새로운 AI는 인간보다 10,000배 더 빠르게 거대한 빙산의 지도를 그릴 수 있습니다

[이매진]

새로운 AI는 인간보다 10,000배 더 빠르게 거대한 빙산의 지도를 그릴 수 있습니다

https://www.techexplorist.com/new-ai-map-giant-icebergs-10000-times-faster-than-humans/77224/

New AI can map giant icebergs 10,000 times faster than humans

이러한 혁신을 통해 위성 이미지를 더욱 빠르고 정확하게 분석할 수 있게 될 것입니다.

에 의해아쉬위니 사카르카르

2023년 11월 9일 오후 3:33 IST

우리를 따라 오세요

빙산의 이미지.

환경 모니터링 분야에서 기술이 어떻게 발전하는지 보는 것은 놀랍습니다. 최근 연구자들은 인공지능(AI) 시스템을 훈련시켜 위성 이미지에 포착된 거대한 빙산의 표면적과 윤곽을 100분의 1초 만에 정확하게 매핑했습니다.

이러한 혁신을 통해 이미지의 다른 특징과 빙산을 구별하는 데 종종 어려움을 겪는 현재 자동화 시스템의 기능을 능가하여 위성 이미지 를 더욱 빠르고 정확하게 분석할 수 있게 될 것입니다 .

위성 이미지에서 빙산을 식별하고 매핑하는 것은 항상 시간이 많이 걸리고 수동 해석이 필요한 세심한 작업이었습니다. 인간 분석가가 더 정확하게 분석할 수 있지만 빙산 하나의 윤곽을 묘사하는 데는 여전히 몇 분이 걸립니다. 빙산이 여러 개 있으면 프로세스에 시간이 많이 걸리고 힘들어집니다.

빙산을 모니터링하는 것은 과학 연구뿐만 아니라 해상 안전에도 중요합니다. 빙산은 거대할 수 있으며 때로는 작은 나라의 크기일 수 있으며 지나가는 선박에 위험을 초래할 수 있습니다. 녹으면서 차갑고 신선한 녹은 물과 해양 영양분을 바다로 방출하는데, 이는 해양 생태계에 심각한 영향을 미칠 수 있습니다.

“빙산은 접근하기 어려운 곳에 존재하며 위성은 빙산이 어디에 있는지 관찰하는 환상적인 도구일 뿐만 아니라 과학자들이 빙산이 녹아 결국 부서지기 시작하는 과정을 이해하는 데 도움이 될 수 있습니다.”라고 Dr. 이번 연구를 주도한 Anne Braakmann-Folgmann은 리즈대학교 극지 관측 및 모니터링 센터에서 박사 과정을 수행했습니다 .

"새로운 AI 시스템을 사용하면 동일한 이미지에 나타나는 빙산과 바다에 떠 있는 다른 얼음 또는 심지어 인근 해안선을 구별하는 데 어려움을 겪을 수 있는 기존 자동화 접근 방식의 일부 문제를 극복할 수 있습니다."

Braakmann-Folgmann 박사와 그녀의 동료들은 U-net으로 알려진 신경망 알고리즘을 사용하여 Sentinel-1 위성이 촬영한 이미지에서 빙산의 윤곽을 정확하게 매핑하도록 컴퓨터를 훈련시켰습니다.

그런 다음 U-net의 효율성을 동일한 목적으로 사용되는 다른 두 가지 최신 알고리즘인 k-means 및 Otsu와 비교했습니다. 알고리즘은 일련의 위성 이미지에서 가장 큰 빙산을 식별하도록 훈련되었습니다. 연구에 따르면 U-net은 다양한 환경 조건에서 빙산을 식별하고 묘사하는 데 있어 다른 알고리즘보다 뛰어난 성능을 보였습니다.

이 연구에는 빙산을 정확하게 식별하는 U-net의 능력을 보여주는 지원 이미지와 애니메이션도 포함되었습니다. 반면, 다른 알고리즘은 작은 빙산과 얼음 조각의 클러스터 또는 주변 해빙과 혼동된 빙산을 잘못 식별했습니다.

현재 트롬쇠에 있는 노르웨이 북극 대학의 Braakmann-Folgmann 박사는 새로운 기술이 거대 빙산의 모양과 크기에 대해 어떻게 더 정확하고 자세한 정보를 제공할 수 있는지 설명했습니다. 빙산의 중간점이나 중앙 위치, 길이만 표시하는 기존 매핑 서비스와 달리 이 새로운 방법은 빙산의 윤곽을 추정하고 면적을 계산할 수 있습니다.

“향상된 속도와 정확성으로 빙산의 범위를 자동으로 매핑할 수 있게 되면 정기적으로 자동화된 방식으로 빙산의 윤곽을 제공하는 운영 서비스의 기반이 마련됩니다.”라고 그녀는 말했습니다 . “이를 빙산 두께 측정과 ​​결합하면 과학자들은 거대한 빙산이 막대한 양의 담수를 바다로 방출하는 위치를 모니터링할 수 있습니다. 빙산의 위치에 대한 데이터를 제공하는 서비스가 있지만 그 윤곽이나 면적은 제공하지 않습니다.”

이 시스템은 7개 빙산의 위성 이미지에서 테스트되었습니다. 2014년부터 2020년까지 모든 시즌을 다룬 이미지입니다. 일련의 테스트를 통해 U-net 알고리즘은 다른 두 알고리즘보다 성능이 뛰어났으며 많은 얼음 구조를 캡처하는 이미지와 같이 환경 조건이 까다로울 때 촬영한 이미지에서 빙산의 윤곽을 묘사하는 데 더 효과적이었습니다.

U-net은 다른 알고리즘의 F1 점수 0.62에 비해 F1 점수 0.84를 달성하여 높은 정확도를 유지했습니다.

“이 연구는 기계 학습을 통해 과학자들이 세계의 멀리 떨어져 있고 접근할 수 없는 부분을 거의 실시간으로 모니터링할 수 있음을 보여줍니다. 그리고 기계 학습을 통해 알고리즘은 위성 이미지를 해석하는 방식의 오류로부터 학습하므로 더욱 정확해질 것입니다.”라고 노섬브리아 대학교 교수이자 이번 연구의 공동 저자 중 한 명인 Andrew Shepherd가 말했습니다.

저널 참고자료: