식물 질병 탐지 기술: 최신 동향과 과제
식물 질병으로 인한 연간 약 2,200억 달러의 농업 손실은 자동화된 탐지 시스템의 필요성을 증대시킨다. 본 체계적 문헌 검토는 RGB 및 초분광 이미징을 활용한 딥러닝 기반 식물 질병 탐지 접근법을 고전적 이미지 처리부터 최신 신경망 아키텍처까지 분석한다. 연구는 11개 벤치마크 데이터셋에서 최첨단 모델들을 평가했으며, 실험실 조건(정확도 95-99%)과 실제 현장 배포(정확도 70-85%) 간의 상당한 성능 격차를 확인했다. 특히 트랜스포머 기반 아키텍처가 뛰어난 견고성을 보였는데, SWIN은 실제 데이터셋에서 88%의 정확도를 달성하여 기존 CNN의 53%보다 우수했다. 현장 배포의 세 가지 주요 제약 요인으로는 환경 변동성 민감도, 경제적 장벽(RGB 시스템 500-2,000 USD, 초분광 시스템 20,000-50,000 USD), 그리고 농민 수용을 위한 해석 가능성 요구사항이 확인되었다. 1천만 명 이상의 사용자를 보유한 Plantix와 같은 성공적인 플랫폼 사례 연구는 오프라인 기능과 다국어 지원의 중요성을 강조한다. 이 연구는 실험실 최적화보다 배포 가능성을 우선시하는 증거 기반 가이드라인을 제시하며, 경량 모델 설계, 교차 지역 일반화, 설명 가능한 다중 모드 융합을 포함한 주요 연구 방향을 제안한다. 본 검토는 식물 질병 탐지 기술이 연구 프로토타입을 넘어 실질적인 농업 도구로 발전하여 전 세계 식량 안보를 개선하는 포괄적인 프레임워크를 제공한다.