기후 변화와 지구 온난화의 결과로, 식물 병해와 해충이 그 어느 때보다 빠르게 확산하고 있어 주목을 받고 있다. 토마토 잎굴파리는 토마토의 생장 구조를 파괴하여 토마토 수확량이 80~100%까지 감소하게 한다. 확산을 막기 위한 광범위한 노력에도 불구하고, 토마토 잎굴파리는 대부분의 대륙에서 발견된다. 토마토 잎굴파리로부터 토마토를 보호하기 위해서는, 토마토 생애 주기 전반에 걸쳐 정기적인 점검이 수행되어야 한다. 토마토 잎굴파리를 탐지하기 위한 더 나은 딥 뉴럴 네트워크(DNN) 접근법을 찾고자, 우리는 분류와 분할을 위한 두 가지 DNN 모델을 조사하였다. 실제 농업 현장에서 촬영한 토마토 잎의 동일한 RGB 영상을 두 DNN 모델의 학습에 사용하였다. 두 DNN 모델의 성능 비교에는 정밀도(precision), 재현율(recall), F1-score를 사용하였다. 토마토 잎굴파리를 진단하는 측면에서, 분할을 위한 DNN 모델이 분류를 위한 DNN 모델보다 더 우수하였으며, 정밀도, 재현율, F1-score 값이 더 높았다. 또한 분할을 위한 DNN 모델의 예측에서는 거짓 음성(false negative) 사례가 없었는데, 이는 그것이 식물의 병해와 해충을 탐지하기에 적절함을 시사한다.

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