산불의 영향과 발생 빈도의 증가는 대중, 경제, 그리고 지구 생태계에 위협이 된다. 생리적으로 쇠약해지거나 고사한 수목은 산불의 큰 부분을 차지하는데, 이는 이러한 수목이 더 높은 점화 가능성을 가지며 수분 함량이 낮기 때문이다. 산불을 예방하기 위해서는 위험한 식생을 제거해야 하며, 식생은 초기 단계에서 식별되어야 한다. 본 연구는 UAV 영상을 이용한 실시간 화재 위험 수목 탐지 프레임워크를 제안하며, 이는 경량 객체 탐지에 기반한다. 이 모델은 엣지 배치를 위해 최적화된 MobileNetV3-Small backbone과 SSD 헤드를 결합하여 구성한다. 이러한 설정은 고도로 최적화되고 빠른 UAV 기반 추론 파이프라인을 산출한다. 본 연구에서 사용한 데이터셋은 건강함, 부분 고사, 완전 고사 상태의 수목에 대한 3000편이 넘는 주석이 달린 RGB UAV 이미지로 구성되며, 혼합된 실제 산림 장면과 공개 드론 영상 저장소에서 수집되었다. 면밀한 평가는 제안 모델이 기존의 SSD 및 최근의 YOLO 모델들보다 정밀도(94.1%), 재현율(93.7%), mAP(90.7%), F1(91.0%)에서 더 우수하면서도 경량(8.7 MB)이고 빠르며(Jetson Xavier NX에서 62.5 FPS), 그 성능을 철저히 입증한다. 이러한 결과는 건강 저하를 감지하고 산불 위험을 사전에 완화하기 위한 대규모의 연속적 산림 모니터링에서 모델의 효과를 강력히 뒷받침한다. 본 프레임워크는 UAV 기반 환경 모니터링 시스템으로서, 탐지 정확도, 속도, 자원 효율 간의 균형을 기본 원칙으로 통합함으로써 차별화된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.