인공지능과 Computer Vision을 이용한 감자의 실시간 수확량 계측을 위한 기초연구

인공지능의 발전과 함께 딥러닝에 기반한 이미지를 분류하고 인식하는 Computer vision의 정확도 또한 높아졌다. 현재 농업에서는 해충, 질병, 피노타입 등 Computer vision을 이용한 연구가 활발하지만, 노지 스마트 팜의 정밀 농업에서는 파종이나 수확에 대한 국내 기술 수준이 낮기 때문에 Computer vision을 이용한 연구가 많지 않다. 예를 들면 시설 농업의 경우에는 실시간으로 토마토나 오이의 생산량을 확인하는 방법이 있지만, 밭작물의 경우에는 파종량이나 생산량을 확인하는 방법이 여전히 무게를 재서 어림잡아 확인하는 재래식 방법에 머무르고 있다. 이에 본 연구에서는 Computer vision과 인공지능을 이용하여 감자를 실시간으로 Detecting하고 Counting하여 생산량을 추정하고자 하였다. 실험을 위해 파이썬 환경에서 인터넷상의 이미지를 자동으로 다운로드해 주는 크롤링(Crawling)을 통해 얻은 무작위 감자 이미지 1,000장을 Train 80%, Test 10%, Validation 10% 나누었고 겹치거나 작은 사물에 대한 인식률이 높은 Faster-RCNN 신경망 모델을 사용하여 학습시켰으며(mAP 75IOU=0.804) 가상의 선을 만들어서 선을 넘는 Detected object의 경우에만 Counting을 하도록 하였다. 실험 결과 Faster-RCNN 모델의 한계 때문에 캡쳐 된 사진의 경우에는 감자를 Detecting하는데 어려움이 없었지만 빠른 속도로 Detecting을 해야하는 실제 현장에서 촬영된 동영상에 적용 시에는 다소 정확도가 떨어졌다. 빠른 속도에 최적화되어있는 YOLO나 CenterNet 신경망 모델의 사용 그리고 더 많은 이미지로 학습을 시키면 향상된 정확도가 예상된다. 감자나 고구마 등 근채류의 수확량지도를 작성할 수 있어 정밀 농업 기술 또는 노지 스마트팜 기술 향상에 기여할 것이다.