• 사물인터넷융복합논문지
• /
• 제10권5호
• /
• pp.235-252
• /
• 2024

중국의 대부분 노천광산은 여전히 시각적 해석을 주로 사용하고 있어, 시각적 해석은 시간이 많이 걸리고 비용이 많이 들며, 정확도는 높지만 효율성은 매우 낮아 노천광산의 채굴 장비를 실시간으로 모니터링할 수 없다. 이 문제를 해결하기 위해 이 논문에서는 향상된 YOLOv8n+DeepSORT 프레임워크를 제안한다. 고지점 모니터링을 통해 이미지 수집을 하고, 장비 인식을 위한 YOLOv8n과 실시간 추적을 위한 DeepSORT를 최적화하여 정밀도, 비용 및 실시간 모니터링 측면에서의 한계를 극복했다. 장시성 핑샹시의 경제개발구 런딩 광산에서의 현장 검증을 통해 이 기술이 채굴 장비 인식 및 추적에서의 기능을 입증하였으며, 알고리즘 수렴이 빠르고 계산 오버헤드가 낮으며, 목표 검출 및 추적의 정확도가 높은 특징을 가졌다. 향후 정부 규제 당국이 노천광산 감독을 잘 수행할 수 있도록 알고리즘 지원을 제공할 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제29권10호
• /
• pp.137-148
• /
• 2024

유럽 꿀벌(Apis mellifera)은 중요한 화분매개자로서 군집 붕괴 현상(CCD)으로 위협받고 있으며, 이는 주로 바로아 응애(Varroa destructor) 감염에 기인한다. 기존의 감염 검사는 침습적이고 시간이 많이 소요되어 벌통에 추가적인 스트레스를 준다. 본 논문에서는 YOLOv8 모델을 활용한 비파괴적이고 신속한 바로아 응애 감염 검사를 위한 2단계 프레임워크를 제안한다. 프레임워크는 벌통 내부에서 촬영한 소초광 이미지를 사용한다. 첫 번째 단계에서 YOLOv8-n 모델로 벌 객체를 탐지하고 개별 벌 이미지를 추출한다. 두 번째 단계에서 YOLOv8-cls 모델로 각 벌의 감염 여부를 판별한다. 제안한 모델은 객체 탐지에서 mAP@0.5 0.701, 감염 분류에서 평균 정확도 91%를 달성하여 효과적인 비파괴적 검사 방법임을 입증한다. 본 연구를 바탕으로 양봉가들에게 바로아 응애 감염의 조기 발견과 관리를 위한 효율적인 도구를 제공하여 CCD 발생을 감소시키고 양봉업의 지속 가능성을 지원할 수 있을 것으로 기대한다.

• 한국컴퓨터정보학회논문지
• /
• 제29권8호
• /
• pp.85-92
• /
• 2024

본 논문에서는 최신 객체 탐지 모델인 YOLOv10과 이전 버전들 간의 성능을 비교 분석하였다. YOLOv10은 NMS-Free 훈련, 향상된 모델 아키텍처, 효율성 중심의 설계 등을 도입하여 뛰어난 성능을 보인다. COCO 데이터셋을 사용한 실험 결과, 특히 YOLOv10-N은 2.3M의 적은 파라미터 수와 6.7G의 부동 소수점 연산(FLOPs)으로도 39.5%의 높은 정확도와 1.84ms의 낮은 지연 시간을 유지하였다. 주요 성능 지표로는 모델 파라미터 수, FLOPs, 평균 정확도(AP), 지연 시간을 사용하였다. 분석 결과, YOLOv10은 다양한 응용 분야에서 실시간 객체 탐지 모델로서의 효과성을 확인하였다. 향후 연구로는 다양한 데이터셋 테스트와 모델 최적화, 응용 사례 확대 등을 제안하였다. 이를 통해 YOLOv10의 범용성과 효율성을 더욱 높일 수 있을 것이다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권10호
• /
• pp.2966-2983
• /
• 2024

Considering the intricate and ever-changing nature of the marine environment and the diverse range of sizes for targets involved in marine ship target recognition, which present challenges in detecting specific targets, a marine ship target detection algorithm has been developed based on an enhanced iteration of YOLOv5. Initially, the integration of dynamic snake convolution (DySnakeConv) into the feature extraction network and subsequent enhancement of the C3 module based on this integration were implemented. This integration enables dynamic adjustments based on the input image size, adaptive fusion of feature sequences, and resolution of accuracy and continuity issues during the recognition process. Subsequently, a novel hybrid encoder (FSI) was devised, utilizing target scale characteristics to enhance the extraction capability of multi-scale information, facilitating effective detection and recognition of objects within images. Finally, we selected the Shape-IOU bounding box loss function to mitigate fixed target frame issues and enhance target detection accuracy. Experimental evaluations were conducted utilizing the Infrared Maritime Ship dataset. The results demonstrated that our enhanced model achieved a prediction accuracy of 93.8% and an average precision (mAP) value of 93.89%, surpassing YOLOv8s by 1.2% and 1.8%, respectively. Moreover, there was an increase in recall rate by 2% compared to YOLOv8n while reducing parameters from 10,473,392 to 6,549,901 only. The computational load decreased by 6.3 GFLOps compared with YOLOV8n, resulting in better performance in ocean target detection and recognition.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1035-1036
• /
• 2023

본 논문은 저시력자를 위한 체외진단 의료기기 결과 판독 시스템을 제안한다. 이 시스템은 YOLOv8n 객체 탐지 모델을 기반으로 하며, 라즈베리파이4B+에서 홈 디바이스 형태로 구현하였다. 사용자는 음성 및 물리 버튼을 통해 명령을 입력하고, 동작 감지를 통해 자동으로 체외진단 의료기기를 촬영하여 학습된 모델로 결과를 판독하고 해당 결과를 사용자에게 출력한다. 또한, 판독 결과물과 함께 검사 일시 및 의료기기 종류를 데이터베이스에 저장하여 사용자에게 보다 높은 편의성을 제공한다.