MarineSitu, Ultralytics YOLO를 사용하여 수중 모니터링 가동 시간 96% 이상 달성

수중 환경 모니터링 및 해양 에너지 시스템 관리는 쉽지 않지만, 이러한 인프라가 주변 생태계와 어떻게 상호 작용하는지 파악하고 야생 동물에게 해를 끼치지 않으면서 안전하게 운영되도록 보장하는 데 필수적입니다. 전통적으로 연구자들은 수 시간 분량의 수중 영상을 수동으로 검토해야 했으며, 이는 탁한 수질, 강한 조류, 일관되지 않은 가시성으로 인해 더욱 어려운 작업이었습니다.

MarineSitu는 고해상도 카메라, computer vision, 이미징 소나, 환경 센서 및 머신러닝 모델을 사용하여 연구자와 조직이 수중 환경을 모니터링하고 이해하도록 돕습니다. 예를 들어, Ultralytics YOLO 모델을 사용하여 해당 시스템은 조력 터빈 및 기타 해양 에너지 인프라 주변을 이동하는 야생 동물을 식별하고 추적할 수 있습니다.

Link to this sectionAI 혁신을 통한 더 스마트한 해양 모니터링#

2016년에 설립된 MarineSitu는 태평양 해양 에너지 센터(PMEC)와 워싱턴 대학교 응용 물리학 연구소(APL)의 연구를 기반으로 시작되었습니다. 현재 이들은 미국 에너지부 및 미국 해양대기청(NOAA)과 같은 기관과 협력하고 있습니다.

MarineSitu는 SaltySuite™와 같은 플랫폼을 통해 카메라, 소나, 하이드로폰 등 자체 제작한 하드웨어 시스템을 AI 기반 탐지 모델과 통합하여 복잡한 수중 환경을 모니터링하고 분석합니다. 특히 객체 탐지(이미지 내 개별 동물이나 물체의 위치 파악 및 식별), 이미지 분류(내용에 기반하여 전체 이미지에 라벨 할당), 객체 추적(연속된 프레임에서 탐지된 객체를 따라가며 움직임 분석)과 같은 computer vision tasks를 적용하여 해양 에너지, 수산업 및 환경 연구를 지원하는 실시간 통찰력을 제공합니다.

Link to this section수중 모니터링이 보기보다 어려운 이유#

marine environments 모니터링은 육상 상태를 관찰하는 것보다 훨씬 더 어렵습니다. 가시성은 예고 없이 떨어질 수 있고, 강한 조류는 장비를 이동시키며, 해양 생물은 카메라와 센서를 빠르게 뒤덮을 수 있습니다. 조건이 시간마다 변할 수 있어 일관된 데이터 수집이 어렵습니다.

연구자와 에너지 운영자에게 이는 심각한 병목 현상을 초래합니다. 프로젝트는 수백 테라바이트의 영상, 소나 및 음향 데이터를 생성할 수 있으며, 이는 수동 검토를 느리고 비효율적으로 만듭니다.

원격 해양 사이트는 대역폭 제한과 같은 추가적인 난관에 직면해 있어 대용량 영상 파일을 클라우드로 전송하기 어렵습니다. 이는 운영 비용을 증가시키고 데이터 보안 문제를 야기합니다.

이러한 문제를 해결하기 위해 MarineSitu는 클라우드 전송에 의존하는 대신 수중 하드웨어에서 직접 데이터를 처리하는 edge AI 접근 방식을 사용합니다. 이를 통해 야생 동물과 환경 이벤트를 실시간으로 탐지하고, 연구자가 검토해야 할 데이터 양을 줄이며, 대역폭이 낮고 예측할 수 없는 해양 조건에서도 모니터링의 신뢰성을 유지합니다.

Link to this sectionUltralytics YOLO 모델을 사용한 실시간 수중 탐지#

MarineSitu는 조력 터빈, 항만, 연구 시설 및 장기 환경 관측소 등 까다로운 수중 인프라 주변에 모니터링 시스템을 배치하여 해양 생물이 이러한 구조물과 어떻게 상호 작용하는지 포착합니다. 이들의 AMP(Adaptable Monitoring Package)는 고해상도 광학 카메라, 이미징 소나, 하이드로폰, LED 조명 및 렌즈와 센서를 몇 달 동안 깨끗하게 유지하는 방오 시스템을 통합합니다.

