김상수¹, 김지훈¹, 송인섭¹, 윤서환¹
¹광운대학교 정보융합학부
해양환경 문제에 대한 국내외의 관심과 우려가 커지고 있는 가운데, 특히 해양 쓰레기가 우리의 생활환경과 생태계를 위협하는 주요 원인으로 지적되면서 세계적으로 중요한 환경 문제로 부상했다. 해양 쓰레기는 생태계뿐만 아니라 경제에도 심각한 영향을 미치며, 서식지 파괴, 종의 감소, 먹이사슬에 영향을 주어 생물 다양성을 감소시키는 등 부정적인 영향을 준다. 또한, 관광업과 수산업에도 경제적 손실을 초래한다.
기존의 해양 쓰레기 처리는 경제적, 환경적 손실을 줄이기 위해 매우 중요하지만, 넓은 해양 지역과 심해 환경에서 인간이 직접 이를 탐지하기란 어렵다. 이를 극복하기 위해서는 해양 쓰레기를 효과적으로 탐지하고 관리하기 위한 기술이 필요하다. 본 연구에서는 딥러닝 기술을 활용한 객체 탐지 모델을 사용하여 해양 쓰레기의 위치와 분포를 정밀하게 파악하고, 실시간 모니터링을 통해 빠른 조치를 가능하게 한다.
본 연구의 목표는 크게 두 가지다. 첫째, 환경 보호를 위해 해양 침적 쓰레기 이미지를 활용한 딥러닝 모델을 구축하여 해양 쓰레기 탐지의 정확도를 높이고, 자동적이고 효율적인 모니터링 기술에 기여한다. 둘째, Bounding box label만을 이용하여 더 상위 label인 pseudo segmentation label을 구축한다. 이를 통해 데이터 구축 비용을 절감하고, weakly supervised learning에 기여한다. 궁극적으로, 더 높은 수준의 label을 제공함으로써 해당 분야에 대한 심층적인 연구를 촉진할 수 있다.
YOLO는 "You Only Look Once"의 약자로, 실시간 객체 탐지(real-time object detection)의 대중화에 기여한 혁신적인 알고리즘이다. 본 연구에서는 YOLOv8 버전을 사용하며, 가장 작은 모델인 YOLOv8n을 사용했다.
SAM(Segment Anything)은 Meta에서 개발한 Foundation segmentation model로 prompt(point, bounding box, mask)를 이용하여 효과적인 segmentation을 달성했다. 본 연구에서는 YOLO를 사용하여 예측한 bounding box를 SAM의 prompt로 이용하여 segmentation을 진행했다. 이를 통해 pseudo label을 생성할 수 있다.
Sea-thru는 수중 이미지에서 물의 영향으로 발생하는 색상 왜곡 문제를 해결하여 원래의 색상으로 복원하는 기술이다. 일반적으로 사용되는 대기 중 빛의 전파를 설명하는 방식 대신, 수중 이미지의 특성을 반영해 거리와 반사율을 기반으로 색상을 보정하며, 빛의 산란 정도를 정확히 계산하여 더욱 정밀한 복원 성능을 제공한다.
데이터셋은 AI-Hub에서 제공하는 재난 안전 데이터 중 해양 침적 쓰레기 이미지를 사용했다. 학습을 위해 train, validation, test의 비율을 7:1:2로 설정하였으며, 별도의 증강 없이 ImageNet normalization, resize만을 이용하여 전처리했다.
본 실험의 Metric은 class 예측값에 대한 precision, recall, f1 3가지와 bounding box에 대한 mAP50, mAP50-95에 대해 평가했다. YOLOv8s의 결과가 train보다 test에서 더 높은 것으로 보아 모델이 과적합되지 않고 일반화된 성능을 보여주고 있다. SAM의 경우 Ground Truth, YOLO prediction을 통한 bounding box를 prompt로 사용하여 segmentation을 진행했다. SAM의 추론 시간은 평균 0.05초로, 실제 작업 시간을 약 10,000배 가량 단축시켰다.
- 해양 환경 보호: 해양 침적 쓰레기를 신속하고 정확하게 탐지하고 분류하여 해양 생태계를 유지하고 보호할 수 있다.
- 비용 절감: 자동화된 탐지와 segmentation을 통해 인력과 비용을 크게 절감할 수 있다. SAM을 통해 해양 쓰레기에 대한 segmentation labeling 비용을 획기적으로 줄일 수 있다.
- 해양 쓰레기 탐지: 국가의 공공기관 및 민간 기업에서 본 모델을 활용하여 해양 쓰레기의 탐지를 실시간으로 모니터링할 수 있다.
- 해양 쓰레기 연구: 해양 학자들과 연구자들은 본 모델을 활용하여 해양 쓰레기의 종류와 분포를 분석할 수 있다. 특히, pseudo segmentation label을 통해 쓰레기의 상태를 분석하는 연구를 수행할 수 있다.