[논문] 감귤류 성숙도를 예측하고 시각화하는 고급 AI 기술

세계에서 가장 가치 있는 과일 작물인 감귤류는 생산량 증가가 둔화되고 과일 품질과 수확 후 공정 개선에 중점을 두는 기로에 서 있습니다. 이에 대한 핵심은 전통적으로 인간의 판단으로 측정되는 과일 성숙도의 중요한 지표인 감귤류의 색상 변화를 이해하는 것입니다.

최근 머신 비전과 신경망의 발전으로 더욱 객관적이고 강력한 성능을 제공합니다. 색상 하지만 다양한 조건과 색상 데이터를 실제 성숙도 평가로 변환하는 데 어려움을 겪고 있습니다.

시간이 지남에 따라 색상 변형을 예측하고 사용자 친화적인 시각화 기술을 개발하는 데는 연구 격차가 남아 있습니다. 또한 제한된 컴퓨팅 기능으로 인해 농업 분야의 엣지 장치에 이러한 고급 알고리즘을 구현하는 것이 어렵기 때문에 이 분야에서 최적화되고 효율적인 기술의 필요성이 강조됩니다.

2023년 6월, 식물 현상학 “라는 제목의 연구 논문을 발표했습니다.심층 마스크 기반 생성 네트워크를 사용하여 감귤류 색상 변환 예측 및 시각화.”

본 연구에서 연구원들은 과수원의 감귤류 색상 변화를 예측하고 시각화하기 위한 새로운 프레임워크를 개발하여 Android 애플리케이션을 만들었습니다. 이 네트워크 모델은 감귤류 이미지와 지정된 시간 간격을 처리하여 과일의 미래 색상 이미지를 출력합니다.

색상 변환 중에 캡처된 107개의 주황색 이미지를 포함하는 데이터세트는 네트워크를 훈련하고 검증하는 데 중요했습니다. 프레임워크는 심층 마스크 유도 생성 네트워크를 활용합니다. 정확한 예측 더 적은 리소스를 필요로 하는 설계로 모바일 장치 구현이 용이합니다. 주요 결과에는 의미론적 분할을 위한 높은 MIoU(Mean Intersection over Union) 달성이 포함되며, 이는 다양한 조건에서 네트워크의 숙련도를 나타냅니다.

네트워크는 또한 높은 피크 신호 ​​대 신호로 입증된 감귤류 색상 예측 및 시각화에 탁월했습니다.소음 비율 (PSNR) 및 낮은 평균 로컬 스타일 손실(MLSL)은 왜곡이 적음을 나타냅니다. 높은 충실도 생성된 이미지의 생성 네트워크의 견고성은 다양한 시야각과 주황색 색상에서도 색상 변환을 정확하게 복제하는 능력에서 분명하게 드러났습니다.

또한, 임베딩 레이어를 통합한 네트워크의 병합 설계를 통해 단일 모델을 사용하여 다양한 시간 간격에 대한 정확한 예측이 가능하여 다양한 시간 프레임에 대한 여러 모델의 필요성이 줄어듭니다. 감각 패널은 회로망의 효율성은 대다수가 합성 이미지와 실제 이미지 사이의 높은 유사성을 찾는 것으로 나타났습니다.

요약하면, 이 연구의 혁신적인 접근 방식을 통해 과일 발달과 최적의 수확 시기를 보다 정확하게 모니터링할 수 있으며 잠재적인 적용 범위는 다른 감귤류 종과 과일 작물. 스마트폰과 같은 엣지 장치에 대한 프레임워크의 적응성은 현장 사용에 매우 실용적이며 농업 및 기타 분야에서 생성 모델의 잠재력을 보여줍니다.