해양 조난자 수색, 드론과 AI로 한다면

[인터뷰] 선박해양플랜트연구소(KRISO) 김기훈 책임연구원

"지금은 해양 조난자나 익수자를 수색할 때 사람의 눈에 의존하는 찾을 때까지 하는 소모적이고 반복적인 방식으로 한다. 드론과 딥러닝 기술을 활용해 조난자를 수색하면 지도 기반으로 수색 영역의 경로를 계획해 탐색하는 체계적 수색이 가능해지고, 인공지능이 사람의 눈을 대신해 피로도를 줄일 수 있다."

선박해양플랜트연구소(KRISO) 해양시스템연구본부의 김기훈 책임연구원은 최근 본지와 인터뷰에서 현재 개발중인 '인공지능(AI) 기반 조난자 추적 모듈'에 대해 이같이 설명했다.

김기훈 연구원은 현재 해양 조난자 식별 알고리즘용 소프트웨어 개발 연구 프로젝트를 진행중이다. 그는 이 프로젝트에서 '딥러닝 YOLO 물체 추적 알고리즘'을 구현했다. 이 YOLO 알고리즘을 활용해 드론  조난자 수색 솔루션, 무인수상정 기반 선박 추적 솔루션, 스마트 CCTV 및 딥러닝 OCR 연구, 적조·유츨유 식별 알고리즘, 소나(SONAR) 영상 딥러닝 기반 익수자 수색 기술 등 다양한 사용 방안을 개발하고 있다.

드론 기반 조난자 추적 시스템 운용 시나리오

김기훈 연구원은 "출연연에 근무하면서 어떻게 하면 실제 도움이 되는 연구를 할지 고민하다가 조난자와 익수자 수색에서 장기간 수색에 따른 피로도 등 어려움이 많다는 점을 듣게 돼 기술을 개발하게 됐다"며 "현재의 기술은 해경과 협조해 실제 데이터만 확보해 적용한다면 실무 수색 도입을 검토할 수 있는 단계라고 조심스럽게 점쳐본다"고 말했다.

김기훈 KRISO 책임연구원

그는 컨벌루션신경망(CNN) 딥러닝 훈련 네트워크인 'GoogleNet' 기반 '전이학습(Transfer Learning)' 훈련을 13분만에 완료하고, 드론 비행 적용 시험을 대전 방동 저수지에서 실시해 조난자 마네킹 4개 중 4개를 모두 찾아내는 성능을 달성했다.

전이학습은 이미 일정수준이상 학습된 인공신경망을 이용해 별도 학습없이 특정 물체의 특징점을 찾고, 새로운 정보에 대한 부분만 학습시켜 알고리즘을 고도화하는 기계학습 방식을 말한다. 적은 수의 데이터로 빠른 시간 안에 목적에 맞는 분류 추적 알고리즘을 개발할 수 있다.

김 연구원은 기본적인 물체 식별은 기존의 알고리즘으로 수행하고, 물체와 물을 구분하거나 조난자를 추적하는 YOLO 알고리즘을 개발했다. 이를 통해 일반 배경 1천139장과 마네킹 610장만만 활용해 훈련을 수행할 수 있었다.

드론 기반 해양조난자 수색 시스템 구성

그는 "YOLO를 활용한 드론 시점 추적 솔루션을 이용해 수색 작업을 완료하면, 조난자의 추정 위치가 지도에 표시되고, 최종 확인을 사람의 육안으로 해 실제 조난자인지 아닌지 봐서 최종 보고를 완료 하는 체계로 바뀌게 된다"며 "조난자 수색작업이 더 체계적으로 바뀌는 것"이라고 설명했다.

그는 "운영 자동화를 통해 여러대의 드론을 띄울 때 운용자 수를 줄이는 것도 가능해진다"며 "다수 무인체를 쓰면 수색속도가 그만큼 빨라지는 것이고, 바다를 수색할 때 해류에 떠내려가는 물체를 여러대의 드론이 한번에 넓은 영역을 수색해 발견 확률이 더 높아진다"고 덧붙였다.

김 연구원은 YOLO 알고리즘 구현에 매스웍스의 매트랩을 이용했다. 매트랩의 여러 툴박스와 기술 덕에 알고리즘 개발에 속도를 낼 수 있었다고 한다.

