딥러닝 프로임웍을 이용한 해양침적쓰레기 객체인식

Abstract

해저침적쓰레기 양과 종류를 정량적으로 계수화하는 것은 해역의 오염도 평가와 정화 사업 설계의 기초 과정이지만, 정보 획득을 위해선 쓰레기 분류하는 단순 노동이 반복적으로 수행되어야 한다. 이 노동집약적 계수화 과정을 자동화하기 위하여, 딥레닝 프레임웍을 이용한 계수화 방법을 연구하였다. 본 연구진은 오염경로상에 위치한 주요 해역을 대상으로 해양침적쓰레기의 현존량 파악을 위해 취득한 다이버와 무인잠수정에서 촬영한 비디오와 사진 정보를 이용하였다. 침적쓰레기 및 해변 쓰레기는 2012년부터 2022년 사이, 제주 서귀포 자구리 및 범섬 주변 해역, 포항 북구 용한리 해변, 거제 구조라 해변에서 총 2028개의 영상을 취득하였다. 객체인식 프레임웍은 Yolo V5를 이용하였으며, 21개의 분류 클래스를 적용하였다. 훈련세트는 동영상에서 쓰레기가 촬영된 부분을 460 픽셀 크기의 정지영상으로 바꾼 후, 레이블링 툴을 이용하여 객체를 포함하는 사각형을 구획하여 만들었다. 검증 셋트로 확인한 전체 인식율 평균(mAP)는 0.54였으며, 인식율이 높은 것은 0.962(고무류), 낮은 것은 0.271(스트로폼)로 나타났다. 이는 대상 개체별 훈련 영상의 갯수와 개체의 영상 특징에 기인한 것으로, 클래스 분류를 어떻게 적용하는 가에 따라 달라진다. 구축한 트레이닝 네트웍을 동영상 인식에 활용한 결과, NVIDIA GeForce RTX 3080 그래픽 카드를 기반으로 한 컴퓨터 상에서 30 fps 실시간 인식이 가능함을 확인하였다.