최근 우리나라의 산림은 대형산불, 태풍, 온난화 등의 재해로 인해 지속해서 피해가 누적되고 있어 산림을 관리하거나 재해를 모니터링하는 기술이 조명 받고 있다. 산불 피해를 본 나무들은 한 번에 고사하는 것이 아닌 몇 년에 걸쳐 천천히 고사하여 지속적인 관찰이 필요하고, 산불·온난화 등으로 기온이 오르면 병해충이 활발하게 활동하게 되어 주의해야 한다. 우리나라 산림의 경우 산지가 험하고 넓어 사람이 쉽게 들어갈 수 없는 경우가 많으며, 산림재해의 특성상 피해지 규모가 커 산림에 대한 재해관리 및 모니터링을 위한 4차 산업혁명 디지털 기술인 드론, ...
최근 우리나라의 산림은 대형산불, 태풍, 온난화 등의 재해로 인해 지속해서 피해가 누적되고 있어 산림을 관리하거나 재해를 모니터링하는 기술이 조명 받고 있다. 산불 피해를 본 나무들은 한 번에 고사하는 것이 아닌 몇 년에 걸쳐 천천히 고사하여 지속적인 관찰이 필요하고, 산불·온난화 등으로 기온이 오르면 병해충이 활발하게 활동하게 되어 주의해야 한다. 우리나라 산림의 경우 산지가 험하고 넓어 사람이 쉽게 들어갈 수 없는 경우가 많으며, 산림재해의 특성상 피해지 규모가 커 산림에 대한 재해관리 및 모니터링을 위한 4차 산업혁명 디지털 기술인 드론, 사물인터넷, 인공지능, 빅데이터 등을 시스템에 적용하는 연구가 필요하다. 본 연구에서는 산림재해확산(산불) 분석을 위해 드론으로 획득한 영상데이터를 파노라마 영상으로 제작하여 데이터화 하고, 지리정보시스템과 공간빅데이터, 딥러닝 학습을 통해 파노라마 영상 내에서 산림재해 피해지를 찾아 정밀하게 제작된 임상도 등을 통한 정확도 및 활용성을 분석하여, 산림재해확산에 대해 실제 업무에서 사용할 수 있는 활용성을 확인하는 것에 목적이 있다. 본 연구의 내용과 결과를 요약하면 다음과 같다. 1) 선행 연구를 통하여 산림재해 관련 모니터링 기술에 드론과 빅데이터, 인공지능 등 4차 산업혁명 기술들을 활용하여 데이터를 획득하거나 분석할 수 있는 이론과 동향을 파악하였다. 2) 산림재해확산 분석을 위해 산림재해(산불) 피해지를 4구역으로 나누어 드론으로 촬영하였고, A구역은 58포인트로 낱장사진 1972매, B구역은 66포인트로 낱장사진 2244매, C구역은 84포인트로 낱장사진 2856매, D구역은 92포인트로 낱장사진 3128매를 획득하였으며, 획득한 낱장사진을 활용하여 파노라마 영상으로 제작하였다. 3) 파노라마 영상에서 산림재해 피해지를 찾기 위해 사용한 알고리즘은 파노라마 영상 내에서 산림재해(산불)의 피해를 입은 나무들을 찾기 위해 임의의 객체를 찾는 객체탐지 알고리즘을 사용하였으며, 그 중 파노라마 영상의 크기가 크기 때문에 알고리즘의 데이터 세트에서 큰 이미지를 지원하는 YOLO 알고리즘 중 최신버전인 YOLOv7-e6e 알고리즘을 사용하였다. 4) 파노라마 영상에 알고리즘을 적용하여 산림재해확산 분석을 한 결과, 산림 피해지 영역 안에 알고리즘 학습 결과 포인트가 생성되는 것을 확인하였고, 알고리즘 학습 결과와 실제 산림재해 피해지 영역을 비교 분석하였을 때 파노라마 영상에서 어떤 수종이 어느 정도 피해를 입었는지 확인이 가능하였다. 5) 산림재해확산(산불) 분석을 적용한 결과, 재현율은 81.57%, 정밀도는 79.44%, F1 Score는 80.46%, PR Average는 80.50%로 나타남을 확인하였다. 그리고 파노라마 영상 특성인 왜곡에 대한 부분과 학습용 데이터 세트의 양이 부족하여 적용 결과 중 올바르지 않은 데이터가 있음을 확인하였다. 6) 산림재해확산(산불) 분석을 활용하게 되면 산림재해 피해지에 대해 규모, 실시간 상황파악, 사후관리에 빠르고 쉽게 대처할 수 있을 것이라 판단된다. 향후, 파노라마 영상 왜곡(일그러짐)에 대한 부분을 보완하고 다양한 파노라마 영상을 학습용 데이터 세트로 추가한 실험과 LiDAR 등의 다양한 센서 기술을 접목한 연구가 필요하다.
