• 검색 결과가 없습니다.

STEAM R&E 연구결과보고서

N/A
N/A
Protected

Academic year: 2022

Share "STEAM R&E 연구결과보고서"

Copied!
9
0
0

로드 중.... (전체 텍스트 보기)

전체 글

(1)

STEAM R&E 연구결과보고서

(사과 과수원의 까치 피해를 줄이기 위해 새들이 적응하기 어려운 유해조류 퇴치 소프트웨어 알고리즘에

관한 연구)

2017. 11. 30.

충주고등학교

< 연구 결과요약서 >

과제명 사과 과수원의 까치 피해를 줄이기 위해 적응이 어려운 유해조류 퇴치 알고리즘에 관한 연구

연구목표

본 연구는 사과 과수원 등 농작물에 피해를 주는 까치와 같은 유해조류를 퇴치하기 위한 시스템 개발이 목표임.

- 구체적으로 기존의 유해조류 시스템은 처음에는 효과가 있다가 어느 정도 시간이 지나면 새들이 적응하여 효과가 미미해지는 문제가 있었음.

- 따라서 본 연구에서는 새들이 적응하기에 어려운 유해조류 퇴치 소프트웨어 알고리 즘을 개발하는 것이 목표임

연구개요 및 내용

☐ 이론적 배경 및 선행연구

○ 유해조류에 대한 학습

- 까치, 참새, 까마귀가 가장 대표적인 유해조류임

○ 인공지능에 관한 학습

- Reinforcement Learning : Reinforcement Learning의 목적은 어떤 환경 속에 놓인 행위자(agent)가 환경(environment)에서 특정 행동(action)을 취하면 그에 따 른 상태(state)를 파악함. 그리고 그 행동을 수행할 때 상태가 좋게 변하면 보상 (reward)이 주어지는 방식임.

○ 하드웨어 / 소프트웨어 개발에 관한 학습 - 하드웨어 : 아두이노 보드와 적외선 센서 등을 이용 - 소프트웨어 : C언어 이용

☐ 연구 주제 선정

○ 유해조수로 인한 피해금액은 2010년 ~ 2015년 5년 사이에 총 643억원이 넘는 다고 함. 특히 과수원이 많은 우리 지역은 이러한 유해조수들로 인해 농민들이 크 게 고통을 받고 있음. 따라서 우리는 새들이 적응하지 못하도록 하는 퇴치 알고리 즘을 개발하려고 함.

☐ 연구방법

○ 유해조류의 침입을 탐지하면 특정한 퇴치소리를 발생시키고, 이에 놀란 유해조 류가 도망가서 다시 돌아오기까지의 시간 간격을 분석함. 이때 얻은 결과를 강화학 습에 적용하여 퇴치 소리의 종류 및 볼륨 크기를 조절하여 유해조류의 적응을 방 지하는 것임.

○ 우리가 개발한 인공지능 알고리즘은 Max Repeller, Incremental Repeller, Dynamic Repeller 이렇게 3가지임.

▸Max Repeller 알고리즘: 가장 큰 위협도를 가진 단일 소리 재생

▸Incremental Repeller 알고리즘: 위협도가 낮은 소리부터 높은 소리로 순차적으로 재생

(2)

▸Dynamic Repeller 알고리즘: 유해조수가 소리에 견디거나, 재방문하는 시간이 짧 아지는 경우 위협도가 높은 소리로 단계를 올리고, 반대의 경우는 위협도가 낮은 소 리로 낮추어서 재생

☐ 연구활동 및 과정

○ 실험 설계

- 직접 직박구리, 박새를 포획하여 주문 제작한 조류 사육장(8mX4mX3m) 안에서 실험을 진행함.

○ 실험 과정

1. 직박구리 먹이량 측정 실험

- 목적: 유해조류가 평소에 먹는 먹이량을 측정하여 개발한 퇴치기의 효과를 확인하 는데 활용하고자 함.

- 방법: 사과를 위치시키고 직박구리가 먹이를 섭취하는 것을 녹화하여 시간대별로 남은 먹이의 양을 저울로 측정하고 직박구리가 섭취한 먹이양을 기록함.

2. 다양한 소리의 유해조류 퇴치 효과 측정 실험

- 목적: 어떤 소리가 유해조류 퇴치에 효과적인지 파악하고자 함.

- 방법: 아두이노를 이용하여 퇴치 소리를 재생시키는 장치를 설치하고 퇴치 소리를 발생시켜 그 효과를 알아보고자 함

* 실험에 사용한 퇴치음의 종류

폭음소리 천적소리 노이즈소리

3. 유해조류 퇴치 알고리즘의 성능 측정 실험

- 목적: 우리가 개발한 알고리즘의 성능을 측정하고자 함.

