농업에서 식물 잎 질병 탐지를 위한 주의 융합 잔여 경량 MobileViT

최근 몇 년간, 식물 질병의 조기 발견과 관리가 작물 건강 유지, 수확량 증가 및 농업 시스템의 식량 안보 보호를 위해 매우 중요해졌습니다. 곰팡이, 박테리아, 바이러스 및 해충에 의해 발생하는 치료되지 않은 질병은 농업에 상당한 피해를 주고 세계 식량 생산에 위험을 초래합니다. 그러나 기존 모델은 지역 특징에만 집중하고, 소음 배경, 조명, 겹치는 잎, 잎의 다양한 부분을 탐지하는 데 어려움을 겪기 때문에 농업에서 몇 가지 도전에 직면해 있습니다. 이 문제를 해결하기 위해, 본 논문에서는 자원 제한 장치에서 효율적으로 배포하도록 설계된 원래 MobileVit 모델의 향상된 버전인 주의 융합 잔여 경량(RTR-Lite-MobileViT) 모델을 제안합니다. Squeeze-and-Excitation Networks(SENet), Efficient Channel Attention(ECA) 및 Triplet Attention과 같은 다양한 주의 기법을 통합하여 모델의 계산적 발자국을 줄이고 복잡한 질병 패턴을 포착하는 능력을 향상시킵니다. 실험은 Plant Disease 및 PlantDoc 데이터셋과 같은 공개 데이터셋을 사용하여 검증하였습니다. 제안된 RTR-Lite-MobileViT는 기존 모델인 MobileNetV2와 비교하여 식물 질병 데이터셋에서 99.95%의 정확도와 98.97%의 정밀도를, PlantDoc 데이터셋에서 99.96%의 정확도와 97.98%의 정밀도를 얻었습니다.