고추 씨앗 발아 분류를 위한 매크로 이미지 활용 경량 모델

• 영문명: A Lightweight Model Utilizing Macro Images for Pepper Seed Germination Classification
• 발행기관: 한국전자통신학회
• 저자명: 정승언(Seung-Eon Jeong) 문수경(Soo-Kyung Moon) 박대원(Dae-Won Park) 성윤모(Youn-Mo Soung) 권만성(Man-Sung Kwen) 조욱(Uk Cho) 강대인(Dae-In Kang) 정성호(Sung-Ho Jung) 김광준(Gwang-Jun Kim)
• 간행물 정보: 『한국전자통신학회 논문지』제20권 제2호, 355~362쪽, 전체 8쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2025.04.30

국문 초록

이미지 기반 분류 문제에서 고정밀도와 경량성을 달성함과 동시에 연산량을 억제하면서도 정보 표현력을 유지할 수 있는 새로운 합성곱 신경망(Convolutional Neural Network, CNN) 구조인 AirNeXt를 제안하였다. 본 논문에서는 경량화된 모델 AirNeXt를 이용하여 고추씨앗의 매크로 이미지를 포함한 데이터 셋에 활용하여 발아 가능한 씨앗을 선별하는데 적용하였다. 실험 결과, AirNeXt는 140만 개의 파라미터를 사용하여 94.66%의 정확도와 94.65%의 F1-score를 달성하며, 기존의 전통적인 CNN 모델과 Transformer 모델을 능가하는 성능을 보였다. 또한, 본 논문에서는 데이터의 배경 제거가 모델의 분류 성능을 개선하는데 미치는 영향을 살펴보았다. AirNeXt는 정확도와 분류 균형 측면에서 여러 비교 모델을 능가하는 동시에 매개변수 수와 메모리 요구사항은 낮게 유지하여 뛰어난 적응성과 신뢰성을 보여주었다.

영문 초록

We proposed AirNeXt, a new convolutional neural network(CNN) structure that can achieve high precision and light weight in image-based classification problems and at the same time maintain information expressiveness while suppressing the amount of computation. In this paper, the lightweight model AirNeXt was used to select seeds that can germinate by using it in a dataset including macro images of pepper seeds. As a result of the experiment, AirNeXt achieved 94.66% accuracy and 94.65% F1-score using 1.4 million parameters, outperforming traditional CNN models and transformer models.In addition, this paper examines the effect of de-background data on improving the classification performance of models. AirNeXt outperformed many comparable models in terms of accuracy and classification balance, while maintaining low parameter count and memory requirements, demonstrating excellent adaptability and reliability.

목차

Ⅰ. 서 론

Ⅱ. 관련연구

Ⅲ. 연구방법

Ⅳ. 결과

Ⅴ. 결 론

References

키워드

경량 모델 합성곱 신경망 매크로 이미지 고추 종자 발아 분류5 Lightweight Model Convolutional Neural Networks Macro Imaging Pepper Seeds Germination Classification