인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
최근 농업에서 딥러닝을 활용한 자동화된 식물 질병 진단 기술의 중요성이 커지고 있다. 하지만, 고성능의 딥러닝 모델을 컴퓨팅 자원이 제한적인 임베디드 시스템 기기에서 직접 구동하는 것은 상당한 기술적 과제를 동반한다. 본 연구에서는 기존의 고성능 모델이 가진 지식을 경량 모델에 효율적으로 이전하고, 이를 모바일 환경에 최적화하는 새로운 프레임워크를 제안한다. 이를 위해, CIE-LAB 색상 공간의 밝기(L)와 색상(AB) 정보를 분리하여 처리하는 Two-Path 접근법을 ResNet-9에 적용하였다. 이후, 교사 모델인 Two-Path InceptionV3으로부터 학생 모델인 Two-Path ResNet-9으로 지식을 전달하는 지식 증류(Knowledge Distillation) 기법을 통해 학습을 진행하였다. 최종적으로, 학습된 모델을 INT8 정수형으로 양자화하여 안드로이드 모바일 애플리케이션에 탑재하였다. 실험 결과, 제안 모델은 기존 대형 모델 대비 파라미터 수를 약 41% 감소시키면서도 99.01%의 높은 정확도를 유지하였다. 추론 속도 측면에서는 데스크톱 CPU (Ryzen 5950X)에서 43.98 FPS (Frames Per Second)를 달성했으며, 모바일 기기인 Galaxy S21 Ultra와 Galaxy A90 5G에서도 각각 9.5 FPS, 4.7 FPS의 속도를 기록했다. 본 연구는 모델의 성능 저하를 최소화하면서 크기와 속도를 획기적으로 개선하여, 실제 농업 현장에서 사용 가능한 실시간 온 디바이스 AI 식물 질병 진단 시스템의 구현 가능성을 입증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093577031
