본 연구는 미국 가공 토마토의 90% 이상을 공급하는 캘리포니아 토마토 산업에 심각한 위협이 되는 가지 족 뿌리혹병(Phelipanche ramosa)의 조기 검출을 위한 새로운 방법을 제시한다. 지하에서 주로 생활하는 가지 족 뿌리혹병의 특성상 기존의 화학적 방제는 비용이 많이 들고 환경에 해롭고 효과적이지 않다. 따라서 본 연구는 드론 기반의 다중분광 영상과 장단기 기억(LSTM) 심층 학습 네트워크를 결합하여 가지 족 뿌리혹병을 조기에 검출하는 방법을 제안한다. 특히, 클래스 불균형 문제를 해결하기 위해 SMOTE(Synthetic Minority Over-sampling Technique) 기법을 사용하였다. 캘리포니아 Yolo 카운티 Woodland에 위치한 가지 족 뿌리혹병이 발생한 토마토 농장에서 5개의 주요 생장 단계에 걸쳐 연구를 진행하였고, 다중분광 영상 처리를 통해 토마토 캐노피 반사율을 분리하였다. 897 GDD(Growing Degree Days)에서 79.09%의 전반적인 정확도와 70.36%의 재현율로 가지 족 뿌리혹병을 검출할 수 있었으며, LSTM을 이용하여 순차적인 생장 단계를 통합함으로써 검출 성능이 크게 향상되었다. 모든 생장 단계와 SMOTE 증강을 통합한 최적의 시나리오는 88.37%의 전반적인 정확도와 95.37%의 재현율을 달성하였다. 이는 시간적 다중분광 분석과 LSTM 네트워크가 가지 족 뿌리혹병 조기 검출에 효과적임을 보여준다. 실제 현장 적용을 위해서는 추가적인 데이터 수집이 필요하지만, 본 연구는 UAV 기반 다중분광 감지와 심층 학습의 결합이 토마토 생산에서 손실을 줄이고 지속 가능성을 향상시키는 강력한 정밀 농업 도구가 될 수 있음을 시사한다.