최근 우리나라의 산림은 대형산불, 태풍, 온난화 등의 재해로 인해 지속해서 피해가 누적되고 있어 산림을 관리하거나 재해를 모니터링하는 기술이 조명 받고 있다. 산불 피해를 본 나무들은 한 번에 고사하는 것이 아닌 몇 년에 걸쳐 천천히 고사하여 지속적인 관찰이 필요하고, 산불·온난화 등으로 기온이 오르면 병해충이 활발하게 활동하게 되어 주의해야 한다. 우리나라 산림의 경우 산지가 험하고 넓어 사람이 쉽게 들어갈 수 없는 경우가 많으며, 산림재해의 특성상 피해지 규모가 커 산림에 대한 재해관리 및 모니터링을 위한 4차 산업혁명 디지털 기술인 드론, 사물인터넷, 인공지능, 빅데이터 등을 시스템에 적용하는 연구가 필요하다. 본 연구에서는 산림재해확산(산불) 분석을 위해 드론으로 획득한 영상데이터를 파노라마 영상으로 제작하여 데이터화 하고, 지리정보시스템과 공간빅데이터, 딥러닝 학습을 통해 파노라마 영상 내에서 산림재해 피해지를 찾아 정밀하게 제작된 임상도 등을 통한 정확도 및 활용성을 분석하여, 산림재해확산에 대해 실제 업무에서 사용할 수 있는 활용성을 확인하는 것에 목적이 있다. 본 연구의 내용과 결과를 요약하면 다음과 같다. 1) 선행 연구를 통하여 산림재해 관련 모니터링 기술에 드론과 빅데이터, 인공지능 등 4차 산업혁명 기술들을 활용하여 데이터를 획득하거나 분석할 수 있는 이론과 동향을 파악하였다. 2) 산림재해확산 분석을 위해 산림재해(산불) 피해지를 4구역으로 나누어 드론으로 촬영하였고, A구역은 58포인트로 낱장사진 1972매, B구역은 66포인트로 낱장사진 2244매, C구역은 84포인트로 낱장사진 2856매, D구역은 92포인트로 낱장사진 3128매를 획득하였으며, 획득한 낱장사진을 활용하여 파노라마 영상으로 제작하였다. 3) 파노라마 영상에서 산림재해 피해지를 찾기 위해 사용한 알고리즘은 파노라마 영상 내에서 산림재해(산불)의 피해를 입은 나무들을 찾기 위해 임의의 객체를 찾는 객체탐지 알고리즘을 사용하였으며, 그 중 파노라마 영상의 크기가 크기 때문에 알고리즘의 데이터 세트에서 큰 이미지를 지원하는 YOLO 알고리즘 중 최신버전인 YOLOv7-e6e 알고리즘을 사용하였다. 4) 파노라마 영상에 알고리즘을 적용하여 산림재해확산 분석을 한 결과, 산림 피해지 영역 안에 알고리즘 학습 결과 포인트가 생성되는 것을 확인하였고, 알고리즘 학습 결과와 실제 산림재해 피해지 영역을 비교 분석하였을 때 파노라마 영상에서 어떤 수종이 어느 정도 피해를 입었는지 확인이 가능하였다. 5) 산림재해확산(산불) 분석을 적용한 결과, 재현율은 81.57%, 정밀도는 79.44%, F1 Score는 80.46%, PR Average는 80.50%로 나타남을 확인하였다. 그리고 파노라마 영상 특성인 왜곡에 대한 부분과 학습용 데이터 세트의 양이 부족하여 적용 결과 중 올바르지 않은 데이터가 있음을 확인하였다. 6) 산림재해확산(산불) 분석을 활용하게 되면 산림재해 피해지에 대해 규모, 실시간 상황파악, 사후관리에 빠르고 쉽게 대처할 수 있을 것이라 판단된다. 향후, 파노라마 영상 왜곡(일그러짐)에 대한 부분을 보완하고 다양한 파노라마 영상을 학습용 데이터 세트로 추가한 실험과 LiDAR 등의 다양한 센서 기술을 접목한 연구가 필요하다.
Recently, as damages to the forest of our country have been continuously accumulated due to the disasters such as big forest fires, typhoons and global warming, the technology to administer forest or monitor disasters has been in the limelight. As trees damaged by a forest fire is not withered at a ...
