초록 ▼

본 연구에서는 대기 이미지를 활용하여 미세먼지 추정을 수행하였다. 현재 환경 분야에서는 미세먼지가 주요 이슈로 각광받고 있으며, 다양한 방법을 통해 미세먼지의 데이터 수집, 위험도 분석, 추정, 예측 등의 많은 연구가 이루지고 있다. 하지만 아직까지 대기 이미지와 미세먼지를 연관 짓는 연구는 거의 수행되지 않고 있다. 최근 스마트폰, 디지털 카메라, 블랙박스 등 이미지 촬영기기의 보편화와 이미지 촬영기술의 향상으로 이미지 수집이 용이해짐에 따라 자율주행자동차, 객체 인식, 질병 및 암 진단 등 다양한 산업에서 이미지를 활용한 연구를

본 연구에서는 대기 이미지를 활용하여 미세먼지 추정을 수행하였다. 현재 환경 분야에서는 미세먼지가 주요 이슈로 각광받고 있으며, 다양한 방법을 통해 미세먼지의 데이터 수집, 위험도 분석, 추정, 예측 등의 많은 연구가 이루지고 있다. 하지만 아직까지 대기 이미지와 미세먼지를 연관 짓는 연구는 거의 수행되지 않고 있다. 최근 스마트폰, 디지털 카메라, 블랙박스 등 이미지 촬영기기의 보편화와 이미지 촬영기술의 향상으로 이미지 수집이 용이해짐에 따라 자율주행자동차, 객체 인식, 질병 및 암 진단 등 다양한 산업에서 이미지를 활용한 연구를 수행하고 있다. 특히 국외에서는 이미지를 활용하여 미세먼지를 추정하는 연구가 이미 수행되고 있고 그 결과로 우수한 논문들도 출판되었다. 하지만 아직 국내 환경 연구에서는 이미지를 활용하여 대기오염이나 미세먼지를 분석하는 연구가 거의 진행되지 않고 있다.

본 연구에서는 이미지 데이터를 활용하여 미세먼지 추정을 위한 분류기를 구축하고 실제 테스트를 수행함으로써 환경 연구에서의 이미지 데이터 활용 가능성을 점검하였다. 현재는 대기 이미지 분석에 필요한 잘 정리된 이미지 데이터를 수집하는 것도 어려운 상황이나,‘경기도보건환경연구원’의 도움을 받아 경기도 의정부시의 대기 이미지를 수집하고 에어코리아 대기질 확정정보를 통해 각 이미지에 대한 레이블링을 수행하였다. 다음으로는 대기이미지 데이터에 기계학습 및 딥러닝 방법론을 적용하여 미세먼지 오염 수준을 추정할 수 있는 분류기를 구축하고 실제 테스트를 수행하여 방법론들 사이의 성능을 비교하고 결과를 상세히 분석하였다.

본 연구에서는 로지스틱 회귀, 서포트 벡터 머신, 멀티 퍼셉트론, 컨볼루션 신경망 모델을 구성하고 미세먼지 추정 및 성능 비교를 수행하였는데, 이 중 최근 가장 많이 활용되는 딥러닝 기반의 컨볼루션 신경망 방법론이 80.1%의 정확도를 보여 주었다. 특히 샘플 수가 가장 적은 미세먼지가 ‘매우 나쁨’ 카테고리의 이미지들에 대해서도 70% 이상의 성능을 보임으로써 상당히 뛰어난 결과를 보였으며, 이는 미세먼지 추정에 있어서 이미지의 활용 가능성을 보여 준 결과로 사료된다.

본 연구의 목적은 대기 이미지의 실제 환경연구로의 활용 가능성을 점검하는 연구로 성능이 뛰어난 분류기를 구축하고자 하는 것이 아니며, 환경연구에서 이미지의 활용 가능성을 점검하는 데 목적이 있다. 본 연구를 통해 대기 이미지를 활용한 미세먼지 오염도 추정이라는 최소한의 목적을 달성한 것으로 판단되며, 연구 결과를 볼 때 실제 환경연구에서 이미지 데이터의 활용가치는 매우 유용할 것으로 보인다. 또한, 대기오염, 미세먼지, 수질오염 추정 및 예측 등 다양한 이미지 접목을 통해 다각도의 환경연구를 수행할 수 있을 것으로 전망한다.

(출처 : 국문요약 5p)

Abstract ▼

In this study, the estimation of fine dust pollution was performed through the utilization of atmospheric images. Currently, in the environment field, fine dust is a major issue, and various studies have been conducted on data collection, risk analysis, estimation, and prediction of fine dust throug

In this study, the estimation of fine dust pollution was performed through the utilization of atmospheric images. Currently, in the environment field, fine dust is a major issue, and various studies have been conducted on data collection, risk analysis, estimation, and prediction of fine dust through various methods. However, there is still little research on associating atmospheric images with fine dust. In recent years, as it has become easier to collect images due to the generalization of image-taking devices such as smart phones, digital cameras, dashcams, as well as the improvement of image capturing techniques, many research has been conducted using images in various industries such as autonomous vehicles, object recognition, and disease and cancer diagnosis. However, in domestic environmental research, there is little research that analyzes air pollution or fine dust using images.

At present, it is difficult to collect well-organized image data required for atmospheric image analysis. However, we collected an atmospheric image ofUijeongbu city with the help of the Gyeonggi-Do Institute of Health & Environment and labeled each image using Air Quality ConfirmationInformation from Airkorea.

In this study, we constructed classifiers based on machine learning and deep learning models that can estimate the level of fine dust pollution using atmospheric image data. Next, performance measurements and comparisons were conducted with actual test data and a detailed analysis of the results was conducted. Among these, the most commonly used deep-learning based convolution neural network model showed the highest accuracy of 80.1%. In particular, it showed a remarkable result of a performance with over 70% accuracy, even in the case of images that exhibited 'very bad' readings for fine dust with a small number of samples. This result indicates the usefulness of image utilization in fine dust estimation.

The purpose of this study is not to construct a classifier with high performance, but to check the application potential of atmospheric images in real environmental studies. This study seems to have achieved the minimum objective of estimating fine dust pollution using atmospheric images, and as result of the study, the utilization value of image data is very useful in real environmental studies. It is expected that various environmental studies could be carried out through various imaging such as air pollution, fine dust pollution and water pollution estimation and prediction.

(출처 : Abstract 45p)

목차 Contents

• 표지 ... 1
• 서 언 ... 3
• 국문요약 ... 5
• 목차 ... 7
• 표목차 ... 8
• 그림목차 ... 9
• 제1장 서 론 ... 11
• 1. 연구의 필요성 및 목적 ... 11
• 2. 연구의 내용 및 범위 ... 12
• 제2장 이미지 분석을 위한 기계학습 방법론 ... 14
• 1. 환경연구에서의 이미지 분석 활용 ... 14
• 2. 로직스틱 회귀분석(LR) ... 18
• 3. 서포트 벡터 머신(SVM) ... 19
• 4. 컨볼루션 신경망(CNN) ... 21
• 제3장 대기 이미지 분석을 통한 미세먼지 추정 ... 29
• 1. 분석 데이터 개요 ... 29
• 2. 연구과정 ... 33
• 제4장 결론 및 후속연구 ... 39
• 1. 결론 ... 39
• 2. 연구의 보완점 ... 40
• 3. 후속연구 ... 41
• 참고문헌 ... 43
• Abstract ... 45
• 끝페이지 ... 48