디지털 전환의 핵심기술인 메타버스, 디지털 트윈(digital twin), 지능형 로봇, 클라우드, 사물인터넷(IoT) 등을 활용하여 미래 초연결·초지능·초실감 시대로 디지털 전환을 선도할 핵심 신산업·기술의 연구가 활발히 진행되고 있고, 기존의 무인탐사 장비나 가상으로 구축된 3차원 공간에 ...
디지털 전환의 핵심기술인 메타버스, 디지털 트윈(digital twin), 지능형 로봇, 클라우드, 사물인터넷(IoT) 등을 활용하여 미래 초연결·초지능·초실감 시대로 디지털 전환을 선도할 핵심 신산업·기술의 연구가 활발히 진행되고 있고, 기존의 무인탐사 장비나 가상으로 구축된 3차원 공간에 빅데이터, 인공지능(AI), 머신러닝(machine learning) 기술을 융합하여 사용하고 있다. 지구 온난화 발생의 주요 원인인 탄소를 흡수할 수 있는 나무의 중요성이 증가하고 있으나, 역설적으로 온난화로 인한 한파, 가뭄, 국지성 폭우 등으로 산림재해가 지속적으로 발생하여 재해 예방 및 관리에 관련된 연구가 필요하다. 산림재해 중 산림병해충은 넓은 산지에 작은 해충으로 인해 확산하기 때문에 인력 위주로 확인하는 것이 한계가 있고, 드론과 센서 및 카메라, GIS, 머신러닝 등을 적용하여 효율적인 관리 기술이 필요하다. 국가지리정보 등은 보안이 중요하기 때문에 다른 나라에서 개발한 솔루션 등에서는 정보 유출 여부를 확인할 수 없으므로 적용이 어렵다. 본 연구에서는 직접 연구 개발한 시스템과 소프트웨어를 이용하여 드론측량 후 정사영상을 획득하고, 딥러닝 모델을 지리정보 소프트웨어에 적용하여 소나무재선충병에 의해 피해를 입은 의심목을 탐지하는 시스템 개발에 목적이 있다. 본 연구의 내용과 결과를 요약하면 다음과 같다. 1) 무인항공기와 센서, GIS, 머신러닝 등을 적용한 영상처리기술을 활용하게 되면, 인력만으로 관리하고 있는 산림재해 지역을 효율적으로 관리할 수 있다. 2) 소나무재선충병 피해목 탐지를 위한 정사영상과 공간 자료(SHP file fomat/Point DATA)를 확보하여 폴리곤 형태의 약 26,000개 데이터 셋으로 구조화 및 메타데이터에 대한 표준화를 수행하였다. 메타데이터는 드론 영상의 이미지 파일명, 촬영 위치, 타입, GPS 중심 경위도 좌표, 이미지 중심점에 대한 X, Y 좌표, 좌표계, 이미지 크기, 촬영 픽셀 크기, 촬영 일자, 검출영역 등으로 정의하였다. 3) 객체 탐지 알고리즘으로서 윈도우(Windows) 기반의 모델 변환(ONNX)이 자유로운 YOLO 알고리즘을 채택하여, 데이터셋, 이미지 프로세싱, 검출영역 등의 다른 실험 조건을 적용 후 실험한 결과 재현율 69.69%, 정밀도 69.15%로 확인되었고, 검출 대상이 정사영상이므로 이미지 크기가 큰 모델을 사용할 수 있는 YOLOv4-P7 모델을 선택하였다. 4) YOLOv4-P7 알고리즘이 탑재된 iGIS 소프트웨어 기반으로 딥러닝 모듈을 개발하여 검증 실험한 결과, 재현율 76.75%, 정밀도 79.55%로 산출되었으며 실제 업무에 사용 가능함을 확인하였다. 5) 향후, 다양한 패턴을 가진 데이터셋을 추가하여 알고리즘 개선이 필요하고, LIDAR, 분광 카메라, 다양한 센서 기술 등을 적용하여 소나무재선충병 피해목에 대한 판별력 향상이 필요하다. 그리고 공간데이터 기반의 플랫폼에 AI 모델을 등록하여 보다 다양한 분야에 적용할 수 있는 시스템들의 연구 개발이 필요할 것으로 판단된다.
