인공지능 기반 김어리톡토기(Allonychiurus kimi) 개체 수 계수 및 크기 측정 기법의 개발
Development of an AI-based method for counting and measuring the size of Allonychiurus kimi
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
톡토기 (Collembola)는 토양 생태계에서 중요한 역할을 하며, 토양 독성평가에서 주로 사용되는 표준종이다. 국제 표준화 기구 (ISO)의 ISO 11267 가이드라인에 따라 Allonychiurus kimi는 성충 생존율과 유충 생산량을 주요 독성평가 종말점 (endpoint)으로 사용한다. 기존의 독성평가 방법은 실험 종료 후 현미경을 통해 성충과 유충의 수를 수동으로 계수하는 방식으로, 많은 시간과 인력이 소요되는 단점이 있다. 본 연구에서는 YOLOv8을 사용하여 김어리톡토기 (Allonychiurus kimi)의 성충과 유충을 탐지하고 계수할 수 있는 모델을 개발하여 기존의 수작업 계수를 대체하여 전반적인 실험의 효율성을 증진시키고자 한다. 인공지능 모델은 학습을 위한 훈련 데이터셋 (Training set)을 이용하여 학습시키고, 검증용 데이터셋 (Validation set)으로 평가되었다. 성충, 유충을 포함하고 있는 이미지의 촬영을 수행하여, 인공지능 모델의 학습용, 검증용 데이터셋을 구축하였다. 검증용 데이터셋의 수동 계수값과 모델이 자동으로 탐지한 값을 통계적으로 비교한 결과, 수동 계수와 자동 계수 간 유의미한 차이가 없음을 확인했다. 또한, 모델이 높은 정확도 (성충의 경우 정밀도: 1.0, 재현율: 0.95; 유충의 경우 정밀도: 0.95, 재현율: 0.83)를 나타내어, 이는 모델이 객체를 성공적으로 탐지했음을 의미한다. 더불어 이 시스템은 개체의 체표면적을 자동으로 측정하여 성장 및 발달과 관련된 더 상세한 평가를 가능하게 한다. 이는 실험의 객관성과 정확성을 향상시키고 연구자의 주관적 판단에 따른 오차를 최소화할 것으로 기대된다.
Abstract
Springtails (class Collembola) play a crucial role in soil ecosystems. They are commonly used as standard species in soil toxicity assessments. According to the ISO 11267 guidelines established by the International Organization for Standardization (ISO), Allonychiurus kimi uses adult survival and juvenile production as toxicity assessment endpoint. Conventional toxicity assessment methods require manually counting adults and larvae under a microscope after experiments, which is time-consuming and labor intensive. To overcome these limitations, this study developed a model using YOLOv8 to detect and count both adults and juveniles of A. kimi. An AI model was trained using a training dataset and evaluated using a validation dataset. Both training and validation datasets used for AI model were created by picturing plate images that included adults and larvae. Statistical comparison of validation dataset showed no significant difference between manual and automatic counts. Additionally, the model achieved high accuracies (Precision=1.0, Recall=0.95 for adults; Precision=0.95, Recall=0.83 for juveniles). This indicates that the model can successfully detect objects. Additionally, the system can automatically measure body areas of individuals, enabling more detailed assessments related to growth and development. Therefore, this study establishes that AI-based counting methods in toxicity assessments with offer high levels of accuracy and efficiency can effectively replace traditional manual counting methods. This method significantly enhances the efficiency of large-scale toxicity evaluations while reducing researcher workload.