무인수상정(USV)과 AI를 이용해 선박을 추적하는 모습

그는 "매트랩을 활용하는 이유는 구현하고자 하는 프로젝트의 빠른 프로토타입 제작이 가능하기 때문"이라며 "또한 관련된 오픈소스를 쓰려면 용역으로 진행할 게 많은데, 매트랩에서 최적화한 툴을 이용하면 딥러닝 알고리즘을 더 고성능으로 개발할 수 있게 된다"고 말했다.

그는 적조 및 유출유 영역 식별을 위한 알고리즘 개발에서도 매트랩 기반 딥러닝 전이학습 기술을 활용, 신속하게 개발할 수 있었다고 한다.

또한 매트랩의 시뮬레이션을 활용해서 실제 드론을 이용하는 실험의 부담을 줄일 수 있었다. 적조·유출유 식별 알고리즘의 경우 실제 해역에서 시연하기 어렵기 때문에 매트랩의 시뮬레이터로 구현했다. 적은 수의 이미지 데이터, 적조 99장 및 유출유 126장만을 활용해 훈련을 수행했다.

그는 "실제 드론을 이용한 조난자 수색을 현장에 가서 해보려면 많은 비용이 들고, 여러 사람의 노력이 들어간다"며 "현장에 가기 전 실제 활용 가능한지를 구체적으로 평가할 때 시뮬레이션이 효과적"이라고 설명했다.

그는 현재 YOLO 알고리즘 기반의 여러 사례를 개발하고 있는데, 매트랩을 통해 업무 부담도 덜을 수 있었다.

그는 "항만 활용 프로젝트에서 구현해야 할 기술이 14가지 정도였는데, 매트랩을 통해 한가지를 개발하는데 1년 걸릴 일을 하루이틀만에 할 수 있게 된다"며 "데이터 라벨링 작업의 경우도 매트랩의 라벨러 앱으로 수월하게 할 수 있다"고 말했다.

매트랩은 또한, 여러 하드웨어와 다른 운영체제(OS) 간 통합을 쉽게 한다.

그는 "가장 어려운 부분이 OS, 언어, 하드웨어 등을 묶어주는 것이고, 가장 좋은게 통신"이라며 "데이터를 서로 주고 받으면서 업데이트를 해주면 되는데, 매트랩의 통신 모듈이 코드 몇줄로 구현돼 매우 간단하다"고 말했다.

이어 "영상 취득도 오픈CV란 오픈소스를 쓰면서, 틀을 갖추기 힘들고, 프로그램 크기도 커 체계화하는게 힘들었다"며 "매트랩은 비디오 데이터를 쉽게 읽어들일 수 있고. 화면의 비디오 소스들을 캡처보드란 것을 통해 화면을 그대로 비디오로 변환해 주고, 그것을 실시간으로 AI 처리하는데 쓸 수 있다"고 덧붙였다.

매트랩에서 제공하는 고품질의 예제도 큰 도움을 줬다. 전세계 전문가가 짜놓은 예제를 풀어보는 것만으로도 좋은 프로그램을 활용하는 효과를 거둘 수 있었다고 한다.

올해 그는 YOLO를 통한 조난자 위치 정밀도를 높이고, 엣지 AI 개발로 노이즈에 강한 드론 탑재 조난자 탐지 알고리즘을 개발하고 있다. 올해 6년차에 이른 만큼 신규 적용 통신 방식을 적용한 영상 전송 솔루션도 구현할 계획이다.

KRISO 김기훈 연구원이 개발중인 소나 영상 기반 딥러닝 알고리즘 시스템 구성

또 현재 소나 영상 딥러닝 연구도 진행중이다. 수중로봇으로 촬영하는 초음파 영상을 이용해 수중의 익수자를 찾아내는 기술이다.

그는 "소나 영상을 수중드론이 물속에서 촬영하면, 탁도 높은 물속에서도 고해상도의 영상을 얻을 수 있다"며 "데이터를 확보하기 어려운데, 익수자 마네킹과 해저 기뢰모형 탐색이나, 새조개 군락 탐색 같은 작업을 시범으로 해서 소나 영상 딥러닝 연구를 할 수 있을 것으로 본다"고 설명했다.

그는 "수중에서 소나를 이용해 얻은 영상에 대한 딥러닝 기술 개발은 선박해양플랜트연구소에서 수중로봇을 활용해 이미지를 획득하는 부분에서 강점을 가지고 있는 분야기 때문에 더욱 매진하여 연구를 수행할 계획"이라며 "그밖에 다양한 분야에서 AI 관련 요구사항이 발생하면 그때그때 부응해 융합과 협력 측면에서 도움이 되는 연구를 수행할 계획"이라고 밝혔다.