2018.12.05

'AI로 악어 피하면서 어류 자원 모니터링' 호주정부 사례

George Nott | Computerworld Australia
올해 초 호주 노던 테리토리 자원부는 마이크로소프트와 협력해 해양 과학자가 수십 시간 동안 화면 앞에 앉아 수중 촬영한 동영상을 모니터링해 물고기 개체수를 파악하던 일을 기계가 대신할 수 있도록 머신러닝을 개발했다. 

다윈(Darwin) 인근의 물속에 있는 물고기 수를 세는 일은 최근까지 방식에 따라 치명적으로 따분하거나 잠재적으로 치명적이었다. 

해수 악어(6월에 잡힌 4.27미터 종), 상어, 해파리가 서식하는 바다는 다이빙하기에 매우 위험하다. 그래서 지난 몇 년 동안 호주 노던 테리토리(Northern Territory)의 DIPR(Department of Primary Industry and Resources) 어류 자원부는 먹이를 위해 접근하는 물고기를 촬영하기 위해 미끼 가방을 향해 고프로(GoPro) 카메라가 장착된 잠수형 프레임을 활용했다.

몇 시간 후 벌리(Burley)가 사라지면 프레임을 끌어 올려 동영상을 확인하면서 물고기를 식별하고 개체수를 셌다.

DIPR의 CIO 로완 달러는 "몇 시간이나 소요되었다. 박사 학위를 가진 과학자가 헤엄치는 물고기의 동영상을 몇 시간 동안 계속해서 시청해야 했다. 그리고 실제로 '물고기가 맞다. 아니다'를 연발해야 했다"고 설명했다.

이어서 "그렇게 몇 시간을 보내는 것도 좋지만 기계의 성능이 더 나아지고 있으며 분명 훨씬 빠르다"고 그는 덧붙였다.



올해 초, DIPR은 화면 앞에 수십 시간 동안 앉아있는 과학자들을 대체할 머신러닝을 개발하기 위해 마이크로소프트와 협력했다. DIPR은 이를 페이스북의 안면인식 기능에 비유했다.

사진작가 조수
2016년 NT정부는 상업 및 오락 어획을 금지하는 다수의 임시 암초 어류 보호 영역을 수립했다.

보호 영역의 목적은 금색 도미검은색 해파리 등의 취약 어종의 과도한 어획을 방지하는 것이었다.

DIPR의 어류 과학자 셰인 페니 박사는 "NT에서 상업 그리고 오락 목적으로 중요한 종들이지만 연구에 따르면 다윈 지역에서 남획되고 있는 것으로 나타났다"고 말했다.

이 영역에서 카메라 모니터링 작업이 이루어졌다.

달러는 "암초의 어획 금지가 끼치는 영향에 대한 연구가 이뤄졌다. 자원이 얼마나 빨리 회복되는가? 같은 자원 균형이 회복되고 있는가? 어종은 얼마나 되는가?"고 말했다.

이 머신러닝 어류 계수 플랫폼은 ACS(Azure Cognitive Services)를 이용해 개발되었으며 최초 버전의 시스템은 1개월 만에 구축 및 운용되었다.

물고기와 종을 식별하는 문제가 중요했다. 이 영역의 물은 ‘뿌연 녹색’이며 조류도 8미터나 되었다. 또한 물고기는 카메라에 다양한 각도로 포착되기 때문에 시스템이 정지 사진의 얼굴을 인식하는 것보다 더 정교해야 했다.



수백만 시간 분량의 동영상이 엔진에 적용되었다.

마이크로소프트 오스트레일리아의 NTO(National Technology Officer) 리 히킨은 "이 솔루션은 6개월 만에 널리 구축됐고, 그 식별 능력은 그 이후로 머신러닝을 이용해 점진적으로 발전했다. 이 AI 시스템은 이제 동영상의 물고기를 95~99% 정확도로 식별할 수 있다"고 말했다.

이 시스템은 어떤 어종이 있는지 식별할 수 있는 수준에 "꽤 가까워지고 있다"고 달러는 덧붙였다.

이 오픈소스 솔루션은 현재 깃허브에서 제공되고 있다.

히킨은 "물고기를 세고 식별하는 재미없는 측면에서 자유로워진 과학자들은 대신에 이 AI 솔루션으로부터 통찰을 얻고 상당한 환경 및 경제적 영향을 가진 의사를 정보에 기초하여 결정하는데 기초한다"고 말했다.


