PyTorchKR
- 인공지능을 활용하는 사례들이 점차 많아지면서, 다양한 분야에서의 활용이 이뤄지고 있습니다. 이번에 소개하는 글은 약 5년간의 위성 영상 데이터 2,000,000GB를 분석하여 해양 산업 지도를 작성한 연구에 대한 것으로, 이러한 분야에서도 인공지능이 활용될 수 있음을 느끼게 합니다.
- 이 글은 GPT 모델로 정리한 것으로, 잘못된 부분이 있을 수 있으니 글 아래쪽의 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다.
Global Fishing Watch 소개
국제 해양 보호 단체인 Oceana, 환경 보호를 위한 위성 이미지 및 데이터 전문 기술 회사인 SkyTruth, 도구와 빅데이터 처리 역량을 제공하는 Google의 협업으로 2015년에 설립된 글로벌 피싱 워치(Global Fishing Watch)는, AI와 위성 이미지를 결합하여 해양의 산업적 이용 현황을 파악하고자 합니다. 글로벌 피싱 워치의 주된 목표는 바다에서의 인간 활동에 대한 지식을 창출하고 공개적으로 공유하여 공정하고 지속 가능한 해양 이용을 가능하게 하는 것이었습니다.
연구 개요
이번 연구는 바다에서의 인간 활동이 모두의 이익을 위해 투명하게 공개되어야 한다는 신념을 바탕으로 대량의 데이터를 실행 가능한 정보로 변환하기 위해 최첨단 기술을 사용했습니다. 여기에는 2017~2021년에 걸쳐 2백만 기가바이트의 위성 이미지를 분석하고, 머신러닝을 사용하여 위치를 알리지 않는 선박을 식별하고, GPS 데이터를 레이더 및 광학 이미지와 합성하는 작업이 포함되었습니다. 이전에는 공공 모니터링 시스템에서 감지하지 못했던 대형 선박의 통행량과 해양 인프라를 매핑하여 산업 어업 및 에너지 개발과 같은 중요한 활동을 강조하는 것이 목표였습니다.
해양 산업 지도 작성 과정
데이터 수집 및 기술 개요
연구팀은 2017년부터 2021년까지의 2백만 기가바이트 규모의 위성 이미지 데이터를 수집했습니다. 이 데이터는 대부분 유럽우주국(ESA)의 Sentinel-1 위성에서 촬영한 레이더 이미지였습니다.
이미지 분석을 위해서는 합성곱 신경망 모델(Convolutional Neural Network, CNN)과 합성 개구 레이더(Synthetic Aperture Radar, SAR) 기술을 사용했습니다. CNN은 각 선박자동식별장치(AIS) 위치를 조업 또는 비조업으로 분류하는 데 사용되었습니다. 이 분류를 통해 전 세계 낚시 활동을 보다 정확하게 표현할 수 있었습니다. SAR는 날씨나 구름 덮임에 관계없이 낮과 밤 모든 조건에서 이미지를 생성할 수 있어, 다른 위성 탑재 센서보다 우수한 탐지 능력을 제공합니다.
세부 연구 내용
연구팀은 머신러닝 기술을 사용하여 위성 이미지에서 선박을 식별하고, 자동 식별 시스템(AIS)에서 브로드캐스트하는 위치와 매치하여 공개 모니터링 시스템에서 '어두운' 상태로 남아있는 선박을 구분했습니다. 좀 더 자세히는, 속도, 방향 변경, 선박 이동, 특정 유형의 이동 지속 시간 등 다양한 특성에 초점을 맞춰 위성 기반 AIS 트랙을 분석하였으며, 이러한 특성은 다양한 유형의 어구와 활동을 식별하는 데 중요한 역할을 했습니다. 또한, 이 과정에서 수집된 1000억 개의 GPS 데이터 포인트와 매치하여 선박을 식별했습니다.
예를 들어, 선망 어선은 일반적으로 물고기 떼를 따라 원을 그리며 빠르게 이동한 다음 그물을 끌어올리면서 천천히 이동하는 등 뚜렷한 이동 패턴을 가지고 있습니다. 연구진은 필터링 프로세스를 사용하여 이 패턴과 일치하지 않는 행동을 점진적으로 제거함으로써 선망 어획 이벤트를 식별하는 데 높은 정확도를 달성했습니다. 그 외 연승어업은 속도가 조업 방식과 큰 관련이 없기 때문에 독특한 과제를 안고 있었습니다. 연구팀은 동물의 움직임을 연구하는 육상 생태학자들의 방법론을 참고하여 데이터 마이닝 기법을 사용했습니다. 연구팀은 선박자동식별장치(AIS) 신호를 분석하여 원양선망어선의 조업 행동과 유사한 선박 움직임 패턴을 식별함으로써 원양선망어선의 활동을 자동으로 식별하는 데 최초로 성공했습니다.
주요 도전 과제와 해결 방안
주요 도전 과제 중 하나는 대규모 데이터 세트의 처리와 분석이었습니다. 연구팀은 이를 위해 페타바이트(수백만 기가바이트) 규모의 데이터를 처리할 수 있는 머신 러닝 알고리즘과 데이터 처리 파이프라인을 개발해야 했습니다. 이러한 도전을 극복하기 위해 Global Fishing Watch는 기술 파트너인 구글과 협력하여 데이터 처리 및 분석에 필요한 고성능 컴퓨팅 자원을 활용했습니다. 또한, xView3 컴피티션을 통해 전 세계 머신 러닝 개발자들로부터 '어두운' 선박 탐지를 위한 알고리즘을 개발받았습니다.
연구의 중요성
이 연구의 중요성은 이전에 알려진 것보다 훨씬 더 광범위한 바다에서의 인간 활동을 밝혀내어 해양 산업화에 대한 새로운 관점을 제공한다는 데 있습니다. 여기에는 전 세계 산업 어선의 약 75%와 공개적으로 추적되지 않았던 운송 및 에너지 선박 활동의 25% 이상을 파악하는 것이 포함됩니다. 이 연구는 또한 이전에는 선박 활동이 거의 또는 전혀 나타나지 않았던 많은 해양 보호 구역과 지역에서 공공 시스템에 기록되지 않은 선박인 '다크 플릿'을 발견했습니다. 이러한 매핑과 모니터링의 획기적인 발전은 세계 최대의 공공 자원인 바다를 이해하고 관리하는 데 중추적인 역할을 하며 불법 어업, 해양 보존, 기후 변화와 같은 문제를 해결하는 데 매우 중요합니다.
더 읽어보기
연구 소개: Satellite mapping reveals extensive industrial activity at sea
https://www.nature.com/articles/s41586-023-06825-8
Global Fishing Watch의 연구에 대한 소개 글
사용한 데이터셋 다운로드 (로그인 필요 / 무료 가입 가능)
파이토치 한국 사용자 모임이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일
로 보내드립니다! (기본은 Weekly지만 Daily로 변경도 가능합니다.)
아래
쪽에 좋아요
를 눌러주시면 뉴스 발행에 힘이 됩니다~ 