전이 학습 기반의 모바일 작물 질병 진단을 위한 PWA (A Progressive Web Application for Mobile Crop Disease Diagnostics Based on Transfer Learning)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 23권 / 2호 / 22 ~ 29페이지
· 저자명 : 김삼근, 허환, 안재근

초록

작물 질병은 식량 안보에 대한 주요 위협이지만 필요한 기반 시설의 부족으로 인해 세계 여러 지역에서 작물 질병의 빠른 진단은 여전히 어렵다. 최근 전 세계적으로 널리 보급된 스마트 폰과 딥 러닝을 통해 가능해진 최근의 컴퓨터 비전의 발전은 스마트 폰을 이용한 작물 질병 진단의 길을 열었다. 본 논문에서는 PlantVillage 데이터 세트의 70,295개의 이미지를 이용하여 14가지 작물 종의 38종류의 작물 질병을 진단하기 위해 전이 학습과 미세 조정을 통해 심층 MobileNetV2 CNN 모델을 학습시켰다. 학습된 모델은 17,572개의 테스트 이미지에 대해 95.65%의 정확성을 보여주었다. 또한 본 논문에서는 학습된 심층 CNN 모델을 기반으로 작물 질병 진단을 스마트 폰에서 실시간으로 수행할 수 있는 PWA(Progressive Web Application)를 제안한다. 제안한 PWA는 스마트 폰과 모바일 장치에서 개조한 심층 CNN 모델을 오프라인 상태에서도 실행할 수 있는 환경을 제공함으로써 사용자가 언제 어디서나 서비스를 제공 받을 수 있도록 하여 사용자 경험을 크게 개선시킬 수 있다.

영어초록

Crop diseases are a major threat to food security, but rapid diagnosis of crop diseases remains difficult in many parts of the world due to a lack of necessary infrastructure. The combination of smart phones widely distributed around the world and recent advances in computer vision made possible by deep learning has paved the way for smart phone-assisted crop disease diagnostics. In this paper, a deep MobileNetV2 CNN model is trained through transfer learning and fine tuning to diagnose 38 types of disease in 14 crop species using 70,295 images from a PlantVillage dataset. The trained model shows an accuracy of 95.65% for 17,572 test images. In addition, this paper proposes a Progressive Web Application (PWA) based on a trained deep CNN model, which can perform crop disease diagnosis on a smart phone in real time. The proposed PWA can greatly improve the user experience by providing an environment in which the deep CNN model modified in smart phones and mobile devices can be run, even offline, allowing users to receive services anytime, anywhere.

참고자료

· 없음