분광계와 머신러닝을 이용한 콩 세균병 분류 = Classification of Soybean Bacterial Disease Using Spectrometer and Machine Learning

국문 초록 (Abstract)

콩은 우리나라 주요 식량 작물 중 하나이지만, 최근 기후 변화에 따른 고온 다습한 기후로 인해 세균병의 발생 빈도가 증가하여 생산량과 품질에 영향을 받고 있다. 그러므로 세균병의 조기 진단 및 방제를 위한 분광 기술과 머신러닝의 필요성이 증가하고 있다. 따라서 본 연구는 온실 내부에서 분광계로 취득된 데이터와 머신러닝을 이용하여 콩 세균병의 일종인 들불병, 불마름병의 분류 가능성 및 성능 개선 방법을 검토하였다.
본 실험은 경상남도 밀양시에 위치한 국립식량과학원 남부작물부의 유리온실(35˚29’30.5”N 128˚44’ 36.2”E)에서 2022년 5월 16일에 2가지 품종(대찬, 청자 3호)에 들불병, 불마름병을 접종하여 진행하였다. 분광 데이터는 2022년 5월 16일부터 2022년 6월 3일까지 총 15일간 분광계(RS-3500, Spectral Evolution, USA)를 이용하여 취득되었다. 데이터 전처리에 따른 모델 성능 개선을 검토하기 위해 결측치 제거, 잡음 스펙트럼 제거, Savitzky-Golay filtering 기법을 통한 평활화를 각각 또는 조합하여 학습데이터를 생성하였다. 원본과 각 전처리를 진행한 데이터는 Decsion Tree(DT), Random Forest(RF), XGBoost, LightGBM 머신러닝 방법으로 들불병, 불마름병, 정상을 분류하는 모델을 개발하여 F1 Score(F), Kappa(K), Confusion Matrix(CM)로 성능평가를 하였다.
품종에 관계없이 원본데이터로 병증의 유무를 판단하는 것은 불가능하였으나, 전처리를 진행한 데이터에서는 유의미한 분류가 가능하였다. 청자의 경우, 전처리를 진행한 데이터 중에는 평활화만을 진행한 데이터의 RF모델이 1.00(F),1.00(K)으로 완벽하게 분류하였다. 대찬 품종의 경우 결측치 제거와 평활화를 함께 진행한 데이터의 RF모델이 0.98(F), 0.99(K)로 가장 좋은 성능을 나타내었다. 이는 분광계로 취득한 데이터에서 평활화 처리가 성능개선에 효과적임을 나타내었고 특히 CM를 확인했을 때, 전처리 전 병을 정상으로 분류하였던 오분류가 모두 정분류가 되어 실제 방제 적용에 있어서도 더 효율적인 모델로 개선됨을 확인하였다. 이를 통해 콩 세균병 분류 진단 및 방제 적용 가능성을 확인하였으며, 향후 파장 대역 조정 및 밴드 셀렉을 통해 분류 효율을 개선할 예정이다.