"스마트폰으로 농작물 질병 97% 진단"…인터넷 없이 작동하는 농업 AI 작성일 06-30 24 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="XuKP745rMO"> <p contents-hash="49a2081205964334e359328cfb759a058a9d3cc7e36790b1325ff1cdf77fc1cd" dmcf-pid="Z79Qz81mes" dmcf-ptype="general">(지디넷코리아=AI 에디터 )</p> <figure class="figure_frm origin_fig" contents-hash="49d1bf3e90d0d334c3d62a8129f0b91d5f8befe0e946beef0c800035a92f50d1" dmcf-pid="5z2xq6tsdm" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202506/30/ZDNetKorea/20250630152325419zfyc.jpg" data-org-width="640" dmcf-mid="Y48d9Mpheh" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202506/30/ZDNetKorea/20250630152325419zfyc.jpg" width="658"></p> </figure> <p contents-hash="37a8bbf7ccee4cae8909367054ec1a6d611c50ac09a2a715bec1c677e108789d" dmcf-pid="1qVMBPFOer" dmcf-ptype="general">농작물 질병 탐지 분야에서 인공지능(AI) 기술이 획기적인 성과를 보이고 있다. 최근 발표된 연구에 따르면, 전이학습(Transfer Learning) 방식을 활용한 딥러닝 모델 중 이피션트넷(EfficientNet)이 97.10%의 검증 정확도를 달성하며 가장 우수한 성능을 보였다.</p> <p contents-hash="4a160c5b98866a25ff364c33f84f097d34eac6dd09906d461565df11f4cebdca" dmcf-pid="tBfRbQ3Iew" dmcf-ptype="general"><strong>EfficientNet이 97.1% 정확도로 1위, 4개 AI 모델 성능 비교</strong></p> <p contents-hash="9bdcbe9e1c3f39cb3cd45f2a5f30714c537cbcd91d1018007262d1b202c33189" dmcf-pid="Fb4eKx0CJD" dmcf-ptype="general">연구진은 이피션트넷(EfficientNet), 레스넷101(ResNet101), 모바일넷V2(MobileNetV2), 그리고 맞춤형 합성곱 신경망(Custom CNN) 등 4개의 딥러닝 모델을 비교 분석했다. 이피션트넷은 정밀도, 재현율, F1 점수에서 모두 0.97을 기록하며 종합적으로 최고 성능을 입증했다. 인셉션V3(InceptionV3)는 96.80%로 2위를 차지했으며, 레스넷101은 96.40%, 맞춤형 CNN은 95.76%의 정확도를 달성했다.</p> <p contents-hash="b49602af4cf57e8f784de7196e90b09a0474ff34d9ec39ce1f35b7deafad81bf" dmcf-pid="3K8d9MphnE" dmcf-ptype="general">모바일넷V2는 94.20%로 가장 낮은 정확도를 보였지만, 이는 깊이별 분리 합성곱(Depthwise Separable Convolutions) 방식으로 인한 효율성과 성능 간의 절충 결과로 분석됐다. 특히 자원이 제한된 환경에서는 여전히 실용적인 선택지로 평가받고 있다.</p> <figure class="figure_frm origin_fig" contents-hash="42b3d296da1d74bec1a367be6bf030b91e949080287b2329d56f8915a30a5f4c" dmcf-pid="096J2RUlMk" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202506/30/ZDNetKorea/20250630152326698ljxa.jpg" data-org-width="640" dmcf-mid="HqjmLDQ0LI" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202506/30/ZDNetKorea/20250630152326698ljxa.jpg" width="658"></p> </figure> <p contents-hash="367e7e6624ba33a6bdab7724b5f7442b8ebc9a5f9f0931a3e19fc774e291ce3e" dmcf-pid="p2PiVeuSRc" dmcf-ptype="general"><strong>사과부터 토마토까지, 13만장 이미지로 훈련한 포괄적 AI 시스템</strong></p> <p contents-hash="323f803517d74855f97a5eeafb3f922beebd5793141d79eaf79d4757d9ae53ad" dmcf-pid="UVQnfd7vLA" dmcf-ptype="general">연구진은 플랜트빌리지(PlantVillage) 데이터셋 54,303장과 신규 식물 질병 데이터셋 80,000장을 결합하여 총 13만 장 이상의 이미지로 모델을 훈련시켰다. 