초록 ▼

□ 연구 목표 및 내용
○ 최종 목표
본 연구의 최종 연구 목표는 원격탐사 이미지군과 딥러닝을 이용한 수계의 유량, 유해 조류, 그리고 병원성 박테리아 산정 및 수변 환경 탐지 통합 기술 개발이다. 유해 조류 및 박테리아 파악을 통해 수질관리를 수행하고 유량변화에 따른 수위와 수변 환경 변화 탐지를 통해 수생태계 건강성 평가를 수행함으로써 통합적인 수자원 관리를 도모하고자 한다.

○ 전체 내용
담수계의 유해 조류와 미생물의 발생은 수질 악화를 야기하여 인간과 동물의 삶에 부정적인 영향을 미친다. 특히,

□ 연구 목표 및 내용
○ 최종 목표
본 연구의 최종 연구 목표는 원격탐사 이미지군과 딥러닝을 이용한 수계의 유량, 유해 조류, 그리고 병원성 박테리아 산정 및 수변 환경 탐지 통합 기술 개발이다. 유해 조류 및 박테리아 파악을 통해 수질관리를 수행하고 유량변화에 따른 수위와 수변 환경 변화 탐지를 통해 수생태계 건강성 평가를 수행함으로써 통합적인 수자원 관리를 도모하고자 한다.

○ 전체 내용
담수계의 유해 조류와 미생물의 발생은 수질 악화를 야기하여 인간과 동물의 삶에 부정적인 영향을 미친다. 특히, 남조류 (Cyanobacteria)는 유해조류의 대표적인 종으로 독성물질을 생성해내고, 병원성 대장균 (Escherichia coli, E.coli)은 수인성 질병을 발병시키기 때문에 세계적으로도 수상 레크리에이션 용수 그리고 음용수의 수질 평가에 유해조류와 병원성 대장균 지표가 적용되어 수질관리가 실행되고 있다. 최근에는 수질 관리를 위해 점 단위 모니터링과 더불어 원격탐사 모니터링을 실시하여 유해 조류와 분원성 대장균을 관측하는 방법이 대두되고 있는데 원격탐사 모니터링은 면단위로 대상지역의 정보를 측정하여 더욱 정확하게 남조류와 대장균의 시, 공간적 분포를 파악할 수 있기 때문이다. 남조류는 피코시아닌과 클로로필과 같은 지시색소를 가지고 있기 때문에, 원격탐사기술로 이러한 색소 파장대를 탐지함으로써 남조류의 파악이 가능하다. 또한, 병원성 대장균은 식물성플랑크톤에 부착하여 수계에 존재하는 것으로 알려져 있기 때문에, 원격탐사기술로 조류를 탐지함으로써 병원성 대장균의 파악이 가능하다.
담수 하천의 정확한 유량 산정은 수생태계 건강성을 유지할 수 있는 환경생태유량 파악 및 수생태계환경 보전에 중요한 기초 자료 및 유량 조절 계획의 근거로 활용이 되고 있다. 또한, 다양한 보 및 댐 활동에 의한 수위변화에 따른 수변 식생 환경 변화를 파악을하여 정확한 수변식생지수를 수생태계 건강성 평가에 활용이 가능하다. 유량과 식생 변화도 원격탐사 모니터링을 통해 광역적으로 파악이 가능하다.
최근에 센서기술의 발달과 다양한 국제 위성 활용, 그리고 드론의 상용화에 힘입어 가용할 수 있는 이미지 데이터원이 증가하고 있는 추세이다. 양과 질적으로 점점 더 복잡해지는 데이터를 효율적으로 처리하기 위해 기계학습방법 중 하나인 딥러닝이 화두가 되고 있는데 이는 딥러닝 방법이 필터 개념을 이용하여 다분광, 초분광, 그리고 레이더 이미지 데이터의 복잡한 공간적 그리고 분광적 특징 정보를 빠르고 효율적으로 추출 할 수 있기 때문이다. 따라서, 현장 관측 데이터와 더불어 가용할 수 있는 이미지 군과 딥러닝을 활용하여 수질 예측 및 수변 변화 탐지를 수행 할 수 있는 수환경통합관리 모델을 개발하고자 한다.

