합성곱 신경망을 이용한 야생 매개모기 종의 분류

• Published in: 정보과학회 컴퓨팅의 실제 논문지 Vol. 27; no. 11; pp. 503 - 509
• Main Authors: 박준영(Junyoung Park), 김동인(Dong In Kim), 권형욱(Hyung Wook Kwon), 강우철(Woochul Kang)
• Format: Journal Article
• Language: Korean
• Published: Korean Institute of Information Scientists and Engineers 01.11.2021; 한국정보과학회
• Subjects: 컴퓨터학; deep learning; 곤충 분류; 딥러닝; vector mosquitoes; insects classification; convolutional neural networks; 매개 모기; 합성곱 신경망
• ISSN: 2383-6318; 2383-6326
• DOI: 10.5626/KTCP.2021.27.11.503

최근 감염병을 매개하는 모기의 발생 분포가 확대됨에 따라 이들 개체의 신속한 방제를 위해 이들 개체의 분포를 빠르게 파악하는 것이 요구되고 있다. 그러나 기존 시스템에 적용된 모기 식별 알고리즘은 야생 모기의 종별 분류가 불가능하다는 한계가 있다. 이러한 문제를 해결하기 위해, 이 연구에서는 야생에서 나타나는 모기의 종 분류가 가능한 합성곱 신경망 모델을 학습하고 평가한다. 학습에 필요한 데이터를 취득하기 위해 살아있는 모기의 이미지를 야생에서 효율적으로 취득할 수 있는 포집기 형태의 촬영장치를 제작하였고 이를 사용하여 주요 감염병 매개 모기인 흰줄숲모기, 빨간집모기, 얼룩날개모기속을 포함한 1만 장 이상의 이미지를 취득하여 데이터 세트를 구성하였다. 그 결과, 학습한 모델에서 검증 데이터 세트에 대하여 최대 96.87%, 야생 데이터 세트에 대하여 최대 67.89%의 분류 정확도를 확인하여 지향하는 포집기 시스템에서의 적용 가능성과 개선 방향을 확인하였다. The distribution of infectious mosquitoes has been constantly expanding, thus identifying the species is required for rapid pest control. However, the current mosquito identification algorithm could not apply to wild mosquito species classification. To solve this problem, we propose a convolutional neural network model for classifying vector mosquito species in the wild. To acquire data for training and evaluation, we developed a trap-shaped imaging device to efficiently acquire live mosquito images in the wild and built datasets including more than 10,000 images of Aedes albopictus, Culex pipiens, and Anopheles Spp. As a result, our model achieved up to 96.87% of validation accuracy and 67.89% of wild mosquito classification accuracy, which shows great prospects for the future trap system and a way for further improvement. KCI Citation Count: 0