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 정확도…
식량 안보와 작물 수확량 증진을 위해 식물 질병의 조기 진단은 필수적입니다. 기존 수동 방식은 노동 집약적이며 환경 변화에 취약하여 오류 발생 가능성이 높습니다. 인공지능, 특히 머신러닝(ML)과 딥러닝(DL)은 이미지 분류를 통해 자동화된 질병 식별에 큰 발전을 가져왔으나, 일반화 능력 부족, 데이터 불균형, 실제 환경에서의 낮은 성능 등 여러 난관에 직면해 있습니다.
본 연구는 기존 리뷰와 달리 실험실 및 실시간 현장 조건에서 모델 성능을 비판적으로 평가하며, 견고성, 일반화, 엣지 장치 배포 적합성에 중점을 둡니다. Gree…
