2022 AI Hub 학습 데이터 활용 사업화 아이디어 해커톤에 참여 하였다.
공모전은 주어진 데이터를 이용한 사업화 아이디어를 제안하는 아이디어 공모전으로 양봉 데이터를 활용한 사업화 아이디어 부분에 참여하였다.
우리가가 제안한 아이디어는 객체 탐지 모델인 YOLO V7과 객체 추적 알고리즘은 StrongSort를 활용한 양봉 모니터링 서비스이다.
제안 배경
통계에 따르면 국내 양봉산업의 경우 여러 가지 요인들로 인해서 생산량이 급감하고 있는 상황으로. 양봉업자들의 고민이 날로 깊어지고 있다고 한다.
이러한 고민을 덜어주고자 벌들의 움직임을 모니터링해주는 서비스를 기획하게 되었다.
서비스를 기획하는 단계에서 양봉 관련 종사자들의 관련 서비스에 대한 요구사항을 조사해본 결과 “종류나 개체별로 이동량 행동 분석 확인하거나 말벌로부터 위협을 감지하는 서비스를 구축하면 좋겠다”라는 의견을 통해 저희 서비스는 구체적으로 다음과 같은 기능을 제공하고자 한다.
- 24시간 내내 지킬 수 없는 양봉장의 상황을 확인함으로써 해당 시간 내에 출몰하는 벌의 종류를 확인하는 기능.
- 시간에 따른 개체 수와 벌 유동량을 확인하는 기능.
- 말벌을 탐지하여 위험 경보를 알려주는 기능.
제안 모델 및 내용 : YOLO V7 + StrongSort (제안 모델)
- 말벌 데이터를 추가로 수집하고 주어진 데이터를 활용하여 벌 들에 대해서 YOLO V7 모델로 학습한다.
- 객체 탐지 모델인 YOLO V7을 이용하여 벌들을 탐지하고 벌들의 종류를 확인한다.
- 추적 알고리즘인 StrongSort를 활용하면 동일 클래스 개체별로 ID 값을 다르게 부여하여 다중 개체를 추적하게 되고 해당 ID 값을 활용하여 벌의 개체 수를 확인하고 벌들의 움직임을 추적하여 유동량을 확인하고 유동량을 시각화한다.
- 사전에 지정구역을 설정하고 말벌이 지정구역에 들어오는 경우 양봉업자에게 알림을 준다.
아이디어 구현 방법
- 활용 데이터 :
주어진 데이터는 라벨링 된 양봉 부문 AI 학습용 데이터로 아래와 같은 json 형식의 파일이다.
- 데이터 전처리 :
YOLO 모델을 학습 시키기 위해 주어진 json 형식의 라벨링 데이터(왼쪽 위 x, y 좌표 오른쪽 아래 x, y 좌표)를 아래와 과 같이 YOLO 형식의 정규화된 값으로 변환한다.
-
데이터 학습 :
주어진 데이터를 전처리하고 추가로 말벌 이미지 데이터를 수집하고 라벨링을 한 후 YOLO V7 모델을 학습한다. -
모니터링 영상을 제안한 AI 모델로 분석하면 그림 4와 같은 txt 파일 형태의 정보들을 얻을 수 있다.
벌 개체 번호 값을 활용하여 벌의 개체 수를 예측하고 벌들의 좌푯값을 연결하여 경로를 시각화하고 유동량을 표현한다.
- IoU(Intersection over Union)란 두 가지 물체의 위치(Bounding Box)가 얼마나 일치하는지를 나타내는 지표로 Bounding Box 간의 교집합을 합집합으로 나눠 0 과 1 사이의 값을 가지며, 1의 값을 가질수록 많이 겹침을 의미하며 지정구역을 미리 설정한 후에 그림 4의 txt 파일에서 말벌 개체의 Bounding box와 지정구역의 Bounding box 간의 IoU 값이 0.1 이상일 때 사용자에게 경보 알림을 보낸다.
- 최종적으로 제안하는 서비스 구조는 아래 그림과 같다.
智(지)! 德(덕)! 體(체)!