본 연구는 3D 스캔에서 파생된 2D micro-CT 슬라이스를 사용하여 12종의 유공충을 자동 분류하는 포괄적인 딥러닝 파이프라인을 제시합니다. 총 27종의 종에 걸쳐 97개의 micro-CT 스캔 표본으로 구성된 과학적으로 엄격한 데이터 세트를 큐레이션했으며, 강력한 머신 러닝을 위해 충분한 표현을 가진 12종을 선택했습니다. 표본 수준의 데이터 분할을 사용하여 데이터 유출을 방지하고 방법론적 무결성을 보장했습니다. ConvNeXt-Large와 EfficientNetV2-Small을 결합한 최종 앙상블 모델은 95.64%의 테스트 정확도, 99.6%의 상위 3개 정확도, 모든 종에서 0.998의 ROC 곡선 아래 면적(AUC)을 달성했습니다. 실용적인 배포를 위해, SSIM, NCC 및 Dice 계수를 포함한 고급 유사성 메트릭을 사용하여 실시간 슬라이스 분류 및 3D 슬라이스 매칭을 지원하는 대화형 고급 대시보드를 개발했습니다.