- 방법: 앞서 말한 3가지 알고리즘과 시중의 퇴치기에 사용되는 알고리즘인 랜덤 알 고리즘을 비교하여 알고리즘의 퇴치 효과를 알아봄.

연구성과

☐ 연구 결과

○ 직박구리의 먹이량 측정 실험결과

-직박구리는 6시부터 20시 사이에 주로 먹이를 섭취함 -하루평균 86.2g 정도 섭취하며, 시간당 양 4g을 섭취함

○ 다양한 소리의 유해조류 퇴치 효과 측정 실험결과 직박구리에 대한 실험 결과

박새에 대한 실험 결과 실험장치

소리세기

폭음소리 천적소리 노이즈소리

크기(dB) 퇴치시간 크기(dB) 퇴치시간 크기(dB) 퇴치시간 100% 78dB 10분44초 89dB 7분51초 효과없음

50% 74dB 5분32초 86dB 6분32초 효과없음 10% 72dB 4분15초 81dB 7분22초 효과없음

○ 결과 분석

- 가장 위협적인 소리는 폭음소리를 최대로 했을 때 임 - 노이즈 소리는 소리의 크기와 관계없이 효과가 미약함 - 천적의 소리는 소리의 크기와 관계없이 퇴치 효과가 있음 - 폭음 소리는 소리의 크기에 퇴치 효과가 비례함

○ 유해조류 퇴치 알고리즘의 성능 측정결과

○ 결과 분석

- 소리의 재생 순서 패턴에 따라 퇴치 효과가 달라짐

- 가장 퇴치 효과가 좋은 소리를 계속 재생하는 것 보다 랜덤하게 재생하는 것이 효과가 좋음

- 동적으로 퇴치 소리의 종류와 크기를 조절하는 Dynamic Repeller 알고리즘의 성능이 가장 좋음

☐ 시사점

○ 본 연구의 다양한 퇴치소리를 새들에게 실험한 결과 퇴치시간이 각각 다르다 는 것을 알게 됨. 이를 통해 소리의 종류에 따라 퇴치효과가 달라진다는 것을 확인 함

○ 본 연구 과정에서 논문과 발표자료 등을 작성하며 논문작성법 및 발표력을 향 상할 수 있는 기회가 되었음.

☐ 향후 계획

○ 후속연구로 우리가 고안한 알고리즘이 실제 농장에서의 효과를 측정하기 위해 인근 농장에서 Field Test를 진행할 계획임.

○ 꾸준히 연구를 진행해 나가 최종적으로 새들이 적응 할 수 없는 퇴치 알고리 즘을 제작하여 과수들을 유해조류로부터 보호하기 위해 끊임없이 노력해 나갈 계 획임.

실험장치 소리세기

폭음소리 천적소리 노이즈소리

크기(dB) 퇴치시간 크기(dB) 퇴치시간 크기(dB) 퇴치시간

100% 78dB 8분40초 89dB 6분35초 효과없음

50% 74dB 6분15초 86dB 4분30초 효과없음

10% 72dB 1분20초 81dB 3분13초 효과없음

퇴치 알고리즘 별 직박구리에게서 사과를 보호한 시간 1. Max Repeller 10분 44초 = 644초

2. Random 13분 04초 = 784초 3. Incremental Repeller 16분 25초 = 975초 4. Dynamic Repeller 20분 7초 = 1,242초

주요어 (Key words)

인공지능(artificial intelligence), 강화학습(reinforcement learning), 유해조류 (harmful birds), 적응(adapation), 소프트웨어(software)

(3)

< 연구 결과보고서 >

1. 개요

□ 연구목적

○ 본 연구를 착수하게 된 동기, 지역 특성

우리 고장은 사과 과수원이 많기로 유명하다. 그런데 연간 사과 과수원 수확량의 30% 정도가 까치와 같은 유해조수의 피해로 인해 판매를 하지 못하여 손해를 본다고 한다. 이러한 피해는 사과뿐만 아니라 옥수수, 감자, 고구마 등 많은 농작물들이 멧돼지, 고라니, 까치 등의 유해조 수들에 의해 전국적으로 매년 엄청난 피해를 입고 있다.

유해조수에 의한 피해는 농작물뿐만 아니라 이들과 가축간의 직간접적인 접촉에 의해 전염병의 발생 우려도 높이고 있다고 한다. 매년 반복적으로 발생하는 AI도 대부분 철새 등의 야생 조수에 의한 전파가 원인이라고 한다.

○ 학교 여건

본교는 충청북도 충주에 소재하고 있으며, 교육부로부터 자율형 공립고 지정을 받아 2013년 부터 운영하고 있으며, 교과교실제, 과학중점학교, 과학중점 연구학교를 운영하고 있다.

