딥러닝 기반 땅콩 종자의 외관 품질 분류 모델 개발 (Deep learning-based peanut seeds appearance quality classification model)

서지정보

· 발행기관 : 한국정보전자통신기술학회
· 수록지 정보 : 한국정보전자통신기술학회 논문지 / 18권 / 2호 / 95 ~ 103페이지
· 저자명 : 이다연, 김태형, 김아나, 권기현, 이대현

초록

현재 땅콩 가공 공정은 인적 오류가 발생하기 쉬운 수작업 공정과 운영비용이 높은 기계화 공정을 혼합하여 수행되고 있다. 이러한 문제점을 개선하기 위해 본 연구에서는 땅콩 종자의 외관을 정확하고 신속하게 분류하기 위해 딥러닝인 You Only Look Once(YOLO) 모델을 도입하여 활용하였다. 정상 땅콩과 불량 땅콩을 혼합하여 선별 효율성과 최적화를 위해 크기별 YOLO-v5 모델을 사용하여 품질 분류 모델을 개발하였다. 이를 위해 RGB 영상 별 25개의 땅콩을 랜덤하게 배치하여 총 800개의 이미지를 수집하였고, 총 20,000개의 땅콩 종자를 라벨링하였다. 라벨링 기준은 정상 땅콩과 불량 땅콩(변색된 종자, 수축 및 마른 종자, 곰팡이 종자, 흉터가 있는 종자, 이 외 불량 종자)의 두 클래스로 정의하였다. YOLO-v5 small 모델의 Intersection of Union 정확도는 통계적으로 유의미한 차이로 도출되었다(p<.05). YOLO-v5의 mAP, 파라미터, frame per second를 크기별로 비교한 결과, 전반적으로 크기가 커질수록 정확도가 증가하고 FPS는 감소하는 경향을 확인하였다. 추후 연구에서 실험 조건인 epochs를 변경하여 과대적합이 발생되지 않고 정확도는 높일 수 있는 각 크기에 최적화된 epochs 확인이 필요할 것으로 보인다.

영어초록

Currently, peanut processing is performed using a mix of manual processes prone to human error and mechanized processes with high operating costs. To improve these problems, this study introduces and utilizes the You Only Look Once(YOLO) model, one of the deep learning techniques, to accurately and quickly classify the appearance of peanut seeds. Various types of YOLO-v5 model based on model scale is implemented for validate efficiency and optimization in a mixture of normal and defect peanuts. A total of 800 images were collected with 25 peanuts randomly placed per image, and a total of 20,000 seeds were labeled. The labeling criteria was categorized into two classes: normal peanuts and defect peanuts. The average accuracy of variant YOLO-v5 small model for localization of normal and defect peanuts is statistically significantly different(p<.05). Comparing the mAP, parameters, and FPS of YOLO-v5 by size, confirming the trend of increasing accuracy and decreasing FPS as the size increases. After comparing all sizes of YOLO-v5 variant with 300 epochs, all sizes of YOLO-v5 except nano are concluded to be good deep learning models for classifying peanut appearances and shape. In future studies, it is necessary to change the experimental conditions, epochs, to identify the optimal epochs for each size, which can avoid overfitting and increase accuracy.

참고자료

· 없음