KDE-Based Statistical-Deep Learning Fusion V-MoE Model for Meat Taste Attribute Prediction under Data Scarcity

육류 품질 평가 분야에서 기존 등급 분류 기술은 98% 이상의 정확도를 달성한 반면, 육류 맛 속성 예측은 데이터 부족으로 미개척 영역으로 남아있다. 본 연구는 육류 단면 영상을 통한 맛 예측 딥러닝 모델을 개발하되, 소규모 한우 도축량으로 인한 학습데이터 부족 문제를 해결하고자 한다. 이를 위해 소량 데이터로부터 통계 추정 데이터를 구해 모델에 직접 적용하는 통계-딥러닝 융합 기반 V-MoE 모델을 제안한다. 제안 모델은 CNN-ViT 구조에 KDE 분포를 통합하며, (1) 육류 등급 및 맛 속성별 KDE 분포 최적화로 데이터 특성 보존, (2) 맛 속성별 동적 가중치 재조정으로 전문가 네트워크 예측 전문성 향상이라는 이중 최적화 전략을 도입했다. 실험 결과, 제안 모델은 기존 CNN-ViT 대비 R²-score와 정확도에서 유의미한 성능 향상을 달성하여 소량 데이터 환경에서의 복합 감각 예측 문제에 대한 실용적 해결책을 제시했다.