디지털 전환의 핵심기술인 메타버스, 디지털 트윈(digital twin), 지능형 로봇, 클라우드, 사물인터넷(IoT) 등을 활용하여 미래 초연결·초지능·초실감 시대로 디지털 전환을 선도할 핵심 신산업·기술의 연구가 활발히 진행되고 있고, 기존의 무인탐사 장비나 가상으로 구축된 3차원 공간에 빅데이터, 인공지능(AI), 머신러닝(machine learning) 기술을 융합하여 사용하고 있다. 지구 온난화 발생의 주요 원인인 탄소를 흡수할 수 있는 나무의 중요성이 증가하고 있으나, 역설적으로 온난화로 인한 한파, 가뭄, 국지성 폭우 등으로 산림재해가 지속적으로 발생하여 재해 예방 및 관리에 관련된 연구가 필요하다. 산림재해 중 산림병해충은 넓은 산지에 작은 해충으로 인해 확산하기 때문에 인력 위주로 확인하는 것이 한계가 있고, 드론과 센서 및 카메라, GIS, 머신러닝 등을 적용하여 효율적인 관리 기술이 필요하다. 국가지리정보 등은 보안이 중요하기 때문에 다른 나라에서 개발한 솔루션 등에서는 정보 유출 여부를 확인할 수 없으므로 적용이 어렵다. 본 연구에서는 직접 연구 개발한 시스템과 소프트웨어를 이용하여 드론측량 후 정사영상을 획득하고, 딥러닝 모델을 지리정보 소프트웨어에 적용하여 소나무재선충병에 의해 피해를 입은 의심목을 탐지하는 시스템 개발에 목적이 있다. 본 연구의 내용과 결과를 요약하면 다음과 같다. 1) 무인항공기와 센서, GIS, 머신러닝 등을 적용한 영상처리기술을 활용하게 되면, 인력만으로 관리하고 있는 산림재해 지역을 효율적으로 관리할 수 있다. 2) 소나무재선충병 피해목 탐지를 위한 정사영상과 공간 자료(SHP file fomat/Point DATA)를 확보하여 폴리곤 형태의 약 26,000개 데이터 셋으로 구조화 및 메타데이터에 대한 표준화를 수행하였다. 메타데이터는 드론 영상의 이미지 파일명, 촬영 위치, 타입, GPS 중심 경위도 좌표, 이미지 중심점에 대한 X, Y 좌표, 좌표계, 이미지 크기, 촬영 픽셀 크기, 촬영 일자, 검출영역 등으로 정의하였다. 3) 객체 탐지 알고리즘으로서 윈도우(Windows) 기반의 모델 변환(ONNX)이 자유로운 YOLO 알고리즘을 채택하여, 데이터셋, 이미지 프로세싱, 검출영역 등의 다른 실험 조건을 적용 후 실험한 결과 재현율 69.69%, 정밀도 69.15%로 확인되었고, 검출 대상이 정사영상이므로 이미지 크기가 큰 모델을 사용할 수 있는 YOLOv4-P7 모델을 선택하였다. 4) YOLOv4-P7 알고리즘이 탑재된 iGIS 소프트웨어 기반으로 딥러닝 모듈을 개발하여 검증 실험한 결과, 재현율 76.75%, 정밀도 79.55%로 산출되었으며 실제 업무에 사용 가능함을 확인하였다. 5) 향후, 다양한 패턴을 가진 데이터셋을 추가하여 알고리즘 개선이 필요하고, LIDAR, 분광 카메라, 다양한 센서 기술 등을 적용하여 소나무재선충병 피해목에 대한 판별력 향상이 필요하다. 그리고 공간데이터 기반의 플랫폼에 AI 모델을 등록하여 보다 다양한 분야에 적용할 수 있는 시스템들의 연구 개발이 필요할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.