Core Concepts
정밀 농업을 위해 Faster R-CNN 모델을 사용하여 17가지 다른 대마초 종자 변종을 정확하게 탐지하고 분류할 수 있다.
Abstract
이 연구는 Faster R-CNN 모델을 사용하여 대마초 종자 변종을 탐지하고 분류하는 방법을 제시한다. 연구팀은 태국에서 수집한 17개 클래스의 대마초 종자 데이터셋을 사용했다. 6가지 Faster R-CNN 모델을 평가하여 mAP 94.08%, F1 점수 95.66%를 달성했다. 이는 대마초 종자 유형을 시각적으로 식별하는 데 딥러닝 객체 탐지 모델을 처음 적용한 사례이다.
데이터셋 전처리 과정에서는 Grounding DINO 오픈셋 객체 탐지기를 사용하여 수동 주석 작업 없이 데이터셋을 주석화했다. 데이터 증강 기법을 적용하여 모델의 일반화 성능을 높였다. 6가지 Faster R-CNN 모델을 비교한 결과, L1 손실 함수를 사용한 mL1 모델이 가장 우수한 성능을 보였다. mL1 모델은 mAP@0.50:0.95 0.9408, 평균 재현율 0.973, F1 점수 0.9566을 달성했다.
실시간 추론 성능 분석에서는 mIoU 모델이 정확도와 속도의 최적 균형을 보였다. mIoU는 mAP@0.50:0.95 0.9388로 mL1에 이어 두 번째로 높은 성능을 보이면서, 57.5ms의 빠른 추론 속도를 보였다. 이러한 결과는 정확도와 실시간 성능 요구사항에 따라 적절한 손실 함수를 선택해야 함을 시사한다.
Stats
대마초 종자 변종 중 'CP' 클래스의 경우 L1 손실 함수를 사용한 mL1 모델이 mAP@0.50:0.95에서 37.11% 향상된 성능을 보였다.
mL1 모델은 9개 클래스에서 가장 높은 mAP 점수를 기록했다.