무인 비행 시스템을 이용한 해양쓰레기
드론으로 촬영한 해변 사진에서 머신러을 활용하여 쓰레기를 식별하는 기법 개발
이종명
(사)동아시아바다공동체 오션 부설 한국해양쓰레기 연구소장
jmlee@osean.net
2020년 6월 2일 제379회 오션 세미나에서는
‘무인 비행 시스템을 이용한 해양쓰레기 지도 그리기: 유인 사진 판독과 머신 러닝 기술의 비교’라는 논문을 다뤘다.
국제세미나로 진행되었으며, 오션 연구진과 대만 엔지오 인디고워터스의 활동가들이 참가했다.
<원문>
Gil Gonçalves, Umberto Andriolob, Luís Pinto, Diogo Duarte. 2020. Mapping marine litter with Unmanned Aerial Systems : A showcase comparison among manual image screening and machine learning techniques. Marine Pollution Bulletin 155, 111158
<요약문 번역>
최근 연구에 따르면 해양 오염을 모니터링하기 위한 무인 항공 시스템(UAS)의 타당성이 부각되고 있다. 우리는 이 논문에서 모래 해변-사구 시스템에서 UAS로 만든 직교 사진(Orthophoto)에서 해양쓰레기 개체를 감지하고, 지도로 그리는 방법들 사이의 비교를 제공한다. 수동 이미지 스크리닝 기술은 해양쓰레기 종류에 대한 자세한 설명이 가능했다. 랜덤 포레스트(Random Forest) 분류기는 최고의 자동 검출률(F-score 70%)을 보여준 반면, 컨볼루션 신경망(Convolution Neural Network)은 약간 더 낮은 성능을 보였다(F 점수 60%). 가양성(False positive) 검출 횟수가 많았기 때문이다.
우리의 결과는 자동 방법이 해양쓰레기 부하에 대한 신뢰할 수 있는 밀도 지도를 제공하면서, 더 빠르고 잦은 조사를 허용하는 것을 보여준다. 해양쓰레기 유형 및 재료의 특성화가 필요한 경우에는 이미지 수동 스크리닝이 더 낫다.
우리의 분석은 UAS로 이용하여 생성한 직교 사진이 해변 쓰레기의 상세한 지리적 위치를 얻기에 적절하다는 것을 시사하며, 훨씬 적은 인간의 노력을 필요로 하고 넓은 영역 범위에 적용될 수 있음을 보여 준다.
<토의한 내용>
1. 드론 촬영 이미지를 활용한 해양쓰레기 조사의 한계
한국과 대만 모두 여러 연구팀에서 드론을 활용한 해양쓰레기 모니터링 방법 개발을 시도하고 있다. 그러나, 이 시도들이 아직까지 성공적인 것 같지는 않다. 가장 큰 장애요인은 해변의 환경이 다양하기 때문에 그 속에서 쓰레기를 식별해내기 어렵다는 점이다. 모래, 자갈, 암반 혹은 식물 등 다양한 색깔의 배경 색에서 머신러닝이나 인공지능이 쓰레기를 구분하기는 힘들다. 특히, 오염도가 높은 해안에서 쓰레기가 쌓여 있는데, 얼마나 쌓여 있는지를 공중 촬영 영상으로는 알기 어렵다.
2. 드론과 인공지능의 발전과 해양쓰레기 조사 활용 가능성
앞서 지적한 여러 한계에도 불구하고, 해양쓰레기 조사에서 드론을 활용하려는 시도는 계속 진행되고 또 발전할 것이다. 특히, 인공지능의 발전은 해양쓰레기를 식별하고 정량화하는 기법의 획기적인 전환점을 앞당길 수도 있다. 많은 사람들이 드론을 가지게 되면 해양쓰레기 드론 촬영은 하나의 캠페인도 될 수 있고, 그 결과를 잘 활용하면 시민과학으로도 발전시킬 수 있다. 따라서, 이 분야 연구에 대한 지속적인 관심이 필요하다.
