검색 상세

자원 재활용을 위한 객체탐지

Object detection for resource recycling

  • 정인복 (Jung InBok, 강릉원주대학교 일반대학원)

초록/요약 도움말

자원 재활용을 위한 객체탐지 정 인 복 강릉원주대학교 대학원 의료기기융복합 학과 환경에 대한 우려와 관심은 계속해서 증가하고 있다. 환경은 개인의 관심에서 끝나는 것이 아니라 국가나 전 세계적인 관심 요소이다. 환경보호를 위한 다양한 캠페인과 정책들이 시행 중이다. 세계적인 코로나 유행으로 인하여 쓰레기 배출량이 급속하게 증가하였고, 그 증가한 쓰레기 처리 방법에 대하여 고찰하였다. 다양한 쓰레기 자원을 분류하여 재사용 함으로써 환경보호에 이바지할 수 있다. 인공 지능에 대한 관심도도 높아지고 있다, 이에 본 논문은 인공 지능을 사용한 환경보호에 관하여 다루고 있다. 인공 지능을 사용하여 분리수거에 관련된 시스템은 만든다면 환경을 보호하는 방법이 될 수 있다. 따라서 본 논문은 객체 감지 모델 중 하나인 yolov8을 사용한 분리수거 방법을 연구했다. Yolov8을 사용한 분리수거 시스템을 개발한다면 폐기되는 쓰레기양이 줄고 자원 재사용률이 높아져 환경보호에 이바지할 수 있다는 기대가 생겼다. 이에 Yolov8의 구조를 분석하여 Yolov8이 어떻게 객체를 훈련하는지 분석하였다. 이 논문의 데이터세트는 사전에 라벨링 된 데이터세트를 사용하여 Yolov8이 물체를 감지하도록 훈련을 시켰다. 훈련된 모델을 평가하고 손실값을 확인해 모델이 훈련된 정도를 평가했다. 객체를 다양한 Epochs에서 훈련을 진행하고, 훈련 결과를 비교했다. 모델을 혼동행렬로 정밀도, 재현율, F1 스코어등으로 평가하였다. 다양한 손실값을 측정하여 모델이 얼마나 잘 훈련되고 있는지를 확인했다. 5종류의 객체를 객체 탐지를 이용하여 탐지했을 때 Epoch가 약80일 때 훈련이 안정화되는 모습을 그래프로 볼 수 있다. Epoch 값에 따른 검출 결과를 이미지로 확인하였고, Epoch의 값은 5, 10, 30, 60,100으로 변화를 주었다. Epoch의 값이 증가함에 따라 감지하는 객체의 수가 늘어나고 보다 정확하게 분류하는 것을 볼 수 있다.

more

초록/요약 도움말

Object detection for resorce recycling In-Bok Jung Departmant of Biomedical Convergence Engineering Graduate School GangneungWonju National University Summary Concerns and interests in the environment continue to rise. Environmental issues are not limited to individual interests but are also national and global concerns. Various campaigns and policies for environmental protection are currently being implemented. Due to the global COVID-19 pandemic, the amount of waste generated has rapidly increased, prompting a review of the methods for handling this increased waste. By classifying and reusing various waste resources, we can contribute to environmental protection. Interest in artificial intelligence (AI) is also growing, and this paper addresses environmental protection using AI. Developing a system related to waste separation using AI can be an effective way to protect the environment. Therefore, this paper studies the method of waste separation using one of the object detection models, YOLOv8. The expectation is that developing a waste separation system using YOLOv8 will reduce the amount of discarded waste and increase the reuse rate of resources, thereby contributing to environmental protection. To this end, we analyzed the structure of YOLOv8 and how it trains objects. The dataset used in this paper was pre-labeled to train YOLOv8 to detect objects. We evaluated the trained model and checked the loss values to assess the degree of model training. The objects were trained over various epochs, and the training results were compared. The model was evaluated using confusion matrices, precision, recall, and F1 score. By measuring various loss values, we assessed how well the model was being trained. When detecting five types of objects using object detection, it was observed that training stabilized around 80 epochs, as shown in the graph. The detection results were confirmed with images for epochs values of 5, 10, 30, 60, and 100. As the number of epochs increased, the number of detected objects also increased, and the classification became more accurate.

more

목차 도움말

목 차

Ⅰ. 서론 1
1. 연구 배경 1
2. 관련 연구 4
3. 연구 목적 5

Ⅱ. 이론적 배경 6
1. CNN(Convolution Neural Network) 6
1) Convolutional Layer 7
2) Zero Padding 8
3) Max Pooling 9
4) Batch Normalization 10
5) Sigmoid Linear Unit 12

Ⅲ. 연구 방법 17
1. 데이터세트 17
2. YOLOv8모델 분석 19

Ⅳ. 결과 및 분석 24
1. 성능 평가 24
1) Confusion Matrix 24
(1) Precision-Confidence Curve 26
(2) Precision-Recall Curve 27
(3) Recall-Confidence Curve 28
(4) F1-Confidence Curve 29

2) 손실함수 31
(1) CIou(Complete Intersection over Union) 31
(2) Binary Cross-Entropy Loss(BCE Loss) 32
(3) Distribution Focal Loss(DFL Loss) 33

3) 기타 평가지표 35
(1) Precision, Recall 35
(2) Mean Average Precision(mAP) 36

3. 실험 결과 39

Ⅴ. 결론 44












참고문헌 45

more
반출 Meta View 목록