위성 카메라와 딥러닝을 연동하여 멸종 위기종에 대한 모니터링이 가능해질 전망이다.
영국의 바스대학교(University of Bath) 올가 이수포바 박사(Olga Isupova)는 위성 카메라 WorldView-3가 촬영한 고해상도 이미지를 활용한 탐지 프로세스 알고리즘을 개발하여 멸종 위기종인 아프리카코끼리의 개체 수를 확인하는 데 성공했다고 밝혔다.
이 프로젝트는 지형이 복잡하거나 접근하기 어려운 곳에 서식하는 개체들을 짧은 시간 안에 안정적으로 모니터링한 최초의 연구로 알려졌다. 또 이 연구를 통해 위성 원격 감지와 딥러닝을 통해 야생동물 조사 및 모니터링을 자동화할 수 있다는 가능성을 보여줬다.
멸종 위기종 보호는 관찰에서부터
멸종 위기종을 보호하기 위해서는 개체가 어디에, 얼마나 생존하고 있는지에 대한 정확한 정보가 필수적이다. 이수포바 박사 역시 “대량 멸종의 위협을 받고 있는 종을 구하기 위해 필요한 데이터를 수집하는 최첨단 시스템이 필요하다.”고 밝혔다.
특히 본 연구의 관찰 대상인 아프리카코끼리는 무분별한 밀렵과 서식지 파괴로 인해 개체 수가 급감했고, 현재는 4만~5만 마리만이 생존해 있는 것으로 알려져 있다. 심지어 둥근귀코끼리는 3만 마리 미만이 남아있어 세계자연보호연맹의 멸종 위기종 목록에 취약종으로 올라 있는 종이다.
종전에는 유인항공기를 활용한 항공 측량법으로 아프리카 코끼리를 계수했다. 이 방법은 좁은 간격으로 비행하는 횡단면의 일부를 촬영하고, 그 샘플에 대략 5~20% 정도를 확장하여 추정한다.
그러나 사바나에서 항공 측량은 활주로와 급유 문제를 해결하기 위해 비용이 많이 들뿐만 아니라 국경을 지나는 여러 국가들의 허가가 필요하여 비효율적이다. 또 여러 연구 결과에 따르면 항공측량은 종종 과다 추정에 의해 개체 수 세기에 치명적인 오류를 보이기도 했다.
코끼리는 자신의 영역에서 모계사회를 구성하는 종으로서 모계유전 미토콘드리아를 분석하면 그 무리의 서식지를 추적·관찰할 수 있다. 하지만 개체 수를 모니터링 하기에는 지리적·환경적 제약, 심지어 분쟁관계에 따른 국경 통제 등의 제약으로 인해 쉽게 진행하기 어려운 현실이다.
딥러닝으로 우주에서 코끼리 세기
이 연구는 위성 카메라 WorldView-3와 최근 몇 년간 물체 감지 및 인식에 활용된 딥러닝 아키텍처 CNN(Convolutional Neural Networks)를 사용하여 인간의 감지 기능에 필적하는 정확도로 우주에서 코끼리 개체 수를 감지했다.
알려진 바대로 WorldView-3는 단 몇 분 동안 5000km² 이상의 이미지를 수집할 수 있으므로 이중 계산의 위험을 제거하고 짧은 간격으로 반복 조사를 할 수 있다. 또 복잡한 지형과 접근이 어려운 지역의 데이터를 안전하게 확보할 수 있다.
그리고 CNN은 대규모 이미지를 처리하도록 설계된 피드 포워드 신경망으로서 각각 이미지의 특징을 식별할 수 있다. 이 필터는 이미지 전체를 스캔하고 다양한 레이어를 분석하여 정확도를 높인다.
이 연구에서 CNN은 총 9개의 서로 다른 위성 데이터 188개의 서브 이미지가 딥러닝되었다. 그리고 각각의 이미지에 포함된 코끼리 라벨 중에서 픽셀의 겹침이 있는 것은 유효성 검사를 통해 조정하고 신뢰도를 높이는 방법이 주요 프로세스다. 이 과정을 통해 CNN은 인간 탐지 기능에 비해 높은 정확도로 수행되었음이 밝혀졌다. 다시 말해 사람의 눈으로 코끼리를 세는 것보다 훨씬 더 정확한 계수가 가능하다는 것.
이수포바 박사는 “이러한 방식의 작업은 이전에 ‘고래 개체 수집’에 활용된 바 있다.”고 밝히면서, “이전 고래에 대해 수행된 방식은 바다의 색이 모두 동일하기 때문에 계산이 훨씬 쉬웠다. 하지만 지형과 이질적인 풍경 속에 서식하는 동물을 식별하는 것은 훨씬 더 복잡한 계산법을 필요로 한다.”며 본 연구의 의미를 강조했다.
이번 연구를 통해 자동 탐지 알고리즘의 정확도를 확인한만큼 앞으로 위성 이미지 해상도가 높아지면 훨씬 더 작은 종을 탐지할 수 있을 것으로 예상되며, 이를 활용하면 멸종 위기 종 보존에 도움이 될 것으로 기대된다.