시중에서 구할 수 있는 스테레오 카메라 센서 데이터로 곤충 해충(유충)의 초기 발달 단계를 딥러닝을 통해 정확히 탐지하는 것은 농민들에게 여러 이점을 제공한다. 예컨대 간단한 로봇 구성부터 기민하지는 않지만 더 치명적인 이 단계의 조기 무력화까지 가능하다. 머신 비전 기술은 살포 장비를 이용한 대량 살포에서 정밀한 용량 제어로, 나아가 감염된 작물에 직접 문지르는 방식에 이르기까지 발전해 왔다. 그러나 이러한 해결책들은 주로 성충 해충과 감염 이후의 단계에 초점을 맞추고 있다. 본 연구는 로봇에 장착한 전방 지향(red-green-blue, RGB) 스테레오 카메라를 사용하여 딥러닝으로 해충 유충을 식별하는 방법을 제안하였다. 카메라는 여덟 가지 ImageNet 사전 학습 모델에 대해 실험한 딥러닝 알고리즘에 데이터를 제공한다. 곤충 분류기와 검출기의 조합은 각각 자체 제작 해충 유충 데이터셋에서 주변(peripheral) 및 중심(foveal) 시선(line-of-sight) 비전을 모사한다. 이를 통해 로봇의 원활한 동작과, 망원 시야(farsighted) 구간에서 최초로 포착된 해충의 위치 정밀도 사이에서 트레이드오프를 구현할 수 있다. 결과적으로 근시야(nearsighted) 부분에서는 보다 빠른 region-based convolutional neural network 기반 해충 검출기를 활용하여 정확한 위치를 파악한다. CoppeliaSim과 MATLAB/SIMULINK에서 딥러닝 툴박스를 사용하여 적용된 로봇 동역학을 시뮬레이션한 결과, 제안된 시스템의 우수한 실현 가능성이 입증되었다. 우리의 딥러닝 분류기와 검출기는 각각 99%와 0.84의 정확도 및 평균 정밀도(mean average precision)를 나타냈다.