사례 연구: DeepPlastic과 YOLOv5
Ultralytics가 AUV와 YOLOv5를 사용하여 효율적인 수중 탐지 및 정화 작업으로 해양 플라스틱 오염 문제를 어떻게 해결하고 있는지 알아보세요.
플라스틱이 해양 야생 동물을 질식시키고 있습니다. 매분마다 두 트럭 분량의 플라스틱이 바다에 버려지고 있으며, 이는 연간 1,000만 톤이 넘는 양입니다. DeepPlastic의 과학자들은 이러한 해양 플라스틱이 "해양 환경, 식품 안전, 인류 건강, 생태 관광 및 기후 변화"에 사회적 위협을 가하고 있다고 설명합니다.
이를 해결하기 위해 해당 연구원 및 엔지니어 팀은 컴퓨터 비전을 활용하여 바다 속 플라스틱을 제거하는 방법을 연구해 왔습니다.
DeepPlastic 연구원들은 딥러닝 기술을 활용하여 자율 수중 차량(AUVs)을 통해 빛이 투과될 수 있는 해수면 바로 아래인 표해수층(Epipelagic layer)에 위치한 플라스틱을 스캔하고, 식별하며, 정량화하는 접근 방식을 개발했습니다.
“저희의 목표는 플라스틱을 탐지하는 데 사용할 수 있는 매우 작고 추론 속도가 빠른 모델을 만드는 것이었습니다.” Jay Lowe, 머신러닝 연구원
DeepPlastic 팀은 실시간 객체 탐지를 위해 YOLOv4와 YOLOv5라는 두 가지 작고 정밀한 모델을 학습시켰습니다. 이 모델들은 다음으로 구성된 DeepTrash 데이터셋을 사용하여 학습되었습니다:
- 학습 이미지 1900장, 테스트 이미지 637장, 검증 이미지 637장 (60:20:20 비율)
- 캘리포니아 타호 호수, 샌프란시스코 만, 보데가 만에서 촬영한 현장 이미지.
- 인터넷 이미지
“저희는 높은 정확도를 제공하면서도 매우 빠른 객체 탐지 알고리즘을 찾고 있었습니다. 저희가 작업하는 해양 환경은 거칠고 험난한 지형입니다. YOLOv5는 저희가 사용할 수 있었던 최고의 객체 탐지 모델로서 모든 면에서 탁월한 성능을 보여주었습니다.” “YOLOv5는 설정과 사용이 매우 간편하며 지속적으로 저희가 원하는 결과를 만들어내기 때문에 저희는 이 모델을 사용하는 것을 좋아합니다.” “앞으로 배포할 모든 모델에 대해서도 의심의 여지 없이 YOLOv5를 최우선으로 고려할 것입니다.” Gautam Tata, 머신러닝 연구원
DeepPlastic 저장소, 발표된 논문 및 요약 영상을 확인해 보시기 바랍니다.
