"알아서수거해조"의 두 판 사이의 차이
(→개념설계안) |
(→설계사양) |
||
| 132번째 줄: | 132번째 줄: | ||
1차 및 2차 모델의 성능 비교 | 1차 및 2차 모델의 성능 비교 | ||
| − | |||
2차 모델에서 플라스틱 외 비닐 형태의 폐기물도 인식하였다. | 2차 모델에서 플라스틱 외 비닐 형태의 폐기물도 인식하였다. | ||
2020년 12월 9일 (수) 09:46 판
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 2017860026 이동한(팀장)
서울시립대학교 토목공학과 2015860007 김우현
서울시립대학교 토목공학과 2017860020 배숙경
서울시립대학교 토목공학과 2014860025 송수민
서울시립대학교 토목공학과 2017860034 정우영
서울시립대학교 토목공학과 2017860037 최수현
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
이론적 계산 및 시뮬레이션
내용
상세설계 내용
내용
결과 및 평가
완료 작품의 소개
프로토타입 사진 혹은 작동 장면
내용
포스터
내용
관련사업비 내역서
내용
완료작품의 평가
내용
향후계획
내용
특허 출원 내용
내용
