식물 잎 질병 탐지 및 분류를 위한 CNN 모델

Plant leaf disease detection and classification using convolution neural networks model: a review

Tanko Daniel Salka, Marsyita Hanafi, Sharifah M. Syed Ahmad Abdul Rahman 외 2인·Artificial Intelligence Review·발표 2025.07· 37 인용

최근 1년 37회 인용· 떠오르는 연구

원문 읽기 내 논문 분석하기

한국어 핵심 요약

식물은 전 세계 식량 공급에 필수적인 역할을 하지만, 다양한 환경 요인으로 인해 발생하는 잎 질병은 작물 수확량을 크게 감소시킵니다. 기존의 수동적인 질병 탐지 방식은 시간 소모적이고 오류 발생 가능성이 높아, 정밀 농업 분야에서 딥러닝 기술의 도입이 중요해지고 있습니다. 본 연구는 식물 잎 질병 탐지 및 분류에 사용되는 컨볼루션 신경망(CNN) 모델의 최신 동향을 심층적으로 검토합니다. 또한, 기존의 식물 잎 질병 데이터셋을 분석하여 연구 현황을 파악했습니다. 분석 결과, VGG, EfficientNet, GoogleNet, ResNet과 같은 CNN 모델들이 식물 잎 질병 이미지 분류에서 가장 높은 정확도를 제공하는 것으로 나타났습니다. 이는 딥러닝 기반의 질병 진단이 높은 효율성을 가질 수 있음을 시사합니다. 이 리뷰는 식물 잎 질병 탐지 및 분류를 위한 효과적인 딥러닝 기반 분류기를 탐색하는 연구자들에게 귀중한 정보를 제공할 것입니다.

섹션 미리보기

연구 배경

식물 잎 질병은 작물 수확량에 막대한 손실을 초래하지만, 수동 탐지는 비효율적입니다. 딥러닝 기술은 이러한 문제를 해결할 잠재력을 가지고 있으며, 정밀 농업 분야에서 그 중요성이 커지고 있습니다.

핵심 발견

VGG, EfficientNet, GoogleNet, ResNet과 같은 컨볼루션 신경망(CNN) 모델들이 식물 잎 질병 이미지 분류에서 가장 높은 정확도를 보였습니다. 이는 딥러닝 기반 모델이 식물 질병 진단에 효과적임을 입증합니다.

전체 8개 섹션 분석

내가 읽고 있는 논문도 이렇게 정리해드릴게요

연구 배경 · 방법론 · 결과 · 한계점까지 8개 섹션 풀 분석. PDF 업로드 한 번이면 끝.

내 논문 분석하기

식물 잎 질병 탐지 및 분류를 위한 CNN 모델

연구 배경

핵심 발견

내가 읽고 있는 논문도 이렇게 정리해드릴게요

관련 생물학 논문

저위도 작물 다양성에 대한 기후변화 위협

기후변화와 식량 안보: 농작물 수확량 예측

기후변화가 작물 수확량에 미치는 영향

대기오염 식물 ROS 조절 및 항산화