식물 질병 감지의 발전: 딥러닝과 하이브리드 기계 학습 모델의 비교 분석

식물 질병 감지는 정밀 농업에 필수적이며, 이는 농작물 생산성을 향상시키고 식량 공급의 안전성을 보장합니다. 본 연구에서는 두 가지 방법을 채택하였습니다: 합성곱 신경망(CNN)을 기반으로 한 딥러닝 방법과 전통적인 기계 학습을 사용한 하이브리드 모델입니다. 데이터세트는 히사르의 키르탄 마을에서 가져온 식물의 잎 사진으로, 식물 병리학자들에 의해 주석이 달렸습니다. 계층적 공간 특징을 자율적으로 추출하는 CNN 모델은 97.57%의 정확도를 달성하여 대용량 데이터세트에 이상적입니다. 반면, 수작업으로 제작된 GLCM과 LBP 특징 및 SVM 분류기를 사용하는 하이브리드 모델은 91.73%의 정확도를 달성하며, 해석 가능성과 자원이 제한된 환경에서의 계산 효율성을 제공합니다. 모델의 성능은 정확도, 정밀도, 재현율 및 F1 점수 측면에서 측정되었습니다. 응용 프로그램은 드론을 통한 온라인 모니터링부터 농업인을 위한 진단 장비에 이르기까지 다양합니다.