양봉 농가 피해 ‘말벌’ 실시간 분류 기술 개발
안동대 이철희 교수, 말벌 탐지·분류 알고리즘 개발 분류 정확도 0.832… 기존 알고리즘보다 3% 향상
2020-11-03 정운홍기자
국립안동대학교 컴퓨터공학과 이철희<사진> 교수가 농촌진흥청의 지원으로 양봉 농가에 치명적인 피해를 주는 말벌의 퇴치를 위해 필요한 실시간 말벌 탐지 및 분류 기술을 개발했다.
농촌경제연구원에 따르면 국내 벌꿀 생산량(천연꿀기준)은 2014년 2만1414t에서 2018년 5395t으로 75% 감소했다. 이는 세계적인 현상이며 국내외적으로 말벌의 증가는 꿀벌 개체 수 감소의 중요한 원인으로 꼽히고 있다. 이중 장수말벌은 말벌 피해의 88.5%를 차지한다고 보고된 바 있다.
최근 딥러닝 기술의 발전으로 서로 다른 종에 대한 영상 기반 실시간 분류기술은 활발히 연구되고 있다. 그러나 외부적인 형태와 색상이 유사한 동종 객체의 경우 검출 및 분류 성능이 상대적으로 미흡하다. 특히 말벌과 같이 움직임이 많고 영상에서 차지하는 크기가 작으며 색상이 유사한 경우에는 더 어렵다. 따라서 국내외에서 영상에서 말벌의 존재 유무를 판단하는 연구는 보고된 적이 있으나 말벌 종에 대한 실시간 탐지 및 분류 연구는 아직 없다.
안동대학교 컴퓨터공학과 이철희 교수팀은 국내 최초로 양봉 농가에 가장 큰 피해를 주는 장수말벌과 최근 등장한 외래종인 등검은말벌을 포함하는 5종의 킬러 말벌과 양봉꿀벌을 실시간으로 분류 및 탐지하는 기술을 개발했다.
실시간 딥러닝 기술의 하나인 YOLO와 기존의 CNN기반 영상인식기술을 분석해 VGG19와 YOLO를 결합한 말벌 탐지 및 분류알고리즘을 개발했다. 동 모델을 이용해 6종의 벌을 분류한 결과 분류 정확도가 0.832로 기존의 가장 우수한 ResNet50+YOLO기반 Darknet알고리즘에 비해 3%가 향상되는 결과를 보였고 평균 초당 400장의 실시간 처리가 가능함을 확인했다.
특히 벌이 차지하는 영역이 매우 작은 경우에는 기존의 방법으로는 탐지 및 분류가 안 되나 이 교수팀이 제안한 방법은 탐지 및 분류가 잘 이루어짐을 확인할 수 있다.