실시간 토마토 식물 병해충 인식을 위한 강인한 딥러닝 기반 탐지기

식물 병해충은 농업 부문의 주요 도전 과제입니다. 식물의 병해충을 정확하고 빠르게 감지하면 초기 치료 기술 개발에 도움을 주어 경제적 손실을 현저히 줄일 수 있습니다. 최근 딥 뉴럴 네트워크의 발전으로 연구자들은 객체 감지 및 인식 시스템의 정확도를 크게 향상시킬 수 있었습니다. 본 논문에서는 다양한 해상도를 가진 카메라 장치로 현장에서 촬영한 이미지를 사용해 토마토 식물의 병해충을 탐지하는 딥러닝 기반 접근법을 제시합니다. 우리의 목표는 이 작업에 더 적합한 딥러닝 아키텍처를 찾는 것입니다. 따라서 우리는 Faster Region-based Convolutional Neural Network (Faster R-CNN), Region-based Fully Convolutional Network (R-FCN), Single Shot Multibox Detector (SSD) 세 가지 주요 탐지기 계열을 고려하며, 본 연구를 위해 이를 "딥러닝 메타아키텍처"라고 부릅니다. 각 메타아키텍처에 VGG net 및 Residual Network (ResNet)와 같은 "딥 피처 추출기"를 결합합니다. 딥 메타아키텍처 및 피처 추출기의 성능을 입증하고, 학습 중 정확도를 높이고 거짓 양성 수를 줄이기 위한 지역 및 전역 클래스 주석과 데이터 증강 방법도 추가로 제안합니다. 우리는 도전적인 질병 및 해충 이미지와 함께 감염 상태, 식물 내 위치 등의 여러 클래스 내·외 변이를 포함하는 대규모 토마토 병해충 데이터셋에서 시스템을 종단간으로 학습 및 테스트합니다. 실험 결과, 제안한 시스템은 9가지 다양한 병해충 유형을 효과적으로 인식하며, 식물 주변 영역의 복잡한 상황을 처리할 수 있음을 보여줍니다.