딥 러닝 기반 설명 가능한 인공지능과 무인기의 다중 이미지 센서를 활용한 무 시들음병 탐지 프레임워크 (Deep Learning Based Fusarium Wilt Detection Framework Using XAI and Multi Image Sensor UAV)

서지정보

· 발행기관 : 한국차세대컴퓨팅학회
· 수록지 정보 : 한국차세대컴퓨팅학회 논문지 / 17권 / 1호 / 7 ~ 15페이지
· 저자명 : 김민준, 문현준

초록

전 세계적으로 사랑받고 있는 채소인 무는 뿌리채소 중 하나로 다양한 요리에 주재료로 사용되고 있어 많은 양이 생산되고 소비된다. 무는 또한 한국의 음식 문화에서도 중요한 역할을 하는데, 대표적인 한국의 음식 중 하나인 김치에도 무가 사용된다. 하지만 최근 급격한 기후 변화로 인해 무가 시들음병에 쉽게 노출될 수 있는 환경이 만들어져 무의 품질과 수확량이 크게 저하되는 문제가 생기고 있다. 무 시들음병 문제를 해결하기 위한 기존의 식물 대상의 질병 식별 방식은 수집한 컬러 이미지에서 수동으로 특징을 추출했기 때문에 많은 시간과 비용을 소모했다. 하지만 최근 근적외선 센서의 개발로 인해 식물의 질병 식별을 시간적, 금전적으로 보다 효율적으로 판별할 수 있도록 발전하였다. 본 논문에서는 다중 이미지 센서를 기반으로 무인 비행체인 드론을 사용하여 무 시들음병을 식별할 수 있는 컬러 및 근적외선 이미지에 대한 딥 러닝 프레임워크를 제안하고 비교한다. 또한 사용자가 딥 러닝 모델의 결과를 시각적으로 이해할 수 있도록 설명가능한 인공지능(XAI) 접근 방식을 사용한다. 다양한 실험에서 얻은 결과로 제안하는 프레임워크는 정확도, 계산 복잡성 측면에서 기존 탐지 시스템에 비해 더 나은 성능을 보인다는 것을 보여주었고, 근적외선 데이터셋은 식생 지수 계산을 통해 무 시들음병을 식별하는데 효과가 있음을 보여주었다.

영어초록

Radish, loved worldwide, is one of the root vegetables and is used as a main ingredient in various dishes, so it has a lot of production and consumption. Radish is also used in kimchi, one of the most popular Korean foods. Due to rapid climate change in recent years, it can be easily exposed to the radish fusarium wilt disease, which greatly reduces the quality and yield of radishes. Traditional plant disease identification methods used to solve the Fusarium Wilt problem are time-consuming and costly because they rely on manually extracting features from collected RGB images. Recent developments in near-infrared sensors have made it possible to determine plant health more efficiently, both in time and money. In this paper, we propose and compare Deep Learning Framework for RGB and NIR (Near-infrared) images that can identify radish fusarium wilt disease using Drone, Unmanned Aerial Vehicle based on multiple image sensors. It also uses an XAI (eXplainable Artificial Intelligence) approach that allows users to visually understand the results of the Deep Learning model. As a result of the various experiments, the proposed Framework showed better performance compared to existing detection systems in terms of accuracy and computational complexity, while NIR Dataset showed that it was effective in identifying the radish fusarium wilt disease through the Vegetation index calculation.

참고자료

· 없음