Branch Convolutional Neural Network for Strawberry Flesh Segmentation without Pooling
연구 내용
풀링을 사용하지 않고 다양한 크기의 합성곱 필터를 분기 구조로 연결하여 딸기 과육 영역을 정밀하게 분할하는 연구
딸기는 수확 및 유통 과정에서 손상과 부패가 발생하기 쉬워 선별 기준을 자동화할 필요가 있습니다. 본 연구에서는 딸기 이미지에서 과육 영역을 분할하는 문제를 합성곱 신경망으로 모델링하고, 정보 손실을 줄이기 위해 풀링을 사용하지 않는 설계를 적용합니다. 또한 다양한 크기의 필터를 가진 합성곱 층을 연결한 분기 구조를 사용하여 서로 다른 크기와 상태의 과육 특징을 동시에 포착하도록 구성합니다. 이를 통해 자동 선별에 필요한 일관된 분할 결과를 도출하는 방향으로 방법론을 제시합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 딸기 선별에서 수동 분류의 주관성과 일관성 문제를 이미지 기반 분할로 대체할 필요를 확인하고, 딸기 과육 영역 분할 학습을 목표로 설정했습니다. 이후 2023년에는 풀링 기반 정보 축소의 영향을 줄이기 위해 풀링을 배제한 합성곱 구조와 분기형 특징 추출을 결합하는 설계를 수행했습니다. 그 결과 서로 다른 상태의 딸기에 대해 보다 정교한 분할을 얻기 위한 네트워크 구성 요소를 정리하고, 자동 품질 판단을 위한 전처리-학습-분할 파이프라인의 기반을 마련했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Strawberry Flesh Segmentation Using Branch Convolutional Neural Networks without Pooling