효과적인 과수화상병 잎 이미지 생성을 위한 Generative AI 기법 비교 연구

이지민; ZHENG RI; YIN HELIN; JIN DONG; 구영현

doi:10.5573/ieie.2024.61.6.38

추천

검색

질문

자료유형: 학술저널

저자정보: 이지민 (세종대학교) ZHENG RI (세종대학교) YIN HELIN (세종대학교) JIN DONG (세종대학교) 구영현 (세종대학교)

저널정보: 대한전자공학회 전자공학회논문지 전자공학회논문지 제61권 제6호(통권 제559호)

발행연도: 2024.6

수록면: 38 - 48 (11page)

DOI: 10.5573/ieie.2024.61.6.38

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

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.

#Data augmentation #Fire blight #Generative adversarial networks(GAN) #Image-to-image translation #Style transfer

참고문헌 (30)

참고문헌 신청

Food and Agriculture Organization [FAO] newsroom (2021), Climate change fans spread of pests and threatens plants and crops, new FAO study, https://www.fao.org/newsroom/detail/Climate-change-fans-spread-of-pests-and-threatens-plants-and-crops-new-FAO-study/zh (accessed on 12 March 2024).

“Fire Blight has spread to Gyeonggi-do”, agrinet, https://www.agrinet.co.kr/news/articleView.html?idxno=318806 (accessed on 12 March 2024).

Dong Jin, Helin Yin, Ri Zheng, “Performance comparison of Mask R-CNN and Detection Transfomer for the crop disease segmentation”, Korean Institute of Next Generation Computing, pp. 211-215, May 2022.

Connor Shorten, Taghi M. Khoshgoftaar, “A survey on Image Data Augmentation for Deep Learning”, Journal of Big Data, volume 6, Article number: 60, 2019.

Quan Huu Cap and Hiroyuki Uga., "LeafGAN: An Effective Data Augmentation Method for Practical Plant Disease Diagnosis," IEEE Transactions on Automation Science and Engineering, vol. 19, no. 2, pp. 1258-1267, April 2022.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-090917604

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (30)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)