영상이미지 활용 화상병 조기 예찰 기술개발
과제구분 기본 수행시기 전반기
연구과제 및 세부과제명 연구분야 수행기간 연구실 책임자

인공지능의 농업적 활용 기술 개발

 미래농업 ’17~ 원예연구과 이영석

영상이미지 활용 화상병 조기 예찰 기술개발

 미래농업 ’20~’22 원예연구과 이영석
색인용어

영상이미지, 화상병, 인공지능, YOLO, CNN
 
□ 연구 목표
과수 화상병은 사과 등 장미과 식물에 생기는 세균성 병해의 일종으로 병원균인 Erwinia amylovora에 의해 발생한다. 강한 전염성으로 인해 감염체 100m 반경의 과수가 매몰되고(강 등, 2020), 발병한 과수원은 폐원되며 3년간 과수 재배가 금지되기 때문에 발병 시 장기적인 경제적 피해가 발생하게 된다.
현재 병 예찰 방법은 노동 집약적이며(Liu 등, 2022), 예찰을 위한 인력의 부족으로 조기 방제가 어려운 실정이다. 따라서 화상병을 초기에 신속 정확하게 판단하기 위한 진단 기술 개발이 요구된다.
최근 인공지능 기술이 기하급수적으로 성장하고 있어 많은 딥러닝 기법이 공유ㆍ배포되고 이와 함께 병해충 판단 분야 연구에서도 알고리즘 및 기계학습을 사용하고 있다(김 등, 2021; 이 등, 2017). 딥러닝 기술은 인공지능의 세부 분야로서 연속된 층에서 의미 있는 특징을 데이터에서 추출하는 방식으로 주어진 학습 데이터 세트를 학습하여 각 층의 가중치를 설정하는 기계학습 알고리즘(Dumitru 등, 2014)이다. 객체 인식 연구에 사용되고 있는 CNN(Convolution Neural Networks)은 1989년 손 글씨 문자 인식을 위해 인간 시신경 구조의 정보 처리 방식을 모방하여 만들어진 기법으로(Lecun 등, 1998; 박 등, 2019) 크게 1-Stage, 2-Stage 구조로 분류되며, 높은 검지 속도로 실시간 검출이 가능한 1-Stage 방식이 병해충 진단 기술에서 주목받고 있다.
본 연구는 과수 화상병 영상 데이터를 확보하고 인공지능 기반의 학습을 통한 화상병 조기 예찰 기술을 개발하기 위해 수행하였다.
 
※ 자세한 내용은 첨부파일을 참고하세요.