본교는 다양한 프로그램을 투입하여 대학 전공 수학능력을 기르고 특성화된 교과교실을 활용하여 교과의 다양한 영역에 심도 있는 학습 경험을 학생들에게 제공하고 있다.

특히, 이공계 대학진학예정자 중 우수 학생을 과학중점반으로 선발하여 수학 및 과학 교과에 대한 심화 교육을 실시하고 있으며, 인근에 있는 지역 대학들과 연계하여 STEAM R&E 프로그램을 운영하는 등 학생들의 과학적 소양을 제고하기 위하여 노력을 다하고 있다.

○ 연구의 필요성 및 목적

본 연구의 목적은 유해조수가 적응하지 못하는 새로운 IOT 시스템을 연구하는 것이다.

기존에는 유해조수를 퇴치하기 위하여 천적의 소리, 대포소리, 라디오 소리, 레이저 불빛 등 다양한 자극적인 방법들을 사용해왔다. 그런데 새로운 시도에 대해 유해조수가 적응하면, 이를 막기 위해 더 세거나, 더 자극적인 퇴치 방법들을 시도하였지만 결국에는 모두 적응하게 되는 악순환을 반복하고 있다.

이것은 기존의 시스템에서 사용한 퇴치 방법의 문제가 아니라 조류의 적응을 방지하기 위한 지능이 부족하기 때문이다. 아무리 센 자극도 시간이 지나면 무감각해지게 되는 것이다.

따라서 이를 해결하기 위해서는 새로운 자극을 개발하는 것이 아니라 적응을 하지 못하도록 하는 것이 중요하다. 유해조수가 외부 자극에 적응하는 과정을 분석하고, 역으로 이를 이용하여 적응을 하지 못하도록 하는 것이다.

이를 위해 본 연구에서는 유해조수의 적응을 막을 수 있는 방법을 개발하였다. 유해조수의 적응을 막기 위하여 유해조수가 퇴치 방법들에 적응해나가는 과정을 분석하고, 이를 해결할 수 있는 인공지능형 퇴치 알고리즘을 개발하였다.

□ 연구범위

본 연구에서는 다음과 같은 연구내용을 단계별로 진행하였다.

○ 유해조수 중 까치를 중심으로 연구

유해조수에는 멧돼지, 고라니, 까치, 들쥐 등 여러 종류가 있지만 현실적으로 실험이 가능하고, 우리 고장에 가장 많은 피해를 주는 까치를 중심으로 연구를 진행하려고 시도하였다. 만약 까치에 대해 좋은 퇴치 방법이 개발된다면 이를 다른 유해조수에도 응용하여 적용할 수 있다고 생각하였기 때문이다. 그러나 실제로 까치 포획에 실패하여, 직박구리와 박새를 대상 으로 실험을 진행하였다. 물론 이들 또한 유해조류임을 확인하였다.

○ 어떤 소리가 퇴치에 가장 효과적일까?

지금까지 유해조류 퇴치를 위해 여러 가지 방법들이 시도되었다. 그 중에서 소리를 이용한 방법들이 많았는데, 소리에도 여러 종류의 소리들이 사용되고 있다. 천적의 소리, 라디오소리, 대포소리, 사이렌 소리 등이 사용되었다. 이러한 소리들 중에서 어떤 소리가 가장 효과적인지 를 탐구하였다. 본 연구를 위하여 조류가 먹이를 먹으러 왔다가 퇴치 소리에 반응한 후 다시 돌아올 때까지의 시간을 측정하는 방법을 적용해보았다.

○ 적응에 어느 정도의 시간이 소요될까?

위의 실험을 통해 퇴치에 가장 효과적인 소리를 알아내고, 그 소리에 조류가 적응하는데 어느 정도의 시간이 소요되는지 탐구하였다. 이 실험은 퇴치 소리가 발생하지 않는 환경에서 하루에 소비하는 까치의 먹이량을 기준으로 설정한 후 퇴치 소리가 발생하여 기준 먹이량을 소비하기까지의 시간을 측정하여 실험할 수 있었다.

○ 인공지능 기법을 이용하여 유해조류가 적응하기 어려운 퇴치 알고리즘을 만들 수 없을까?

(4)

기본적으로 인공지능의 기본이 되는 머신 러닝 알고리즘은 새로운 환경에서 학습을 통해 적응을 해나가기 위한 기법인데, 이를 역발상으로 적용하여 적응을 방지하기 위한 퇴치 알고리즘을 개발하였다. 머쉰 러닝 기법에는 알파고에 사용되었던 deep learning 기법, reinforcement learning 기법, 베이지 추론 기법 등 다양한 상황에서 적용 가능한 여러 가지 알고리즘들이 있다. 이러한 알고리즘들 중에서 조류의 적응을 방해하기 위해 강화학습 기법 을 적용하였다.

