산불 감지 애플리케이션에서 빛난 에지 임펄스의 머신 러닝 기술

June 10, 2024

Alan Yoon

머신 러닝(ML) 기술이 가지고 있는 잠재력은 엄청납니다. 머신 러닝의 핵심은 이전 데이터를 기반으로 미래의 이벤트를 예측하는 수학적 방법일 뿐입니다. 하지만 머신 러닝을 거대한 도전 과제에 적용하면 인류에게 더 안전하고 밝은 미래를 가져올 수 있는 길을 열 수 있습니다.

머신 러닝은 비상 사태 대비 분야에서 커다란 잠재력을 가지고 있습니다. 연구자들은 이 기술을 활용하여 극심한 기상 상황과 같은 비상 사태를 예측함으로써 이를 피하거나 아니면 그 영향을 최소화할 수 있는 방법을 연구하기 시작했습니다. 머신 러닝은 특히 네트워크 에지에 구현할 때 산불 감지와 관련한 특별한 기회를 제공합니다.

이번 포스트에서는 산불 감지와 관련하여 머신 러닝이 가진 잠재력, 이 기술을 에지에 배포해야 하는 이유, 그리고 에지 임펄스(Edge Impulse)을 이용하여 이 기술에 대한 개념 증명(proof of concept, POC) 산불 감지 장치를 만들 수 있었던 방법에 대해 설명합니다.

_{산불 감지 애플리케이션에서 빛난 에지 임펄스의 머신 러닝 기술 (출처: neillockhart - stock.adobe.com)}

산불과 머신 러닝

지금까지 인류가 직면한 가장 시급한 문제 중 하나는 허리케인, 지진, 산불처럼 자연적으로 발생하는 재난에 어떻게 적응하고 대응할 것인가 하는 것이었습니다. 아직까지 우리는 이러한 사고를 예측할 수 있는 방법을 찾지 못했고, 예측하더라도 그 시점이 너무 임박해 우리가 스스로를 보호하기에는 이미 늦은 경우가 많습니다.

산불 발생 사고가 특히 그렇습니다. 우리는 산불이 쉽게 발생할 수 있는 환경 조건에 대해 알고 있지만 실제로 산불이 발생하면 임의의 사건으로 간주하곤 합니다. 그로 인해 우리는 산불의 확산과 피해로부터 인명과 재산을 보호하지 못할 뿐 아니라 수많은 야생 동물이 희생되고 삼림이 파괴되는 것을 지켜봐야 하는 안타까운 결과를 맞이하게 됩니다.

지구 온난화와 기후 변화가 갈수록 심각해지는 오늘날, 산불을 예측하고 대비하는 것은 그 어느 때보다 중요한 과제가 되었습니다. 이에 연구자들은 머신 러닝 기술을 활용하는 방법을 모색하기 시작했습니다.

과학자들은 공기와 토양의 온도 및 습도와 같은 특정 변수가 산불 취약 지역의 취약성을 나타내는 주요 지표라는 사실을 오래 전부터 알고 있었습니다. 하지만 이러한 변수를 고려하여 산불 발생을 정확하게 예측할 수 있는 수학적 모델을 구축하는 것은 무척이나 어려운 일이었습니다.

머신 러닝은 이 모든 것을 바꾸어 놓았습니다. 주요 지표들로부터 데이터를 가져와 머신 러닝 모델에 입력하면 산불 발생 가능성을 높은 정확도로 예측할 수 있습니다. 이러한 지식을 이용하면 동물을 대피시키고 가연성 바이오매스를 제거하여 산불에 대비할 수 있으며, 궁극적으로 산불의 피해와 심각성을 줄일 수 있습니다.

산불 감지를 위한 에지 컴퓨팅

대부분의 경우 머신 러닝 애플리케이션은 클라우드에서 실행될 것으로 예상됩니다. 클라우드는 대형 서버가 머신 러닝 연산을 수행하는 데 필요한 프로세싱 성능을 제공할 수 있기 때문입니다. 하지만 산불 감지의 경우 몇 가지 주요 이유들 때문에 클라우드가 아닌 에지에서 연산이 이루어져야 합니다.

산불 감지 애플리케이션에서는 습도 센서나 온도 센서와 같은 여러 환경 센서로 구성된 디바이스를 배포한 다음, 이들 센서가 수집한 데이터를 기반으로 머신 러닝 알고리즘을 실행합니다. 여기에는 두 가지 방식이 있습니다. 데이터를 클라우드로 전송하여 처리하거나, 아예 에지에서 처리하는 것입니다.

