알아서수거해조
프로젝트 개요
기술개발 과제
딥러닝을 적용한 하천 부유폐기물 탐지 시스템 개발
과제 팀명
알아서수거해조
지도교수
조수진 교수님
개발기간
2020년 9월 ~ 2020년 12월 (총 4개월)
구성원 소개
서울시립대학교 토목공학과 20178600** 이*한(팀장)
서울시립대학교 토목공학과 20158600** 김*현
서울시립대학교 토목공학과 20178600** 배*경
서울시립대학교 토목공학과 20148600** 송*민
서울시립대학교 토목공학과 20178600** 정*영
서울시립대학교 토목공학과 20178600** 최*현
서론
개발 과제의 개요
개발 과제 요약
- 효율적인 하천 & 해양 부유물 수거를 위한 시스템 개발
- 딥러닝을 적용하여 부유물 자동 탐지 기술 개발
개발 과제의 배경
-최근 국지성 호우 및 긴 장마로 인해 기하급수적인 폐기물이 하천 및 해양에 유입되어 문제가 발생하고 있다.
-이 폐기물 중 90%는 바다로 흘러 들어가면서 해양 생태계 오염, 해양 자원 감소, 환경 파괴를 유발하고 있다.
-하천 쓰레기로 인해 하천과 저수지 등에 탁수를 발생시켜 수자원 확보에 어려움을 발생시키고 있다.
-이로인해 증가하는 쓰레기 처리비용과 오탁수 문제를 해결하기 위한 시스템 구축이 필요하다.
개발 과제의 목표 및 내용
-딥러닝을 기반으로 한 부유 폐기물 탐지 시스템을 개발하는 것이 목표이다.
관련 기술의 현황
관련 기술의 현황 및 분석(State of art)
관련 국외 기술 현황
-무인 바지선 인터셉터 : 물 위를 떠다니며 컨베이어 벨트로 쓰레기 수거, 리튬이온배터리로 구동되며 24시간 가동이 가능하다. 그러나 한 대의 가격이 매우 비싸며 상용화되지 않았다. -U자 튜브 플라스틱 캐쳐 : 바람과 조류가 튜브를 움직여 플라스틱 쓰레기들이 튜브에 걸리도록 하며 전력이 필요하지 않다. 그러나 박테리아나 조류 등 유기물들이 장치에 붙어 제대로 작동하지 못하며 해양 생물들이 걸려 갇힐 수 있다.
-그레이브 버블 베리어 : 작은 그물로 막을 수 없었던 미세 플라스틱과 폐기물 차단이 가능하고 압축공기를 이용해 약 80%의 폐기물의 유출을 방지할 수 있다. 그러나 하나의 설비로 만들 수 있는 장벽이 매우 작으며 유입 방지만 가능하고 수거가 불가능하다.
-아쿠아 스마트XL : 과거에 접근이 불가능한 지역에도 도달할 수 있는 능력, 카메라를 장착한 소형 선박 형태로 원격 조작을 통해 항구시설을 효율적으로 감시할 수 있다.
관련 국내 기술 현황
-스마트 하천관리를 위한 하천조사 최적화 드론 시스템 : 하천공간, 하천용수, 하천시설관리를 ICT기술과 드론, AI, 로봇 등을 이용하여 스마트 하천관리 시스 템 개발하여 수자원 및 하천관리와 같은 다양한 역할을 수행하는 시스템이다.
-'포어시스' 지능형 해양 하천 쓰레기 통합관리 시스템 : 차단 시설에 모니터링 및 통신 장치를 부착하여 구조물에 가해지는 장력을 계측하여 원격으로 실시간 모니터링 기능을 실현하고 다양한 조건의 해상 환경을 구현하여 쓰레기를 관리하는 시스템이다.
개발과제의 기대효과
기술적 기대효과
딥러닝을 활용한 하천 쓰레기 탐지 및 감시 시스템을 구축하여 스마트 하천관리 시스템 도입과 공공수역의 수질 개선 및 효율적인 하천 쓰레기 수거 시스템 구축이 가능할 것으로 기대한다.
