사례 연구: DeepPlastic과 YOLOv5

플라스틱은 해양 야생동물을 질식시킵니다. 매분 트럭 두 대 분량의 플라스틱이 바다에 버려지며, 연간 1,000만 톤이 넘습니다. DeepPlastic 과학자들은 해양 플라스틱이 "해양 환경, 식품 안전, 인간 건강, 생태 관광, 기후 변화에 대한 기여에" 사회적 위협을 가한다고 밝혔습니다.

이 문제를 해결하기 위해 연구원과 엔지니어로 구성된 이 팀은 컴퓨터 비전으로 해양 플라스틱을 제거하는 방법을 연구해 왔습니다.

딥러닝 기술을 바탕으로 DeepPlastic 연구진은 자율 수중 로봇(AUVs)을 사용해 빛이 투과할 수 있는 해수면 바로 아래, 즉 표층 원양대에 있는 플라스틱을 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 가능하도록 작고 정확한 모델인 YOLOv4와 YOLOv5를 학습했습니다. 이 모델은 다음으로 구성된 DeepTrash 데이터셋을 사용해 학습했습니다:

• 학습 이미지 1,900장, 테스트 이미지 637장, 검증 이미지 637장(60, 20, 20 분할)
• 캘리포니아의 타호 호수, 샌프란시스코만, 보데가만에서 촬영한 현장 이미지
• 인터넷 이미지

“높은 정확도를 제공하면서도 매우 빠른 객체 탐지 알고리즘을 찾고 있었습니다. 저희가 작업하는 해양 환경은 혹독하고 험난합니다. Ultralytics YOLOv5는 저희가 사용할 수 있었던 최고의 객체 탐지 모델로서 모든 면에서 기대에 부응했습니다.” “YOLOv5는 설정과 사용이 매우 쉽고, 저희가 원했던 결과를 꾸준히 내주기 때문에 즐겨 사용합니다.” “앞으로 배포할 모델을 선택할 때는 조금도 망설임 없이 YOLOv5를 첫 번째 선택지로 고려할 것입니다.” Gautam Tata, 머신러닝 연구원

DeepPlastic 저장소, 게재 논문, 동영상 요약을 확인해 보세요.