Recently, as damages to the forest of our country have been continuously accumulated due to the disasters such as big forest fires, typhoons and global warming, the technology to administer forest or monitor disasters has been in the limelight. As trees damaged by a forest fire is not withered at a time, but is withered slowly over years, continuous observations are needed, and attentions are needed as diseases and pests are become active when the temperature rises due to forest fires and global warming. In the case of the forest of our country, as there are many cases where it is not easily accessible due to rough an wide mountain areas and the size of the damaged area is large due to the nature of forest disaster, researches to apply the digital technology of the fourth industrial revolution such as drone, IoT, artificial intelligence and big data to the system are needed. The purpose of this study is check the applicability that can be used in the real business for expansion of forest disasters by creating data after producing the image data acquired by drones as panoramic images for analysis of expansion of forest disasters (forest fires) and by analyzing the accuracy and applicability of such data through the forest type maps produced with precision after finding the areas damaged by forest disasters within the panoramic images through the geographic information system (GIS) and spatial big data and deep learning. The contents and findings of this study can be summarized as below: 1) Through previous research, we have grasped the theory and trends that can acquire or analyze data by utilizing 4th industrial revolution technology such as drones, big data, and artificial intelligence for forest disaster related monitoring technology. 2) I took pictures of the areas damaged by forest disasters (forest fires) after dividing into 4 territories with drones, and I have acquired 1,972 individual photos of 58 points for territory A, 2,244 individual photos of 66 points for territory B, 2,856 individual photos of 84 points for territory C, and 3,128 individual photos of 92 points for territory D, and I produced panoramic images utilizing the acquired individual photos. 3) For the algorithm that was used to find the areas damaged by forest disasters from the panoramic images, I used the object detection algorithm for finding any arbitrary object in order to find trees damaged by forest disasters (forest fires) in the panoramic images, and I used algorithm YOLOv7-e6e which is the latest version of YOLO algorithm that support big images in the dataset of the algorithm as the sizes of the panoramic images are large. 4) After analyzing expansions of forest disasters applying the algorithm to the panoramic images, it has been found that the points resulting from learning of the algorithm have been created within the territories of the damaged areas of forest, and it was also possible to check what species of trees have been how badly damaged in the panoramic images when the result of learning of the algorithm and the territory of the damaged areas of the forest were comparatively analyzed. 5) After applying the analysis of expansion of forest disasters (forest fires), it was found that the recall factor was 81.57%, the degree of precision was 79.44%, F1 score was 80.46%, and PR average was 80.50%. Also, it was found that there were distortions which are inherent to panoramic images and incorrect data among the result of application due to insufficient amount of the dataset for learning. 6) It seems that it will be possible to quickly and easily address the size, identification of real-time situation and follow-up management for damages areas of forest by utilizing the analysis of expansion of forest disasters(forest fires). In the future, additional experiments are needed, such as supplementing the distortions of panoramic images, adding various panoramic images into the learning datasets, and converging of various sensor technology(LiDAR, etc).
Recently, as damages to the forest of our country have been continuously accumulated due to the disasters such as big forest fires, typhoons and global warming, the technology to administer forest or monitor disasters has been in the limelight. As trees damaged by a forest fire is not withered at a time, but is withered slowly over years, continuous observations are needed, and attentions are needed as diseases and pests are become active when the temperature rises due to forest fires and global warming. In the case of the forest of our country, as there are many cases where it is not easily accessible due to rough an wide mountain areas and the size of the damaged area is large due to the nature of forest disaster, researches to apply the digital technology of the fourth industrial revolution such as drone, IoT, artificial intelligence and big data to the system are needed. The purpose of this study is check the applicability that can be used in the real business for expansion of forest disasters by creating data after producing the image data acquired by drones as panoramic images for analysis of expansion of forest disasters (forest fires) and by analyzing the accuracy and applicability of such data through the forest type maps produced with precision after finding the areas damaged by forest disasters within the panoramic images through the geographic information system (GIS) and spatial big data and deep learning. The contents and findings of this study can be summarized as below: 1) Through previous research, we have grasped the theory and trends that can acquire or analyze data by utilizing 4th industrial revolution technology such as drones, big data, and artificial intelligence for forest disaster related monitoring technology. 2) I took pictures of the areas damaged by forest disasters (forest fires) after dividing into 4 territories with drones, and I have acquired 1,972 individual photos of 58 points for territory A, 2,244 individual photos of 66 points for territory B, 2,856 individual photos of 84 points for territory C, and 3,128 individual photos of 92 points for territory D, and I produced panoramic images utilizing the acquired individual photos. 3) For the algorithm that was used to find the areas damaged by forest disasters from the panoramic images, I used the object detection algorithm for finding any arbitrary object in order to find trees damaged by forest disasters (forest fires) in the panoramic images, and I used algorithm YOLOv7-e6e which is the latest version of YOLO algorithm that support big images in the dataset of the algorithm as the sizes of the panoramic images are large. 4) After analyzing expansions of forest disasters applying the algorithm to the panoramic images, it has been found that the points resulting from learning of the algorithm have been created within the territories of the damaged areas of forest, and it was also possible to check what species of trees have been how badly damaged in the panoramic images when the result of learning of the algorithm and the territory of the damaged areas of the forest were comparatively analyzed. 5) After applying the analysis of expansion of forest disasters (forest fires), it was found that the recall factor was 81.57%, the degree of precision was 79.44%, F1 score was 80.46%, and PR average was 80.50%. Also, it was found that there were distortions which are inherent to panoramic images and incorrect data among the result of application due to insufficient amount of the dataset for learning. 6) It seems that it will be possible to quickly and easily address the size, identification of real-time situation and follow-up management for damages areas of forest by utilizing the analysis of expansion of forest disasters(forest fires). In the future, additional experiments are needed, such as supplementing the distortions of panoramic images, adding various panoramic images into the learning datasets, and converging of various sensor technology(LiDAR, etc).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.