AI-Hub

데이터 변경이력

데이터 히스토리

소개

지능형 양봉 데이터’는 꿀벌의 생애단계별(알, 애벌레, 번데기, 수일벌, 여왕벌), 종봉별(이탈리안, 카니올란, 한봉, 호박벌) 데이터와 생애이슈인 백묵병 데이터 총 12개 클래스로 이루어진 이미지 데이터

구축목적

국내 지역, 시기별 벌통 내 꿀벌 생태 데이터를 수집•분석•가공하고 지능형 학습 데이터를 구축하여 양봉 부문 AI 학습용 데이터 셋 구축 및 활용 기반 마련함

1.학습데이터 구축 수량(이미지 건수 기준)

파괴데이터: 벌통에서 고정식 카메라를 통하여 수집하는 이미지 데이터와 별개로 다양한 각도와, 꿀벌 방안에 있는 알, 애벌레, 번데기를 꺼내어 확보하는 이미지 데이터

**질병(백묵병): 꿀벌의 생애단계 중 애벌레에서 발생하는 질병 중 하나로 백묵병의 경우에는 Bounding Box 유형으로만 데이터가 존재함

1-1. 학습데이터 분포(이미지 건수 기준)

2.학습데이터 구축 수량(어노테이션 수량 기준)

2-1. 학습데이터 분포(이미지 건수 기준)

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

1.활용 모델
Karen Simonyan& Andrew Zisserman. (2015). Going deeper with convolutions:  Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition의 논문을 기반으로 GoogleNet 모델을 구현하였습니다
Pretrained된 GoogleNet모델을 사용하는 것이 아닌 직접 모델을 구현하고 데이터를 학습시켰습니다
모델 구현은 딥러닝 프로젝트에 사용되는 Python의 Pytorch를 사용하였습니다
CUDA 버전과 Pytorch 버전은 사용자 PC 환경에 따라 학습 조건의 버전과 달라질 수 있습니다
유효성 모델은 생애단계 모델, 생애이슈 모델 총 2개입니다
생애단계 모델은 알, 애벌레, 번데기, 수일벌, 여왕벌 11개의 클래스를 분류하기 위한 모델입니다
생애이슈 모델은 백묵병에 걸리지 않은 애벌레와 백묵병의 걸린 애벌레 2개 클래스를 분류하기 위한 모델입니다. 백묵병의 걸리지 않은 애벌레의 경우는 일반 애벌레 데이터에서 10,500개를 랜덤으로 샘플링하여 사용하였습니다

2.학습 조건
- 학습알고리즘: GoogleNet
- 개발 언어: Python 3.7.13
- 프레임워크: Pytorch 1.21.1, CUDA 11.6
- 성능지표: Accuracy

3.생애단계, 생애이슈 이미지 분류 모델 개발 단계

<학습 데이터 전처리 및 정제>

1.라벨링 데이터를 통한 어노테이션 개수 측정

1-1.각각의 Json파일을 로드합니다
2-1.라벨링 데이터에 존재하는 모든 어노테이션 개수를 측정합니다
3-1.어노테이션 개수를 기준으로 모든 데이터를 로드를 준비합니다

2.이미지 데이터 전처리

1-1.이미지 데이터를 로드합니다
2-1.라벨링 데이터의 좌표값을 활용하여 이미지 데이터상의 객체들을 Crop합니다
3-1.1920x1080사이즈의 이미지를 112x112 size로 변환해줍니다
4-1.마지막으로 학습 모델에 적용가능한 텐서형태로 이미지 데이터를 변환하여 줍니다

3. 이미지 데이터 & 라벨링 데이터 결합

1-1.텐서로 변환한 이미지 데이터와 라벨링 데이터의 Speices(종봉), Lifecycle(생애단계), Image_file_name, Type(Bounding Box, Polygon Segmentation) 정보를 결합해줍니다.

4. 데이터분할

1.1.결합 완료한 데이터는 Train(80%), Validation(10%), Test(10%)로 중복없이 무작위로 분할하여 학습 모델에 적용합니다.

