항공조사 이미지와 딥러닝 기반 분할모델을 통한 연안쓰레기 현존량의 모니터링 자동화

Abstract

전통적 해양쓰레기 모니터링 방법은 전체 해안의 쓰레기 현존량을 통계적으로 추정함으로써 부정확하고 높은 비용과 함께 비효율적인 문제를 가진다. 본 연구에서 우리는 드론을 사용한 항공조사를 통해 고해상도 이미지를 획득하고 딥러닝 기술을 결합하여 연안 전체에 분포한 쓰레기의 밀도와 면적를 정량적으로 평가하였다. 항공조사에 의해 수집된 이미지들이 중복 없이 정합되었고 연안쓰레기의 밀도가 히트맵으로 가시화되었다. 연안에 분포한 해양쓰레기의 총 수는 1,295개였고 평균 밀도는 13.2±6.7 counts·100 m-2이었다. 연안에 분포한 해양쓰레기들이 딥러닝 기반 네트워크 모델에 의해 6개의 항목으로 분류되었고 그들의 정사면적이 계산되었다. 연안쓰레기가 차지하는 총 정사면적은 약 1,120.77 m2이었고, 그들 중 스티로폼이 약 50%로 가장 많았다. 우리의 연구는 성상별 쓰레기의 밀도와 오염면적의 합리적인 추정을 제공했고 연안 오염 평가를 위한 중요한 정보를 제공했다.

The conventional marine debris monitoring method has been inefficient with inaccurate and high costs by statistically estimating the debris standing-stock of the whole coast. This study obtained high-resolution images with an aerial survey using drones and combined deep learning technology to quantitatively evaluate the density and area of ？？debris items distributed on the coast. Images collected by the aerial survey were matched without overlap, and the number density of coastal debris was visualized as a heat map. The total number of marine debris distributed along the coast was 1,295, and the average density was 13.2±6.7 counts·100 m-2. Debris items were classified into six categories by a deep learning-based network model, and their areas were calculated. The total covered area by coastal debris was about 1,120.77 m2, and Styrofoam accounted for about 50% of them. Our study provided reliable estimates of the densities and contaminated areas debris with classes and crucial information for coastal pollution assessments.