고객사의 Problem

굴과 가리비 양식은 언제 출하하느냐가 상품성 매출 수익성에 직결되는 산업입니다. 그러나 양식장에서 개체 상태 확인을 위해 관리자가 바다 한가운데 위치한 양식장으로 나가 케이지를 꺼내어 육안으로 점검해야 하며 이는 인력과 시간이 과다 소요되고 위험 부담이 존재했습니다. 빠르게 변화하는 해양환경 수온 염도 용존산소 등과 태풍 폭풍 기상이변으로 인해 어장 접근이 불가능한 경우 출하시기를 놓치면 상품 가치 하락 질병 발생 대량 폐사로 이어지는 환경 리스크 문제도 있었습니다. 그 때문에 지금까지는 어민의 경험이나 감각에 의존해 출하 시기와 관리 방식을 결정했지만 데이터 기반 분석이나 자동 예측 시스템이 없어 최적의 결정을 내리기 어려웠습니다. 이에 고객사는 다음을 원했습니다.

• 해양 물리 환경 데이터에 따른 개체 성장 예측
• 최적의 출하 시기를 실시간으로 예측할 수 있는 AI 솔루션

데이터메이커의 Solution

데이터메이커는 고해상도 어패류 이미지 및 해양환경 데이터를 기반으로 한 AI 모델 학습을 통해 생장 예측 솔루션을 개발하였습니다.

• 대규모 고품질 데이터셋 구축
  • 굴과 가리비에 대한 24만 장 이상의 고해상도 이미지를 수집하고 각각의 객체 외곽 폴리곤 라벨링 및 부착 생물 상태 따개비 다모류 등까지 정밀 태깅
  • 해양환경 데이터 수온 염도 산소량 클로로필A 등을 7개월 이상 3분 간격으로 실시간 수집 연동
• AI 생장 예측 모델 개발
  • Faster RCNN PointRend RCNN 기반으로 굴 가리비 객체를 인식하고 상태별 점수화로 생장 예측에 활용
  • 성장 점수와 환경 변수 간 상관관계 분석 및 군집화로 최적 양식 환경 추천 모델 완성
• MLOps 기반 ML 자동화 파이프라인 구축
  • 데이터셋 관리 시스템 데이터 가공 저작도구 학습 파이프라인을 통합 플랫폼으로 제공
  • 고객사가 추가 데이터 수집 후 손쉽게 모델 재학습과 성능 고도화 가능
• 데이터메이커의 차별점
  • 단순 모델 개발을 넘어 스스로 데이터 관리 및 AI 학습을 지속할 수 있는 체계를 구축하여 향후 확장성과 운영 효율성까지 고려한 솔루션 제공

프로젝트 수행

스마트 양식장 생장 예측 솔루션 개발 프로젝트는 단순히 데이터를 수집해 AI 모델을 만드는 것을 넘어 실환경에 적용 가능한 통합 예측 시스템을 구축하는 것이 목표였습니다. 데이터메이커는 데이터 수집 정제 라벨링부터 모델 학습 및 고도화 성능 평가 실제 시스템 반영까지 전 과정을 체계적으로 수행하였습니다.

1. 데이터셋 구축

a. 어패류 이미지 수집

• 어패류 굴 가리비 개체 각각에 대해 10일 간격으로 총 7개월간 1500마리 촬영
• 한 개체당 6면 촬영 180도 90도 45도 정 후면 각도 포함 → 총 240000장 이상의 고해상도 이미지 확보
• 해상도 1920×1080px 이상의 고화질 이미지 AI 학습에 최적화
  

• 전문 장비를 통해 수온 염도 용존산소 PH 클로로필 등 3분 간격 측정
• 양식장 2곳에서 7개월 이상 실시간 축적 이미지와 시간 매칭을 통한 정밀 연동
  

• 객체 외곽 폴리곤 라벨링 객체 분류 굴 가리비 바운딩박스 정보
• 부착 생물 정보 따개비 다모류 등과 성장 간 관계도 분석 가능하도록 태깅

2. 데이터 라벨링 및 전처리

• 데이터메이커 자체 개발 어노테이터 툴을 활용해 라벨링
• 부착생물 질병 여부 형태 이상 등 복합 조건 기반 상태 표시
• 라벨링 품질 검수 이중 크로스체크 방식 적용으로 오류율 최소화
• AI 학습 전용 포맷 JSON 으로 자동 변환 및 저장

3. AI 모델 학습 및 성능 평가

a. 활용 모델

• Faster RCNN 부착생물 및 객체 검출 Bounding Box 중심
• PointRend MaskRCNN 객체 외곽의 정밀 인식 및 마스킹
• K Means Clustering 군집 분석 환경 조건별 성장 패턴 분석
• 상관분석 성장 점수와 환경 변수 간 상관도 도출

4. MLOps 플랫폼 datamaker synapse 적용

a. 자동 학습 파이프라인 구축

• 수집 업로드 라벨링 학습 적용 성능 평가까지 자동화
• 지속 데이터 축적과 AI 고도화 기능 MLOps 기반
  

• 데이터셋 관리 시스템 프로젝트별 버전별 데이터 관리 필터링 메타데이터 정렬
• 데이터 가공 저작도구 이미지 텍스트 센서 등 다양한 데이터 유형 라벨링
• AI 학습 파이프라인 파라미터 설정 학습 시작 평가까지 GUI 기반 운영
  

• AI 모델 결과값을 스마트 양식장 시스템에 연동하여 실시간 성장 예측 활용
• 양식장별 최적 성장 위치 밀도 환경 조건 등을 시각화해 관리자 의사결정 지원

프로젝트를 마치며

이번 프로젝트는 농축수산업에 인공지능 기술을 효과적으로 접목한 사례로 수작업 중심의 전통 산업 구조를 데이터 기반의 자동화 운영 체제로 전환하는 데 중요한 전환점을 마련했습니다. 스마트 양식장 생장 예측 솔루션을 통해 양식장의 운영 효율성과 생산성을 실질적으로 향상시켰을 뿐만 아니라 불확실했던 생육 조건을 데이터로 가시화하고 예측함으로써 어촌 현장의 의사결정 품질을 크게 높일 수 있었습니다. 특히 이번 과제를 통해 증명된 AI 기반 생장 예측 시스템은 어촌 양식에만 머무르지 않고 육상 목축 수산양식 작물 재배 등 다양한 1차 산업 분야로 확장 적용이 가능하다는 점에서 높은 확장성과 산업적 영향력을 보여주었습니다. 데이터메이커는 앞으로도 정밀한 데이터셋 구축과 맞춤형 AI 솔루션 제공 역량을 바탕으로 농축수산업 전반의 디지털 전환과 지속가능한 산업 생태계 조성에 이바지하며 고객의 현장 중심 혁신을 함께 만들어가겠습니다.