http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
배경 합성 방식의 이미지 증강을 통한 강건한 식물병 진단 모델 개발
전우상 ( Woosang Jeon ),김태형 ( Taehyeong Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2
병해충, 바이러스 등에 의해 발생하는 식물병은 발병 초기에 진단하여 확산에 의한 피해를 최소화 해야하며 스마트팜과 같이 밀폐된 재배 환경에서는 빠른 진단의 중요성이 특히 증대된다. 이를 위해 컴퓨터 비전 기술을 도입하여 식물병을 진단하려는 시도가 이루어지고 있지만 기계학습 모델의 훈련에 필요한 감염 개체들의 이미지 수가 부족할 뿐 아니라 전문가의 도움 없이는 특정 질병의 감염 여부를 정확히 라벨링하기 어렵다는 한계가 있다. 이전의 식물병 진단 모델들은 실환경 데이터의 부족으로 인해 주로 실험실에서 수집한 이미지들을 기반으로 훈련되었는데, 이러한 이미지들은 제한된 환경의 일관적인 배경을 가져 실제 재배 환경에서 얻은 이미지와는 분포의 차이가 현저하다. 이로 인해 개발된 모델의 일반화 성능이 저하되며, 실환경에 적용되었을 때의 성능이 보장되기 어렵다. 본 연구에서는 실험실 수집 데이터를 기반으로도 현장에서 적용성이 높은 식물병 진단 모델을 개발하기 위해 배경 합성을 통한 이미지 증강 방식을 도입한다. 제안하는 방법의 유효성을 검증하기 위해 딥러닝을 기반으로 고추의 세균성점무늬병, 마일드모틀바이러스(PMMoV)병 분류 모델을 개발하고, 배경 합성 증강에 따른 실제 재배 환경 이미지에서의 성능 개선 효과를 비교했다. 본 연구에서 제안한 방법을 활용하여 실제 데이터의 부족을 보완함으로써 다양한 작물과 질병과 대해 실환경에서도 신뢰할 수 있는 식물병 진단 모델을 개발하고, 이를 통해 스마트팜과 같은 현장에서 작물의 질병으로 인한 손실 최소화에 기여할 것으로 기대된다.