사탕무(Beta vulgaris)는 저온, 가뭄 및 염분에 대한 내성이 있는 이년생 초본으로, 전 세계 주요 당 작물 중 하나이다. 당 외에도 사탕무는 화학 및 제약 제품을 위한 중요한 원료이며, 당 추출 후 남는 부산물은 복합 사료(compound feed)와 같은 농업 부산물을 생산하는 데 활용될 수 있어 종합적 이용 가치가 높다[1]. 사탕무와 같은 밭 잡초는 작물의 생장에 해롭고, 작물과 햇빛 및 양분을 놓고 경쟁할 수 있다. 잡초가 재배 기간 동안 제때 제거되지 않으면 수확량과 품질이 감소한다. 따라서 선택적 제초 작업을 위한 자동화 기계의 개발에 대한 관심이 상당하다. 이 기술의 핵심 구성 요소는 작물과 잡초를 구별하는 비전(vision) 시스템이다. 전통적인 사탕무 검출에서 발생하는 잡초 추출의 어려움, 검출 성능 저하, 그리고 영역 경계(region boundary) 분할의 문제를 해결하기 위해, 분할(segmentation)을 위한 개선된 UNet++에 기반한 엔드투엔드(End-to-end) 인코더-디코더 모델을 본 논문에서 제안하고 사탕무 및 잡초 검출에 적용하였다. UNet++는 스킵 연결(skip connections)을 통해 서로 다른 층(layer)에서의 특징 맵(feature map)을 더 잘 융합하며, 사탕무 및 잡초 이미지의 세부 정보를 효과적으로 보존할 수 있다. 새로운 모델은 UNet++의 업샘플링(upsampling) 과정에 주의(attention) 모듈을 임베딩하여, 불필요한 잡음으로부터의 간섭을 억제함으로써 UNet++에 주의 메커니즘을 추가하였다. 개선된 모델은 1026장의 이미지를 포함하는 사탕무 및 잡초 데이터셋에서 평가되었다. 본 연구에서 사용한 이미지 데이터셋은 독일 본 대학(University of Bonn)에서 수집한 사탕무 및 잡초 이미지로부터 얻었다. 실험 결과에 따르면, 제안 모델은 잡음을 유의미하게 제거하고 분할 정확도를 향상시킬 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.