 
딥 다이브 러닝(Deep Dive Learning)
이 솔루션은 이 지역의 다른 곳에서도 사용될 수 있다. 담수 수계의 야생 어류를 모니터링하는 용도를 연구하고 있다.

달러는 "여기도 악어가 많기 때문에 입수가 불가능하다. 악어가 정말로 많다"고 말했다.

또한 상업용 어선을 감시하는 애플리케이션도 있다.

달러는 "바다에 나가 있는 트롤선에 카메라를 설치하고 잡을 때마다 상황에 따라 식별할 방안을 연구하고 있다. 지금은 무게 단위로 하고 있지만 숫자로 할 수 있다면 개체수를 더욱 잘 파악할 수 있다"고 말했다.

실시간 개체수 파악을 통해 "우리는 쿼터를 높이고 조업 중 해당 시점에 해당 어장과 트롤선의 쿼터를 관리할 수 있다"고 달러가 덧붙였다.

마찬가지로 머신러닝을 이용해 해외 어선에서 촬영한 동영상의 어종을 감지하고 식별하는 작업을 CSIRO와 데이터61의 과학자들이 진행하고 있다.

그들의 완다(Wanda) 소프트웨어는 AFMA(Australian Fisheries Management Authority)가 제공하는 이미지에 대한 훈련을 받고 있으며 주요 상업적 어획 작업을 감시하는 인간 관찰자를 대체할 수 있다.

네이처 컨저번시(Nature Conservancy)의 피시페이스(FishFace) 콘셉트가 2016년 구글의 AIC(Australia Impact Challenge)에서 인기상을 받았다. 이 장치는 "안면인식 기술을 이용해 바다에서 잡힌 어종과 개체수에 대한 정보 조사를 자동화하고 이 데이터를 이용해 관리 결정을 위한 정보를 제공하도록" 고안되었으며 인도네시아의 어부들과 시범 운영 중이다.

마이크로소프트는 세계 어류 자원이 "그 어느 때보다도 심각한 압박"을 받는 시대에 자사의 솔루션이 출시되었다고 밝혔다.

"이 솔루션은 오픈소스기 때문에 전 세계의 다양한 환경에서 유사한 플랫폼을 배치하고 지구환경과 인류에 유익하고 중요한 과학 프로젝트를 지원할 수 있다"고 해당 기업이 밝혔다. ciokr@idg.co.kr

2018.12.05

'AI로 악어 피하면서 어류 자원 모니터링' 호주정부 사례

George Nott | Computerworld Australia
올해 초 호주 노던 테리토리 자원부는 마이크로소프트와 협력해 해양 과학자가 수십 시간 동안 화면 앞에 앉아 수중 촬영한 동영상을 모니터링해 물고기 개체수를 파악하던 일을 기계가 대신할 수 있도록 머신러닝을 개발했다. 

다윈(Darwin) 인근의 물속에 있는 물고기 수를 세는 일은 최근까지 방식에 따라 치명적으로 따분하거나 잠재적으로 치명적이었다. 

해수 악어(6월에 잡힌 4.27미터 종), 상어, 해파리가 서식하는 바다는 다이빙하기에 매우 위험하다. 그래서 지난 몇 년 동안 호주 노던 테리토리(Northern Territory)의 DIPR(Department of Primary Industry and Resources) 어류 자원부는 먹이를 위해 접근하는 물고기를 촬영하기 위해 미끼 가방을 향해 고프로(GoPro) 카메라가 장착된 잠수형 프레임을 활용했다.

몇 시간 후 벌리(Burley)가 사라지면 프레임을 끌어 올려 동영상을 확인하면서 물고기를 식별하고 개체수를 셌다.

DIPR의 CIO 로완 달러는 "몇 시간이나 소요되었다. 박사 학위를 가진 과학자가 헤엄치는 물고기의 동영상을 몇 시간 동안 계속해서 시청해야 했다. 그리고 실제로 '물고기가 맞다. 아니다'를 연발해야 했다"고 설명했다.

이어서 "그렇게 몇 시간을 보내는 것도 좋지만 기계의 성능이 더 나아지고 있으며 분명 훨씬 빠르다"고 그는 덧붙였다.



올해 초, DIPR은 화면 앞에 수십 시간 동안 앉아있는 과학자들을 대체할 머신러닝을 개발하기 위해 마이크로소프트와 협력했다. DIPR은 이를 페이스북의 안면인식 기능에 비유했다.

사진작가 조수
2016년 NT정부는 상업 및 오락 어획을 금지하는 다수의 임시 암초 어류 보호 영역을 수립했다.

