Ultralytics YOLO 모델을 활용해 MarineSitu는 해양 에너지 시스템 주변의 야생동물 감지를 자동화하고, 96% 이상의 가동률을 달성했으며, 매일 영상을 검토하는 시간을 1~2시간으로 줄였습니다.
수중 환경 모니터링과 해양 에너지 시스템 관리는 쉽지 않지만, 이러한 인프라가 주변 생태계와 어떻게 상호작용하는지 파악하고 야생동물에 해를 끼치지 않으면서 안전하게 작동하도록 보장하려면 필수적입니다. 기존에는 연구자들이 수 시간 분량의 수중 영상을 수동으로 검토해야 했으며, 탁한 환경, 강한 해류, 일정하지 않은 가시성 때문에 작업이 더욱 어려웠습니다.
MarineSitu는 고해상도 카메라, 컴퓨터 비전, 이미징 소나, 환경 센서, 머신러닝 모델을 활용해 연구자와 조직이 수중 환경을 모니터링하고 이해하도록 지원합니다. 예를 들어 Ultralytics YOLO 모델을 사용하면 해당 시스템이 조수 터빈 및 기타 해양 에너지 인프라 주변을 이동하는 야생동물을 식별하고 추적할 수 있습니다.
AI 혁신을 통한 더욱 스마트한 해양 모니터링#
2016년에 설립된 MarineSitu는 태평양 해양 에너지 센터(PMEC)와 워싱턴대학교 응용물리학 연구소(APL)의 연구에서 출발했습니다. 현재는 미국 에너지부와 미국 해양대기청 등의 조직과 협력하고 있습니다.
MarineSitu는 SaltySuite™와 같은 플랫폼을 통해 카메라, 소나, 하이드로폰을 포함한 목적 맞춤형 하드웨어 시스템을 AI 기반 감지 모델과 통합하여 복잡한 수중 환경을 모니터링하고 분석합니다. 특히 객체 감지(이미지 내 개별 동물이나 객체의 위치를 찾고 식별하는 작업), 이미지 분류(콘텐츠를 기반으로 전체 이미지에 레이블을 지정하는 작업), 객체 추적(연속 프레임에서 감지된 객체의 움직임을 분석하기 위해 추적하는 작업)과 같은 컴퓨터 비전 작업을 적용하여 해양 에너지, 수산업, 환경 연구를 지원하는 실시간 인사이트를 제공합니다.
수중 모니터링이 보기보다 어려운 이유#
해양 환경을 모니터링하는 일은 육지의 상태를 관찰하는 것보다 훨씬 어렵습니다. 가시성은 예고 없이 저하될 수 있고, 강한 해류는 장비를 이동시키며, 해양 생물의 부착으로 카메라와 센서가 빠르게 가려질 수 있습니다. 환경은 시간대별로 변할 수 있어 일관된 데이터 수집이 어렵습니다.
연구자와 에너지 운영자에게 이는 큰 병목을 초래합니다. 프로젝트에서 수백 TB에 달하는 비디오, 소나, 음향 데이터가 생성될 수 있어 수동 검토는 느리고 비현실적입니다.
원격 해양 현장에서는 제한된 대역폭과 같은 추가적인 문제가 발생하므로 대용량 비디오 파일을 클라우드로 전송하기가 어렵습니다. 이로 인해 운영 비용이 증가하고 데이터 보안 문제가 발생합니다.
이러한 문제를 해결하기 위해 MarineSitu는 클라우드 전송에 의존하는 대신 수중 하드웨어에서 데이터를 직접 처리하는 엣지 AI 접근 방식을 사용합니다. 이를 통해 야생동물과 환경 이벤트를 실시간으로 감지하고, 연구자가 검토해야 하는 데이터의 양을 줄이며, 대역폭이 낮고 예측하기 어려운 해양 환경에서도 안정적인 모니터링을 유지할 수 있습니다.
Ultralytics YOLO 모델을 활용한 실시간 수중 감지#
MarineSitu는 조수 터빈, 항구, 연구 시설, 장기 환경 관측소를 포함한 까다로운 수중 인프라 주변에 모니터링 시스템을 배치하여 해양 생물이 이러한 구조물과 상호작용하는 모습을 포착합니다. MarineSitu의 맞춤형 모니터링 패키지(AMP)는 고해상도 광학 카메라, 이미징 소나, 하이드로폰, LED 조명, 렌즈와 센서를 수개월 동안 깨끗하게 유지하는 방오 시스템을 통합합니다.
