토마토 잎 질병 분류를 위한 하이브리드 ResNet-101 및 랜덤 포레스트 프레임워크
토마토는 전 세계적으로 재배되는 주요 원예 작물 중 하나이지만, 잎 질병으로 인해 생산량과 품질에 큰 손실을 겪고 있습니다. 농업의 지속 가능성을 위해서는 질병의 조기 진단이 필수적입니다. 본 연구는 딥러닝과 기존 머신러닝 방법을 결합한 정밀한 질병 예측 모델을 제안합니다. 제안하는 시스템은 ResNet-101의 강력한 특징 추출 능력과 맞춤형 컨볼루션 신경망(CNN) 레이어를 결합하여 미세한 질병 특이적 패턴을 효과적으로 추출합니다. 추출된 특징들은 랜덤 포레스트 알고리즘을 통해 분류되어 최종 예측의 신뢰도를 높입니다. 이 모델은 10가지 토마토 잎 질병에 대한 다양한 데이터셋으로 훈련되었으며, 광범위한 병리학적 조건에 대해 일반화하는 능력을 보였습니다. 실험 결과, 하이브리드 아키텍처는 98.72%의 높은 분류 정확도를 달성하여 질병 증상을 초기 단계에서 효과적으로 감지할 수 있음을 입증했습니다. 본 연구에서 제안하는 솔루션은 농업 환경에서 실시간으로 구현될 가능성이 높습니다. 이 시스템은 현장에서 질병을 자동으로 정확하게 진단하여 농부들이 적시에 개입할 수 있도록 돕고, 작물 건강, 생산성 및 지속 가능한 생산을 향상시키는 데 기여할 수 있습니다.