Earticle

초록

한국어

본 연구는 양파 육묘의 생육 상태와 병해충 피해 여부를 인공지능(AI)과 다분광 이미지 분석 기술을 활용하여 자동 판별하기 위한 실증 시스템을 구축하고 그 성능을 검증하였다. 연구는 전남 나주시의 첨단 무인화 농업단지 육묘장을 대상으로 진행되었으며, 이동형 다분광 카메라 장치와 클 라우드 기반 데이터 수집 및 관리 시스템을 개발하였다. 인공지능 학습에는 Mask R-CNN 및 Mask2Former 모델을 비교 적용하였으며, NDVI·NDRE·GNDVI·GCI 등 식생지수를 주요 분석 변수 로 사용하였다. 실증 결과, 양파 육묘의 건강도 판별 정확도는 약 80±%를 기록하였으며, 500건 이 상의 생육 메타데이터가 구축되었다. 본 연구는 데이터 기반 농업 의사결정의 실현 가능성을 입증하 였고, 향후 병해충 데이터의 확장 및 다품종 적용 연구를 통해 스마트 농업 고도화에 기여할 것으로 기대된다.

영어

This study developed and validated an artificial intelligence AI-driven system that automatically diagnoses the growth status and pest damage of onion seedlings using multispectral image analysis. The research was conducted at the seedling nursery of the Advanced Automated Agricultural Complex in Naju, Jeollanam-do, Republic of Korea. A mobile multispectral imaging device and a cloud-based data collection and management system were developed to facilitate large-scale data acquisition. The performance of Mask R-CNN and Mask2Former architectures was comparatively evaluated for model training, incorporating vegetation indices (e.g., NDVI, NDRE, GNDVI, and GCI) as key parameters. The experimental results achieved an average diagnostic accuracy of approximately 80%, and more than 500 sets of seedling growth metadata were collected. These findings demonstrate the feasibility of data-driven decision-making in agricultural management. Furthermore, this study lays the foundation for advancing smart farming through future dataset expansion and application to diverse crop species.

목차

[요 약]
Abstract
Ⅰ. 서론
Ⅱ. 선행연구
2.1 인공지능 기반 농업 이미지 분석 연구 동향
2.2 선행연구의 한계와 본 연구의 차별성
Ⅲ. 연구방법
3.1 데이터 수집 시스템 구축
3.2 클라우드 기반 데이터 관리 체계
3.3 인공지능 모델 학습 및 성능 비교
3.4 식생지수 기반 건강도 예측 모델
Ⅳ. 연구결과
4.1 데이터셋 구축 및 품질 검증
4.2 인공지능 모델 성능 분석
4.3 식생지수 기반 건강도 예측 결과
4.4 시스템 효율성 및 현장 적용성 평가
Ⅴ. 결론
REFERENCES

저자

• 박미정 [ Mi-Jeong Park | 순천대학교 학술연구교수 ] Corresponding Author
• 김상현 [ Sang-Hyun Kim | 아이웍스 대표 ]

참고문헌