http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
수생태 미세조류 동정을 위한 세포 이미지 데이터베이스 구축
최오경 ( Oh Kyung Choi ),서준호 ( Jun Ho Seo ),임해찬 ( Hae Chan Lim ),박정수 ( Jung Su Park ),김종락 ( Jong Rack Kim ),이재우 ( Jae Woo Lee ) 한국물환경학회 2020 한국물환경학회·대한상하수도학회 공동 춘계학술발표회 Vol.2020 No.-
수생태 생물 다양성 보전과 지속 가능한 이용뿐만 아니라 정수처리장 기능 저하 및 남조류의 독성 피해 방지를 위해 미세조류에 대한 유전자원 정보를 확보하고 특정 유해 미세조류 종에 대한 관리 정책을 수립하기 위한 다양하고 방대한 정보 확보는 매우 중요하다. 현재 환경부에서 시행 중인 조류경보체계를 위한 하천의 유해 남조류 세포 분석은 숙련된 분석자가 현미경으로 직접 인식하고 계수하는 방식을 따르고 있어, 분석자의 숙련도 차이와 주관이 실제 계수에 영향을 줄 수 있을 뿐만 아니라 많은 시간이 소모되는 한계가 있다. 최근 인공지능(artificial intelligence, AI) 기술의 획기적인 발전에 따라 머신러닝을 통한 이미지 학습효과에 기반을 두는 기술이 부각되고 있으며, 이를 자동화된 미세조류 측정장치에 적용 시 미세조류 종 분석시간과 정확도의 개선이 가능할 것으로 기대되고 있다. 그러나 AI 기반 이미지학습을 통한 분석기법의 정확성을 높이기 위해서는 정확하고 방대한 미세조류 이미지 데이터베이스 구축이 반드시 선행되어야 한다. 본 연구에서는 Redmon et al. (2015)에 의해 제안된 YOLO (You Only Look Once) 모델을 이용한 종 분류 알고리즘을 이용하여 국내 주요 하천에서 채취한 미세조류 종을 분류하고 동정하는 기법을 평가하였다. 종 분류 알고리즘은 국립생물자원관에서 발간한 미세조류 종 목록에 수록된 이미지 및 실험실에서 배양된 국내 하천 주요출현 종의 고배율 이미지를 이용하여 학습하였으며, PC 카메라를 이용하여 국내 하천에서 채취한 미세조류를 분류하는 테스트를 수행을 통해 80% 이상의 높은 정확도로 종 분류가 가능한 것을 확인하였다. 본 연구에서 개발된 미세조류 이미지 분석기술은 녹조 사전 예방, 수생태계 환경관리, 물 공급 안전성 제고와 같은 물 환경보호를 위한 4차 산업기반의 지능형 기술로 향후 많은 활용성이 기대된다.