Segmentation 기반 샤인머스캣의 포도알 검출 및 충실도 예측 알고리즘 개발 = Development of segmentation-based Shine Muscat’s grape berry detection and fidelity estimation algorithm for a grape cluster

국문 초록 (Abstract)

포도는 인체의 탄수화물 대사를 촉진시키며 피로를 풀어주는 등 인체에 유익한 알칼리성 식품으로 알려지며 재배와 소비량이 꾸준히 증가하고 있다. 이 중 샤인머스캣은 포도의 다양한 종류 중 하나로, 일반 포도의 쓴 맛이 덜하고 산도가 낮으며 아삭아삭한 식감을 가지고 있어 특히 관심이 높아지고 있다. 이러한 샤인머스캣 품종의 소비가 급격하게 증가함에 따라 노동력과 시간을 절약하기 위한 자동화 공정 시스템을 구축하는 것이 필수인데, 특히 전문가의 육안으로만 포도의 등급을 판단하는 것은 아직도 해결해야 하는 과제 중 하나이다.
본 연구에서는 포도의 종류 중 하나인 샤인머스캣을 대상 과실로 지정하였으며, RGB 영상장치를 이용하여 수확 후의 샤인머스캣을 다양한 조도 조건하에 촬영하여 영상을 획득하였다. 단일 포도송이에서 포도 열매를 검출하는 알고리즘을 채택하였으며 합성곱 신경망 네트워크 기반의 영상 분할 기법인 Mask R-CNN을 다양한 backbone과 함께 적용하여 각 모델의 성능을 비교 평가하였다. 그 결과, Mask R-CNN ResNet 101이 모든 모델 중 검출 정확도 AP(Average Precison)값이 가장 높은 것으로 분석되었으며, 해당 네트워크로 샤인머스캣의 포도알 직경, 면적, 빈 공간의 면적 등을 구하여 포도알이 얼마나 밀집되어 있는지를 나타내는 지표인 Density of Grape Clusters (DGC)를 구하였다. 본 연구에서 정의한 이러한 지표들을 통해 샤인머스캣의 수확 후 품질 판단을 보다 정확하고, 신속하게 체계화할 수 있다.