이 데이터셋은 사과, 옥수수, 포도, 감자, 토마토 등 다양한 작물의 건강한 상태와 질병 상태를 포함하고 있어 모델의 일반화 성능을 크게 향상시켰다.</p> <p contents-hash="4370a8a3c5904d5b126e565b61ab5cff44e0b0a5786bb2c3bea5595c70d08ff8" dmcf-pid="ufxL4JzTdj" dmcf-ptype="general">데이터 전처리 과정에서는 이미지 크기를 맞춤형 CNN의 경우 150x150 픽셀로, 레스넷101의 경우 224x224 픽셀로 조정했다. 또한 무작위 전단(Random Shear), 확대/축소(Zoom), 뒤집기(Flipping) 등의 데이터 증강 기법을 적용하여 모델의 강건성을 높이고 과적합을 방지했다. 훈련 과정에서 정확도는 초기 39.8%에서 98.27%까지 상승했으며, 검증 정확도는 최고 99.44%에 도달한 후 95.76%에서 안정화됐다. 이는 모델이 훈련 데이터뿐만 아니라 새로운 데이터에 대해서도 우수한 일반화 성능을 보인다는 것을 의미한다.</p> <p contents-hash="09651b0d610b78b4ed497ea76b9498ae8f055017af318266824084a3638c1b4c" dmcf-pid="7HFqXulonN" dmcf-ptype="general"><strong>라즈베리파이에서도 실행 가능한 경량화 모델로 현장 적용성 확보</strong></p> <p contents-hash="cf5655283c272ee96577e9da5e6a03cff834d349ea25a14b232457b31cfe7c01" dmcf-pid="zX3BZ7Sgea" dmcf-ptype="general">이번 연구의 핵심은 단순한 정확도 향상을 넘어 실제 농업 현장에서의 활용 가능성에 초점을 맞췄다는 점이다. 연구진은 인도 농촌 지역과 같이 자원이 제한된 환경에서도 사용할 수 있는 사용자 중심 설계를 도입했다. 시스템은 지역 언어 지원 기능을 포함하여 다양한 지역에서의 접근성을 높였으며, 직관적인 사용자 인터페이스를 통해 농부, 농업 전문가, 현장 작업자 등 다양한 기술 수준의 사용자가 쉽게 활용할 수 있도록 설계됐다. 이를 통해 작물 건강 관리를 위한 신속하고 정확한 의사결정을 지원한다.</p> <p contents-hash="80142170522b6d4e809fd16954292cf8f5004403da7bbff91fe98e077bd4dcaf" dmcf-pid="qZ0b5zvaJg" dmcf-ptype="general">특히 모바일넷V2와 이피션트넷-라이트(EfficientNet-lite) 같은 최적화된 CNN 모델은 라즈베리 파이(Raspberry Pi), 엔비디아 젯슨 나노(NVIDIA Jetson Nano) 등 저전력 장치에서도 실행 가능하여, 인터넷 연결 없이도 실시간 질병 탐지가 가능하다.</p> <p contents-hash="32b17ae3957855bafc98b03b090ec6ebccc4d77449b966f77090cc8e744f9d7d" dmcf-pid="B5pK1qTNeo" dmcf-ptype="general"><strong>드론 항공촬영과 위성데이터 결합한 대규모 모니터링 시대 열린다</strong></p> <p contents-hash="4d7a9859f8ff862bf140d95d1718b8b24e48a3b846e23f71208e28d9baafbe89" dmcf-pid="b1U9tByjdL" dmcf-ptype="general">연구진은 향후 발전 방향으로 엣지 컴퓨팅(Edge Computing)과 원격 모니터링 시스템의 통합을 제시했다. 로라완(LoRaWAN) 기술을 활용하면 낮은 대역폭으로도 결과와 센서 데이터를 서버나 휴대폰으로 전송할 수 있어, 연결성이 불안정한 지역에서도 안정적인 작동이 가능하다. 또한 연결성이 제한된 지역에서는 MMS를 통한 작물 이미지 전송과 SMS를 통한 분류 결과 전달 시스템을 구축할 수 있다. 대규모 모니터링을 위해서는 드론을 활용한 항공 이미지 촬영과 위성 데이터와의 결합을 통해 광범위한 질병 예측 시스템 구축도 가능하다.</p> <p contents-hash="826ffab367858b2f0c3598acda8ca7961d7ed5720e4042ef4d194253b36cafbe" dmcf-pid="Ktu2FbWAJn" dmcf-ptype="general">이번 연구는 AI 기술이 농업 생산성 향상에 실질적으로 기여할 수 있음을 보여주며, 특히 자원이 제한된 지역의 농부들에게 시의적절하고 실행 가능한 통찰력을 제공할 수 있는 가능성을 제시했다. 농업 분야에서 AI 기술의 실용적 적용이 본격화될 것으로 전망된다.</p> <p contents-hash="fbf19c48e814a7edde5c6fd46ef116cd3a58993b5239d5645c6730f04c9e6026" dmcf-pid="9F7V3KYcLi" dmcf-ptype="general"><strong>FAQ</strong></p> <p contents-hash="a25b44c704ffb70f69d4ddb874a5b3d218c00e6bf5778a4771d4c953eefab68a" dmcf-pid="23zf09GkMJ" dmcf-ptype="general"><strong>Q: AI 기반 농작물 질병 탐지 시스템의 정확도는 얼마나 높은가요?