딥러닝은 영상 분할에서 널리 활용되고 있으며, 작물과 잡초를 효과적으로 식별하여 제초제 사용을 줄이는 데 기여한다. 그러나 넓은 지역에 살포하는 전통적인 농약 처리 방식은 필요에 따라 잡초에 대응하는 데 비효율적이어서 살포되는 농약의 막대한 낭비, 생산 비용의 상승, 심각한 환경 오염으로 이어진다. 이는 작물의 수확량과 품질에 영향을 준다. 기존의 딥러닝 기반 잡초 인식 방법은 시간이 지남에 따라 발전해 왔지만, 잡초의 추출, 검출 및 분할에는 여전히 어려움이 있다. 잡초의 정확한 인식과 검출은 가변 살포를 구현하기 위한 필수 전제 조건이다. 본 논문은 사탕무, 완두, 쌀에서 잡초를 대상으로 하며, 식물과 잡초의 정확한 식별이 어려운 복잡한 환경에서 UNet++ 기반의 의미론적 분할 방법을 제안한다. 주의(attention) 모듈을 UNet++의 업샘플링 과정에 통합하고, UNet++을 백본 네트워크로 사용하여 다중 스케일 정보를 효과적으로 통합함으로써 외부 잡음 간섭을 효율적으로 억제한다. 통합된 주의 메커니즘 모듈을 포함한 UNet++ 모델은 의료 영상 분석에서 사용되는 일반 UNet++ 모델에 비해 더 높은 IOU를 달성한다. 이 방법은 복잡한 배경에서 작물과 잡초를 효과적으로 검출하여 로봇 제초제의 정확한 적용을 위한 참고 자료를 제공한다.

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