○ 위와 같은 실험과 연구를 위해 직접 조류를 포획하여 조류사육장에서 실험을 진행하였 다.

2. 연구 수행 내용

□ 이론적 배경 및 선행 연구

○ 기존 유해조류를 퇴치하기 위해 만든 퇴치기, 혹은 연구하고 있는 것들 중에는 공항에서 유해조류를 퇴치하는 조류퇴치팀(BAT; Bird Alert Team), 프랑스 Lord Ingenierie사 의 조류퇴치기, 로봇에 부착된 음파와 레이져 센서를 이용하여 유해조류를 퇴치하는 버드 스트라이크(Bird Strike) 등이 있지만 새들의 적응을 방지할 수 있는 소프트웨어가 내장되 어 있지 않고, 버드스트라이크 같은 경우에는 고가의 센서들이 이용되다 보니 사용하기에 경제적으로 큰 어려움이 있다고 한다.

○ 기존의 조류퇴치 장치들 중 음파퇴치기를 사용하여 조류를 퇴치하는 모습을 실제로 직접 들어보면 사람한테도 매우 시끄럽고 불쾌감을 주는 것을 알 수 있다. 그래서 사람은 들을 수 없지만 조류는 들을 수 있는 범위의 주파수를 이용하면 좋을 것이라 생각했다. 이를 위해 동물별 가청 주파수 영역에 관하여 연구해보았다.

표 1. 동물별 가청 주파수 영역 (단위 Hz)

구분 동물이름 가청주파수 범위 기타

사람 사람 20 ~ 20,000 15,000 넘으면 스트레스

포유류

개 40 ~ 47,000 견종 차이 없음

고양이 30 ~ 60,000 닭 125 ~ 2,000 토끼 300 ~ 45,000

소 23 ~ 350,000 양 125 ~ 425,000 돼지 42 ~ 40,500 염소 78 ~ 37,000

호랑이 10 ~ 50,000 18hz 으르렁거리는 소리 사자 55 ~ 79,000

쥐 1,000 ~ 70,000

양서류 청개구리 50 ~ 10,000

황소개구리 100 ~ 3,000

○ 동아리 활동을 통해 유해조류의 침입을 탐지하기 위한 탐지 장치를 만들어보았다. 유해조 류의 침입 탐지를 위해서는 모션 센서를 이용한 근거리 탐지 장치와, 초음파 센서를 이용한 원거리 탐지 장치를 제작하였다.

(a) 원거리 탐지 장치 (초음파 센서) (b) 근거리 탐지 장치 (모션 센서) (c) 유해조수 침입탐지 및 퇴치장치 모형 설계

<그림 4. 동아리활동 시 아두이노를 이용한 유해조류 침입감지용 IOT 시스템 제작 모습>

□ 연구주제의 선정

○ 동아리 활동을 통한 IT 관련 학습 진행

- 우리는 동아리 활동을 통해 Lego Mindstrom EV3 로봇 키트, 아두이노 보드와 센서를 이용한 C언어 프로그래밍 등을 학습하였다.

○ 일상생활의 문제를 해결하기 위한 IOT 프로젝트 기획

- 우리가 공부해오던 IT 관련 지식들을 이용하여 우리 주변에서 발생하는 여러 가지 문제를 해결해보고자 여러 시도를 하던 중 유해조류의 피해가 심각하다는 이야기를 듣고 도전해보기로 결정하였다.

파충류 뱀 150 ~ 600

조류

박쥐 20 ~ 130,000 까치 100 ~ 21,000 까마귀 300 ~ 8,000

잉꼬 200 ~ 8,500 비둘기 200 ~ 10,000 참새 250 ~ 12,000 부엉이 200 ~ 120,000

올새 250 ~ 21,000 앵무새 200 ~ 8,000 청둥오리 300 ~ 8,000 갈매기 100 ~ 6,600 종달새 350 ~ 7,600

곤충류 나방 100 ~ 15,000

메뚜기 100 ~ 50,000 여치 100 ~ 15,000

어류 돌고래 70 ~ 150,000

(5)

○ IOT 관련 공부를 해오면서 우리 고등학교에는 IT를 전공하고 지도해주실 수 있는 전공 선생님이 부족해서 인근 지역에 있는 대학교의 지능형소프트웨어융합연구소의 전문가 자문을 받으면서 문제를 해결해 나갈 수 있었다. 또한 유해조류의 특성 및 적응 과정을 이해하기 위하여 축산학전공 교수님께 많은 자문을 얻으면서 연구를 진행 하였다.

