AgriMind: An Ensemble Deep Learning Framework for Multi-Class Plant Disease Classification

작성자

Haebom

카테고리

Empty

저자

Salma Hoque Talukdar Koli, Fahima Haque Talukder Jely

💡 개요

이 연구는 방글라데시의 수동적인 식물 질병 진단 방식의 한계를 극복하기 위해 앙상블 딥러닝 프레임워크인 AgriMind를 개발했습니다. ResNet50, EfficientNet-B0, DenseNet121 모델을 결합하여 15가지 질병 클래스에 대한 높은 분류 정확도를 달성했으며, 특히 앙상블 기법을 통해 개별 모델보다 오류율을 2/3 감소시킨 99.23%의 성능을 보였습니다.

🔑 시사점 및 한계

•

자동화된 식물 질병 진단 시스템 구축 가능성 제시: 수동 진단에 의존하던 기존 방식에서 벗어나 딥러닝 기반의 자동화 시스템으로 효율성과 정확성을 크게 향상시킬 수 있음을 보여줍니다.

•

앙상블 기법의 효과 입증: 여러 딥러닝 모델의 예측을 결합하는 앙상블 방식이 단일 모델보다 뛰어난 성능을 발휘하며, 특히 질병 클래스가 많거나 유사할수록 그 효과가 두드러짐을 입증했습니다.

•

모바일 환경 적용을 위한 추가 연구 필요: 현재 GPU 환경에서 높은 성능을 보이지만, 실제 농가에서 활용되기 위해서는 TensorFlow Lite 최적화 등 모바일 기기에서의 실시간 적용을 위한 추가적인 연구 개발이 필요합니다.

PDF 보기

Made with Slashpage