효과적인 과수화상병 잎 이미지 생성을 위한 Generative AI 기법 비교 연구 (Comparative Generative AI Techniques for Effective Fire Blight Leaf Image Generation)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 61권 / 6호 / 38 ~ 48페이지
· 저자명 : 이지민, ZHENG RI, YIN HELIN, JIN DONG, 구영현

초록

식물 병해충으로 인한 농업 피해는 매년 증가하고 있다. 최근 인공지능 기술의 발전으로 딥러닝 기반 영상인식 기술을 활용한 병해충 인식 연구가 활발히 진행되고 있다. 딥러닝 모델은 많은 양의 학습 데이터를 필요로 하지만 농작물 병해충은 계절성을 띄고 있고 전문적 인력 부족으로 이미지 데이터셋을 확보하기 매우 어렵다. 특히 과수화상병(Fire Blight)처럼 자주 발생하지 않는 희귀한 병의 경우 더욱더 수집이 어렵다. 이러한 문제점을 해결하기 위한 대표적인 방법으로 데이터 증강(Data Augmentation) 기술이 있다. 현재 병해충 이미지 증강을 위한 연구가 활발히 진행되고 있으나 주로 인위적인 환경에서 촬영된 이미지 또는 잎 전체 영역에 감염 증상이 나타나는 질병에 대해 증강을 진행하고 있다. 하지만 인위적으로 조성된 환경이 아닌 농가 현장에서 촬영한 것처럼 다양한 배경 영역을 담고 있는 현실적인 이미지를 생성해야 병해충 진단 모델의 성능 향상에 도움이 될 수 있다. 또한 과수화상병의 경우 병징이 잎 영역 전체에서 나타나는 것이 아닌 잎맥을 따라 발현되는, 즉 특정 영역에서부터 발생한다. 따라서 본 연구에서는 이러한 특징을 가지는 과수화상병 잎 이미지를 효과적으로 증강하기 위한 Generative AI 기법을 탐색한다. Traditional (Unconditional) GAN, Image-to-Image Translation, Style Transfer 총 3가지 기법을 적용한 후 결과를 비교 분석할 것이다.

영어초록

Agricultural damage caused by plant disease is increasing every year. With the recent development of artificial intelligence technology, research for diagnosing plant disease using deep learning-based image recognition technology is actively underway. Deep learning models require a large amount of learning data, but it is really difficult to collect plant disease images due to the seasonality and lack of professional workforce. In particular, rare diseases such as Fire Blight are more difficult to collect. Data augmentation is a representative way to solve this problem. Currently, research is being actively conducted to augment the image of pests, but it is mainly augmenting images taken in an artificial environment or diseases images that symptoms of infection appears in the entire leaf area. However, it is necessary to generate realistic images containing various background areas as if they were taken at the farmhouse, not in an artificially created environment, to help improve the performance of the plant disease diagnosis model. In addition, in the case of Fire Blight, the symptoms do not appear in the entire leaf area, but black spots spread along the leaf vein. Therefore, this study explores generative AI techniques to effectively augment the leaf image of Fire Blight. After applying three methods: Traditional (Unconditional) GAN, Image-to-Image Translation, and Style Transfer, the results will be compared and analyzed.

참고자료

· 없음