Classification of Solar Panel Cleanliness in Drone Images Using Various CNN Models : A Case Study in Gumi, South Korea

본 연구는 드론을 활용하여 경상북도 구미 지역 태양광 패널의 청결 상태를 분류하고, 추가적으로 Kaggle에서 제공하는 공개 데이터셋을 활용하였다. 구미는 대규모 산업단지가 위치한 지역임에도 불구하고 산업 활동에 따른 대기 오염 영향이 미미하였으며, 데이터 수집 기간(9~11월)의 계절적 요인으로 인해 주로 조류 배설물에 의한 오염이 관찰 되었다. 수집된 데이터를 활용하여 ImageNet으로 사전 학습된 CNN 기반 분류 모델(VGG, ResNet, MobileNet, EfficientNet) 네 가지를 비교하였다. 실험 결과, VGG를 제외한 모든 모델이 유의미한 성능을 보였으며, 특히 EfficientNet이 가장 높은 정확도를 기록하였다. 그러나 Kaggle 데이터는 성능 개선에 제한적인 역할을 하였고, 지역적 특성을 반영한 데이터 추가 수집이 필요함을 확인하였다. 본 연구는 태양광 패널 오염 모니터링에서 지역적 요인의 중요성을 확인하였으며, 향후 연구에서는 계절별 오염 특성 분석 및 데이터 불균형 문제를 해결하기 위한 방법론 연 구가 필요함을 시사한다.