엣지 드론용 적응형 하이브리드 새떼 감지 파이프라인 : Jetson Orin Nano상에서의 경량 저전력 실시간 조류 충돌 회피 시스템 = An Adaptive Hybrid Bird–Flock Detection Pipeline for Edge Drones: Lightweight and Low–Power Real–Time Bird Collision Avoidance System on Jetson Orin Nano

국문 초록 (Abstract)

소형 무인항공기（UAV）의 저고도 자율비행이 확산되면서 조류 군집과의 충돌 위험이 증가하고 있다. 유인 항공기 분야와 달리 소형 UAV 운용 환경에는 이에 상응하는 대응 체계가 마련되어 있지 않으며，기존 조류 감지 시스템은 서버급 컴퓨팅을 전제로 하여 엣지 환경에 부적합하다.
본 논문은 엣지 디바이스에서 실시간성과 저전력을 동시에 달성하는 적응형 하이브리드 새떼 감지 파이프라인을 제안한다. 제안 시스템은 세가지 핵심 구성 요소로 이루어진다.
첫째，HSV V채널 평균으로 추정한 하늘 조도에 따라 YOLO 추론 호출 여부를 결정하는 적응형 Dark-Ratio 트리거이다.
둘째，다수의 개별 탐지 박스를 단일 최소 외접 박스로 통합하여 회피 경로 계산 복잡도를 O（N）에서 O⑴로 감소시키는 군집 박스 추상화 모듈 이 다.
셋째，군집 박스 가중치（CBW）를 기준으로 위험도를 4단계로 분류하고 단계에 비례한 회피 기동을 수행하는 위험도 판단 시스템이다.
실측 영상 기반 비교 결과，제안 시스템은 YOLO 매 프레임 구동 방식 대비 GPU 사용률과 추론 호출 빈도를 의미 있게 감소시키면서도 새가 실제 존재하는 구간의 검줄 성능은 동등하게 유지하였다. Entropy 보조 트리거 ablation 실험에서는 영상 엔트로피가 새 존재 여부보다 배경 텍스처에 더 강하게 좌우되어 맑은 하늘 위 원거리 새떼 시나리오에서 작동하지 않는 구조적 결함이 확인되었으며，이로써 Dark-Ratio 단독 트리거 설계의 안전성 정당성이 확보되었다. 시물레이션 검증에서는 자율비행 시나리오에서 새떼와의 충돌을 최소한의 경로 재계획만으로 회피하고 전체 임무를 완수하였다.
PX4 SITL 정면 접근 시나리오 비교에서는 제안하는 측면 + 예측 회피 구성이 충돌 0회，임무 완수，재계획 안정성의 균형 잡힌 성능을 보인 반면 수직 회피는 발산하였다. 예측 모듈은 충돌 방지 자체보다 안전 여유 확대에 기여하며，위협 속도가 빠를수록 그 이득이 커진다.
본 연구는 엣지 환경에서 적응형 게이팅，군집 객체 추상화，비례 대응 회피 전략을 결합한 조류 충돌 회피 시스템의 실용 가능성을 제시한 초기 연구로서，소형 무인항공기의 저고도 자율비행 안전 분야에 기여한다.

다국어 초록 (Multilingual Abstract)

