작물-잡초 영상 인식을 위한 세그멘테이션 및 병해충 탐지 연구

Crop-Weed Recognition via Segmentation and Pest/Disease Detection

연구 내용

작물-잡초를 복잡 배경에서 정밀 분할하기 위해 UNet++ 업샘플링 기반 어텐션 모듈을 개선하고, 다중스케일 특징 융합으로 경계 잡음을 억제하는 연구

농업 현장에서 잡초는 작물과 유사한 색·형상 및 다양한 촬영 조건으로 인해 추출과 경계 분리가 어렵습니다. 본 연구는 UNet++를 백본으로 하여 스킵 연결을 통한 다층 특징 융합을 유지하고, 업샘플링 과정에 attention 모듈을 포함해 외부 잡음 간섭을 억제합니다. 또한 잡초-작물 경계가 불명확한 경우에 end-to-end encoder-decoder 구조로 분할 정확도를 높이는 방향을 채택합니다. 병해충 영역에서는 YOLO 기반 검출기를 다중 강도/다중스케일 특징 융합과 공간·채널 주의 모듈로 보강하여 작은 병해충과 겹침 상황에서의 탐지 능력을 개선합니다.

관련 프로젝트

0건

연구 흐름

초기에는 잡초 인식이 필요한 로봇 제초 응용을 목표로, UNet++ 기반 의미 분할에 attention 모듈을 통합하여 복잡 배경에서의 잡음 억제와 분할 성능을 확인했습니다. 이후 당근/사탕무 등 작물별 데이터 특성을 고려해 업샘플링 단계의 attention 배치를 강화한 개선형 UNet++ 구조로 확장하며, 경계 품질 향상과 소음 제거에 초점을 두었습니다. 이후에는 사탕무-잡초 분할과 함께 다른 농업 비전 태스크로 범위를 넓혀 YOLO 기반 병해충 탐지 모델을 다중스케일 특징과 주의 메커니즘을 통해 소형·겹침 대상에 강인하게 구성하는 연구를 수행했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

정밀 제초 로봇 비전
가변 살포 처방지도 생성
잡초-작물 경계 정밀 분할
병해충 조기 탐지 모델
온실 영상 모니터링 시스템
드론 기반 농경지 분석
작물 생육 관리 보조
농업용 라벨 자동화 보조
작업 상황 인지용 실시간 추론
농업 데이터 기반 품질관리