YOLOvME: 산림의 디지털 혁명
Stefano Puliti가 YOLOv5를 활용해 드론 기반 감지 및 산림 분석을 수행한 혁신적인 산림 연구를 살펴보세요.
Stefano Puliti는 노르웨이 생물경제연구소 (NIBIO) 국가 산림 인벤토리 부서에서 산림 원격탐사를 연구하는 연구원입니다. NIBIO는 약 700명의 직원을 보유한 노르웨이 최대 규모의 연구기관 중 하나입니다. NIBIO는 연구와 지식 생산을 통해 식량 안보와 안전, 지속 가능한 자원 관리, 혁신 및 가치 창출에 기여합니다.
Stefano는 연구에서 드론과 모바일 레이저 스캐닝 같은 기타 근접 센싱 기술을 사용하여 현대적인 정보 수요에 대응하는 데 필요한 고급 분석을 생성합니다.
Stefano가 수행해 온 작업의 상당 부분은 SmartForest 프로젝트와 함께 진행되었습니다. 이 프로젝트는 노르웨이 연구위원회와 노르웨이 산림 산업의 대부분의 관계자들이 자금을 지원하는 장기 연구 프로그램입니다. SmartForest의 목표는 산림 정보, 산림 육성, 산림 작업, 목재 공급 및 업계 전반의 디지털 정보 흐름을 혁신하는 디지털 혁명을 가능하게 하여 노르웨이 산림 부문의 효율성을 높이는 것입니다.
Stefano는 수년 동안 random forest나 support vector machine과 같은 보다 전통적인 머신러닝 애플리케이션을 사용해 왔습니다. 약 3년 전, 아직 산림 부문에서 성장 단계에 있는 딥러닝 분야에서 한 단계 더 나아갈 때가 되었다고 판단했습니다. 연구자들이 딥러닝을 통해 얻을 수 있는 막대한 이점을 깨달은 이후, Stefano는 드론 및 머신 비전 분야에서 여러 애플리케이션을 개발해 왔습니다.
YOLOv5를 사용한 지 얼마나 되셨습니까?#
"2021년 여름부터 사용하기 시작했고, 그 이후로 한 번도 포기하지 않았습니다! YOLOv5 repo를 쉽게 실행할 수 있었기 때문에 첫눈에 반한 것과 같았다고 말씀드리고 싶습니다. 당시에는 Python에 익숙하지 않았기 때문에 이것이 저에게 매우 큰 도움이 되었고, YOLOv5의 완만한 학습 곡선이 결정적인 요인이었습니다."
Stefano는 주로 비생물적 요인(가뭄, 바람, 눈)이나 생물적 요인(곤충과 균류)으로 인한 피해 때문에 건강 상태가 좋지 않은 나무를 드론 이미지에서 식별하기 위해 객체 탐지를 사용하기 시작했습니다. 그 이후 Stefano와 동료들은 포트홀부터 도로 가장자리 및 수간 마디 탐지기에 이르기까지 YOLOv5 탐지기 제품군 전체를 개발해 왔습니다.
"YOLOv5를 우연히 발견했을 당시, 저는 이미 한동안 TensorFlow Object Detection API에서 일부 객체 탐지기를 학습시키려 했지만 성공하지 못한 상태였습니다. 그러던 중 YOLOv5 repo를 발견했고, 큰 기대 없이 탐지기 학습을 시도했는데 놀랍게도 네 줄의 코드로 학습 과정을 시작할 수 있었습니다. 이것을 사고 과정이라고 해야 할지, 아니면 운 좋은 기회라고 해야 할지는 잘 모르겠지만, 어쨌든 시작되었습니다."
대부분의 모델은 이후 클라우드 솔루션인 ForestSens에 배포되어 산림 부문에 서비스를 제공합니다. 사용자는 이곳에 예를 들어 드론 이미지를 업로드할 수 있으며, 업로드된 이미지는 YOLOv5 모델 제품군을 통해 실행 가능한 인사이트로 변환됩니다. 학습된 탐지기 중 일부는 임업 장비나 벌목 트럭의 엣지에도 배포됩니다.
Stefano와 팀은 처음부터 다음과 같은 작업을 지원하는 데 사용할 YOLOv5 모델을 다양하게 개발해 왔습니다.
- 목재 품질 평가
- 산림 도로 유지보수 필요성 모니터링
- 산림에서 생물다양성과 관련된 특징 탐지
또한 산림 건강 및 인벤토리를 위한 드론 기반 모델을 더 낮은 해상도의 항공 및 위성 이미지 데이터로 확장하는 방안도 검토하고 있습니다.
최신 YOLOv5 릴리스를 통해 YOLOv5가 제공할 수 있는 이미지 분류 및 시맨틱 세그멘테이션을 매우 기대하고 있습니다. 이러한 기능은 산림 환경에서 복잡한 컴퓨터 비전 작업을 해결하는 역량을 확장해 줄 것입니다.
모델 학습(docker 버전)과 모델 배포 모두 설정이 간편했기 때문에 YOLOv5는 이들에게 훌륭한 선택지였습니다.
“Ultralytics에서 항상 매력을 느꼈던 점 중 하나는 오픈 코드를 핵심으로 삼고 비전문가가 딥러닝의 강력한 기능에 접근할 수 있도록 유료 제품을 제공하는 비교적 새로운 비즈니스 모델입니다. 과학자로서 저는 Ultralytics의 개방성을 매우 높이 평가하며, 이것이 제품 개발을 가속화하는 훌륭한 방법이라고 생각합니다. 그 결과 YOLOv5는 많은 데이터 과학자와 실무자들의 기여 덕분에 지속적으로 발전하면서 상당히 급격한 업그레이드를 거듭하고 있습니다.”
AI를 처음 접하는 사람에게 무엇을 추천하고 싶으십니까?#
지난 1년 동안 국제 학회에 참석하면서, 산림 연구자들이 딥러닝의 복잡성을 두려워하거나 자신의 연구에서 딥러닝이 역할을 할 수 있다고 생각하지 않는다는 사실을 알게 되었습니다. 이러한 경우에 저는 반나절 정도 어노테이션을 진행한 다음 YOLOv5를 학습해 보고 그 강력함과 간편함을 이해해 보라고 제안했습니다.
제가 실제로 했던 말을 그대로 표현하면 다음과 같습니다. “방법이 작동하지 않습니까? 그럼 YOLO하세요!”
Stefano Puliti와 그의 최신 연구 소식을 계속 확인하고 싶다면 그의 NIBIO 프로필을 방문해 보시기 바랍니다.
나만의 YOLOv5 활용 사례가 있으신가요?#
여러분만의 YOLOv5 활용 사례를 소개하며 소셜 미디어에서 #YOLOvME로 저희를 태그해 주시면, 여러분의 작업을 ML 커뮤니티에 홍보하겠습니다.
