본 논문은 미국 옥수수 생산량 예측에 있어 기존의 카운티 단위 공간적 집계 방식의 한계를 극복하고자, 픽셀 단위 분석과 다중 인스턴스 학습(Multiple Instance Learning)을 활용한 새로운 접근법을 제시합니다. 특히, 위성 영상과 작물 마스크 간 해상도 불일치로 인한 혼합 픽셀(mixed pixel) 문제를 해결하기 위해 어텐션 메커니즘을 적용하여 픽셀별 가중치를 자동으로 할당함으로써 노이즈의 영향을 완화합니다. 실험 결과, 미국 옥수수 재배 지역(Corn Belt)에서 지난 5년간의 데이터를 바탕으로 기존 머신러닝 모델 4종 대비 우수한 성능을 보였으며, 2022년에는 결정 계수(R²) 0.84, 평균 제곱근 오차(RMSE) 0.83을 달성했습니다. 공간적 및 시간적 관점에서 접근법의 장점을 보여주며, 혼합 픽셀과 어텐션 메커니즘 간의 관계 분석을 통해 노이즈 제거 및 중요 특징 정보 포착 능력을 검증했습니다.
