Andong NetDiffrent

국립안동대학교(총장 권순태) 컴퓨터공학과 이철희 교수가 농촌진흥청의 지원으로 양봉 농가에 치명적인 피해를 주는 말벌의 퇴치를 위해 필요한 실시간 말벌 탐지 및 분류 기술을 개발했다.

농촌경제연구원에 따르면 국내 벌꿀(천연꿀기준)생산량은 2014년 21,414톤에서 2018년 5,395톤으로 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.

미국의 뉴욕타임스는 한국 등 동아시아 지역에서 흔히 볼 수 있는 장수말벌이 미국에서 처음 발견되었다는 보고와 함께 이러한 킬러 말벌이 몇 시간 안에 꿀벌 3~4만 마리를 사냥하는 살상력을 가졌으며, 이에 따라 워싱턴주 농업부는 이러한 킬러 말벌의 퇴치에 총력을 기울이겠다는 보도가 나온 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 연구(2018년, Utah State Univ.)는 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 분석하여 VGG19와 YOLO를 결합한 말벌 탐지 및 분류알고리즘을 개발했다. 동 모델을 이용하여 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 그림 2.와 같이 영상에서 벌이 차지하는 영역이 매우 작은 경우에는 기존의 방법으로는 탐지 및 분류가 안 되나 제안한 방법은 탐지 및 분류가 잘 이루어짐을 확인할 수 있다.

이번 연구는 지난 9월 양봉학회에 게재됐으며 농업진흥청 신농업 기후변화 대응체계구축/농업부문 생산환경 변동 예측 및 평가(과제번호:PJ014761032020)사업의 지원으로 연구되고 있다. 향후 3년간의 개발과정을 거쳐 전국(400곳 이상)에 말벌 자동 모니터링 체계를 구축하기 위한 기반기술로 활용될 예정이다.

기존 딥러닝 기반 분류알고리즘과 성능 및 속도 비교




유럽 말벌(vespa crabro)과 등검은 말벌(Vespa velutina nigrithorax)에
대한 탐지 및 분류 결과 (좌:기존방법 우:제안방법)