컴퓨터 비전 기술을 활용한 개미군집의 행동 특성 데이터 수집 시스템 개발

• 영문명: Development of a Data Collection System for Behavioral Characteristics of Ant Colonies Using Computer Vision Technology
• 발행기관: 한국과학영재교육학회
• 저자명: 송태오(Taeoh Song) 문승찬(Seungchan Moon) 김주현(Joohyun Kim) 정용석(Yongseok Jeong)
• 간행물 정보: 『과학영재교육』제17권 제1호, 71~85쪽, 전체 15쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2025.04.30

국문 초록

본 연구는 동물의 행동 특성을 파악하기 위한 데이터 수집에 많은 노력과 시간이 필요하여, 연구에 어려움을 겪고 있는 문제를 해결하기 위해 컴퓨터 비전 기술을활용하여 동물의 행동 특성 데이터를 수집할 수 있는 시스템을 개발하였다. 대상은 군집을 이루고 있어 행동 특성에 많은 관심을 가지고 있는 개미로 하였다. 개미군집의 각 개미를 탐지하고 추적할 수 있는 시스템을 개발하기 위하여 학습에 필요한 데이터를 마련하고, 최적의 학습 방법을 찾아 학습을 진행, 인공지능 모델을 개발하였다. 개발한 인공지능 모델을 준수한 성능을 가지고 있었지만 큰 개미를 두 개의 개체로 감지하는 문제와, 그림자로 있는 부분의 개미를 제대로 감지하지 못하는 문제가 있었다. 큰 개미를 두 개의 객체로 감지하는 문제를 해결하기 위해, 분류 모델을 추가로 개발하여 적용하였고, 그림자로 인해 개미를 감지하지 못하는 문제는 컬러 세그멘테이션 기술을 활용하여, 감지하지 못한 개미의 색상이 존재하는 위치와, k-mean 군집분석을 활용하여 해결하였다. 그 결과, 38개체가 있는 이미지에서 38개의 바운딩 박스가 감지되는 것을 확인할 수 있었다. 시스템을 통해 수집한 데이터를 기초적으로 분석할 수 있는 플랫폼을 개발하였다. 플랫폼에는 위치를 시각화하는 기능, 밀도를 기반으로 중심을 결정하고 중심에 대해 벡터로 위치를 표현하는 기능, 히트맵을 출력하는 기능을 포함되었다. 또한 벡터를 이용하여 개미 위치에 대한 분산과 표준편차를 계산하는 기능, 집단간의 데이터에 차이가 있는지를 확인할 수 있는 t검정 기능이 추가되었다. 더불어 시계열로 추출된 데이터를 시각화하여 행동특성을 보다 직관적으로 확인할 수 있는 기능을 포함하였다. 마지막으로 수집한 시스템이 기존의 연구결과와 일치하는지를 확인하여 시스템의 신뢰도를 확인하였다. 소음과 지진의 외부 자극에 대해 소음에서는 소음이 주어진 상황과 없는 상황에서의 행동 특성이 차이가 없는 것으로 나타나 기존의 연구를 확인할 수 없었다. 하지만 지진에서는 여왕개미의 존재 유무에 따라 행동특성의 차이가 나타났으며, 기존 연구 결과와 일치하였다. 이에 개발한 시스템이 일정 수준 이상의 신뢰성을 가진다고 평가할 수 있었다. 개발한시스템이 개미군집 연구에 편리성과 정밀성을 높여줄 것으로 기대한다.

영문 초록

This study developed an automated data collection system using computer vision technology to analyze behavioral characteristics of animals as an alternative to conventional animal behavior research methods, which is inefficient and time consuming. Targeting ant—species known for complex social structures—we designed an AI model for detecting and tracking individual ants by constructing a dataset and optimizing its training method. Initial challenges included misclassifying large ants as two objects and failing to detect ants in shadowed areas. To resolve the former, a secondary classification model was integrated, while color segmentation and k-means clustering were applied to cope with the latter. The final system successfully identified 38 ants each contained in their own single bounding box. A data analysis platform was developed to visualize spatial distribution, determine density-based centroids, express positions as vectors relative to the centroid, generate heatmaps, compute variance and standard deviation about the positions, perform t-tests for group comparisons, and conduct time series analysis about the collected data. The result showed that noise stimuli produced no statistically significant behavioral changes, making it difficult to verify prior studies. In contrast, behavioral responses to simulated earthquakes aligned with prior studies, identifying the difference in the behavior of clusters depending on the existence of the queen ant. Through this result, we could expect that this system will be one of the methods for high-precision ant colony research.

목차

Ⅰ. 서 론

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

Ⅳ. 연구 결과

Ⅴ. 결론 및 제언

참고문헌

키워드

컴퓨터 비전 기술 개미군집 행동특성 데이터 수집 시스템 데이터 시각화 인공지능 데이터셋 computer vision AI ant colonies behavioral characteristic data collection system data visualization