CCTV 영상과 의미론적 분할 모델을 이용한 재해성 하천기인 부유쓰레기 탐지Detection of Hazardous River Floating Debris using CCTV Images and Semantic Segmentation Model
- Other Titles
- Detection of Hazardous River Floating Debris using CCTV Images and Semantic Segmentation Model
- Authors
- 김영민; 장선웅; 김흥민; 박수호; 이승현; 유지원; 정태환
- Issue Date
- 5월-2024
- Publisher
- 한국해양환경 에너지학회지
- Keywords
- Semantic Segmentation; U-net Model; Detection; 하천기인 부유쓰레기; CCTV 영상; 의미론적 분할; River Floating debris; CCTV images; U-Net 모델; 탐지
- Citation
- 한국해양환경 에너지학회지, v.27, no.2, pp 111 - 120
- Pages
- 10
- Journal Title
- 한국해양환경 에너지학회지
- Volume
- 27
- Number
- 2
- Start Page
- 111
- End Page
- 120
- URI
- https://www.kriso.re.kr/sciwatch/handle/2021.sw.kriso/10417
- DOI
- 10.7846/JKOSMEE.2024.27.2.111
- ISSN
- 2288-0089
2288-081X
- Abstract
- 기후 변화로 인한 극단적인 이상 기후 현상이 빈번해지면서 수재해의 발생 빈도가 증가하고 있다. 특히, 집중강우 기간 동안 육상에서 다량으로 유입되는 재해성 하천기인 부유쓰레기는 수질 오염, 수생태계 교란, 경관 훼손과 같은 심각한 문제를 일으키고 있다. 그러나 하천과 하구를 통해 해양으로 유출되는 부유쓰레기의 양과 분포에 대한 연구와 이해는 여전히 부족한 상황이다. 따라서 본 연구에서는 CCTV 영상자료와 의미론적 분할 모델에서 우수한 성능을 보이는 U-Net 모델을 이용하여 부유쓰레기 탐지 모델을 개발하였다. 정량적인 모델의 정확도를 평가한 결과, mIoU 0.69, Precision 0.87, Recall 0.77, F1-score 0.80의 정확도를 보였으며, 부유쓰레기의 크기와 관계없이 정성적인 결과에서도 부유쓰레기를 잘 탐지하는 것으로 나타났다. 본 연구를 통해 CCTV 영상과 딥러닝 모델을 활용하여 부유쓰레기를 지속적으로 탐지할 수 있음을 확인하였다. 향후 이미지 증강 기법과 추가적인 자료 축적을 통해 학습 자료의 다양성이 확보될 경우, 그 활용도와 정확도가 더욱 향상될 것으로 기대된다.
With the increasing frequency of extreme weather events due to climate change, water-related disasters are becoming more frequent. In particular, large amounts of hazardous river floating debris from land during periods of heavy rainfall cause serious problems such as water pollution, disruption of aquatic ecosystems and landscape degradation. However, there is still a lack of research and understanding of the amount and distribution of floating debris entering the ocean through rivers and estuaries. Therefore, we developed a floating debris detection model using CCTV images and the U-Net model, which has excellent performance in semantic segmentation model. As a result of evaluating the accuracy of the quantitative model, it showed an accuracy of mIoU 0.69, precision 0.87, Recall 0.77 and F1-score 0.80, and the qualitative results showed that it detected floating garbage well regardless of the size of the floating garbage. This study shows that it is possible to continuously detect floating garbage using CCTV images and deep learning models. In the future, if the diversity of training materials is ensured through image augmentation techniques and additional data accumulation, it is expected that the usage and accuracy will be further improved
- Files in This Item
-
- Appears in
Collections - 해양공공디지털연구본부 > 해사안전·환경연구센터 > Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.