현대 군사작전에서는 적의 비정형적 도발에 대응하기 위해 과학화 경계시스템 효율성을 높이는 것이 중요하다. 최근 북한의 쓰레기 풍선 도발로 인해 환경 오염과 국민 불안이 가중되고 있다. 본 연구는 YOLOv5와 Faster R-CNN을 활용하여 북한 쓰레기 풍선을 탐지하고 식별하기 위한 최적의 객체 탐지 모델을 제안한다. 본 연구는 4개의 클래스(일반 풍선, 기상 관측 풍선, 열기구, 쓰레기 풍선)를 대상으로 데이터 증강을 통해 총 2,000장의 데이터 셋을 구성하였다. 실험 결과, YOLOv5는 mAP 80%로 빠르고 높은 정확도를 보였으며, Faster R-CNN은 mAP(mean Average Precision) 62.62%로 복잡한 이미지 분석에서 강점을 나타냈다. 또한, Transformer 기반 객체 탐지 모델인 DETR(Detection Transformer)와 비교하여 YOLOv5의 성능을 검증하였다. YOLOv5가 다른 모델보다 학습 데이터가 작은 본 실험 환경에서 우수한 성능을 보였다.