ViT 모델을 활용한 토마토 병해 탐지 연구

• 영문명: Tomato Disease Detection Using Vision Transformer Model
• 발행기관: 한국스마트미디어학회
• 저자명: 김정기(Jeong Ki Kim) 이명훈(Meong Hun Lee)
• 간행물 정보: 『스마트미디어저널』제14권 제8호, 35~41쪽, 전체 7쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2025.08.29

국문 초록

농업 분야 또한 중요 산업으로 주목받고 있으며, AI를 활용한 작물 관리, 시설관리 등이 진행되고 있지만 작물 병해 관리는 아직까지 AI를 활용한 데이터 기반의 분석보다는 경험과 직관에 의존하여 한계점이 보이고 있는 상황이다. 본 논문에서는 ViT 모델을 활용한 토마토 병해 탐지 연구를 진행한다. 적합한 토마토 이미지 데이터셋을 구성하고 AI 기반 이미지 데이터 학습을 진행하고, 모델을 활용한 학습 결과를 확인하고자 한다. 그 후 CNN 모델과 ViT모델의 정확도, 정밀도 등의 성능 비교를 통해 연구를 진행한다. ViT 모델을 통한 학습 결과 정확도 88.9%, 정밀도 86.7%, 재현율 84.2% F1-score 85.4%이며, AUC-ROC 0.905 Log loss 0.276으로 CNN 모델과 비교하였을 때 우수한 성능을 보여주고 있다. 해당 연구를 통해 ViT모델 또한 이미지 데이터 분석 분야에서 경쟁력있는 모델임을 확인하였다. 또한, 스마트팜 환경에서의 병해를 조기 탐지하여 작물 피해를 최소화할 수 있으며, 노동력 절감 및 농가의 생산성 향상에 도움이 될 것으로 기대한다.

영문 초록

The agricultural sector is also attracting attention as an important industry, and crop management and facility management using AI are in progress, but crop disease management is still showing limitations by relying on experience and intuition rather than data-based analysis using AI. In this paper, we conduct a study on tomato disease detection using the ViT model. We would like to construct an appropriate tomato image dataset, conduct AI-based image data learning, and confirm the learning results using the model. After that, the research is conducted by comparing the performance of the CNN model and the ViT model such as accuracy and precision. The accuracy of the learning results through the ViT model is 88.9%, the precision is 86.7%, the reproduction rate is 84.2% F1-score 85.4%, and the AUC-ROC 0.905 log loss is 0.276, showing excellent performance compared to the CNN model. Through this study, it was confirmed that the ViT model is also a competitive model in the field of image data analysis. In addition, it is expected that it can minimize crop damage by early detection of diseases in the smart farm environment and help reduce labor and improve productivity of farmers.

목차

Ⅰ. 서론

Ⅱ. 관련 연구

Ⅲ. 토마토 병해 탐지

Ⅳ. 결론 및 추후 연구

키워드

ViT 모델 CNN 모델 병해 탐지 인공지능 이미지 데이터 Vision Transformer model Convolutional Neural Networks Disease Detection Artificial intelligence Image Data