최근 말벌로 인한 양봉가의 피해액은 1700~3000억원 수준으로 집계되고 있다. 특히 최근 생태계 교란종으로 지정된 외래종인 등 검은 말벌은 말벌 개체 중 가장 강한 공격성을 보이는 종으로 최근 말벌 개체 중 개체 수 비율이 72%에 육박할 정도로 큰 증가세를 보이고 있다. 이에 따라 양봉가의 피해 또한 급속히 늘어나고 있는 실정이다.
문제는 밀원이 24시간 내내 말벌로부터 양봉장을 지킬 수 없다는 것이다. 일부 양봉가는 cctv 설치를 통해 말벌의 접근을 확인하는 경우도 존재하지만, 이 검별 작업이 육안으로 이루어지기에 한계가 있다.
이러한 이유로 본 연구에서는 CNN(Convolutional Neural Network)을 활용하여 말벌을 분류하는 모델을 생성, 성능평가를 진행하였다. 가령 cctv 내 움직임이 발생할 경우 해당 객체의 이미지를 촬영, 객체를 분류하여 말벌임이 확인될 경우 경보 발령이라는 전체적인 Process 중, 이미지의 촬영 후 객체를 분류하는 과정을 구현해보고자 하였다.
이미지 분류를 위한 알고리즘인 CNN 모델은 이미지를 받아들인 후 Convolution이라는 전처리 작업을 수행하는 Neural Network 모델이다. 이는 기존 DNN(Deep Neural Network)의 이미지 차원 변경 과정의 공간 및 지역 데이터 손실이라는 단점을 극복했다는 장점을 가지고 있다.
본 연구에서는 기본적인 CNN 모델을 통한 모델 생성 및 성능평가를 수행하고 모델을 수정하여 분류 정확도를 높이는 작업을 수행하였다.
연구 결과 초기 생성된 모델의 경우 생성 과정에 설정한 훈련 데이터의 수가 적어 78%라는 높지 않은 분류 정확도를 보였다. 이후 훈련 이미지의 수를 늘려 개선된 모델을 생성한 결과 10% 이상 개선된 86%의 분류 정확도를 보이는 모델을 생성할 수 있었다.
하지만 이 또한 연구 초기 설정 목표인 90% 이상의 분류 정확도를 보이지는 못하는 모델이다. 향후 연구에서는 RestNet50 등의 새로운 모델을 사용하여 분류 정확도를 더욱 높이는 데 의의를 두고자 한다.