YOLOvME: 산림의 디지털 혁신
YOLOv5를 활용한 드론 기반 탐지 및 산림 분석으로 산림 연구에 혁신을 일으킨 Stefano Puliti의 연구를 살펴보세요.
Stefano Puliti는 노르웨이 생물경제연구소(NIBIO) 국가 산림 인벤토리 부서에서 산림 원격 탐사 연구원으로 일하고 있습니다. NIBIO는 약 700명의 직원을 둔 노르웨이 최대 규모의 연구 기관 중 하나입니다. NIBIO는 연구와 지식 생산을 통해 식량 안보 및 안전, 지속 가능한 자원 관리, 혁신과 가치 창출에 기여합니다.
그의 연구에서는 현대적인 정보 수요에 대응하는 데 필요한 고급 분석 결과를 도출하기 위해 드론과 모바일 레이저 스캐닝 같은 기타 근접 감지 기법을 사용합니다.
그가 수행해 온 작업의 상당 부분은 SmartForest 프로젝트를 통해 진행되었습니다. 이 프로젝트는 노르웨이 연구위원회와 노르웨이 산림 산업의 대부분을 차지하는 기업들이 자금을 지원하는 장기 연구 프로그램입니다. SmartForest의 목표는 산림 정보, 조림, 산림 작업, 목재 공급 및 업계 전반의 디지털 정보 흐름을 혁신하는 디지털 전환을 통해 노르웨이 산림 부문의 효율성을 높이는 것입니다.
Stefano는 여러 해 동안 랜덤 포레스트나 서포트 벡터 머신 같은 전통적인 머신러닝 애플리케이션을 다뤘습니다. 약 3년 전, 아직 산림 부문에서 성장 단계에 있는 딥러닝 분야를 한 단계 발전시킬 때가 되었다고 깨달았습니다. 연구자들이 딥러닝을 통해 얻을 수 있는 엄청난 이점을 깨달은 뒤, Stefano는 드론 및 기계 기반 비전 분야에서 여러 애플리케이션을 개발해 왔습니다.
YOLOv5를 사용한 지 얼마나 되셨나요?#
"2021년 여름부터 사용해 왔고, 그 이후로 계속 사용하고 있습니다! YOLOv5 저장소를 쉽게 시작하고 실행할 수 있어서 첫눈에 반한 것처럼 매료되었습니다. 당시 Python과 YOLOv5의 완만한 학습 곡선은 결정적인 장점이었는데, 저는 Python에 익숙하지 않았기 때문에 이 점이 매우 큰 도움이 되었습니다."
Stefano는 비생물적 요인(가뭄, 바람, 눈) 또는 생물적 요인(곤충과 곰팡이)으로 인한 피해 때문에 건강 상태가 좋지 않은 나무를 드론 이미지에서 식별하기 위해 주로 객체 탐지를 활용했습니다. 이후 그와 동료들은 포트홀 탐지기부터 도로 가장자리 탐지기, 나무 가지돌기 탐지기까지 다양한 YOLOv5 탐지기 제품군을 개발해 왔습니다.
"YOLOv5를 우연히 발견했을 때, 저는 한동안 TensorFlow Object Detection API로 객체 탐지기 몇 개를 학습하려고 시도했지만 성공하지 못했습니다. 그러다 YOLOv5 저장소를 발견하고 큰 기대 없이 탐지기 학습을 시도했는데, 놀랍게도 네 줄의 코드로 학습을 시작할 수 있었습니다. 이것을 사고 과정이라고 해야 할지, 운이 좋았다고 해야 할지는 잘 모르겠지만, 어쨌든 시작은 그렇게 이루어졌습니다."
대부분의 모델은 산림 부문에 서비스를 제공하기 위해 클라우드 솔루션(ForestSens)에 배포됩니다. 사용자는 이곳에 드론 이미지 등을 업로드할 수 있으며, 이미지에서 YOLOv5 모델 제품군을 활용해 실행 가능한 인사이트를 얻습니다. 학습된 탐지기 중 일부는 산림 작업 기계나 벌목 트럭의 엣지에도 배포됩니다.
Stefano와 그의 팀은 처음부터 다음을 지원하기 위해 다양한 YOLOv5 모델을 개발해 왔습니다.
- 목재 품질 평가
- 산림 도로 유지 관리 필요성 모니터링
- 산림 내 생물다양성 관련 특징 탐지
또한 산림 건강 상태 및 인벤토리를 위한 드론 기반 모델을 더 낮은 해상도의 항공 및 위성 이미지 데이터로 확장하는 방안도 검토하고 있습니다.
최신 YOLOv5 릴리스를 통해 이미지 분류와 YOLOv5가 제공할 수 있는 시맨틱 세그멘테이션 기능을 매우 기대하고 있습니다. 이러한 기능은 산림 환경에서 복잡한 컴퓨터 비전 작업을 해결하는 역량을 확장해 줄 것입니다.
모델 학습(도커 버전)과 모델 배포 모두 설정이 간편했기 때문에 YOLOv5는 이들에게 훌륭한 선택이었습니다.
“Ultralytics에서 늘 매력을 느꼈던 점 중 하나는 오픈 코드를 핵심으로 삼고 비전문가도 딥러닝의 힘을 활용할 수 있도록 유료 제품을 제공하는 비교적 새로운 비즈니스 모델입니다. 과학자로서 Ultralytics의 개방성을 매우 높이 평가하며, 이것이 제품 개발을 가속하는 훌륭한 방법이라고 생각합니다. 그 결과 많은 데이터 과학자와 실무자의 기여를 바탕으로 YOLOv5는 꾸준히 발전하며 상당한 수준으로 업그레이드되고 있습니다.”
AI를 처음 접하는 분께 어떤 조언을 해 주시겠습니까?#
지난 한 해 동안 국제 학회에 참석하면서 산림 연구자들이 딥러닝의 복잡성을 두려워하거나 연구에서 딥러닝이 역할을 할 수 있다고 생각하지 않는 경우를 발견했습니다. 저는 그런 경우마다 반나절 동안 어노테이션을 진행하고 YOLOv5를 학습해 그 성능과 단순성을 직접 확인해 보라고 제안했습니다.
실제로 제가 했던 말을 그대로 옮기면 이렇습니다. “방법이 통하지 않나요? 그럼 YOLO를 사용해 보세요!”
Stefano Puliti와 그의 작업에 대한 최신 소식을 알고 싶으시면 NIBIO 프로필을 방문해 보세요.
나만의 YOLOv5 활용 사례가 있으신가요?#
나만의 YOLOv5 활용 사례를 소셜 미디어에서 #YOLOvME와 함께 태그해 주시면, ML 커뮤니티에 여러분의 작업을 소개해 드립니다.
