토마토 잎 질병 분류를 위한 VGG16 기반 하드 어텐션 메커니즘

토마토 질병은 농업 생산성과 세계 식량 안보에 심각한 위협을 가하며, 효과적인 작물 관리와 수확량 보존을 위해 질병의 조기 및 정확한 식별이 필수적입니다. 본 연구는 토마토 잎 질병의 자동 식별을 위해 하드 어텐션 메커니즘이 통합된 VGG16 모델을 제안합니다. 제안된 모델은 VGG16 아키텍처에 하드 어텐션 메커니즘을 통합하여 입력 이미지에서 가장 정보가 풍부한 영역에 집중함으로써, 건강한 토마토 잎과 병든 잎을 구별하는 능력을 향상시킵니다. 공개된 토마토 잎 이미지 데이터셋을 활용한 실험 결과, 하드 어텐션 기반 VGG16 모델은 표준 VGG16 아키텍처 및 여러 기존 딥러닝 모델 대비 분류 성능을 크게 향상시켰습니다. 특히, 제안된 모델은 96.0%의 정확도를 달성하여, 동일 데이터셋에서 92.3%의 정확도를 보인 기준 VGG16 모델을 능가했습니다. 이러한 어텐션 메커니즘의 통합은 예측 과정에 가장 크게 기여하는 이미지 영역을 강조함으로써 모델의 해석 가능성을 높입니다. 이 설명 가능성은 모델의 의사결정 과정에 대한 귀중한 통찰력을 제공하여, 지능형 식물 질병 식별 시스템을 위한 신뢰할 수 있고 투명한 도구로서의 가치를 부여합니다.