경제적, 사회적 기대 및 파급효과
딥러닝 모델과 다양한 기술을 접목해 기존 인력의 비용을 절감하고 효율적인 관리를 통해 생태계와 해양 생태계에 긍정적인 영향이 있을 것으로 기대한다.
기술개발 일정 및 추진체계
개발 일정
설계
설계사양
제품의 요구사항
설계 내용
◇딥러닝 모델 선택조건
부유폐기물을 탐지대상으로 잘 파악하는지 여부, 탐지대상의 영역파악이 가능한지 여부를 통해 Image Segmentation 기법을 적용
Image Segmentation이란 디지털 이미지 처리 및 분석에서 일반적으로 사용되는 기술로 이미지의 픽셀특성에 따라 이미지를 여러 부분으로 분할하고 Classification 과 Object Detection 특징을 모두 반영하여 대상의 탐지와 해당하는 명확한 영역을 표시해준다.
[Image Segmentation]
◇하천 부유폐기물 자동탐지 딥러닝 모델 학습방법
인터넷의 여러 사이트에서 무료 및 유료 데이터를 얻어 600*600(px)이상인 부유폐기물 이미지들을 학습 데이터로 활용 이미지 딥러닝 학습을 위해서는 수집한 데이터들을 라벨링하는 과정과 검수 작업이 필요하다. →데이터 라벨링은 매트랩의 Image Labeler앱을 이용해 진행 및 구축하였다.
◇학습데이터 합성
학습데이터 추가 제작을 위해 플라스틱 사진 1620장 확보하여 실제 하천의 부유폐기물과 비슷한 환경을 조성하기 위해 빈 하천의 사진을 선정한 후, 확보한 1620장을 매트랩 코드를 이용하여 랜덤으로 합성였다. 합성을 통해 학습데이터의 다양성을 높였다.
◇학습데이터 증대(Data Augmentation)
학습데이터 증대는 딥러닝 모델이 충분히 훈련하는데 필요한 데이터를 확보하는 기법 중 하나로 적은 양의 훈련 데이터에 인위적인 변화를 가해 새로운 훈련 데이터를 확보하는 방법이다. 기존의 데이터를 상하좌우로 뒤집거나 자르거나 밝기 변화를 시키거나, 회전을 통해 새로운 이미지 데이터를 확보하여 모델에 적용한다.
◇ Deep Lab V3+ 모델 1차 학습 결과
◇ Deep Lab V3+ 모델 2차 학습 결과
1차 및 2차 모델의 성능 비교
2차 모델에서 플라스틱 외 비닐 형태의 폐기물도 인식하였다.
◇ Deep Lab V3+ 모델 3차 학습 결과
2차 및 3차 모델의 성능 비교
3차 모델에서 2차 모델에 비해 추가적인 부유물을 탐지하였다.
◇ 시연동영상
결과 및 평가
완료 작품의 소개
프로토타입 사진 혹은 작동 장면
포스터
향후계획
본 과제를 통해 딥러닝 기술을 도입하여 폐기물을 인지하는 자동탐지 시스템을 개발하는 목표를 가지고 있다. 이를 효과적으로 달성하기 위해 Image Labeler 앱을 통해 약 600장 정도의 학습데이터를 구축하였고, 데이터 증대 기법을 통해 모델의 성능을 향상시켰다. 이를 통해 하천에 존재하는 부유 폐기물을 자동으로 탐지하는 모델을 개발하였고 성능을 검증하기 위해 실제 영상에 적용해보았다. 이 결과 약 90% 이상을 탐지해냈다. 완벽히 탐지하지 못한 것은 스티로폼의 일부와 비닐 등으로 이와 관련된 학습데이터가 부족해 나타난 결과로 판단된다. 이를 보완하기 위해 스티로폼 및 추가 플라스틱 데이터를 추가한다면 모델의 성능이 향상될 것으로 기대한다.