연속적인 다중 모달 데이터 스트림을 해석하기 위해 MarineSitu는 맞춤형으로 훈련된 Ultralytics YOLO 모델을 사용하여 영상 화면을 실시간으로 분석합니다. 이 모델들은 해양 종이 터빈의 영향권 내를 이동할 때 이를 탐지하고 추적하며, 중요한 이벤트를 자동으로 플래그 지정하고 관련 소나 및 음향 기록과 정렬합니다.

예를 들어, 해파리가 터빈 근처를 떠다닐 때 Ultralytics YOLOv8 및 Ultralytics YOLO11과 같은 Ultralytics YOLO 모델이 지원하는 인스턴스 세그멘테이션은 이미지에서 해파리의 전체 윤곽을 포착할 수 있습니다. 이를 통해 야생 동물의 상호 작용이 수 시간 분량의 이벤트 없는 영상 속에 묻히지 않고 완전한 맥락적 세부 정보와 함께 기록됩니다.

그림 1. Ultralytics YOLO 모델을 사용하여 해파리를 탐지하고 세그멘테이션하는 예시.

Link to this section왜 Ultralytics YOLO 모델인가?#

Ultralytics YOLO 모델은 MarineSitu에게 복잡한 수중 환경에서 실시간 탐지에 필요한 속도와 정확성을 제공합니다. YOLOv8 및 YOLO11과 같은 모델은 엣지 시스템에서 효율적으로 실행되며 TensorRT와 같은 형식으로 내보낼 수 있습니다.

Link to this sectionMarineSitu와 Ultralytics YOLO 모니터링으로 96% 가동 시간 달성#

MarineSitu의 Ultralytics YOLO 모델 사용은 까다로운 해양 조건에서의 장기 배치 중 신뢰할 수 있는 실시간 야생 동물 모니터링을 가능하게 했습니다.

태평양 북서부에서 진행된 141일간의 배치 작업에서 MarineSitu AMP는 강한 조류, 낮은 가시성, 지속적인 생물 부착 압력에도 불구하고 96% 이상의 가동 시간을 유지했습니다. 방오 시스템은 카메라 포트, 조명 및 이미징 소나를 항상 깨끗하게 유지하여 일관된 고품질 데이터를 보장했습니다.

시스템에서 YOLO가 지속적으로 실행됨에 따라 연구자들은 물개, 물고기 및 기타 종들이 터빈 주변을 이동할 때 이를 추적할 수 있었습니다. 자동화된 객체 탐지 및 이벤트 필터링은 수동 검토 시간을 크게 줄였습니다. PNNL 및 UW-APL 연구자들에 따르면, YOLO로 플래그가 지정된 이벤트를 검토하는 데는 필터링되지 않은 영상을 스캔하는 번거로운 과정에 비해 매일 1~2시간밖에 걸리지 않았습니다.

그림 2. Ultralytics YOLO 모델을 사용하여 물개를 탐지하는 모습.

내구성이 뛰어난 하드웨어와 다중 모달 센싱 및 실시간 computer vision을 결합함으로써 MarineSitu는 수동 검토만으로는 달성하기 매우 어려웠을 야생 동물 상호 작용에 대한 완전한 맥락적 시야를 제공했습니다. 이러한 수준의 신뢰성과 효율성은 조력 에너지 프로젝트에 대한 환경 평가를 가속화하고 해양 모니터링 시스템의 기준을 높이고 있습니다.

Link to this section실시간 해양 지능의 확장#

MarineSitu는 다양한 수중 환경 전반으로 실시간 computer vision 기능을 계속 확장하고 있습니다. 조력 터빈을 넘어, Ultralytics YOLO 기반 시스템은 항만 내 야생 동물 모니터링, 산호초 연구 지원, 과학 시설 주변 물고기 행동 관찰 및 원격 해양 사이트에서의 장기 환경 데이터 수집에 사용되고 있습니다.

YOLO 모델을 탐지 파이프라인의 핵심으로 삼아 MarineSitu는 종 인식 개선, 엣지 기반 AI 처리 강화, 그리고 기존 방법으로는 어렵거나 비용이 많이 드는 더 많은 지역으로 자동화된 모니터링을 도입하는 데 집중하고 있습니다. 그들은 연구자들에게 해양 생태계와 인간 활동의 상호 작용에 대한 더 명확하고 빠른 통찰력을 제공하면서 수중 모니터링을 더욱 효율적이고 접근하기 쉽게 만드는 것을 목표로 합니다.

AI에 대해 궁금하신가요? licensing options을 확인하여 귀하의 프로젝트에 Vision AI를 도입해보세요. 자세한 내용은 GitHub repository를 방문해주시기 바랍니다. 솔루션 페이지에서 computer vision in robotics와 AI in the automotive 산업 분야를 탐색해보세요.