포도잎의 정확한 분류와 포도 질병 진단을 위한 딥러닝의 발전

초록 식물 질병은 상당한 농업 손실을 초래하며, 정확한 탐지 방법이 필요하다. 전문가의 지식에 의존하는 전통적인 접근법은 편향될 수 있지만, 컴퓨팅, 특히 딥러닝의 발전은 비전문가에게 효과적인 도구를 제공한다. 본 연구는 디지털 이미지를 통해 포도잎을 분류하고 포도잎 질병을 진단하기 위해 최첨단 사전 훈련된 CNN 및 비전 트랜스포머 모델을 미세 조정하는 데 중점을 두었다. 우리의 연구는 네 가지 범주에 걸쳐 4062개의 잎 이미지로 구성된 PlantVillage 데이터셋을 조사하였다. 또한, 500개의 잎 이미지로 구성된 Grapevine 데이터셋을 활용하였다. 이 데이터셋은 각 그룹이 다섯 가지 포도 유형 중 하나에 해당하는 100개의 이미지를 포함하여 다섯 개의 상이한 그룹으로 구성되어 있다. PlantVillage 데이터셋은 Black Rot, Leaf Blight, Healthy, Esca 잎의 네 가지 포도 질병 관련 클래스에 중점을 둔다. 반면에 Grapevine 데이터셋은 Ak, Alaidris, Buzgulu, Dimnit, Nazli라는 잎 인식을 위한 다섯 가지 클래스를 포함한다. 14개의 CNN 모델과 17개의 비전 트랜스포머 모델을 사용한 실험에서 딥러닝은 포도 질병을 구별하고 잎을 인식하는 데 높은 정확성을 보였다. 특히, 네 개의 모델이 PlantVillage 및 Grapevine 데이터셋에서 100% 정확도를 달성하였으며, Swinv2-Base가 두드러졌다. 이 접근법은 조기 질병 탐지를 통해 농작물 생산성을 향상시키고 농업에서 포도 품종 특성화에 대한 통찰력을 제공할 가능성이 있다.