이러한 맥락에서 클라우드 프로세싱의 주요 과제는 이러한 장치들을 원격지에 설치하는 일입니다. 이 장치들은 일반적으로 산불이 실제로 발생할 수 있는 숲 한가운데와 같은 원격지에 설치됩니다. 이처럼 고립된 위치에서는 네트워크 연결이 매우 제한적이기 때문에 모든 센서 데이터를 클라우드에 전달하여 처리하는 것이 불가능하지는 않다고 하더라도 매우 어렵습니다. 대신, 에지 머신 러닝을 사용하면 모든 데이터와 처리를 로컬 장치에 보관할 수 있습니다. 외부와 통신할 수 있는 유일한 것은 산불이 발생할 가능성이 있다고 매우 드물게 발생하는 경고뿐입니다.

에지 컴퓨팅의 또 다른 장점은 전력 소비를 줄일 수 있다는 점입니다. 대부분의 경우 원격에 배치된 감지 장치는 소형 리튬 이온 또는 리튬 폴리머 배터리로 구동됩니다. 이 경우, 배터리를 교체하기란 현실적으로 쉽지 않기 때문에 이 장치의 사용 수명은 사실상 배터리가 살아있을 때로 한정됩니다.

일반적으로 사물 인터넷(IoT) 장치의 가장 큰 전력 소비 중 하나는 네트워크에서 다른 기기들과 무선으로 통신하는 데 사용되는 전력입니다. 클라우드 컴퓨팅 방식에서는 기기들이 대량의 센서 데이터를 클라우드와 통신하는 것만으로도 상당한 전력을 소모하여, 궁극적으로 배터리 수명이 단축됩니다.

하지만 에지 컴퓨팅의 경우, 무선 통신을 사용할 빈도가 줄어들기 때문에 그만큼 전력 소비가 줄어듭니다. 에지 컴퓨팅을 사용하면 배터리 수명이 긴 센서를 사용할 수 있으므로 비상 경보를 제공할 수 있는 기회가 더 많아집니다.

솔루션은 ‘에지 임펄스’

산불 감지 개념 증명(proof-of-concept, POC) 장치를 개발하는 과정에서 여러 가지 중요한 과제에 부딪혔는데, 에지 임펄스(Edge Impulse)를 통해 이러한 과제들을 해결했습니다. 주요 과제 중 하나는 센서 융합과 관련한 것이었습니다. 이 장치를 사용해 작업자들은 공기와 토양의 온도 및 습도 센서를 비롯하여 여러 이질적인 센서들로부터 데이터를 수집하고, 이들 다양한 데이터 스트림을 이해하기 위해 노력합니다. 이를 위해서는 환경을 보다 포괄적으로 파악하기 위해 여러 센서의 데이터를 병합하는 프로세스인 센서 퓨전이 필요합니다.

일반적으로, 센서 퓨전을 구현하는 것은 여러 고유한 복잡성과 알고리즘으로 가득 찬 어려운 작업입니다. 다행히도 에지 임펄스는 에지 장치에서 센서 퓨전을 보다 쉽게 구현할 수 있도록 특별히 고안된 빌트인 도구 모음을 제공합니다. 이 도구를 사용하면 데이터를 포착, 집계, 포맷하여 이를 머신 러닝 모델에 입력할 수 있도록 하는 시스템을 쉽고 성공적으로 설계할 수 있습니다. 또한, 에지 임펄스를 통해 모델을 쉽게 선택하고 훈련할 수 있을 뿐만 아니라 사용자의 마이크로프로세서에도 쉽게 배포할 수 있습니다. 이 작업에 사용된 마이크로프로세서는 시드 스튜디오 위오 터미널 (Seeed Studio Wio Terminal)의 ATSAMD51 기반 코어였습니다.

역사를 돌아보면, 지금까지 인류는 자연재해나 비상사태가 발생하면 그때그때 대응해야 했습니다. 하지만 이제 머신 러닝 기술이 등장함에 따라 이전에는 예측할 수 없었던 방식으로 비상사태를 예측하고 대비할 수 있는 능력을 갖추게 되었습니다.

산불 감지는 그 중요성이 점점 더 커지고 있지만, 애플리케이션의 고유한 제약과 특성으로 인해 에지 컴퓨팅이 필요합니다. 에지 임펄스와 에지 임펄스가 제공하는 도구 및 리소스 덕분에 산불이 임박했을 때 해당 공원 관리인 및 그 밖에 많은 관련자들에게 정확하게 경보를 보낼 수 있는 POC 산불 감지 장치를 개발할 수 있었습니다. 이 기술은 사람과 동물의 생명을 구하고 삼림의 파괴를 방지할 수 있는 잠재력을 가지고 있습니다.