□ 연구 방법

○ 실제 유해 조류를 포획하여 실험

실험에 사용할 까치는 시중에서 판매하지 않기 때문에 포획트랩을 이용하여 직접 포획하였 따. 까치를 포획하려고 하였으나 포획되지 않았고, 대신 직박구리와 박새를 포획하여 이를 대상으로 실험을 진행하였다.

<그림 5. 조류 포획 장치>

○ 조류 사육장에서 아이디어 검증 후 실제 과수원에 적용 실험

포획한 조류를 인근 대학에 설치되어있는 조류 사육장에 가두어 두고, 조류의 적응 과정 및 새로운 아이디어의 효과를 실험하였다. 조류 사육장은 가로(8m)*세로(4m)*높이(3m)의 크기로 그물로 둘러싸여 있다. 조류 사육장에서 충분한 실험을 진행한 뒤, 최종 완성품을 인근의 과수원에서 직접 적용하여 효과를 검증하는 실험을 할 계획이다.

<그림 5. 조류 사육장>

○ 아두이노 보드를 이용하여 퇴치 장비를 직접 제작

유해조류의 감지 및 퇴치 장치를 아두이노 보드를 이용하여 직접 제작하였다. 초음파 센서나 적외선 센서를 아두이노 보드에 연결하여 조류의 접근을 감지하고, MP3플레이어와 스피커를 연결하여 퇴치 소리를 발생시키는 IOT 장치를 직접 제작하였다.

□ 연구 활동 및 과정

○ 가설 설정

- 지금까지 유해조류의 퇴치를 위하여 천적의 소리, 폭죽, 노이즈 등 다양한 소리를 이용하 는 방법이 사용되어 왔다. 그런데, 대부분의 소리가 처음에는 효과가 있다가 어느 정도 시간이 지나면 새들이 적응하는 문제가 발생하였다.

- 이는 새들이 처음에는 낯선 소리에 효과가 있었지만 시간이 지나 익숙해지면서 적응해 가는 학습효과 때문이라고 추정된다.

- 따라서 특정한 하나의 소리를 들려주는 것 보다는 하나의 소리에 적응하기 전에 다른 소리들을 랜덤하게 재생하는 것이 학습을 늦게 만들 수 있을 것이다.

- 또한 인공지능 기법을 활용하면 랜덤하게 소리를 재생하는 것보다 학습 효과를 더 늦게 만들어 적응을 늦출 수 있을 것이다.

○ 실험 설계

- 유해조류가 적응하지 못하는 알고리즘을 개발하기 위하여 유해조류를 대상으로 다음과 같은 실험을 진행하였다.

1. 유해조류의 먹이 섭취량을 확인하는 실험 2. 다양한 소리의 퇴치 효과 측정 실험

3. 새로운 유해조류 퇴치 알고리즘의 효과 측정 실험

(6)

○ 실험 과정

- 본 실험을 위하여 유해조류 포획틀을 이용하여 직접 유해조류를 포획하였다. 포획한 결과 직박구리와 박새 등 두 종류의 조류를 포획하였다. 이 조류도 사과 과수원에 많은 피해를 주는 유해조류의 일종으로 확인되었다.

(a) 박새 (b) 직박구리 그림 3. 포획한 유해조류

- 위 두 새를 조류사육장에 가두어 두고 실험을 진행하였다.

○ 실험 1. 직박구리의 먹이 섭취량을 확인하는 실험 - 실험 방법:

* 실험환경 내부에 사과를 위치시키고 직박구리가 먹이를 섭취하는 것을 녹화함

* 시간대별로 남은 먹이의 양을 저울로 측정하여 직박구리가 섭취한 먹이양을 기록함 - 실험 과정:

- 실험결과:

- 결과 분석:

* 직박구리는 6시부터 20시 사이에 주로 먹이를 섭취함

* 하루평균 86.2g 정도 섭취하며, 시간당 양 4g을 섭취함

○ 실험 2. 다양한 소리의 퇴치 효과 측정 실험 - 실험 방법:

* 실험환경 내부에 사과를 위치시키고 조류가 먹이를 섭취하는 것을 녹화함

* 아두이노를 이용하여 퇴치 소리를 재생시키는 장치를 설치하고 퇴치음 발생

* 사용한 퇴치음의 종류 및 크기

폭음소리 78dB 천적소리 89dB 노이즈소리 64dB 폭음소리 74dB 천적소리 86dB 노이즈소리 61dB 폭음소리 72dB 천적소리 81dB 노이즈소리 59dB - 실험 과정:

* 실험에 사용한 아두이노 기반 퇴치 장치

* 조류의 감지 및 퇴치 장면

먹이 : 사과 시작먹이양

(258g)

Date Time 남은먹이양(g) 경과시간(분) 먹은양(g) 시간당 섭취양(g)

1일차 16:34 258 0 0 0

2일차 22:40 233 366 25 4.098360656

3일차 13:22 181 1248 52 3.537414966

4일차 18:21 154 1547 27 5.418060201

5일차 9:06 129 2432 25 1.694915254

6일차 14:28 101 2754 28 5.217391304

7일차 20:35 69 3121 32 5.231607629

...

