떠다니는 해양 쓰레기는 해양 생태계를 엉망으로 만들 뿐만 아니라 인간 생태계까지 위협한다. 육지 근처나 이름 모를 섬에서 자주 발견되지만, 밀도가 높은 쓰레기들은 해류를 따라 움직이며 전 세계 해양을 떠돌아다닌다. 해류를 따라 뭉친 쓰레기들이 바다 한가운데에 모여 쓰레기 섬을 이루기도 한다.
이렇게 광범위하게 퍼져있는 쓰레기들을 탐지하기 위해 각국에서 모니터링 시스템을 구축하고 있다. 우리나라도 해양환경공단에서 2개월에 1번씩 정기적인 조사를 하고 있다. 하지만, 광활한 해양공간에 존재하는 모든 쓰레기를 모니터링하기는 쉽지 않고 모니터링할 수 있는 범위가 한정적이다.
이에 바르셀로나 대학 연구원들이 해양 쓰레기를 탐지하고 정량화할 수 있는 개방형 웹 애플리케이션인 MARLIT을 개발했다. 이 애플리케이션은 딥 러닝을 기반으로 개발되었고 80% 이상의 신뢰성을 갖춰 해양 쓰레기의 양을 추정하고 탐지를 정확하게 수행할 수 있다. 항공 이미지에서 해양 쓰레기를 탐지하는 알고리즘을 사용하고 애플리케이션 사용자가 알고리즘으로 쓰레기를 발견할 수 있도록 개발되었다.
MARLIT, 해양 보존의 첫 단계로서 도움을 줄 것
전통적으로 해양 쓰레기 탐지는 보트나 비행기를 타고 직접 관찰하는 방법을 사용하였는데, 이 방법으로 광활한 바다를 모니터링하기에 기술적으로 턱없이 부족했다. 또, 공중 이미지에서 파도, 바람, 구름과 같은 방해적 요소 때문에 해양 쓰레기를 탐지하는 알고리즘 연구가 거의 진행되지 않았다.
이에 바르셀로나 연구원들은 자동화된 알고리즘을 개발하고자 했고, MARLIT이 그 결과물이다. 척추동물 연구그룹 GRC의 회원 가르시아 가린은 “분석 알고리즘과 결합된 자동 항공 사진 기술은 이러한 종류의 오염 물질을 제어하고 연구하는데 더 효율적인 프로토콜이다”라며, MARLIT을 소개했다. 해양 쓰레기 모니터링 캠페인에서 이 알고리즘을 테스트하고, 80% 이상의 정밀도에 도달하여 애플리케이션의 신뢰도를 높이기도 했다.
MARLIT의 기반인 딥러닝 알고리즘은 구조화되지 않았거나 이름 없는 데이터에서 학습할 수 있는 컨볼루션 신경망(CNN)을 사용했다. 그리고, 카탈로니아 지중해 연안의 3,800개 이상의 항공 이미지를 사용하여 분석, 정확도 테스트를 거쳤다.
드론, 항공기로 촬영한 수많은 해양 이미지를 분석하고 학습한 CNN 기반 딥러닝 알고리즘은 MARLIT이라는 애플리케이션으로 통합되었다. 애플리케이션 개발을 위해 프로그래밍 언어 R의 Shiny 패키지를 사용하였다.
애플리케이션 사용자들은 이미지를 개별적으로 분석할 수 있을 뿐만 아니라 이미지를 여러 영역으로 분할하여 특정 영역에 존재하는 쓰레기의 메타 데이터(높이, 해상도)를 통해 밀도를 추정할 수 있다. 해양 연구원들이 해양 쓰레기를 더 정확하고 편한 방법으로 분석할 수 있게 된 것이다.
앞으로 MARLIT은 해양 쓰레기를 처리하는 첫 번째 단계가 될 것이다. 해양 쓰레기의 분포와 추적 문제는 MARLIT을 통해 해결될 것이고 추가적인 연구를 통해 알고리즘의 정확성을 향상시키면 전 세계가 이 애플리케이션에 주목할 것이다. 또 향후 드론과 같은 원격 센서에 앱을 적용하여 각국에서 모니터링을 더욱 용이하게 할 수 있을 것이다.
[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]
![[구혜영 칼럼] 사회복지교육은 미래복지의 나침반이 되어야](/news/data/2026/01/16/p1065596364370517_157_h.png)