</strong></p> <p contents-hash="f3dc413966f7a2e63e870dc4212ef58b006ef07e96bfb9a90c1ce9d461dbed2c" dmcf-pid="V0q4p2HEMd" dmcf-ptype="general">A: 최신 연구에서 EfficientNet 모델이 97.10%의 검증 정확도를 달성했으며, 이는 기존 육안 검사보다 훨씬 정확하고 신속한 질병 탐지가 가능함을 의미합니다.</p> <p contents-hash="8697a8cd068312ca01d1c6763220ac3c314347236e901f8c8df1c9e0c84505b2" dmcf-pid="fpB8UVXDJe" dmcf-ptype="general"><strong>Q: 인터넷이 없는 농촌 지역에서도 이 시스템을 사용할 수 있나요?</strong></p> <p contents-hash="14a82a21a9568a4887e1c33c97c7f1807c3e681834f8181471538c691b32ca69" dmcf-pid="4Ub6ufZwMR" dmcf-ptype="general">A: 네, 가능합니다. MobileNetV2나 EfficientNet-lite 같은 경량화된 모델은 라즈베리 파이 같은 저전력 장치에서 오프라인으로 실행되며, MMS나 SMS를 통해 결과를 전송할 수 있습니다.</p> <p contents-hash="951d1980eba0f8a22e4a8bb809ad937a0580ca584a68c14c0054ee1d866a9e22" dmcf-pid="8uKP745rdM" dmcf-ptype="general"><strong>Q: 이 AI 시스템은 어떤 작물의 질병을 탐지할 수 있나요?</strong></p> <p contents-hash="1b687e60da022251ff662f68e21c8b13ef02395905ec7de7e84f8d662766b17f" dmcf-pid="679Qz81mLx" dmcf-ptype="general">A: 현재 시스템은 사과, 옥수수, 포도, 감자, 토마토 등 주요 작물의 질병을 탐지할 수 있으며, 13만 장 이상의 다양한 작물 이미지로 훈련되어 높은 일반화 성능을 보입니다.</p> <p contents-hash="c1208b8a15fc8e9f86886eda3ff50f8c0de4ce2988b7ac8f1fea7892feda51e2" dmcf-pid="Pz2xq6tsiQ" dmcf-ptype="general">■ 이 기사는 AI 전문 매체 ‘<span>AI 매터스</span>’와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. </p> <p contents-hash="e90d65b1a4b5729c3cf47a8c630d9883590070da2381932568885e144a315df9" dmcf-pid="QqVMBPFOeP" dmcf-ptype="general">AI 에디터 (media@zdnet.co.kr)</p> </section> </div> <p class="" data-translation="true">Copyright © 지디넷코리아. 무단전재 및 재배포 금지.</p> 관련자료 이전 ‘게임·AI 혁신 한자리’…차이나조이 2025 8월 열린다 06-30 다음 ‘봅슬레이 메달리스트’ 원윤종, IOC선수위원 후보에 선정 06-30 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
!['쉬는부부' 검진표 이후 합방 성공?..."각방 끊어볼게 안아줄게"[종합]](https://t1.daumcdn.net/news/202307/18/tvreport/20230718005204995wmju.jpg)
!["애아빠, 아동수당으로 도박+폭력까지" 절박한 심정으로 SOS [고딩엄빠3]](https://t1.daumcdn.net/news/202307/18/mydaily/20230718004505971gzch.jpg)
!['장백지 스캔들' 사정봉, 10년 만에 아들과 함께 있는 모습 포착 [룩@차이나]](https://t1.daumcdn.net/news/202307/18/tvreport/20230718004034360pmkk.jpg)
![‘결혼지옥’ 사막부부 아내 “빚에 예물까지 팔아.. 남편, 분유 비싸니 모유 수유하라고”[종합]](https://t1.daumcdn.net/news/202307/18/poctan/20230718003031923dkkf.jpg)
![추자현♥ 우효광, ‘동상이몽2’ 4년 만 컴백... ‘6살 子’ 육아 일상 공개 [종합]](https://t1.daumcdn.net/news/202307/18/startoday/20230718002705384wudc.jpg)
![비비 '볼하트에 동그란 토끼 눈'[엑's HD포토]](https://mimgnews.pstatic.net/image/311/2023/07/18/0001617342_001_20230718180303538.jpg?type=w540)
![[포토]소연, 매력만점 하트](https://ssl.pstatic.net/mimgnews/image/112/2023/07/21/202307211149393697310_20230721115005_01_20230721115103586.jpg?type=w540)