CNN 및 ViT 기반 식물 잎 질병 진단 하이브리드 프레임워크

인공지능(AI)은 농업 생산성 향상 및 다양한 문제 해결을 위해 지능형 농업 분야에서 광범위하게 활용되고 있습니다. 전 세계적으로 방대한 식물 수와 작물 생산에 부정적인 영향을 미치는 수많은 질병으로 인해 식물 질병의 탐지 및 분류는 어려운 문제입니다. AI 기반 시스템의 목표는 식물 질병의 조기 탐지 및 정확한 분류입니다. 본 논문은 식물 잎 질병 분류 정확도를 크게 향상시키기 위한 하이브리드 프레임워크를 제안합니다. 이 모델은 컨볼루션 신경망(CNN)과 비전 트랜스포머(ViT)의 강점을 활용합니다. VGG16, Inception-V3, DenseNet20과 같은 잘 알려진 CNN 아키텍처로 구성된 앙상블 모델을 사용하여 강력한 전역 특징을 추출하고, ViT 모델을 사용하여 국부 특징을 추출하여 식물 질병을 정밀하게 탐지합니다. 제안된 모델의 성능은 두 가지 공개 데이터셋(사과 및 옥수수)을 사용하여 평가되었습니다. 각 데이터셋은 네 가지 클래스로 구성됩니다. 제안된 하이브리드 모델은 다중 클래스 식물 잎 질병을 성공적으로 탐지하고 분류하며, 최근 발표된 유사 방법들보다 우수한 성능을 보였습니다. 사과 데이터셋에서 99.24%, 옥수수 데이터셋에서 98%의 정확도를 달성하여, 본 연구는 식물 질병 진단 분야에서 AI 기반 시스템의 실용적 적용 가능성을 높이고 농업 생산성 향상에 기여할 수 있음을 시사합니다.