MarineSitu는 지속적으로 유입되는 멀티모달 데이터를 해석하기 위해 맞춤 학습된 Ultralytics YOLO 모델을 사용하여 비디오 영상을 실시간으로 분석합니다. 이러한 모델은 터빈의 영향권과 같은 영역을 이동하는 해양 생물을 감지하고 추적하며, 중요한 이벤트를 자동으로 표시하고 관련 소나 및 음향 녹음과 연결합니다.
예를 들어 해파리가 터빈 근처를 떠다닐 때 Ultralytics YOLOv8 및 Ultralytics YOLO11과 같은 Ultralytics YOLO 모델이 지원하는 인스턴스 세그멘테이션을 통해 이미지에서 해파리의 전체 윤곽을 포착할 수 있습니다. 이를 통해 야생동물의 상호작용을 사건이 없는 수 시간 분량의 영상 속에 묻히게 하지 않고, 맥락이 포함된 완전한 세부 정보와 함께 포착할 수 있습니다.
그림 1. Ultralytics YOLO 모델을 사용하여 해파리를 감지하고 세그먼트화하는 예시입니다.
Ultralytics YOLO 모델을 선택한 이유#
Ultralytics YOLO 모델은 복잡한 수중 환경에서 실시간 감지에 필요한 속도와 정확도를 MarineSitu에 제공합니다. YOLOv8 및 YOLO11과 같은 모델은 엣지 시스템에서 효율적으로 실행되며 TensorRT와 같은 형식으로 내보낼 수 있습니다.
MarineSitu와 Ultralytics YOLO 모니터링, 96% 가동률 달성#
MarineSitu는 Ultralytics YOLO 모델을 활용하여 까다로운 해양 환경에서 장기간 배포하는 동안 안정적인 실시간 야생동물 모니터링을 구현했습니다.
태평양 북서부에서 141일 동안 진행된 한 배포에서 MarineSitu 맞춤형 모니터링 패키지(AMP)는 강한 해류, 낮은 가시성, 지속적인 생물 오염에도 불구하고 96% 이상의 가동률을 유지했습니다. 방오 시스템은 전체 기간 동안 카메라 포트, 조명, 이미징 소나를 깨끗하게 유지하여 일관된 고품질 데이터를 확보했습니다.
시스템에서 YOLO를 지속적으로 실행함으로써 연구자들은 터빈 주변을 이동하는 물개, 물고기 및 기타 종을 추적할 수 있었습니다. 자동 객체 감지와 이벤트 필터링을 통해 수동 검토 시간이 크게 단축되었습니다. PNNL 및 UW-APL 연구자들에 따르면 YOLO가 표시한 이벤트를 검토하는 데는 매일 1~2시간만 걸리는 경우가 많았으며, 필터링되지 않은 영상을 처음부터 끝까지 검토하는 기존 방식보다 훨씬 효율적이었습니다.
그림 2. Ultralytics YOLO 모델을 사용하여 물개를 감지하는 모습입니다.
MarineSitu는 내구성이 뛰어난 하드웨어를 멀티모달 센싱 및 실시간 컴퓨터 비전과 결합하여 야생동물의 상호작용을 완전하고 맥락에 맞게 보여주는 뷰를 제공했습니다. 이는 수동 검토만으로는 달성하기 매우 어려운 결과였습니다. 이러한 수준의 안정성과 효율성은 조수 에너지 프로젝트의 환경 평가를 가속화하고 해양 모니터링 시스템의 기준을 높이는 데 기여하고 있습니다.
실시간 해양 인텔리전스의 확장#
MarineSitu는 다양한 수중 환경에서 실시간 컴퓨터 비전 역량을 계속 확장하고 있습니다. 조수 터빈을 넘어, Ultralytics YOLO 기반 시스템을 항구의 야생동물 모니터링, 산호초 연구 지원, 과학 시설 주변의 물고기 행동 관찰, 원격 해양 현장의 장기 환경 데이터 수집에 활용하고 있습니다.
MarineSitu는 YOLO 모델을 감지 파이프라인의 핵심으로 활용하여 종 인식 개선, 엣지 기반 AI 처리 강화, 기존 방식으로는 어렵거나 비용이 많이 드는 더 많은 장소에 자동 모니터링을 도입하는 데 집중하고 있습니다. 이를 통해 수중 모니터링을 더욱 효율적이고 접근하기 쉽게 만들고, 해양 생태계가 인간 활동과 어떻게 상호작용하는지에 대해 연구자들이 더 명확하고 빠르게 파악할 수 있도록 하는 것이 목표입니다.
AI가 궁금하신가요? 프로젝트에 Vision AI를 도입할 수 있도록 라이선스 옵션을 확인해 보세요. 자세한 내용은 GitHub 리포지토리를 방문해 알아보세요. 솔루션 페이지에서 로보틱스의 컴퓨터 비전과 자동차 산업의 AI를 살펴보세요.