24일차 08:00 135 18206 30 2.51748

총평균 : 3.98998 표 2. 직박구리의 시간흐름별 사과 섭취량

(7)

- 실험 결과:

* 직박구리에 대한 실험 결과

폭음소리 천적소리 노이즈소리

100프로 78dB 10분 44 89dB 7분 51 -효과없음 50프로 74dB 5분 32 86dB 6분 32 -효과없음 10프로 72dB 4분 15 81dB 7분 22 -효과없음

* 박새에 대한 실험 결과

폭음소리 천적소리 노이즈소리

100프로 78dB 8분 44 89dB 6분 51 -효과없음 50프로 74dB 6분 32 86dB 4분 32 -효과없음 10프로 72dB 1분 15 81dB 3분 22 -효과없음 - 결과 분석:

* 가장 위협적인 소리는 폭음소리를 최대로 했을 때 임

* 노이즈 소리는 소리의 크기와 관계없이 효과가 미약함

* 천적의 소리는 소리의 크기와 관계없이 퇴치 효과가 있음

* 폭음 소리는 소리의 크기에 퇴치 효과가 비례함

○ 실험 3. 강화학습을 이용한 유해조류 퇴치 알고리즘의 설계 및 효과 측정 실험

강화학습을 이용하여 유해조류 퇴치 알고리즘을 설계하기 위한 아이디어는 다음과 같 다. 즉 유해조류의 침입을 탐지하면 특정한 퇴치소리를 발생하고, 이에 놀란 유해조류 가 도망가서 다시 돌아오기까지의 시간 간격을 분석하여, 이를 바탕으로 퇴치 소리의 종류 및 볼륨 크기를 조절하여 유해조류의 적응을 방지하는 것이다. 이를 위해 다음과 같이 정의한다.

먼저 강화학습에서 Action은 유해조류 퇴치 소리로 정의하며, 보상값인 Reward는 퇴 치 후 다시 돌아오기까지의 시간으로 평가한다. 즉 어떤 소리를 들려주었을 때 이를 듣고도 새가 도망가지 않으면 보상값은 0이 된다. 그런데 어떤 소리에는 도망가서 10 분 후에 돌아왔다면 보상값은 10분이 되는 것이다.

이러한 Action과 Reward를 이용하여 알고리즘을 설계하는데 있어서 다음과 같은 가정 을 한다. 첫 째, 우리가 사용할 수 있는 소리가 여러 가지가 있다는 것이다. 실제로 유 해조류를 퇴치하기 위하여 사용하는 소리의 종류에는 천적의 소리, 폭음 소리, 잡음소 리 등 다양한 소리들을 사용하고 있다. 둘 째, 이러한 여러 소리들의 퇴치 효과는 다를 것이다. 소리의 종류에 따라 유해조류가 느끼는 공포나 두려움이 다들 수 있으며, 하나 의 소리 또한 볼륨 크기에 따라 다른 효과를 가지고 오게 될 것이다.

이러한 가정을 기반으로 설계하는 유해조류 퇴치 알고리즘들에 대한 자세한 설명은 다 음과 같다.

- 첫번째 시도: Max Repeller 알고리즘

Max Repeller 알고리즘의 기본적인 아이디어는 강화학습에서의 보상값을 최대로 하기 위하여 여러 소리 중 퇴치 효과가 가장 큰 소리를 사용하는 것이다. 여러 소리들 중에서 퇴치를 위해 무언가를 선택해야 한다면, 여러가지 소리의 퇴치 효 과를 분석하여 가장 보상이 큰 소리를 선택하는 것이 당연할 것이다.

Max Repeller 알고리즘은 가장 보상값이 큰 소리를 선택하였으므로 퇴치 효과가 클클것으로예상된다. 그러나 문제는 적응이다. 아무리 강한 소리라도 어느 정도 시간이 지나면 적응하게 될 것이고 그 이후에는 보상값이 급격이 나빠질 수 있 다. 따라서 한 시점에서 보상값이 가장 큰 것을 선택하는 것이 아니라 장기적으 로 전체 보상값의 합이 최대화될 수 있는 선택을 할 수 있도록 개선이 필요하다.

- 두 번째 시도: Incremental Repeller 알고리즘

Max Repeller 알고리즘의 단점은 가장 퇴치효과가 큰 소리를 가장 먼저 사용하 게 되면 처음에는 효과가 있지만, 어느 정도 시간이 지나면 이 소리에 적응을 하 게되고 그 이후에는 어떤 다른 소리도 사용할 수 없게 된다는 것이다.

