A Method of Trash Balloon Classification Using Object Detection Models

현대 군사작전에서는 적의 비정형적 도발에 대응하기 위해 과학화 경계시스템 효율성을 높이는 것이 중요하다. 최근 북한의 쓰레기 풍선 도발로 인해 환경 오염과 국민 불안이 가중되고 있다. 본 연구는 YOLOv5와 Faster R-CNN을 활용하여 북한 쓰레기 풍선을 탐지하고 식별하기 위한 최적의 객체 탐지 모델을 제안한다. 본 연구는 4개의 클래스(일반 풍선, 기상 관측 풍선, 열기구, 쓰레기 풍선)를 대상으로 데이터 증강을 통해 총 2,000장의 데이터 셋을 구성하였다. 실험 결과, YOLOv5는 mAP 80%로 빠르고 높은 정확도를 보였으며, Faster R-CNN은 mAP(mean Average Precision) 62.62%로 복잡한 이미지 분석에서 강점을 나타냈다. 또한, Transformer 기반 객체 탐지 모델인 DETR(Detection Transformer)와 비교하여 YOLOv5의 성능을 검증하였다. YOLOv5가 다른 모델보다 학습 데이터가 작은 본 실험 환경에서 우수한 성능을 보였다.