Plant Phenomics via Stomatal Pore Instance Segmentation
연구 내용
기공공 데이터를 구축하고 Mask R-CNN과 YOLOv8을 비교하여 전처리로 영상 결함을 보정하며 기공 크기 정량을 지원하는 식물 표현형 분석 연구
식물 생리 연구에서 핵심 구조인 기공공을 대상으로 개별 인스턴스 단위 분할을 수행합니다. Mask R-CNN과 YOLOv8 기반 모델을 비교하고, 저해상도와 영상 결함이 존재하는 상황에서 Lucy-Richardson Algorithm을 활용한 이미지 향상 전처리를 적용합니다. 이후 정확도와 정밀도, 재현율을 중심으로 모델을 평가하여 기공공 치수 산출 성능을 검증하고, 전처리-모델 조합이 정량 분석에 미치는 영향을 확인합니다. 이를 통해 기공 형상 기반의 식물 생리 이해를 위한 정량 분석 워크플로를 제공합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 기공공 인스턴스 분할을 위한 전용 데이터셋을 구성하고, 저해상도 및 결함 환경에서 관측되는 이미지 특성을 정리했습니다. 이후 인스턴스 분할 모델로 Mask R-CNN과 YOLOv8을 적용하고, Lucy-Richardson Algorithm을 포함한 전처리 기법을 통해 입력 품질을 보정하는 실험을 수행했습니다. 2024년에는 전처리 적용 여부와 모델 종류에 따른 정확도 지표 차이를 분석하여 기공공 치수 산출에 강점을 보이는 모델 구성을 제시하고, 식물 구조 정량화의 재현 가능한 분석 흐름으로 확장했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Comparative analysis of stomatal pore instance segmentation: Mask R-CNN vs. YOLOv8 on Phenomics Stomatal dataset