이를 개선하기 위해서 Incremental Repeller 알고리즘은 반대로 처음에 가장 약한 소리를 사용한다. 만약 이 소리가 처음에 효과가 있다가 어느 정도 시간이 지난 후 새들이 적응을 하게 되면 이것보다 조금 더 보상값이 큰 소리를 사용하고, 이 러한 과정을 반복하는 것이다.

이 알고리즘의 장점은 보유하고 있는 모든 소리를 최대한 사용하여 새들의 적응 을 가능한 늦출 수 있다는 장점이 있다. 그러나 문제는 최대한 적응을 늦출 수는 있지만 언젠가는 가장 센 소리에 적응을 할 수 있다는 것이다.

그런데 실제 과수원에서는 특정 소리에 퇴치 후 동일한 새가 돌아올 수도 있지

(8)

만, 전혀 새로운 새가 침입할 수도 있다. 예를 들어 현재 중간 정도의 보상값의 퇴치 소리를 재생하였는데 어떤 새가 도망간 후 전혀 새로운 새가 이어서 침범했 다면 굳이 현재 소리보다 더 센 소리를 재생해야 할 필요는 없을 것이다. 그러므 로 퇴치 효과에 따라 재생하는 소리를 동적으로 조절할 수 있도록 개선할 필요 가 있다.

- 최종 아이디어: Dynamic Repeller 알고리즘

최종 아이디어는 Dynamic Repeller 알고리즘이다. 이 알고리즘은 적응을 방지하 기 위하여 점차 퇴치효과가 큰 소리로 확대하여 재생하되, 새들의 돌아오는 시간 을 고려하여 재생의 강도를 동적으로 조정하는 것이다.

구체적으로 설명하자면, 최초에는 Incremental Repeller 알고리즘과 동일하게 가 장 퇴치 효과가 약한 소리부터 재생을 시작한다. 만약 특정 소리 재생 후 새가 돌아오는 시간을 측정하여 이것이 줄어드는 경향을 보이면 더 센 소리를 재생하 고, 돌아오는 시간이 길어지는 경향을 보이면 강도를 낮추어 더 보상이 적은 소 리를 재생한다.

이처럼 퇴치 소리에 대한 조류의 반응에 따라 동적으로 퇴치 소리의 재생 순서를 결정하면 현재 보유하고 있는 소리들을 이용하여 최대한 적응을 방지할 수 있을 것이다.

또한 최초에 결정된 소리들의 퇴치 효과 순서도 시스템을 사용해감에 따라 최적 으로 조절될 수 있을 것이다. 특정한 소리를 재생했을 때 이의 효과로 새들이 돌 아오기가지의 시간을 측정하여 이것을 기반으로 퇴치 효과 순서를 재조정할 수 있을 것이다.

또한 새로운 퇴치 소리가 개발되어 추가될 경우에도 이에 대한 평가를 통해 재생 순서에 추가가 가능하게 된다.

궁극적으로 Dynamic Repeller 알고리즘은 현재 보유하고 있는 퇴치 소리를 새와 의 상호 작용을 통하여 최대의 효과를 발휘해주는 역할을 하게 될 것이다.

- 실험 결과: 실험을 통해 다음과 같은 성능을 확인하였다.

○ 시설 활용 실적

- 본 연구를 위해 건국대학교 글로컬캠퍼스에 위치한 조류 사육장을 활용 중임. 조류 사육장은 무료로 사용 중임.

○ 외부 전문가 자문 내역

시기 전문가 자문 내역 외부 전문가

6월3일 - 아두이노 제작 기법에 대한 전문가 자문 실시

건국대 글로컬캠퍼스 컴퓨터공학과 전흥석 교수 7월22일

- C언어 프로그래밍에 대한 전문가 자문 실시 7월29일 - 인공지능 강화학습에 대한 전문가 자문 실시

9월9일 - TensorFlow에 대한 전문가 자문 실시 9월23일 - 강화학습의 구현에 대한 전문가 자문 실시

(9)

3. 연구 결과 및 시사점

□ 연구 결과

○ 직박구리의 먹이량 측정 실험결과

- 직박구리는 6시부터 20시 사이에 주로 먹이를 섭취함 - 하루평균 86.2g 정도 섭취하며, 시간당 양 4g을 섭취함

- 직박구리가 사과를 잘 먹는 것으로 미루어볼 때 직박구리도 유해조류임을 확인함

○ 다양한 소리의 유해조류 퇴치 효과 측정 실험결과 - 가장 위협적인 소리는 폭음소리를 최대로 했을 때 임 - 노이즈 소리는 소리의 크기와 관계없이 효과가 미약함 - 천적의 소리는 소리의 크기와 관계없이 퇴치 효과가 있음 - 폭음 소리는 소리의 크기에 퇴치 효과가 비례함

