소규모 데이터셋을 대상으로 한 듀얼 페이즈 컨볼루셔널 신경망 기반 쌀알 병해식별 시스템

컨벌루션 신경망(CNNs)은 식물 병해 진단에 널리 사용되고 있지만, 다양한 배경을 처리할 때 많은 학습 샘플이 필요합니다. 본 연구에서는 이질적인 배경을 가진 작은 쌀알 병해 데이터셋에서 효과적으로 작동하는 CNN 기반의 이중 단계 방법을 제안하였습니다. 첫 번째 단계에서는 Faster R-CNN 방법을 사용하여 이미지에서 중요한 부분(쌀알)을 잘라내는 작업을 수행합니다. 이 초기 단계를 통해 이질적인 배경이 제거된 쌀알의-secondary dataset-이 생성됩니다. 두 번째 단계에서는 이러한 유도되고 간소화된 샘플을 이용하여 CNN 구조를 통해 병해 분류를 수행합니다. 이중 단계 접근법과 CNN을 직접 적용한 작은 알갱이 데이터셋의 결과를 비교한 결과, 제안된 방법이 효과적임을 확인할 수 있었으며, 5겹 교차 검증 정확도가 88.07%로 나타났습니다.