사례 연구: DeepPlastic과 YOLOv5
Ultralytics가 AUV와 YOLOv5를 활용해 효율적인 수중 감지 및 정화 방식으로 해양 플라스틱 오염에 대응하는 방법을 알아보세요.
플라스틱이 해양 생물을 질식시키고 있습니다. 매분 트럭 두 대 분량의 플라스틱이 바다에 버려지며, 이는 연간 1,000만 톤을 넘습니다. DeepPlastic 과학자들은 이러한 해양 플라스틱이 "해양 환경, 식품 안전, 인간 건강, 생태 관광 및 기후 변화에 대한 기여"에 사회적 위협을 초래한다고 밝혔습니다.
이에 대응하기 위해 이 연구자 및 엔지니어 팀은 컴퓨터 비전으로 바다의 플라스틱을 제거할 수 있는 방법을 연구해 왔습니다.
DeepPlastic 연구자들은 딥러닝 기술을 활용하여 빛이 여전히 투과할 수 있는 해수면 바로 아래, 즉 표해층에 위치한 플라스틱을 자율 수중 이동체(AUV)를 사용해 스캔하고 식별하며 정량화하는 접근 방식을 개발했습니다.
“저희의 목표는 플라스틱을 탐지하는 데 사용할 수 있는 매우 작은 모델과 매우 빠른 추론 속도를 구현하는 것이었습니다.” Jay Lowe, 머신러닝 연구원
DeepPlastic 팀은 실시간 객체 탐지가 가능한 작고 정밀한 모델 두 개, YOLOv4와 YOLOv5를 학습했습니다. 이러한 모델은 다음으로 구성된 DeepTrash 데이터셋으로 학습되었습니다.
- 학습 이미지 1,900개, 테스트 이미지 637개, 검증 이미지 637개(60, 20, 20 분할)
- 캘리포니아의 레이크 타호, 샌프란시스코 만 및 보데가 만에서 촬영한 현장 이미지
- 인터넷 이미지
“저희는 높은 정확도를 제공하면서도 매우 빠른 객체 탐지 알고리즘을 찾고 있었습니다. 저희가 작업하는 해양 환경은 험하고 거친 지형입니다. Ultralytics YOLOv5는 모든 측면에서 저희가 사용할 수 있었던 최고의 객체 탐지 모델로서 기대를 충족했습니다.” “YOLOv5는 설정과 사용이 매우 쉽고, 저희가 원했던 결과를 일관되게 내주고 있기 때문에 즐겨 사용합니다.” “앞으로 배포할 모든 모델에서 의심의 여지 없이 YOLOv5를 가장 먼저 고려할 것입니다.” Gautam Tata, 머신러닝 연구원
DeepPlastic 리포지토리, 발표 논문 및 영상 요약을 확인해 보세요.
