유해 남조의 자동 분류 모델을 딥러닝 기법을 이용해 구축하였다. 학습 대상은 환경부 지정 유해 남조 중 3개종(Anabaena circinalus, Aphanizomenon flos-aquae, Microcystis aeruginosa)으로 정하였다. 유해 남조 탐지 모델은 Mask R-CNN을 연구 목적에 맞게 수정하여 사용하였다. 데이터세트는 508개의 유해 남조 이미지로 구성하였고, 학습과 검증, 테스트에 사용된 이미지 수는 각각 300개, 146개, 62개이다. 테스트 결과는 중복 탐지를 최소화 하기 위해 Intersection Over Union (IOU) 점수가 0.90 이상인 것만 출력하도록 설정하였다. 모델 성능은 객체 탐지 성능 평가 지표인 평균-평균 정밀도(mean average precision, mAP)와 평균 재현률(average recall, AR)로 산출하였고, IOU 점수 0.50부터 0.95 까지의 범위에서 0.05마다 기록한 성능값을 평균하였다. 모델 구축 결과, 전체 테스트세트 이미지 65개 중 37개의 이미지를 탐지하는 데 성공하였다(약 57%). 탐지 결과 중 실제 정보와 일치하는 결과는 35건, 잘못된 종을 탐지한 결과 1건, 같은 종을 중복으로 탐지한 결과가 1건이었다. 모델의 성능을 산출한 결과, mAP=0.39, AR=0.46으로 나타났다. 위 결과는 본 연구에서 구축한 모델의 탐지 정확도가 우수하지만 전체적인 탐지 능력은 다소 미흡하다는 것을 의미한다. 일반적인 객체 탐지 모델의 데이터세트 규모가 본 연구에 비해 큰 것을 고려한다면, 본 연구에서 사용한 데이터세트를 보강했을 때 모델의 탐지 능력과 성능지표가 개선될 것으로 예상된다.