불법 벌목 단속에 필수적인 목재 수종 식별 작업을 AI로 자동화하는 연구가 필리핀을 대상으로 진행됐다. 연구팀은 Xylorix 플랫폼을 활용해 프로그래밍 전문 지식이 없는 목재 과학자도 AI 모델을 직접 개발·배포할 수 있음을 확인했으며, 5종의 필리핀 경목재에서 대부분 AUC(수신자 조작 특성 곡선 아래 면적) 0.969 이상의 높은 분류 성능을 달성했다.
연구 대상은 망기움(Acacia mangium), 레인 트리(Samanea saman), 바누요(Wallaceodendron celebicum), 틴달로(Afzelia rhomboidea), 이필(Intsia bijuga) 5종이다. 260개 표본에서 수집한 1만 663장의 검증된 단면 이미지로 이진 분류기를 학습했으며, 실제 현장 조건을 반영하기 위해 표본 수준 평균 채점 방식으로 평가했다. 5종 중 4종은 AUC와 평균 정밀도(AP) 모두 0.90 이상인 AA 등급을 획득했다. 망기움은 AUC 및 AP 모두 1.000을 기록했고, 이필은 AUC 0.969였다. 레인 트리만 테스트 세트의 양성 표본 수가 3개로 적어 AP가 0.589에 그쳐 AE 등급을 받았다.
5종 전체에서 분류기는 목표 표본을 비목표 표본보다 높게 순위화하는 능력을 거의 완벽하게 유지했다. 오류 분석에서는 이필의 거짓 음성 9건이 지역적 이미지 아티팩트에서, 레인 트리와 틴달로의 거짓 양성 각 3건·1건은 분류학적으로 가까운 종의 해부학적 공유 특성에서 비롯된 것으로 나타났다. 이번 연구는 전문 장비와 전문가 의존도가 높았던 목재 종 식별 작업을 현장 공급망 검문소 수준에서 실용적으로 수행할 수 있는 AI 모델 개발 가능성을 보여줬다.
필리핀은 불법 벌목과 목재 거래 단속에서 수종 정확 식별이 법 집행의 핵심이지만, 전문 인력과 장비가 부족한 현실적 제약이 있다. 이번 연구는 Xylorix 같은 노코드(No-Code) AI 플랫폼이 이 간극을 메우는 실질적 수단이 될 수 있음을 실증했다는 점에서 의의가 있으며, 동남아시아 산림 보호 정책에도 참고 사례로 활용될 수 있다.