무인 비행 시스템을 이용한 해양쓰레기
드론으로 촬영한 해변 사진에서 머신러을 활용하여 쓰레기를 식별하는 기법 개발
이종명
(사)동아시아바다공동체 오션 부설 한국해양쓰레기 연구소장
jmlee@osean.net
2020년 6월 2일 제379회 오션 세미나에서는
‘무인 비행 시스템을 이용한 해양쓰레기 지도 그리기: 유인 사진 판독과 머신 러닝 기술의 비교’라는 논문을 다뤘다.
국제세미나로 진행되었으며, 오션 연구진과 대만 엔지오 인디고워터스의 활동가들이 참가했다.
<원문>
Gil Gonçalves, Umberto Andriolob, Luís Pinto, Diogo Duarte. 2020. Mapping marine litter with Unmanned Aerial Systems : A showcase comparison among manual image screening and machine learning techniques. Marine Pollution Bulletin 155, 111158
<요약문 번역>
최근 연구에 따르면 해양 오염을 모니터링하기 위한 무인 항공 시스템(UAS)의 타당성이 부각되고 있다. 우리는 이 논문에서 모래 해변-사구 시스템에서 UAS로 만든 직교 사진(Orthophoto)에서 해양쓰레기 개체를 감지하고, 지도로 그리는 방법들 사이의 비교를 제공한다. 수동 이미지 스크리닝 기술은 해양쓰레기 종류에 대한 자세한 설명이 가능했다. 랜덤 포레스트(Random Forest) 분류기는 최고의 자동 검출률(F-score 70%)을 보여준 반면, 컨볼루션 신경망(Convolution Neural Network)은 약간 더 낮은 성능을 보였다(F 점수 60%). 가양성(False positive) 검출 횟수가 많았기 때문이다.
우리의 결과는 자동 방법이 해양쓰레기 부하에 대한 신뢰할 수 있는 밀도 지도를 제공하면서, 더 빠르고 잦은 조사를 허용하는 것을 보여준다. 해양쓰레기 유형 및 재료의 특성화가 필요한 경우에는 이미지 수동 스크리닝이 더 낫다.
우리의 분석은 UAS로 이용하여 생성한 직교 사진이 해변 쓰레기의 상세한 지리적 위치를 얻기에 적절하다는 것을 시사하며, 훨씬 적은 인간의 노력을 필요로 하고 넓은 영역 범위에 적용될 수 있음을 보여 준다.
<토의한 내용>
1. 드론 촬영 이미지를 활용한 해양쓰레기 조사의 한계
한국과 대만 모두 여러 연구팀에서 드론을 활용한 해양쓰레기 모니터링 방법 개발을 시도하고 있다. 그러나, 이 시도들이 아직까지 성공적인 것 같지는 않다. 가장 큰 장애요인은 해변의 환경이 다양하기 때문에 그 속에서 쓰레기를 식별해내기 어렵다는 점이다. 모래, 자갈, 암반 혹은 식물 등 다양한 색깔의 배경 색에서 머신러닝이나 인공지능이 쓰레기를 구분하기는 힘들다. 특히, 오염도가 높은 해안에서 쓰레기가 쌓여 있는데, 얼마나 쌓여 있는지를 공중 촬영 영상으로는 알기 어렵다.
2. 드론과 인공지능의 발전과 해양쓰레기 조사 활용 가능성
앞서 지적한 여러 한계에도 불구하고, 해양쓰레기 조사에서 드론을 활용하려는 시도는 계속 진행되고 또 발전할 것이다. 특히, 인공지능의 발전은 해양쓰레기를 식별하고 정량화하는 기법의 획기적인 전환점을 앞당길 수도 있다. 많은 사람들이 드론을 가지게 되면 해양쓰레기 드론 촬영은 하나의 캠페인도 될 수 있고, 그 결과를 잘 활용하면 시민과학으로도 발전시킬 수 있다. 따라서, 이 분야 연구에 대한 지속적인 관심이 필요하다.