Ultralytics YOLO 모델을 사용해 MarineSitu는 해양 에너지 시스템 주변의 야생동물 감지를 자동화하고 가동 시간 96% 이상을 달성했으며, 매일 수행하던 영상 검토 시간을 한두 시간으로 줄였습니다.
수중 환경과 해양 에너지 시스템을 모니터링하는 일은 쉽지 않지만, 이러한 인프라가 주변 생태계와 어떻게 상호작용하는지 이해하고 야생동물에 해를 끼치지 않으면서 안전하게 운영되도록 하는 데 필수적입니다. 기존에는 연구자들이 몇 시간 분량의 수중 영상을 직접 검토해야 했으며, 탁한 시야와 강한 해류, 불규칙한 가시성 때문에 작업은 더욱 어려웠습니다.
MarineSitu는 고해상도 카메라, 컴퓨터 비전, 이미징 소나, 환경 센서, 머신러닝 모델을 사용해 연구자와 기관이 수중 환경을 모니터링하고 이해하도록 지원합니다. 예를 들어 Ultralytics YOLO 모델을 활용하면 시스템이 조력 터빈 및 기타 해양 에너지 인프라 주변을 이동하는 야생동물을 식별하고 추적할 수 있습니다.
AI 혁신을 통한 더 스마트한 해양 모니터링#
2016년에 설립된 MarineSitu는 퍼시픽 해양 에너지 센터(PMEC)와 워싱턴대학교 응용물리학연구소(APL)의 연구에서 출발했습니다. 현재 미국 에너지부와 미국 해양대기청 등의 기관과 협력하고 있습니다.
SaltySuite™와 같은 플랫폼을 통해 MarineSitu는 카메라, 소나, 하이드로폰을 비롯해 목적에 맞게 제작한 하드웨어 시스템을 AI 기반 감지 모델과 통합하여 복잡한 수중 환경을 모니터링하고 분석합니다. 특히 객체 감지(이미지 내 개별 동물 또는 사물의 위치 파악 및 식별), 이미지 분류(이미지 내용에 따라 이미지 전체에 레이블 지정), 객체 추적(연속된 프레임에서 감지된 객체의 움직임 분석)과 같은 컴퓨터 비전 작업을 적용해 해양 에너지, 어업, 환경 연구를 지원하는 실시간 인사이트를 제공합니다.
수중 모니터링이 보기보다 어려운 이유#
해양 환경 모니터링은 육지의 상황을 관찰하는 것보다 훨씬 어렵습니다. 가시성이 예고 없이 낮아질 수 있고, 강한 해류가 장비를 움직이며, 해양 생물이 빠르게 카메라와 센서를 가릴 수 있습니다. 환경이 시간마다 달라질 수 있어 일관된 데이터 수집이 어렵습니다.
연구자와 에너지 운영자에게 이는 심각한 병목 현상을 초래합니다. 프로젝트에서 비디오, 소나, 음향 데이터가 수백 테라바이트씩 생성될 수 있어 수동 검토는 느리고 비현실적입니다.
원격 해양 현장에서는 대역폭이 제한되는 등의 추가적인 어려움이 있어 대용량 비디오 파일을 클라우드로 전송하기 어렵습니다. 이로 인해 운영 비용이 증가하고 데이터 보안 문제가 발생합니다.
이러한 문제를 해결하기 위해 MarineSitu는 클라우드 전송에 의존하지 않고 수중 하드웨어에서 직접 데이터를 처리하는 엣지 AI 접근 방식을 사용합니다. 이를 통해 야생동물과 환경 이벤트를 실시간으로 감지하고, 연구자가 검토해야 하는 데이터의 양을 줄이며, 대역폭이 낮고 예측이 어려운 해양 환경에서도 안정적인 모니터링을 유지할 수 있습니다.
Ultralytics YOLO 모델을 사용한 실시간 수중 감지#
MarineSitu는 조력 터빈, 항만, 연구 시설, 장기 환경 관측소 등 까다로운 수중 인프라 주변에 모니터링 시스템을 배치하여 해양 생물이 이러한 구조물과 상호작용하는 모습을 포착합니다. Adaptable Monitoring Package(AMP)는 고해상도 광학 카메라, 이미징 소나, 하이드로폰, LED 조명, 방오 시스템을 통합하여 렌즈와 센서를 한 번에 수개월 동안 깨끗하게 유지합니다.
