YOLOvME: 산림의 디지털 혁명

스테파노 풀리티는 국립 산림 재고 부서의 노르웨이 바이오경제 연구소(NIBIO)에서 산림 원격 감지 연구원으로 근무하고 있습니다. NIBIO는 약 700명의 직원을 보유한 노르웨이 최대 연구 기관 중 하나입니다. 이들은 연구 및 지식 생산을 통해 식량 안보 및 안전, 지속 가능한 자원 관리, 혁신 및 가치 창출에 기여합니다.

그의 연구에서 드론 및 모바일 레이저 스캐닝과 같은 기타 근접 감지 기술은 현대 정보 요구 사항에 응답하는 데 필요한 고급 분석을 생성하는 데 사용됩니다.

그가 수행한 많은 작업은 노르웨이 연구 위원회와 노르웨이의 대부분의 임업 업계 주체가 자금을 지원하는 장기 연구 프로그램인 SmartForest 프로젝트를 통해 수행되었습니다. SmartForest의 목표는 산림 정보, 임업, 산림 운영, 목재 공급 및 업계 전반의 디지털 정보 흐름을 변화시키는 디지털 혁신을 통해 노르웨이 산림 부문의 효율성을 개선하는 것입니다.

스테파노는 오랫동안 랜덤 포레스트 또는 서포트 벡터 머신과 같은 기존의 머신 러닝 애플리케이션을 사용했습니다. 약 3년 전, 그는 딥 러닝 분야로 도약할 때가 되었다는 것을 깨달았고, 이는 여전히 산림 부문에서 성장 단계에 있습니다. 딥 러닝에서 얻을 수 있는 엄청난 이점을 깨달은 이후, 스테파노는 드론 및 머신 기반 비전 분야에서 여러 애플리케이션을 개발해 왔습니다.

YOLOv5를 사용한 지 얼마나 되셨습니까?

"2021년 여름부터 사용하고 있는데, 그 이후로 포기하지 않았습니다! YOLOv5 리포지토리를 쉽게 시작하고 실행할 수 있어서 첫눈에 반한 것 같아요. 당시에는 파이썬에 익숙하지 않았고 YOLOv5의 얕은 학습 곡선이 결정적인 요인이었기 때문에 저에게는 매우 귀중했습니다."

스테파노는 주로 드론 이미지에서 비생물적 요인(가뭄, 바람, 눈) 또는 생물적 요인(곤충 및 곰팡이)으로 인해 건강 상태가 좋지 않은 나무를 식별하기 위해 객체 탐지를 활용했습니다. 그 이후로 그는 동료들과 함께 포트홀부터 도로 가장자리 및 윤상회전(whorl) 탐지기에 이르기까지 YOLOv5 탐지기 제품군 전체를 개발해 왔습니다.

"YOLOv5를 우연히 발견했을 때, 저는 TensorFlow Object Detection API에서 객체 검출기를 훈련시키려고 오랫동안 시도했지만 실패했습니다. 그러다 YOLOv5 저장소를 접하고 (큰 기대 없이) 검출기 훈련을 시도했는데, 놀랍게도 단 네 줄의 코드로 학습 프로세스를 시작할 수 있었습니다. 이것을 사고 과정이라고 정의할 수 있을지는 모르겠지만, 행운이 따랐다고 생각합니다."

대부분의 모델은 클라우드 솔루션(ForestSens)에 배포되어 산림 부문에 서비스를 제공합니다. 예를 들어 사용자는 드론 이미지를 업로드할 수 있으며, 이는 YOLOv5 모델 제품군 덕분에 실행 가능한 통찰력으로 전환됩니다. 일부 훈련된 검출기는 임업 기계나 벌목 트럭의 엣지에도 배포됩니다.

처음부터 Stefano와 그의 팀은 다음을 돕기 위해 사용될 YOLOv5 모델 전체 시리즈를 개발해 왔습니다.

1. 목재 품질 평가
2. 산림 도로 유지 보수 필요 사항 모니터링
3. 숲에서 생물 다양성과 관련된 특징 감지

더 나아가, 그들은 또한 산림 건강 및 재고 관리를 위한 드론 기반 모델을 더 낮은 해상도의 항공 및 위성 이미지 데이터로 확장하는 것을 고려하고 있습니다.

최신 YOLOv5 릴리스를 통해 그들은 YOLOv5가 제공할 수 있는 이미지 분류 및 시맨틱 분할을 매우 기대하고 있습니다. 이러한 기능은 산림 환경에서 복잡한 컴퓨터 비전 작업을 해결하는 능력을 확장할 것입니다.

모델 학습(도커 버전)과 모델 배포 모두 설정이 용이하여 YOLOv5는 훌륭한 선택이었습니다.

“Ultralytics에 대해 항상 매료되었던 점 중 하나는 핵심에 오픈 코드를 기반으로 하고 비전문가도 딥러닝의 강력한 기능을 이용할 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 과학자 및 실무자들의 기여 덕분에 끊임없이 진화하면서 획기적인 업그레이드를 거듭하고 있습니다.”

AI를 처음 접하는 사람에게 무엇을 추천하시겠습니까?

지난해 국제 컨퍼런스에 참석했을 때, 임업 연구자들이 딥 러닝의 복잡성에 겁을 먹거나 딥 러닝이 그들의 연구에 역할을 할 수 있다고 생각하지 않는다는 것을 알게 되었습니다. 이러한 모든 경우에 저는 반나절 동안 어노테이션 작업을 하고 YOLOv5를 학습시켜 그 힘과 단순함을 이해해 보라고 제안했습니다.

실제로 제가 말했던 내용을 그대로 옮기자면, "당신의 방법이 효과가 없나요? 그렇다면 YOLO하세요!"입니다.

Stefano Puliti와 그의 작업에 대한 최신 정보를 계속 받고 싶으시다면, 그의 트위터 계정을 팔로우하세요.

자체 YOLOv5 사용 사례가 있으신가요?

소셜 미디어에 #YOLOvME 태그를 달아 YOLOv5 사용 사례를 공유해 주시면 ML 커뮤니티에 귀하의 작업을 홍보해 드리겠습니다.