사례 연구: DeepPlastic과 YOLOv5
Ultralytics가 AUV와 YOLOv5를 사용하여 효율적인 수중 탐지 및 정화 작업으로 해양 플라스틱 오염 문제를 어떻게 해결하고 있는지 알아보세요.
플라스틱이 해양 생태계를 질식시키고 있습니다. 매분 두 트럭 분량의 플라스틱이 바다에 버려지며, 이는 연간 1천만 톤이 넘는 수치입니다. DeepPlastic 과학자들은 이 해양 플라스틱이 "해양 환경, 식품 안전, 인간의 건강, 생태 관광 및 기후 변화 기여"에 사회적 위협을 가하고 있다고 명시합니다.
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 감지하는 데 사용할 수 있으며 매우 빠른 추론 속도를 갖춘 아주 작은 모델을 만드는 것이었습니다.” 머신러닝 연구원 Jay Lowe
DeepPlastic 팀은 작고 정밀한 두 모델인 YOLOv4와 YOLOv5를 학습시켜 실시간 객체 검출을 가능하게 했습니다. 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
“우리는 높은 정확도를 제공하면서도 극도로 빠른 객체 감지 알고리즘을 찾고 있었습니다. 우리가 작업하는 해양 환경은 거칠고 험난한 지형입니다. Ultralytics YOLOv5는 우리가 사용할 수 있었던 최고의 객체 감지 모델로서 모든 측면에서 기대에 부응했습니다.” “YOLOv5는 설정과 사용이 매우 쉽고 우리가 원했던 결과를 꾸준히 도출해 주어 사용하는 것을 정말 좋아합니다.” “앞으로 배포할 모든 미래 모델에 대해, 우리는 조금의 망설임도 없이 YOLOv5를 최우선 선택지로 고려할 것입니다.” Gautam Tata, 머신러닝 연구원
DeepPlastic 저장소, 발표된 논문, 비디오 요약을 확인해 보세요.