연속적으로 유입되는 멀티모달 데이터를 해석하기 위해 MarineSitu는 맞춤 학습된 Ultralytics YOLO 모델을 사용해 비디오 영상을 실시간으로 분석합니다. 이러한 모델은 터빈의 영향권과 같은 영역을 이동하는 해양 생물을 감지하고 추적하며, 중요한 이벤트를 자동으로 표시하고 관련 소나 및 음향 녹음과 연계합니다.
예를 들어 해파리가 터빈 가까이 떠다니는 경우, 인스턴스 분할을 통해 Ultralytics YOLOv8 및 Ultralytics YOLO11과 같은 Ultralytics YOLO 모델은 이미지에서 해파리의 전체 윤곽을 포착할 수 있습니다. 이를 통해 야생동물과의 상호작용을 몇 시간 동안 특별한 일이 없었던 영상 속에 묻히지 않도록 전체 맥락과 함께 기록할 수 있습니다.
그림 1. Ultralytics YOLO 모델을 사용해 해파리를 감지하고 분할하는 예시입니다.
Ultralytics YOLO 모델을 선택한 이유#
Ultralytics YOLO 모델은 MarineSitu가 복잡한 수중 환경에서 실시간 감지에 필요한 속도와 정확도를 확보하도록 지원합니다. YOLOv8 및 YOLO11과 같은 모델은 엣지 시스템에서 효율적으로 실행되며 TensorRT와 같은 형식으로 내보낼 수 있습니다.
MarineSitu와 Ultralytics YOLO 모니터링, 가동 시간 96% 달성#
MarineSitu는 Ultralytics YOLO 모델을 사용해 까다로운 해양 환경에서 장기간 배포 중에도 안정적인 실시간 야생동물 모니터링을 구현했습니다.
미국 북서부 태평양에서 141일간 진행된 배포 사례에서 MarineSitu Adaptable Monitoring Package(AMP)는 강한 해류, 낮은 가시성, 지속적인 생물 오염에도 가동 시간 96% 이상을 유지했습니다. 방오 시스템은 카메라 포트, 조명, 이미징 소나를 내내 깨끗하게 유지하여 일관된 고품질 데이터를 확보했습니다.
YOLO가 시스템에서 연속적으로 실행되면서 연구자들은 물개, 물고기 및 기타 종이 터빈 주변을 이동하는 모습을 추적할 수 있었습니다. 자동 객체 감지와 이벤트 필터링으로 수동 검토 시간을 크게 줄였습니다. PNNL 및 UW-APL 연구자들에 따르면 YOLO가 표시한 이벤트를 검토하는 데 걸리는 시간은 하루에 한두 시간뿐인 경우가 많았으며, 이는 필터링되지 않은 영상을 살펴보는 데 시간이 많이 걸리는 방식과 비교됩니다.
그림 2. Ultralytics YOLO 모델을 사용한 물개 감지.
내구성 있는 하드웨어에 멀티모달 센싱과 실시간 컴퓨터 비전을 결합해 MarineSitu는 야생동물과의 상호작용을 완전하고 맥락에 맞게 파악할 수 있는 시야를 제공했습니다. 이는 수동 검토만으로는 달성하기 매우 어려운 결과입니다. 이러한 신뢰성과 효율성은 조력 에너지 프로젝트의 환경 평가를 앞당기고 해양 모니터링 시스템의 기준을 높이는 데 기여합니다.
실시간 해양 인텔리전스 확장#
MarineSitu는 다양한 수중 환경에서 실시간 컴퓨터 비전 역량을 계속 확장하고 있습니다. 조력 터빈을 넘어 Ultralytics YOLO 기반 시스템은 항구의 야생동물 모니터링, 산호초 연구 지원, 과학 시설 주변의 물고기 행동 관찰, 외딴 해양 지점의 장기 환경 데이터 수집에 사용되고 있습니다.
감지 파이프라인의 핵심에 YOLO 모델을 두고 MarineSitu는 종 식별 개선, 엣지 기반 AI 처리 강화, 기존 방법이 어렵거나 비용이 많이 드는 더 많은 장소에 자동 모니터링 도입을 추진하고 있습니다. 해양 생태계가 인간 활동과 어떻게 상호작용하는지 연구자들이 더 명확하고 신속하게 파악하도록 지원하면서 수중 모니터링의 효율성과 접근성을 높이는 것이 목표입니다.
AI에 관심이 있으신가요? 프로젝트에 Vision AI를 도입하려면 라이선스 옵션을 확인하세요. 자세한 내용은 GitHub 저장소를 방문하세요. 솔루션 페이지에서 로보틱스 분야의 컴퓨터 비전과 자동차 산업의 AI를 살펴보세요.
