새로운 딥러닝 모델 LKNet, 범용 UAV 이미지로 벼 이삭 정밀 세기에서 새로운 기준 세워

중국농업과학원 송 천 팀이 개발한 LKNet은 UAV 영상 기반 쌀 꽃차례 정밀 세기에서 새로운 기준을 세웠다. 기존의 감지 기반, 밀도 기반, 위치 기반 모델은 밀도 높은 생육 환경에서 정확도가 떨어지거나 배경 간섭에 취약했으며, 특히 생육 단계에 따라 변화하는 꽃차례 구조로 인해 한계가 있었다. LKNet은 P2PNet의 프레임워크를 확장해 대형 컨볼루션 블록(LKconv)과 새로 설계한 로스 함수를 도입, 동적 수용 영역 적응과 높은 유연성을 구현했다. 시험 결과, LKNet은 고밀도 인구 집계 데이터셋(SHTech PartA)에서 평균 절대 오차(MAE) 48.6, 루트 평균 제곱 오차(RMSE) 77.9를 기록해 기존 모델을 압도했으며, 쌀 꽃차례 세기에서는 RMSE 1.76, 결정계수 R² 0.965로 뛰어난 성능을 보였다. 특히 7m 고도에서 촬영한 쌀 생육 영상에서도 다양한 꽃차례 유형(밀집형, 중간형, 개방형)에서 R² 0.98 이상의 높은 정확도를 유지했으나, 후기 생육 단계에서는 겹침과 형태 변화로 약간의 정확도 저하가 발생했다. 아블레이션 실험을 통해 LKconv 구조의 도입이 RMSE를 2.821에서 0.846으로 대폭 감소시키며 파라미터 수를 약 50% 줄이는 효율성도 입증했다. 주목할 점은 주의 메커니즘이 포함된 순차적 대형 커널 모듈이 R² 0.993의 최고 성능을 기록했다는 점이다. 시각화 분석에서는 LKNet이 복잡한 장면에서도 꽃차례를 더 넓고 정확하게 인식하며 배경 노이즈를 효과적으로 억제하는 것으로 확인됐다. 이 연구는 수확량 예측, 육종 품질 평가 등 정밀 농업 응용에 있어 수작업 라벨링 없이도 높은 정확도를 제공할 수 있음을 입증했다. LKNet은 UAV 기반 쌀 생육 모니터링의 정밀성과 효율성을 획기적으로 향상시킨 혁신 모델로, 실제 농업 현장의 복잡한 변수에 유연하게 대응할 수 있는 강력한 도구로 평가된다.