본 논문은 식물 질병 탐지에 있어 Vision Transformer (ViT)의 적용을 종합적으로 검토합니다. 기존의 수동 검사나 기존 머신러닝 기법의 한계를 극복하기 위해 등장한 ViT는 장거리 의존성 처리 및 확장성에서 우수성을 보입니다. 논문에서는 ViT의 기본 구조, 자연어 처리(NLP)에서 컴퓨터 비전으로의 전환, 그리고 기존 Convolutional Neural Networks (CNN)의 유도적 편향 문제 해결 방식을 소개합니다. 최근 연구들을 종합하여 주요 방법론, 데이터셋, 성능 지표를 분석하고, CNN과 ViT를 비교 분석하며 하이브리드 모델 및 성능 향상 기법도 다룹니다. 데이터 요구사항, 계산 요구량, 모델 해석 가능성과 같은 기술적 과제와 해결 방안을 제시하고, 실제 농업 환경에서 ViT 통합을 위한 미래 연구 방향과 기술 발전을 제시합니다. 목표는 ViT가 스마트 농업 및 정밀 농업을 어떻게 변화시킬 수 있는지에 대한 심층적인 이해를 제공하는 것입니다.