○ 유해조류 퇴치 알고리즘의 성능 측정결과

- 소리의 재생 순서 패턴에 따라 퇴치 효과가 달라짐

- 가장 퇴치 효과가 좋은 소리를 계속 재생하는 것 보다 랜덤하게 재생하는 것이 효과가 좋음

- 동적으로 퇴치 소리의 종류와 크기를 조절하는 Dynamic Repeller 알고리즘의 성 능이 가장 좋음

□ 시사점

○ 본 연구가 성공적으로 이루어져 유해조류가 적응할 수 없는 소프트웨어 알고리즘이 구현 된다면 이를 다양한 과수원 및 농가에 설치하여 실행시킴으로써 유해조류로부터 피해를 입는 과수들을 보호할 수 있다.

본 연구를 통해 유해조류의 적응 구조 등 조류의 생물학적인 부문에 대한 학습 효과를 가져올 것이다.

유해조류 퇴치 장치 개발을 통해 아두이노와 센서 제어 등 하드웨어 관련 학습이나 소프트웨어를 이용한 인공지능 알고리즘 개발 등을 통해 IOT를 이용한 우리 일상 생활 문제 해결 과정을 통해 예비 과학자로서의 소양 및 사회적 소명 등을 깨닫는 계기가 될 것이다.

4. 홍보 및 사후 활용

○ 본 연구에서는 유해조류의 퇴치를 연구하는데, 농가에 피해를 주고 있는 것은 유해조류 이외에도 멧돼지, 고라니 등 다양한 유해조수가 있다. 따라서 본 연구 결과를 바탕으로 다양한 유해조수를 퇴치할 수 있도록 연구를 확대할 계획이다.

○ 본 연구 결과를 바탕으로 지역자치단체에 건의하여 인근 농가에서 실제 활용해 볼 수 있도록 시도할 계획이다.

○ 본 연구는 조류로 인해 피해를 입는 농가뿐만 아니라 조류로 인한 항공기사고를 예방하 기 위하여 공항 및 항공기에 설치하여 활용가능하며, 철새들로 인한 피해들도 추가적으 로 예방할 수 있도록 하는 효과를 가져올 수 있다.

○ 본 연과물을 정리하여 논문을 작성하여 투고할 계획이며, 지속적인 연구를 진행할 것이다.

5. 참고문헌

- 이영아(2013), 강화학습, 경희대학교출판국.

- 이웅원, 양혁렬, 김건우, 이영무, 이의령 (2017), 위키북스.

- http://www.wikipedia.org/MachineLearning - http://www.wikipedia.org/ReinforcementLearning

- http://www.youtube.com/모두를 위한 딥러닝 강좌 시즌 1(홍콩과기대 김성훈 교수 강의)

- http://www.youtube.com/모두를 위한 RL 강좌(홍콩과기대 김성훈 교수 강의)

참조

관련 문서

철근에 해당하는 것은 교원 섬유로 짜여진 바구니이며, 그 그물눈을 채우고 있는 시멘트에 해당하는 것이 골질이다.. 골질은 탄산 칼슘·인산 칼슘

하나는 뜨거운 부분에 붙이는 것이고 다른 하나는 차가운 부분에 붙이는 것이다.. 장치의 구체적

실험 결과 허니콤 구조를 사용함으로써 목재의 양도 줄이고 , 질량도 줄여 가공과 운송단계 에서 쓰이는 목재와 연료의 양을 줄일 수 있는 가능성을 확인하였고 , 이 실험의 결과로

식물이 포함하고 있는 안토시아닌 함유량과 pH에 따라 색 변화가 다른 것에 대해 심화 연구를 통해 그

구글에서 수집한 말티즈 -푸들 교배견 사진을 인식시킨 결과이다.. 학습 과정 후 같은 말티즈 -푸들 교배견 사진을 인식한 결과이다. 교배견의 경우에도 원래의 교배견과도

이것을 통해 초기 발생에 많은 양의 당이 소비된다는 것을 추측할 수 있었다... 혈당량을 재보았더니 평균 병아리 혈당량보다 훨씬

이러한 작용기에 의해 응집이 될 수 있게 되는데 물을 통해 성분을 추출했을 경우 작용기가 산화되어 응집에 역할을 다할 수 없게 된다.. 하지만 에탄올에 경우

그러나 알코올추출법보다 압착추출과 열수추출의 방법이 더 많은 쓰레기의 양을 줄일 수 있었으며, 껍질이 가장 많은 수박에서 가장 많은 양의 추출물을 얻을 수 있었고