본 논문은 농업 연구의 가속화에도 불구하고, 농부들이 농작물 생산 및 농장 운영의 요구로 인해 현장 연구에 시간과 자원이 부족하다는 문제를 다룹니다. 씨앗 분류는 품질 관리, 생산 효율 및 불순물 검출에 대한 귀중한 통찰력을 제공하며, 특히 초기 씨앗 유형 식별은 밭 출현과 관련된 비용 및 위험을 줄이는 데 중요합니다. 본 연구는 10가지 일반적인 브라시카 씨앗 유형을 효율적으로 분류하기 위한 새로운 합성곱 신경망(CNN) 기반 프레임워크를 제안합니다. 씨앗 이미지의 고유한 질감 유사성 문제를 해결하기 위해 맞춤형 CNN 아키텍처를 설계하고, 최적의 분류를 위해 계층 구성을 조정하여 여러 최첨단 사전 훈련된 아키텍처와 성능을 비교 평가했습니다. 수집된 브라시카 씨앗 데이터셋을 사용한 실험 결과, 제안된 모델은 93%의 높은 정확도를 달성했습니다.
