신고배 병해충 분류를 위한 공용 및 현장 이미지 데이터셋 기반 분류 성능 비교 연구

• 영문명: Classification Performance of Pyrus pyrifolia Pest and Disease Images Using Public and Field Datasets
• 발행기관: 한국스마트미디어학회
• 저자명: 이진(Jin Lee) Le Hoang Anh 이헌주(Heonzoo Lee) 조정안(JunagAnh Jo) 유광현(GwangHyn Yu) 김진영(JinYoung Kim)
• 간행물 정보: 『스마트미디어저널』제14권 제11호, 106~118쪽, 전체 13쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2025.11.28

국문 초록

본 연구에서는 동양배(신고 품종)의 병해충 분류를 위해 공용데이터셋과 현장용데이터셋을 직접 구축하고, 데이터 환경 차이가 인공지능 분류모델의 학습 적합성과 일반화 성능에 미치는 영향을 비교·분석하였다. 순천 농산물유통센터에서 구매한 정상 및 비품 신고배를 전문가 1·2차 검수로 8개 클래스로 라벨링한 뒤, 동일 개체를 공용(정제된 촬영 환경)과 현장 조건에서 각각 촬영하여 두 데이터셋을 구성하였다. 이후 사전학습된 ResNet, MobileNetV2, EfficientNet, DeiT 분류 모델을 대상으로 시나리오별 데이터 조합에 따른 분류 성능을 평가하였다. 그 결과, 공용·현장 혼합 데이터셋으로 학습한 시나리오 B에서 모든 모델의 평균 정확도가 93.34%로 가장 높았으며, 공용데이터셋만으로 학습한 시나리오 A는 도메인 차이로 인해 현장 데이터 기준 평균 72.11%에 머물렀다. 이는 공용데이터만 사용하는 것보다 현장데이터를 혼합하여 학습하는 방식이 실제 선별장 환경에 대한 적응성과 모델 신뢰도 향상에 효과적임을 보여준다. 아울러 YOLOv11 기반 전처리를 통해 과실 영역을 자동 추출함으로써 라벨링 부담을 줄인 경량 분류모델 구조가 현장 병해충 분류기로 활용 가능함을 보였으며, 이를 통해 향후 실제 선별장에 적용 가능한 자동 병해충 분류 장비와 도메인 적응 기반 통합형 병해충 인식 모델 개발을 위한 기반을 마련하였다.

영문 초록

This study constructs public and field image datasets for pest and disease classification of Asian pear Pyrus pyrifolia ‘Niitaka’ and evaluates pretrained ResNet, MobileNetV2, EfficientNet and DeiT models under different data compositions to examine how data environments affect training suitability and generalization performance. Mixed public plus field training Scenario B achieved the highest mean accuracy of 93.34 percent on field data, whereas public only training Scenario A achieved 72.11 percent, indicating that combining field with public data together with YOLOv11 based fruit region preprocessing and a lightweight classifier is effective for reliable pest and disease recognition and for designing automatic sorting systems and domain adaptive integrated models in real packing facilities.

목차

Ⅰ. 서론

Ⅱ. 관련 연구

Ⅲ. 데이터셋 구축 및 전처리

Ⅳ. 실험 방법 및 모델 구성

Ⅴ. 실험 결과 및 분석

Ⅵ. 결론

키워드

동양배 병해충 분류 공용 데이터셋 현장 데이터셋 분류모델 Oriental pear pest and disease classification public dataset on-site dataset classification model