보호 영역의 목적은 금색 도미검은색 해파리 등의 취약 어종의 과도한 어획을 방지하는 것이었다.

DIPR의 어류 과학자 셰인 페니 박사는 "NT에서 상업 그리고 오락 목적으로 중요한 종들이지만 연구에 따르면 다윈 지역에서 남획되고 있는 것으로 나타났다"고 말했다.

이 영역에서 카메라 모니터링 작업이 이루어졌다.

달러는 "암초의 어획 금지가 끼치는 영향에 대한 연구가 이뤄졌다. 자원이 얼마나 빨리 회복되는가? 같은 자원 균형이 회복되고 있는가? 어종은 얼마나 되는가?"고 말했다.

이 머신러닝 어류 계수 플랫폼은 ACS(Azure Cognitive Services)를 이용해 개발되었으며 최초 버전의 시스템은 1개월 만에 구축 및 운용되었다.

물고기와 종을 식별하는 문제가 중요했다. 이 영역의 물은 ‘뿌연 녹색’이며 조류도 8미터나 되었다. 또한 물고기는 카메라에 다양한 각도로 포착되기 때문에 시스템이 정지 사진의 얼굴을 인식하는 것보다 더 정교해야 했다.



수백만 시간 분량의 동영상이 엔진에 적용되었다.

마이크로소프트 오스트레일리아의 NTO(National Technology Officer) 리 히킨은 "이 솔루션은 6개월 만에 널리 구축됐고, 그 식별 능력은 그 이후로 머신러닝을 이용해 점진적으로 발전했다. 이 AI 시스템은 이제 동영상의 물고기를 95~99% 정확도로 식별할 수 있다"고 말했다.

이 시스템은 어떤 어종이 있는지 식별할 수 있는 수준에 "꽤 가까워지고 있다"고 달러는 덧붙였다.

이 오픈소스 솔루션은 현재 깃허브에서 제공되고 있다.

히킨은 "물고기를 세고 식별하는 재미없는 측면에서 자유로워진 과학자들은 대신에 이 AI 솔루션으로부터 통찰을 얻고 상당한 환경 및 경제적 영향을 가진 의사를 정보에 기초하여 결정하는데 기초한다"고 말했다.


 
딥 다이브 러닝(Deep Dive Learning)
이 솔루션은 이 지역의 다른 곳에서도 사용될 수 있다. 담수 수계의 야생 어류를 모니터링하는 용도를 연구하고 있다.

달러는 "여기도 악어가 많기 때문에 입수가 불가능하다. 악어가 정말로 많다"고 말했다.

또한 상업용 어선을 감시하는 애플리케이션도 있다.

달러는 "바다에 나가 있는 트롤선에 카메라를 설치하고 잡을 때마다 상황에 따라 식별할 방안을 연구하고 있다. 지금은 무게 단위로 하고 있지만 숫자로 할 수 있다면 개체수를 더욱 잘 파악할 수 있다"고 말했다.

실시간 개체수 파악을 통해 "우리는 쿼터를 높이고 조업 중 해당 시점에 해당 어장과 트롤선의 쿼터를 관리할 수 있다"고 달러가 덧붙였다.

마찬가지로 머신러닝을 이용해 해외 어선에서 촬영한 동영상의 어종을 감지하고 식별하는 작업을 CSIRO와 데이터61의 과학자들이 진행하고 있다.

그들의 완다(Wanda) 소프트웨어는 AFMA(Australian Fisheries Management Authority)가 제공하는 이미지에 대한 훈련을 받고 있으며 주요 상업적 어획 작업을 감시하는 인간 관찰자를 대체할 수 있다.

네이처 컨저번시(Nature Conservancy)의 피시페이스(FishFace) 콘셉트가 2016년 구글의 AIC(Australia Impact Challenge)에서 인기상을 받았다. 이 장치는 "안면인식 기술을 이용해 바다에서 잡힌 어종과 개체수에 대한 정보 조사를 자동화하고 이 데이터를 이용해 관리 결정을 위한 정보를 제공하도록" 고안되었으며 인도네시아의 어부들과 시범 운영 중이다.

마이크로소프트는 세계 어류 자원이 "그 어느 때보다도 심각한 압박"을 받는 시대에 자사의 솔루션이 출시되었다고 밝혔다.

"이 솔루션은 오픈소스기 때문에 전 세계의 다양한 환경에서 유사한 플랫폼을 배치하고 지구환경과 인류에 유익하고 중요한 과학 프로젝트를 지원할 수 있다"고 해당 기업이 밝혔다. ciokr@idg.co.kr

X