본 연구는 비점오염원 중 하나인 야적퇴비의 효율적인 탐지를 위해 You Only Look Once (YOLO)v8모델과 DeepLabv3+ 모델의 적용 가능성을 평가하였다. 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 수집된 고해상도 영상을 바탕으로, 두 모델의 정량적 및 정성적 성능을 비교 분석하였다. 정량적 평가에서 YOLOv8 모델은 다양한 지표에서 우수한 성능을 나타내며, 특히 야적퇴비의 덮개 유무를 정확하게식별할 수 있는 능력을 보였다. 이러한 결과는 YOLOv8 모델이 야적퇴비의 정밀한 탐지 및 분류에 효과적임을 시사하며, 이를 바탕으로 야적퇴비의 관리 등급을 산정하고 비점오염원 관리에 기여할 수 있는 새로운 접근 방법을 제공한다. 본 연구는 UAV와 딥러닝 기술을 활용한 야적퇴비 탐지 및 관리가 기존 현장 조사방식의 한계를 극복하며 정확하고 효율적인 비점오염원 관리 전략 수립 및 수계환경 보호에 기여할 것으로기대된다.
This research assessed the applicability of the You Only Look Once (YOLO)v8 and DeepLabv3+models for the effective detection of compost heaps, identified as a significant source of non-pointsource pollution. Utilizing high-resolution imagery acquired through Unmanned Aerial Vehicles (UAVs),the study conducted a comprehensive comparison and analysis of the quantitative and qualitativeperformances. In the quantitative evaluation, the YOLOv8 model demonstrated superior performanceacross various metrics, particularly in its ability to accurately distinguish the presence or absence of coverson compost heaps. These outcomes imply that the YOLOv8 model is highly effective in the precisedetection and classification of compost heaps, thereby providing a novel approach for assessing themanagement grades of compost heaps and contributing to non-point source pollution management. Thisstudy suggests that utilizing UAVs and deep learning technologies for detecting and managing compostheaps can address the constraints linked to traditional field survey methods, thereby facilitating theestablishment of accurate and effective non-point source pollution management strategies, and contributingto the safeguarding of aquatic environments.