YOLO 모델별 독성 해양 생물 탐지 성능 비교 및 스마트 수산 기술 적용 가능성 탐색

• 영문명: Comparative Analysis of Toxic Marine Organism Detection Performance Across YOLO Models and Exploration of Applications in Smart Aquaculture Technology
• 발행기관: 한국스마트미디어학회
• 저자명: 황병현(Byeong Hyeon Hwang) 노미진(Mi Jin Noh)
• 간행물 정보: 『스마트미디어저널』Vol13, No.11, 22~29쪽, 전체 8쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2024.11.29

국문 초록

지구온난화로 인한 해양의 수온 상승은 해양 생물들의 서식지 이동을 가속화하고 있으며, 이로 인해 독성 해양 생물이 국내 해역에서 자주 발견되고 있다. 특히 파란고리문어는 테트로도톡신이라는 치명적인 독을 가지고 있어 매우 위험하다. 그러므로 본 연구에서는 최신 객체 탐지 기술인 YOLO 모델을 사용하여 독성 해양 생물을 얼마나 효과적으로 탐지할 수 있는지를 평가하여, 이를 스마트 수산 시스템 구축을 위한 유용한 정보를 제공하고자 한다. 분석 결과, 정밀도는 YOLOv8이 0.989로 가장 높게 나타났고 다음으로 YOLOv7이 0.775, YOLOv5m이 0.318 순으로 나타났다. 재현율은 YOLOv8이0.969, YOLOv5l이 0.845, YOLOv7이 0.783 순으로 높게 나타났다. mAP50과 mAP50-95 지표에서도 YOLOv8이 0.978, 0.834로 가장 높게 나타났다. YOLOv8이 전반적으로 가장 높은 성능을 보여주었으며, 실시간으로 독성 해양 생물을 탐지하는 데 매우 적합하다는 것을 의미한다. 반면, YOLOv5 시리즈는 낮은 성능을 보여주고 있으며, 복잡한 환경에서의 탐지 성능이 부족하다는 것을 알 수 있었다. 이러한 결과는 독성 해양 생물의 조기 경보 시스템 구축에 있어 최신 YOLO 모델을 사용하는 것이 필요함을 시사한다.

영문 초록

The rise in sea temperatures due to global warming has accelerated the migration of marine species, leading to the frequent discovery of toxic marine organisms in domestic waters. The blue-ringed octopus in particular is very dangerous because it contains a deadly poison called tetrodotoxin. Therefore, early detection of these toxic species and minimizing the risk to human life is crucial. This study evaluates the effectiveness of using the latest object detection technology, the YOLO model, to detect toxic marine species, aiming to provide valuable information for the development of a smart fisheries system. The analysis results showed that YOLOv8 achieved the highest precision at 0.989, followed by YOLOv7 at 0.775 and YOLOv5m at 0.318. In terms of recall, YOLOv8 scored 0.969, YOLOv5l scored 0.845, and YOLOv7 scored 0.783. For mAP50 and mAP50-95 metrics, YOLOv8 also performed the best with scores of 0.978 and 0.834, respectively. Overall, YOLOv8 demonstrated the highest performance, indicating its strong suitability for real-time detection of toxic marine organisms. On the other hand, the YOLOv5 series showed lower performance, revealing limitations in detection under complex conditions. These findings suggest that the use of the latest YOLO model is essential for establishing an early warning system for toxic marine species.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구방법

Ⅳ. 분석결과 및 활용전략

Ⅴ. 결론

REFERENCES

키워드

딥러닝 YOLO 알고리즘 해양 생물 파란고리문어 Deep Learning YOLO Algorism Marine Organism Blue-Ringed Octopus