The expansion of low-altitude autonomous flight for small unmanned aerial vehicles （UAVs） has increased the risk of collision with bird flocks. Unlike manned aviation with radar networks and dispersal systems, small UAVs lack equivalent infrastructure. Existing bird detection approaches assume server-grade computing, making them unsuitable for onboard deployment.
This paper proposes an adaptive hybrid bird flock detection pipeline for edge Al platforms. The system targets real-time performance and low power consumption. It comprises three components. The first is a Dark-Ratio trigger. It estimates sky brightness from the HSV V-channel mean and activates YOLO only when the dark pixel ratio exceeds an adaptive threshold. The second is a cluster box abstraction module.
It consolidates individual detections into a single minimum bounding box, reducing avoidance path complexity from O（N） to 0（1）. The third is a four-stage risk assessment system based on the Cluster Box Weight. It executes avoidance maneuvers proportional to the assessed threat level.
Empirical evaluation shows that the proposed system substantially reduces GPU utilization and inference frequency.
Detection results in intervals when birds are present are preserved.
An entropy auxiliary trigger ablation reveals a structural limitation.
Image entropy depends more on background texture than on bird presence. This causes failure in distant-flock scenarios and justifies the Dark-Ratio-only design.
An end-to-end simulation confirms reliable collision avoidance against a moving flock. The full mission is completed with only minimal path replanning.
A PX4 SITL comparative evaluation tests head-on flock scenarios.
The proposed lateral predictive avoidance achieves zero collisions, full mission completion, and stable replanning behavior. A vertical avoidance baseline diverges.
A predictive ablation further varies flock speeds. The predictive module contributes to safety margin expansion rather than collision prevention itself. The bene典t grows at higher threat speeds.
This work provides empirical evidence for an edge-deployable bird strike avoidance system. The system combines adaptive gating, flock object abstraction, and proportional risk-based avoidance. It contributes to low-altitude autonomous flight safety for small UAVs.

Keywords- Small UAV, Bird Strike Avoidance, Edge Computing, Adaptive Gating, Cluster Box Abstraction, Predictive Avoidance.

목차 (Table of Contents)

• 제 1장서 론 1
• 제 1절 연구 배경. 1
• 제 2절 연구 필요성 . 3
• 1. 조류 군집 비행의 위협과 기존 대응의 한계 3
• 2. 기존 연구의 한계 . 4
• 제 3절 연구의 범위 및 방법 . 5
• 1. 제안 방법 5
• 2. 검증 방법 및 성능 측정 지표. 6
• 제 2장 연구에 관한 이론적 배경 . 7
• 제 1절 조류 충돌（Bird Strike） 7
• 제 2절 조류 군집 비행 7
• 제 3절 소형 무인 항공기의 구조와 저고도 자율 비행 9
• 제 4절 엣지 컴퓨팅과 온보드 AI. 10
• 제 5절 합성곱 신경망과 객체탐지 . 11
• 1. 합성곱 신경망. 11
• 2. 특징 피라미드 네트워크. 13
• 3. 객체 탐지의 두 가지 패러다임 14
• 제 6절 YOLO 14
• 1. YOLO 계열의 발전 14
• 2. YOLO vll의 아키텍처 15
• 2. YOLOlln과 Jetson Orin Nano Super 조합. 16
• 4. 신뢰도 임계값과 탐지 성능 17
• 5. TensorRT 개요 18
• 제 7절 HSV 색 공간 변환과 영상 전처리 . 19
• 1. 색 공간과 HSV 19
• 2. ROI 설계 원리 20
• 제 8절 트리거 제어 . 21
• 제 3장 연구의 설계 . 23
• 제 1절 시스템 개요. 23
• 1. 전체 파이프라인 구조 23
• 2. 설계 원칙 25
• 제 2절 적응형 Dark-Ratio 트리거 26
• 1. 하늘 조도 측정 . 26
• 2. 적응형 임계값 x（b）. 27
• 3. Dark-Ratio 트리 거 판단 알고리즘 29
• 제 3절 Entropy 보조 트리거 30
• 1. 영상 엔트로피의 정의 30
• 2. 컬러 히스토그램 기반 엔트로피 산출. 31
• 3. Entropy 트리거 판단 알고리즘 32
• 제 4절 관심영역 （ROI） 설계 32
• 제 5절 Hold Time 메커니즘 34
• 제 6절 군집 박스 생성과 회피 효율성 35
• 제 4장 실험 환경 및 결과 분석 . 37
• 제 1절 실험 환경 37
• 1. 하드웨어 구성 . 37
• 2. 소프트웨어 스택 . 38
• 3. 시뮬레이션 환경 구성 39
• 제 2절 파이프라인별 성능 비교. 40
• 1. GPU 전력 소비량 측정 40
• 2. 트리거 비교 결과 40
• 제 3절 시물레이션 기반 충돌 회피 검증. 43
• 1. 실험 시나리오. 43
• 2. 회피 성능 지표. 45
• 3. 실험 결과 46
• 제 5장 결 론 48
• 참 고 문 헌 . 50
• ABSTRACT. 52