별 변화 추이로, 머신러닝(ML), 딥러닝(DL), 규칙 기반 또는 수동 방식(Others)으로 구분함
드론부터 위성까지… 위에서 바라본 해양쓰레기
선정된 109편의 논문 중 드론 및 위성 연구 비율이 절반 이상을 차지하며 가장 널리 활용되는 플랫폼으로 나타났다. 특히 2017년 전후로 드론의 가격 하락 및 코로나 기간 중 현장 접근 제한이 맞물리며 드론 연구가 급증한 것으로 파악된다. 각 플랫폼은 관측 범위, 해상도, 비용, 기술적 제약 등이 크게 달라 활용 목적에 따라 장단점이 뚜렷하게 나뉜다. 아래 표는 현재 가장 많이 사용되는 원격탐사 플랫폼들의 특징을 요약한 내용이다.
📊 원격탐사 플랫폼별 강점과 과제
[표1] 각 플랫폼이 가진 장점과 한계 요소를 한눈에 볼 수 있도록 정리한 표
AI 기반 영상분석의 빠른 진화
2018년 이후 머신러닝(ML)과 딥러닝(DL)의 급성장이 특징적으로 나타났다. 기존의 육안 분석과 규칙 기반 분석을 보완하며, 색·형태·질감 등 다양한 특징을 스스로 학습하는 방식으로 정확도를 크게 끌어올리는 흐름이 이어졌다.
드론처럼 고해상도 영상이 확보되는 경우 딥러닝의 활용 폭이 특히 넓어지며, 다양한 환경 조건에서도 안정적인 탐지가 가능해지는 흐름을 보였다.
향후 방향: 표준화와 데이터 조화(harmonization)
기술 발전에도 불구하고 여전히 가장 큰 과제는 연구 간 방법론과 지표의 불일치이다. 각 연구가 사용하는 분석 기준, 해상도, 분류 체계가 달라 국가·지역 간 결과 비교나 통합 분석이 어렵다는 지적이 지속되고 있다. 그러나 최근에는 IMDOS(International Marine Debris Observation System), GPML(Global Partnership on Marine Litter) 등 글로벌 데이터 포털과 조화 플랫폼이 구축되면서, 전 세계 연구 데이터를 한데 모으고 방법론을 정렬하는 기반이 마련되고 있다. 이러한 플랫폼들이 활성화될 경우, 국가 간 모니터링 체계가 연결되고 전 지구적 데이터·방법론 표준화가 현실화될 가능성이 열릴 것이다. 해양쓰레기 문제 해결을 위한 기술·데이터의 연결성이 더욱 중요한 이 시점에서, 글로벌 협력 기반의 조화 플랫폼은 앞으로의 연구 방향을 결정짓는 핵심 요소가 될 전망이다.