오사카공립대 연구팀, 농업용 로봇 학습 위한 '가상 토마토 농장' 개발

▲ 오사카공립대 연구팀이 가상 토마토 농장 구축 기술을 개발했다. (사진=오사카공립대)

일본 오사카공립대 연구팀이 농업용 로봇의 훈련 및 학습에 필요한 데이터를 자동으로 생성할 수 있는 '가상 토마토 농장' 구축 기술을 개발했다고 밝혔다.

​

이 기술은 농업 현장에서 가장 많은 노동력이 필요한 작업 중 하나인 '수확 자동화'의 난제를 해결하는 데 도움이 될 것으로 기대된다.

​

현재 농업용 수확 로봇은 객체 인식(Object Detection) 시스템을 이용해 토마토의 위치를 파악하고, AI를 통해 토마토의 익은 정도를 판단한다. 그러나 이 시스템을 실제 농장에 적용하기 위해선 학습 데이터를 대량으로 확보해야 하는 데 이 과정이 쉽지 않다.

​

AI 시스템은 학습을 위해 대량의 라벨링 이미지를 필요로 하는데, 실제 농장에 가서 수많은 사진과 데이터를 수집해야 한다. 또한 각각의 토마토에 대해 사람이 '경계 상자(Bounding Box)'를 그려 과일의 위치를 표시하고, 숙성 정도를 분류해야 한다. 여기에 농장마다 다른 조명 환경, 작물 형태, 재배 조건, 계절 변화까지 감안해야 하기 때문에 데이터 구축 작업은 더욱 복잡해진다.

▲ 가상 환경에서 토마토 이미지에 경계상자를 그려 놓은 모습. (사진=오사카공립대)

후지나가 타쿠야(Takuya Fujinaga) 연구원 등 오사카공립대 연구팀은 이같은 과제를 해결하기 위해 실제와 유사한 토마토 이미지와 AI 학습용 라벨을 자동으로 생성할 수 있는 가상의 농업 환경을 개발했다.

​

연구팀은 실제 농장 환경을 최대한 정밀하게 재현하기 위해 농업용 로봇이 수집한 카메라 데이터를 기반으로 가상 농장을 구축했다. 실제 농장에서 촬영한 이미지를 활용해 환경을 복원하고, 이를 토대로 3차원 모델을 생성했다.

​

연구팀은 첨단 3D 재구성 기술과 함께 게임 엔진인 '언리얼엔진(Unreal Engine) 5', '3D 가우시안 스플래팅(3D Gaussian Splatting)' 기술을 활용해 조명, 질감, 공간 구조를 사실적으로 구현했다.

​

이를 통해 토마토 위로 잎이 겹쳐지는 상황, 시시각각 변화하는 조명, 줄기와 그림자가 만드는 시야 방해 요소, 일부만 보이는 토마토 등 실제 농업 현장에서 발생하는 복잡한 조건까지 재현할 수 있었다.

​

또한 토마토의 위치 정보를 활용해 각 이미지에서 토마토가 어디에 있는지, 그리고 어느 정도 익었는지를 자동으로 표시하는 학습용 라벨을 생성했다. 생성된 데이터는 AI 객체 인식 학습에 활용되는 'YOLO' 포맷(형식)으로 자동 변환돼 활용성을 높였다.

​

연구팀은 생성한 합성 데이터셋을 이용해 AI 모델을 학습시킨 뒤 실제 농장에서 촬영한 이미지에 적용해 성능을 검증했다. 실험 결과, AI가 실제 환경에서도 토마토를 효과적으로 인지할 수 있다는 것을 확인했다.

​

연구팀은 “3차원 토마토 모델의 형태, 조명 조건, 데이터 양의 차이를 비교해 AI 정확도에 영향을 미치는 요인을 규명했다”며 “조명 환경과 토마토 형태, 데이터셋 규모가 탐지 성능에 미치는 영향을 파악한 것은 향후 AI 모델 개선에 중요한 성과”라고 설명했다.

​

이어 “이번 연구는 토마토를 대상으로 진행됐지만, 이러한 요소들은 다양한 농작물 수확에도 공통적으로 중요한 요인”이라며 “토마토뿐 아니라 다른 작물에도 이 기술을 적용할 수 있는 가능성에 큰 기대를 갖고 있다”고 말했다.

​

이번 연구 성과는 농업 기술 분야 학술지인 '스마트 애그리컬추럴 테크놀로지(Smart Agricultural Technology)'에 게재됐다. (논문 제목:Automatic generation of synthetic data and object detection datasets in virtual environments based on tomato-harvesting robot vision)

​

백승일 기자 robot3@irobotnews.com

저작권자 © 로봇신문 무단전재 및 재배포 금지