실시간 면화 모니터링을 위한 경량 딥러닝: UAV 기반의 제초 및 면화 개화율 평가

무인 항공기(UAV) 이미지는 면화의 제초 및 개화율을 모니터링하는 효율적인 접근 방식을 제공합니다. 딥러닝, 특히 합성곱 신경망(CNNs)은 이미지 처리 및 농업 모니터링에 널리 적용되어, 질병 탐지, 잡초 인식 및 수확량 예측과 같은 작업에서 뛰어난 성능을 달성했습니다. 그러나 기존 모델은 종종 높은 계산 비용과 느린 추론 속도로 고통받아 농업 현장에 실시간 배포하는 데 제한이 있습니다. 이러한 문제를 해결하기 위해 우리는 경량 면화 성숙 인식 모델인 RTCMNet(실시간 면화 모니터링 네트워크)를 제안합니다. 다중 스케일 합성곱 주의(MSCA) 모듈과 효율적인 특징 융합 전략을 통합함으로써, RTCMNet은 상당히 감소된 계산 복잡성으로 높은 정확도를 달성합니다. 신장 지역에서 수집된 이미지를 사용하여 UAV 데이터셋이 구축되었고, 제안된 모델은 여러 최첨단 네트워크와 비교되었습니다. 실험 결과, RTCMNet은 각각 제초율 및 개화율 분류 작업에서 0.96 및 0.92의 정확도를 달성함을 보여줍니다. 한편, 모델은 단 0.35M 매개변수를 포함하며, DenseNet121보다 94% 적습니다. 또한, 추론 시간은 33ms로, DenseNet121에 비해 97%가 줄어듭니다. 현장 테스트는 UAV 플랫폼에서의 실시간 성능과 강건성을 추가로 확인합니다. 전반적으로 RTCMNet은 UAV 기반 면화 성숙 모니터링을 위한 효율적이고 저렴한 솔루션을 제공하여 정밀 농업 발전을 지원합니다.