UAV 다중분광 영상 기반 딥러닝 토석채취지 분류를 위한 최적 데이터세트 구성 및 평가 (Dataset Construction and Evaluation for Deep Learning-based Quarry Classification Using UAV Multispectral Images)

서지정보

· 발행기관 : 한국지리정보학회
· 수록지 정보 : 한국지리정보학회지 / 27권 / 4호 / 160 ~ 176페이지
· 저자명 : 박동환, 심우담

초록

본 연구는 토석채취지 모니터링의 자동화 및 효율화를 위한 딥러닝 기반 분류 모델의 최적 데이터세트를 선정하고자 하였다. 연구대상지는 경상북도 구미시에 소재한 면적 약 8.5ha 규모의 토석채취 사업장으로, DJI M3M 무인항공기를 활용하여 RGB 및 멀티스펙트럴 영상을 취득하였다. 취득된 영상을 기반으로 분광정보 구성, 방사해상도를 고려하여 네 가지 데이터세트를 구성하였다. 토석채취지의 분류 모델로는 고해상도 특징 유지에 강점이 있는 HRNetV2를 선정하였으며, MS-SSIM, Focal Loss, Dice Loss를 결합한 Hybrid Loss를 활용하여 모델을 학습하였다. 연구 결과, Dataset C가 전체 정확도 92.8%, Kappa 계수 0.875로 가장 균형 잡힌 분류 성능을 보였다. 특히 다른 데이터세트에서 낮은 정확도를 보인 초지(81.0%)와 습지(87.4%) 분류에서도 우수한 성능을 나타냈다. 반면, DSM과 Slope 정보를 추가한 Dataset D는 과적합 문제가 발생하여 모델의 일반화 능력이 저하되었다. 주요 오분류는 급격한 지형변화 지역의 산림지↔초지 간 혼동과 토지피복 경계부의 초지→나지 오분류로 나타났다. 본 연구는 분광정보 구성, 방사해상도에 따른 차이, 지형정보의 추가활용 등 데이터세트 구성에 따른 토석채취지 분류 정확도 향상 여부를 검토하였으며, 이러한 최적 데이터세트 구성에 대한 연구결과는 향후 토석채취지 자동 분류 시스템 개발을 위한 기초자료로 활용될 수 있을 것으로 판단된다.

영어초록

This study aimed to determine the optimal dataset for a deep learning-based classification model to automate and enhance the efficiency of quarry monitoring. The study site was a quarry with an area of approximately 8.5ha, located in Gumi, Gyeongsangbuk-do, where RGB and multispectral images were acquired using a DJI M3M drone. Four datasets were constructed based on the acquired images, considering spectral information composition and radiometric resolution. HRNetV2, which excels in maintaining high-resolution features, was selected as the classification model for the quarry, and the model was trained using a Hybrid Loss combining MS-SSIM, Focal Loss, and Dice Loss. The results showed that Dataset C demonstrated the most balanced classification performance with an overall accuracy of 92.8% and a Kappa coefficient of 0.875. Notably, it showed excellent performance in classifying grassland (81.0%) and wetland (87.4%), which had lower accuracy in other datasets. In contrast, Dataset D, which included DSM and Slope information, experienced overfitting problems, resulting in reduced model generalization capability. The main misclassifications occurred in the confusion between forest and grassland in areas with steep terrain changes, and grassland being misclassified as bare land in land cover boundary areas. This study examined the improvement in quarry classification accuracy according to dataset composition, including differences in spectral information configuration, radiometric resolution, and the additional use of topographic information. These findings on optimal dataset configuration are expected to serve as foundational data for the future development of automated quarry classification systems.

참고자료

· 없음