식물 질병 탐지 딥러닝 및 컴퓨터 비전

식물 질병은 농업에 막대한 피해를 입혀 수확량 손실과 식량 안보 위협을 초래한다. 정밀 농업과 작물 보호에서 질병의 탐지, 식별, 정량화 및 진단은 매우 중요하다. 컴퓨터 비전 기술은 비파괴적, 신속성, 실시간 반응성, 정밀성 덕분에 작물 질병 진단에 활용되어 농업 현대화와 생산 효율성 향상에 기여한다. 본 연구는 컴퓨터 비전의 최신 기술인 딥러닝(DL)이 수동 특징 선택의 편향을 최소화하며 식물 보호 분야의 핵심으로 부상함에 주목한다. 자동 질병 식별 기술과 도구, 최첨단 딥러닝 모델, 딥러닝 기반 이미지 분석의 최신 동향을 종합적으로 검토했다. 278개 이상의 연구 논문에서 기술, 성능, 장단점, 기본 프레임워크 및 참조 데이터셋을 분석하여 컴퓨터 비전 및 딥러닝 모델 아키텍처에 따라 정리했다. 주요 결과로 RGB, 멀티스펙트럴, 하이퍼스펙트럴 카메라와 같은 이미징 기술 및 센서가 질병의 조기 탐지에 효과적임을 확인했다. 또한, 합성곱 신경망, 비전 트랜스포머, 생성적 적대 신경망, 비전 언어 모델, 파운데이션 모델 등 다양한 딥러닝 아키텍처의 성능을 평가했다. 이 포괄적인 검토는 학술 연구와 실제 농업 응용을 연결하고, 생산 환경에 적합한 모델 선택에 대한 지침을 제공한다. 정밀 농업 분야의 연구자, 학계 및 실무자에게 식물 질병 탐지 분야의 딥러닝 현황과 미래 방향에 대한 귀중한 통찰력을 제공하는 중요한 자료가 될 것이다.