○ 1단계
● 연구 목표
1단계 연구 목표는 수환경 시계열 관측 데이터, 원격탐사 자료, GIS 데이터를
취득 및 가공하여 한국 수계의 유해남조류, 분원성대장균, 수생태계 건강성 지
수 산정, 그리고 식생 탐지를 위한 딥러닝 아키텍처를 개발하고 구조 최적화를
진행을 통해 각 모델의 성능을 평가한다.

● 연구 내용
유해남조류 산정은 조류 정량화를 위한 주요색소 보조색소 실험자료와 드론원격탐사 이미지를 취득 및 가공하고 합성곱 신경망(Convolutional Neural Network) 모델 구축을 통해 진행한다. 구축된 CNN 모형을 최적화 를 진행하고 드론 이미지에 적용하여 조류 주요 및 보조 색소 농도 지도를 제작하여 담수 수체의 독성조류의 정량 및 정성적 특징을 분석한다.
담수내 분원성대장균은 수질, 수문, 기상자료를 통합적으로 활용하고 가공해서 CNN 모형을 구축하여 산정 한다. CNN 모델 구조 및 하이퍼 파라미터 최적화를 진행하여 분원성대장균 산정 성능을 제고하고 기존의 수문모형 및 다양한 기계학습 기법들과의 성능을 비교분석 한다. 설명가능한인공지능 기법을 활용하여 분원성대장균 변화에 중요한 영향을 미치는 인자를 분석하고 제시한다.
수생태계건강성 지수 산정은 유량 변화, 수질, 수리학적 구조, 수문, 기상, 토지피복도, 토양도, 지형도를 autoencoder 딥러닝 기법을 구축하여 비선형적 데이터 처리 후 CNN 모델을 개발하여 수생태계 건강성 지표인 부착 돌말류, 저서성대형무척추동물, 어류 지표를 산정한다. Autoencoder-CNN 모델 융합을 통한 수생태계건강성 지수 산정 성능을 기존의 기계학습 기법들과 비교하여 평가한다.
수변식생 분류를 위한 식생 분류는 항공이미지와 수종 분류 이미지를 처리하고 CNN 모델 개발하여 진행한다. 영상 분할 학습을 적용하여 이미지 픽셀당 식생 분류를 진행하고, 오픈소스 위성영상을 학습된 CNN 모델에 적용하여 일반화 성능을 평가한다.

○ 2단계
● 연구 목표
2단계 연구 1단계에서 활용된 대규모의 데이터와 기개발된 CNN 모델을 통합하여 수환경관리에 특화된 통합모델(Foundation Model)을 구축을 목표로 한다. 추가적으로 수환경통합관리 모델의 실용화를 위한 소프트웨어 및 하드웨어 측면의 Edge AI 기초 기술 개발 방안 마련을 목표로 연구를 수행한다.

● 연구 내용
1단계 연구에서 활용된 수환경 시계열 데이터, 원격탐사 이미지, GIS 데이터 종합적으로 처리되고 가공할 수 있는 빅데이터 전처리 자동화 파이프라인 개발을 진행한다. 이 과정에서 데이터의 복잡한 비선형적 특징을 강조하고 데이터 차원을 축소 할 수 있는 autoencoder 모델과 생성형 딥러닝 모델 융합 시스템 개발을 진행한다. 처리된 입력데이터는 기개발된 CNN 모형들에서 유해조류, 분원성대장균, 수생태계건강성 산정의 다중회귀와 식생탐지의 분류를 동시에 수행하는 손실함수를 고안하고, CNN 구조 및 하이퍼파라미터를 Fine-tunning을 진행하여 통합 모델을 구축하고 일반화 성능을 평가한다.
개발된 수환경통합모델을 실증화 하기 위한 Edge AI 기술을 평가한다. 이를 위해 통합모델의 훈련가중치를 양자화(Quantization)를 통한 모델 경량화를 진행하고 최적 양자화 알고리즘을 개발한다. 테스트 베드 센서 회로에 경량화된 모델을 배포(Deployment)하여 성능 변화 테스트를 진행한다. 테스트 센서를 드론에 탑재하고 수환경에서 운용하여 모델의 실용화 성능을 평가한다.

