스마트 농업 CNN 적용 및 다중 모드 데이터 활용
본 리뷰는 스마트 농업 분야에서 컨볼루션 신경망(CNN)의 적용을 탐구하며, 잡초 및 질병 감지, 작물 분류, 물 관리, 수확량 예측 등 다양한 응용 분야의 최신 발전을 조명한다. 115개 이상의 최신 연구와 광범위한 문헌에 대한 서지학적 분석을 바탕으로, 이 논문은 기술 통합을 통해 농업 효율성을 최적화하는 Agriculture 5.0 내에서 CNN의 활용을 맥락화한다. 분석된 주요 접근 방식에는 RGB 및 다중 스펙트럼 이미지부터 레이더 및 열 데이터에 이르는 다양한 데이터 유형을 사용하는 이미지 분류, 이미지 분할, 회귀 및 객체 감지 방법이 포함된다. UAV 및 위성 데이터를 CNN으로 처리함으로써 실시간 및 대규모 작물 모니터링이 가능해져, 첨단 농장 관리를 지원한다. 비교 분석 결과, CNN은 특히 고차원 또는 시계열 데이터에 적용될 때 기존 기계 학습 및 최신 딥러닝 모델을 포함한 다른 이미지 처리 기술에 비해 우수한 성능을 보인다. 미래 연구 방향은 실시간 데이터 처리를 위한 IoT 및 클라우드 플랫폼 통합과 규제 통찰력을 위한 대규모 언어 모델 활용을 제시한다. 잠재적인 연구 발전은 데이터 접근성 향상과 하이브리드 모델링을 강조하며, 기후 변동성 및 식량 안보의 농업적 요구를 충족시키기 위해 CNN을 지속 가능한 농업 관행의 핵심 도구로 자리매김한다.