5. 학습 모델 적용

1.1.학습 모델은 6개의 후보군 중 시간, 정확도 면에서 가장 뛰어난 “GoogleNet”을 사용하였고 위의 “GoogleNet” 아키텍처를 바탕으로 모델을 구현함
2.1. 생애단계 모델 파라미터 정보
-epoch=10
-batch=64
-optimizer=Adam
-learning rate=0.005
2.2. 생애이슈 모델 파라미터 정보
-epoch=10
-batch=32
-optimizer=Adam
-learning rate=0.1
 

데이터 성능 점수

설명서 및 활용가이드 다운로드

1.원천데이터

	내용
유형	이미지
형식	jpg
해상도	1920X1080
어노테이션 유형	Bounding Box, Polygon Segmentation
클래스 종류	생애단계: 알, 애벌레, 번데기, 수일벌-이탈리안, 수일벌- 카니올란, 수일벌-한봉, 수일벌-호박벌, 여왕벌-이탈리안, 여왕벌-카니올란, 여왕벌-한봉, 여왕벌-호박벌
	생애이슈: 백묵병-음성, 백묵병-양성
	총 12개의 클래스 존재
데이터 예시
	-알, 애벌레, 번데기, 수일벌, 여왕벌을 생애단계별로 촬영하고 AI 모델에 학습 가능한 형태로 가공함.

2.라벨링데이터 

- 데이터 라벨링 및 어노테이션 구조

{    "INFO": {
        "DATASET_NAME": "[test] 수/일벌(카니올란)",
        "DATASET_DETAIL": "Bounding Box",
        "VERSION": "1.0",
        "LICENSE": "",
        "CREATE_DATE_TIME": "2022-07-29 09:34:19",
        "URL": "https://www.labelon.kr"
    },
    "IMAGE": {
        "IMAGE_URL": "https://images.labelon.kr/2022/07/27/42bddc89883043dfb020d900245d09b5.jpg",
        "IMAGE_FILE_NAME": "01_1_R_AB_CA_20220715_01_0011.jpg",
        "WIDTH": 1920,
        "HEIGHT": 1080
    },
    "ANNOTATION_INFO": [
        {
            "ID": 117329161,
            "SPECIES": "CA",
            "LIFECYCLE": "AB",
            "XTL": 861,
            "YTL": 71,
            "XBR": 1083,
            "YBR": -257,
            "CROWDSOURSING_OPERATION_ALTERNATIVE": "Y"
        },
        {
            "ID": 117329162,
            "SPECIES": "CA",
            "LIFECYCLE": "AB",
            "XTL": 1056,
            "YTL": 559,
            "XBR": 1512,
            "YBR": 202,
            "CROWDSOURSING_OPERATION_ALTERNATIVE": "Y"
        }
    ]
}

4. 환경데이터

-환경데이터는 스마트 벌통 내부의 온도, 습도, 중량, 기울기, 메탄, 암모니아, 일산화탄소, 음향
총 8개의 항목에 대한 측정값에 대한 데이터입니다.
-환경 데이터의 경우 이미지 데이터와 라벨링 데이터와는 달리 실제 모델학습에는 적용되지 않았지만, 이미지 데이터와의 맵핑을 통해 연구자가 추후 연구에 활용할 수 있습니다.

5. 음성데이터
-음성데이터는 말벌의 날개짓 음성과 꿀벌들의 분봉*의 음성을 수집한 데이터로 환경데이터와 마찬가지로 모델 학습에는 적용하지 않음
-말벌의 출현과 분봉 현상은 꿀벌들의 감소 및 군집 붕괴로 이어지는 중요한 사항이기 때문에, 해당 음성데이터 대해 연구를 진행한다면 말벌 경보 알림, 분봉 경보 알림 시스템 등의 개발로 이어질 것으로 예상됩니다. 

*분봉: “여왕벌이 산란하여 새 여왕벌을 만들었을 때, 새 여왕벌을 일벌의 일부와 함께 다른 집이나 통으로 갈라 옮기는 것”을 의미함 
 

데이터셋 구축 담당자

수행기관(주관) : 비에이코리아

수행기관(참여)

데이터 관련 문의처