□ 연구성과
1단계 연구 정성적 성과
- 독성 조류 주색소 (클로로필a 및 피코시아닌) 및 보조 색소 (Lutein, fucoxanthin, 그리고 zeaxanthin) 인공지능 기반 분석 가능성 확인 완료
- 조류분포의 정확한 분석을 위한 인공지능 기반의 위성영상 초해상화 가능성 확인 완료.
- 인공지능과 보운영에 따른 유량 변화로 인한 수체의 유달시간 변화 데이터 활용을 통한 독성 조류 예측 가능성 확인 완료
- 독성조류 생장조건인 4대강의 부영양화 상태의 인공지능을 활용한 분류 가능성 확인 완료
- 인공지능과 위성영상을 융합한 수질의 유기물 상태의 지표인 총부유물질의 농도 산정의 일반화 가능성 확인 완료
- 대한민국 4대강 유역 분원성 대장균 변화 분석을 위한 인공지능 활용 가능성 확인 완료
1단계 연구 정량적 성과
- 2편의 SCI 주저자 논문게재 및 1건의 미국 특허 등록 완료.
2단계 연구 정성적 성과
- 빅데이터와 딥러닝 기반의 수환경통합관리 모델 구축 가능성 확인
- 수환경통합관리 딥러닝 모델 양자화를 통한 모델 경량화 방법론 정립
- Edge AI 구현을 위한 파운데이션 모델 배포 및 온디바이스 가능성 확인
- 수환경통합관리 모델 실증화를 위한 테스트 배드 구축 및 운용 방법론 정립
2단계 연구 정량적 성과
- SCI 주저자 논문 게재 4편 이상 진행
- 특허 등록 2건 이상 진행

□ 연구성과의 활용 계획 및 기대효과
- 수질 악화를 야기하는 남조류 예측 딥러닝 모델 확보
- 수인성 질병을 야기하는 병원성 대장균 예측 딥러닝 모델 확보
- 환경생태 유량 제시 가능한 딥러닝 모델 확보
- 수변 식생 변화 탐지 딥러닝 모델 확보
- 추가적인 데이터 확보 시 즉각적인 결과 및 농도지도 확보 가능
- 다른 지역 및 국가에 적용할 시 입력자료 및 모델 구조 reference 확보
- 여러 수계의 데이터를 통합하여 범국가적 수환경통합관리 모델 구축 가능

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요약문 ... 2
• 목차 ... 5
• 1. 연구과제의 개요 ... 6
• 2. 연구과제의 수행 과정 및 수행 내용 ... 6
• 3. 연구과제의 수행 결과 및 목표 달성 정도 ... 6
• 1) 연구수행 결과 ... 6
• 2) 목표 달성 수준 ... 15
• 3) 목표 미달 시 원인 분석 ... 15
• 4) 중요 연구변경 사항 ... 15
• 4. 연구성과의 관련 분야에 대한 기여 정도 ... 16
• 5. 연구성과의 관리 및 활용 계획 ... 16
• 6. 다음 단계 연구계획 ... 16
• 1) 연구 목표 및 내용 ... 16
• 2) 연구 추진전략 ... 17
• 3) 연구 추진일정 및 기대성과 ... 17
• 4) 다음 단계 연구비 사용계획 ... 18
• 5) 연구 성과의 활용방안 및 기대효과 ... 18
• 끝페이지 ... 30