본 연구는 기공공(스토마타) 공극 분석을 대상으로, 두 가지 최신 인스턴스 분할 방법인 Mask R-CNN과 YOLOv8 간의 엄밀한 비교 분석을 수행한다. 기공공 인스턴스 분할에 특화된 새로운 데이터셋인 PhenomicsStomata를 도입하였다. 해당 데이터셋은 낮은 해상도와 영상의 불완전성 등과 같은 도전 과제를 제시하였으며, 이에 따라 Lucy-Richardson 알고리즘을 활용한 영상 향상 등 고도화된 전처리 기법을 적용하였다. 모델은 정확도, 정밀도, 재현율을 핵심 지표로 하여 종합적으로 평가되었다. 특히 YOLOv8은 Mask R-CNN에 비해 우수한 성능을 보였으며, 특히 기공공의 치수를 정확히 산출하는 데에서 더 뛰어났다. 또한 본 비교 연구를 넘어, 본 연구 결과의 함의는 다양한 생물학적 연구 전반에 걸쳐 확장되며 식물 생리학에 대한 이해를 발전시키는 견고한 기반을 제공한다. 더불어 전처리 향상은 영상 분석 기법을 정교화하는 데 유용한 통찰을 제공함과 동시에 과학 분야에서의 더 넓은 적용 가능성을 보여준다. 본 연구는 식물 구조의 복잡성을 해명하는 데 있어 중요한 진전을 이루며, 과학 연구에서의 이론적 통찰과 실질적 응용 모두를 제공한다.

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